გახსოვთ საოცარი, გამომჟღავნებელი გრძნობა, როცა პირველად აღმოაჩინე მიზეზისა და შედეგის არსებობა? ეს ხრიკი კითხვაა. ბავშვები მიზეზობრიობის პრინციპის სწავლას რვა თვის ასაკიდან იწყებენ, რაც მათ გარშემო სამყაროს შესახებ ელემენტარული დასკვნების გაკეთებაში ეხმარება. მაგრამ უმეტეს ჩვენგანს არ ახსოვს ბევრი რამ სამი ან ოთხი წლის ასაკამდე, ამიტომ მნიშვნელოვანი გაკვეთილი "რატომ" არის ის, რასაც ჩვენ უბრალოდ ვიღებთ.
ეს არ არის მხოლოდ გადამწყვეტი გაკვეთილი, რომელიც უნდა ისწავლონ ადამიანებმა, არამედ ის, რაც დღევანდელი ხელოვნური ინტელექტის სისტემები საკმაოდ ცუდია. მიუხედავად იმისა, რომ თანამედროვე A.I. შეუძლია სცემეს ადამიანთა მოთამაშეებს Go-ზე და ატარებდნენ მანქანებს გადატვირთულ ქუჩებში, ეს სულაც არ არის შედარებადი იმ სახის ინტელექტუალთან, რომელსაც ადამიანი იყენებს ამ შესაძლებლობების დასაუფლებლად. ეს იმიტომ ხდება, რომ ადამიანებს - თუნდაც პატარა ჩვილებს - აქვთ განზოგადების უნარი ერთი დომენიდან მეორეზე ცოდნის გამოყენებით. იყიდება A.I. იცხოვროს თავისი პოტენციალის შესაბამისად, ეს არის ის, რაც მას ასევე უნდა შეეძლოს.
რეკომენდებული ვიდეოები
„მაგალითად, თუ რობოტმა ისწავლა როგორ აეშენებინა კოშკი რამდენიმე ბლოკის გამოყენებით, მას შეიძლება სურდეს გადაიტანოს ეს უნარები ხიდის ან თუნდაც სახლის მსგავსი სტრუქტურის მშენებლობაში. ოსამა აჰმედიგანუცხადა Digital Trends-ს შვეიცარიის ETH Zurich-ის მაგისტრატურის სტუდენტმა. „ამის მიღწევის ერთ-ერთი გზა შეიძლება იყოს გარემოს სხვადასხვა ცვლადებს შორის მიზეზობრივი ურთიერთობების სწავლა. ან წარმოიდგინეთ, რომ რობოტი TriFinger გამოიყენება CausalWorld ტექნიკის გაუმართაობის გამო მოულოდნელად კარგავს ერთ თითს. როგორ შეიძლება გოლის ფორმა შექმნას მხოლოდ ორი თითით?”
CausalWorld ვიდეო
ვირტუალური სასწავლო სამყარო მანქანებისთვის
CausalWorld არის რა ფრედერიკ ტრაუბლე, დოქტორი. გერმანიის მაქს პლანკის ინტელექტუალური სისტემების ინსტიტუტის სტუდენტი მოიხსენიება, როგორც "მანიპულაციის ეტალონად". ეს არის წინ გადადგმული ნაბიჯი კვლევის წინსვლა, რათა რობოტულმა აგენტებმა უკეთ განაზოგადონ სხვადასხვა ცვლილებები გარემოს თვისებებში, როგორიცაა მასა ან ფორმა. ობიექტები. მაგალითად, თუ რობოტი ისწავლის კონკრეტული საგნის აღებას, შეიძლება გონივრულად ველოდოთ მას შეუძლია გადასცეს ეს უნარი უფრო მძიმე ობიექტებზე - მანამ, სანამ მას ესმის სწორი მიზეზი ურთიერთობა.
ვირტუალური სასწავლო გარემო, რომლის შესახებაც მიჩვეული ვართ სამეცნიერო ფანტასტიკურ ფილმებში მოვისმინოთ, არის, ვთქვათ, Მატრიცა: ვირტუალური სამყარო, რომელშიც წესები არ გამოიყენება. CausalWorld-ში, სადაც მკვლევარებს შეუძლიათ სისტემატურად ავარჯიშონ და შეაფასონ თავიანთი მეთოდები რობოტულ გარემოში, ეს პირიქითაა. ეს ყველაფერი წესების სწავლასა და მათ გამოყენებას ეხება. რობოტ აგენტებს შეიძლება დაეკისროთ ისეთი დავალებები, როგორიც ბავშვები მონაწილეობენ, როდესაც ისინი თამაშობენ ბლოკებით დაწყობის, ბიძგების და სხვა მიზეზ-შედეგობრივი თამაშის შესასრულებლად. მკვლევარებს შეუძლიათ ჩაერიონ რობოტის განზოგადების შესაძლებლობების შესამოწმებლად, როდესაც ის სწავლობს. ეს ძირითადად ტესტირების გარემოა, რომელიც დაგეხმარებათ შეაფასოთ, თუ როგორ A.I. აგენტებს შეუძლიათ განზოგადება.
„თანამედროვე A.I.-ის უმეტესობა. დაფუძნებულია სტატისტიკურ სწავლებაზე, რომელიც არის სტატისტიკური ინფორმაციის - მაგალითად, კორელაციების - ამოღება მონაცემებიდან. ბერნჰარდ შოლკოფიგანუცხადა Digital Trends-ს მაქს პლანკის ინსტიტუტის დირექტორმა. ”ეს შესანიშნავია, რადგან ის საშუალებას გვაძლევს ვიწინასწარმეტყველოთ ერთი რაოდენობა სხვებისგან, მაგრამ მხოლოდ მანამ, სანამ არაფერი შეიცვლება. როდესაც თქვენ ჩარევთ სისტემაში, მაშინ ყველა ფსონი გამორთულია. ასეთ შემთხვევებში პროგნოზების გასაკეთებლად საჭიროა სტატისტიკური სწავლის ფარგლებს გარეთ გასვლა, მიზეზობრიობისკენ. საბოლოო ჯამში, თუ მომავალი A.I. არის აზროვნება „წარმოსახულ სივრცეში მოქმედების“ გაგებით, მაშინ ინტერვენციები არის მთავარი და, შესაბამისად, მიზეზობრიობის გათვალისწინებაა საჭირო“.
რედაქტორების რეკომენდაციები
- უსაფრთხოების რობოტები შესაძლოა თქვენს მახლობლად მდებარე სკოლაში მოვიდნენ
- Amazon ახორციელებს AI-ს პროდუქტის მიმოხილვების შესაჯამებლად
- ვაკანსიის რეკლამა ცხადყოფს, რომ Amazon გეგმავს „თაობაში ერთხელ“ ცვლილებებს Search-ისთვის
- Google Smart Canvas უფრო ღრმა ინტეგრაციას იღებს აპებს შორის
- Nvidia-ს უახლესი A.I. შედეგები ადასტურებს, რომ ARM მზად არის მონაცემთა ცენტრისთვის
განაახლეთ თქვენი ცხოვრების წესიDigital Trends ეხმარება მკითხველს თვალყური ადევნონ ტექნოლოგიების სწრაფ სამყაროს ყველა უახლესი სიახლეებით, სახალისო პროდუქტების მიმოხილვებით, გამჭრიახი რედაქციებითა და უნიკალური თვალით.
