წარმოიდგინეთ უჯრა. უჯრაზე არის ფორმების ასორტიმენტი: ზოგი კუბიკი, ზოგიც სფერო. ფორმები დამზადებულია სხვადასხვა მასალისგან და წარმოადგენს ზომის ასორტიმენტს. სულ არის, ალბათ, რვა ობიექტი. ჩემი შეკითხვა: "ობიექტებს რომ ვუყურებ, არის თუ არა თანაბარი რაოდენობის დიდი ნივთები და ლითონის სფეროები?"
შინაარსი
- სიმბოლური A.I.-ის აღზევება და დაცემა.
- ნერვული ქსელების სამყარო
- იწვის შუქნიშანი
- დამატებითი იდეები
- ა.ი. კვლევა: მომავალი თაობა
ეს არ არის ხრიკი კითხვა. ის ფაქტი, რომ ის თითქოს ასე ჟღერს, ადასტურებს იმას, თუ რამდენად მარტივია სინამდვილეში. ეს არის ისეთი კითხვა, რომელზეც სკოლამდელი აღზრდის ბავშვს, სავარაუდოდ, ადვილად შეუძლია უპასუხოს. მაგრამ ეს თითქმის შეუძლებელია დღევანდელი უახლესი ნერვული ქსელებისთვის. ეს უნდა შეიცვალოს. და ეს უნდა მოხდეს ხელოვნური ინტელექტის ხელახალი გამოგონებით, როგორც ჩვენ ვიცით.
რეკომენდებული ვიდეოები
ეს არ არის ჩემი აზრი; ეს არის აზრი დევიდ კოქსი, MIT-IBM-ის დირექტორი Watson A.I. ლაბორატორია კემბრიჯში, MA. წინა ცხოვრებაში, კოქსი იყო ჰარვარდის უნივერსიტეტის პროფესორი, სადაც მისმა გუნდმა გამოიყენა ნეირომეცნიერების შეხედულებები, რათა დაეხმარა აეშენებინა უკეთესი ტვინიდან შთაგონებული მანქანათმცოდნეობის კომპიუტერული სისტემები. IBM-ში მისი ამჟამინდელი როლის შესრულებისას, ის მეთვალყურეობს უნიკალურ პარტნიორობას MIT-სა და IBM-ს შორის, რომელიც წინ უძღვის A.I. კვლევა, მათ შორის IBM-ის Watson A.I. პლატფორმა. უოტსონი, მათთვის, ვინც არ იცის, იყო A.I. რომელმაც ცნობადად დაამარცხა ორი საუკეთესო თამაში შოუს მოთამაშე
ისტორიაში სატელევიზიო ვიქტორინაში საფრთხე. უოტსონი ასევე არის ძირითადად მანქანური სწავლების სისტემა, რომელიც გაწვრთნილი აქვს მონაცემთა მასის გამოყენებით ადამიანისგან მიღებული წესებისგან განსხვავებით.
ასე რომ, როდესაც კოქსი ამბობს, რომ მსოფლიომ უნდა გადახედოს A.I. როგორც ეს ახალი ათწლეულისკენ მიდის, უცნაურად ჟღერს. ყოველივე ამის შემდეგ, 2010-იანი წლები, სავარაუდოდ, ყველაზე წარმატებული ათი წელი იყო A.I-ში. ისტორია: პერიოდი, რომელშიც გარღვევები ხდება ერთი შეხედვით ყოველკვირეულად და ყინვაგამძლე მინიშნების გარეშე ა.ი. ზამთარი დანახვაზე. სწორედ ამიტომ ფიქრობს ა.ი. თუმცა უნდა შეიცვალოს. და მისი წინადადება ამ ცვლილების შესახებ, ამჟამად ბუნდოვანი ტერმინი, სახელწოდებით "ნეირო-სიმბოლური A.I.", შეიძლება გახდეს ერთ-ერთი იმ ფრაზათაგანი, რომელსაც ჩვენ კარგად ვიცნობთ 2020-იანი წლების დასასრულის დროისთვის.
სიმბოლური A.I.-ის აღზევება და დაცემა.
ნეირო-სიმბოლური A.I. არ არის, მკაცრად რომ ვთქვათ, სრულიად ახალი გზა A.I. ეს არის სააზროვნო მანქანების აგების ორი არსებული მიდგომის კომბინაცია; ისინი, რომლებიც ოდესღაც თითოეულს დაუპირისპირდნენ, როგორც სასიკვდილო მტრები.
სახელის "სიმბოლური" ნაწილი ეხება ხელოვნური ინტელექტის შექმნის პირველ მთავარ მიდგომას. 1950-იანი წლებიდან 1980-იან წლებამდე სიმბოლური ა.ი. მართავდა უზენაესს. სიმბოლურ ა.ი. მკვლევარის აზრით, ინტელექტი ემყარება ადამიანის უნარს, გაიგონ მათ გარშემო არსებული სამყარო შინაგანი სიმბოლური წარმოდგენების ფორმირებით. შემდეგ ისინი ქმნიან წესებს ამ ცნებებთან ურთიერთობისთვის და ეს წესები შეიძლება იყოს ფორმალიზებული ისე, რომ აღიქვას ყოველდღიური ცოდნა.
Shakey the Robot: პირველი რობოტი, რომელიც განასახიერებს ხელოვნურ ინტელექტს
თუ ტვინი კომპიუტერის ანალოგია, ეს ნიშნავს, რომ ყველა სიტუაცია, რომელსაც ჩვენ ვხვდებით, ეყრდნობა ჩვენს გაშვებას შიდა კომპიუტერული პროგრამა, რომელიც ეტაპობრივად განმარტავს, თუ როგორ უნდა განახორციელოს ოპერაცია, მთლიანად საფუძველზე ლოგიკა. იმ პირობით, რომ ეს ასეა, სიმბოლური ა.ი. მკვლევარები თვლიან, რომ იგივე წესების შესახებ მსოფლიოს ორგანიზაციის აღმოჩენა და შემდეგ კოდირება, ალგორითმის სახით, კომპიუტერისთვის შეიძლებოდა განხორციელება.
სიმბოლური A.I. საკმაოდ შთამბეჭდავი დემონსტრაციები მოჰყვა. მაგალითად, 1964 წელს კომპიუტერულმა მეცნიერმა ბერტრამ რაფაელმა შეიმუშავა სისტემა სახელწოდებით SIR, რომელიც ნიშნავს "სემანტიკური ინფორმაციის მოძიება.” SIR იყო გამოთვლითი მსჯელობის სისტემა, რომელსაც, როგორც ჩანს, შეეძლო ესწავლა ობიექტებს შორის ურთიერთობები ისე, რომ დაემსგავსა რეალურ ინტელექტს. თუ გეტყვით, რომ, მაგალითად, „იოანე ბიჭია; ბიჭი არის ადამიანი; ადამიანს ორი ხელი აქვს; ხელს ხუთი თითი აქვს“, მაშინ SIR უპასუხებდა კითხვას „რამდენი თითი აქვს ჯონს?“ სწორი ნომრით 10.
”…კედელზე არის ბზარები, რომლებიც ჩნდება.”
კომპიუტერული სისტემები დაფუძნებული სიმბოლურ A.I. 1980-იან წლებში მიაღწიეს თავიანთი ძალაუფლების (და მათი დაცემის) სიმაღლეს. ეს იყო ეგრეთ წოდებული "ექსპერტული სისტემის" ათწლეული, რომელიც ცდილობდა გამოეყენებინა წესებზე დაფუძნებული სისტემები რეალურ სამყაროში არსებული პრობლემების გადასაჭრელად, როგორიცაა ორგანული ქიმიკოსების დახმარება უცნობი ორგანული მოლეკულების იდენტიფიცირებაში ან ექიმების დახმარება ანტიბიოტიკების სწორი დოზის რეკომენდაციაში ინფექციები.
ამ საექსპერტო სისტემების ძირითადი კონცეფცია იყო მყარი. მაგრამ მათ პრობლემები ჰქონდათ. სისტემები ძვირი ღირდა, საჭიროებდა მუდმივ განახლებას და, რაც ყველაზე ცუდია, უფრო ზუსტი გახდებოდა, რაც უფრო მეტი წესები იქნებოდა ჩართული.
ნერვული ქსელების სამყარო
ნეირო-სიმბოლური A.I.-ის „ნეირო“ ნაწილი. ეხება ღრმა სწავლის ნერვული ქსელები. ნერვული ბადეები არის ტვინიდან შთაგონებული გამოთვლების ტიპი, რომელმაც მრავალი A.I. ბოლო ათწლეულის განმავლობაში დაფიქსირებული გარღვევები. ა.ი. რომელსაც შეუძლია მანქანების მართვა? ნერვული ბადეები. ა.ი. რომელსაც შეუძლია ტექსტის თარგმნა ათეულობით სხვადასხვა ენაზე? ნერვული ბადეები. ა.ი. რომელიც ეხმარება თქვენს სახლში სმარტ დინამიკს თქვენი ხმის გაგებაში? ნერვული ბადეები მადლობის ტექნოლოგიაა.
ნერვული ქსელები განსხვავებულად მუშაობენ სიმბოლური A.I. რადგან ისინი ეფუძნება მონაცემებს და არა წესებზე დაფუძნებულს. რაღაცის ახსნა სიმბოლურ ა.ი. სისტემა ნიშნავს მკაფიოდ მიაწოდოს მას ყველა ის ინფორმაცია, რომელიც მას სჭირდება სწორი იდენტიფიკაციისთვის. ანალოგიურად, წარმოიდგინეთ, რომ გაგზავნით ვინმეს, რომ აიყვანოს თქვენი დედა ავტოსადგურიდან, მაგრამ უნდა აღწეროთ იგი წესების ნაკრების მიწოდებით, რაც თქვენს მეგობარს საშუალებას მისცემს გამოარჩიოს იგი ბრბოდან. ნერვული ქსელის გასაკეთებლად, თქვენ უბრალოდ აჩვენებთ მას სადავო ობიექტის ათასობით სურათს. მას შემდეგ რაც ის საკმარისად ჭკვიანი გახდება, არა მხოლოდ შეძლებს ამ ობიექტის ამოცნობას; მას შეუძლია შეადგინოს საკუთარი მსგავსი ობიექტები, რომლებსაც აქვთ რეალურ სამყაროში არასოდეს არსებობდა.
„რა თქმა უნდა, ღრმა სწავლებამ საოცარი მიღწევების საშუალება მისცა“, განუცხადა დევიდ კოქსმა Digital Trends-ს. „ამავდროულად, კედელზე არის ბზარები, რომლებიც ჩნდება.
ერთ-ერთი ეგრეთ წოდებული ბზარი ეყრდნობა ზუსტად იმას, რამაც დღევანდელი ნერვული ქსელები ასე მძლავრი გახადა: მონაცემებს. ისევე როგორც ადამიანი, ნერვული ქსელი სწავლობს მაგალითებზე დაყრდნობით. მაგრამ მაშინ, როცა ადამიანს შეიძლება დასჭირდეს ობიექტის მხოლოდ ერთი ან ორი სასწავლო მაგალითის ნახვა მისი სწორად დასამახსოვრებლად, A.I. დასჭირდება კიდევ ბევრი, ბევრი. სიზუსტე დამოკიდებულია დიდი რაოდენობით ანოტირებული მონაცემების არსებობაზე, რომლითაც მას შეუძლია ისწავლოს ყოველი ახალი დავალება.
იწვის შუქნიშანი
ეს მათ ნაკლებად კარგს ხდის სტატისტიკურად იშვიათი „შავი გედების“ პრობლემებში. შავი გედების ღონისძიება, რომელიც პოპულარობით სარგებლობს ნასიმ ნიკოლას თალებ, არის კუთხის შემთხვევა, რომელიც სტატისტიკურად იშვიათია. ”ჩვენი ღრმა სწავლის მრავალი გადაწყვეტილება დღეს - ისეთივე საოცარი, როგორიც არის - 80-20 გადაწყვეტაა,” - განაგრძო კოქსმა. „ისინი საქმეების 80%-ს სწორად მიიღებენ, მაგრამ თუ ამ კუთხის საქმეებს მნიშვნელობა აქვს, ისინი ძირს დაცემიან. თუ დაინახავთ ობიექტს, რომელიც ჩვეულებრივ არ ეკუთვნის [გარკვეულ ადგილს], ან ობიექტს ოდნავ უცნაური ორიენტაციის მქონე, საოცარი სისტემებიც კი დაეცემა.
წარმოგიდგენთ Perceptive Automata-ს
სანამ ის შეუერთდებოდა IBM-ს, კოქსმა დააარსა კომპანია, აღქმის ავტომატები, რომელმაც შეიმუშავა პროგრამული უზრუნველყოფა თვითმართვადი მანქანებისთვის. გუნდს ჰქონდა Slack არხი, სადაც ისინი აქვეყნებდნენ სასაცილო სურათებს, რომლებსაც ისინი წააწყდნენ მონაცემთა შეგროვების დროს. ერთ-ერთ მათგანს, რომელიც გადაიყვანეს გზაჯვარედინზე, აჩვენა, რომ ანთებული შუქნიშანი იყო. ”ეს არის ერთ-ერთი იმ შემთხვევიდან, რომელიც შეიძლება ვერასოდეს იხილოთ თქვენს ცხოვრებაში”, - თქვა კოქსმა. „არ ვიცი, აქვთ თუ არა Waymo-ს და Tesla-ს ანთებული შუქნიშნების სურათები მონაცემთა ნაკრებებში, რომლებსაც ისინი იყენებენ. მოამზადებენ მათ ნერვულ ქსელებს, მაგრამ მე მზად ვარ დავდო… თუ მათ აქვთ, ექნებათ მხოლოდ ძალიან რამდენიმე.”
ერთია, რომ კუთხის საქმე იყოს რაღაც უმნიშვნელო, რადგან ეს იშვიათად ხდება და არ აქვს დიდი მნიშვნელობა, როცა ხდება. ცუდი რესტორნის რეკომენდაციის მიღება შეიძლება არ იყოს იდეალური, მაგრამ ეს, ალბათ, არ იქნება საკმარისი თქვენი დღის გასაფუჭებლად. სანამ სისტემის მიერ გაკეთებული წინა 99 რეკომენდაცია კარგია, იმედგაცრუების რეალური მიზეზი არ არსებობს. თვითმართვადი მანქანა, რომელიც გზაჯვარედინზე სათანადოდ ვერ რეაგირებს ანთებული შუქნიშნის ან ცხენის ეტლის გამო, შეიძლება ბევრად მეტი გააკეთოს, ვიდრე თქვენი დღე დაანგრიოს. შეიძლება ნაკლებად სავარაუდოა, რომ ეს მოხდეს, მაგრამ თუ ასეა, ჩვენ გვინდა ვიცოდეთ, რომ სისტემა შექმნილია იმისთვის, რომ შეძლოს გაუმკლავდეს მას.
„თუ თქვენ გაქვთ მსჯელობის და ექსტრაპოლაციის უნარი იმაზე, რაც ადრე ვნახეთ, ჩვენ შეგვიძლია გავუმკლავდეთ ამ სცენარებს“, - განმარტა კოქსმა. „ჩვენ ვიცით, რომ ადამიანებს ამის გაკეთება შეუძლიათ. თუ შუქნიშანს ანთებულს ვხედავ, ბევრი ცოდნის ატანა შემიძლია. მე ვიცი, მაგალითად, რომ შუქი არ მეტყვის, გავჩერდე თუ წავიდე. ვიცი, რომ ფრთხილად უნდა ვიყო, რადგან [ჩემ ირგვლივ მძღოლები დაბნეულნი იქნებიან.] ვიცი, რომ სხვა მიმართულებით მომავალი მძღოლები შეიძლება სხვაგვარად მოიქცნენ, რადგან მათი შუქი შეიძლება მუშაობდეს. მე შემიძლია დავადგინო სამოქმედო გეგმა, რომელიც მიმიყვანს იქ, სადაც უნდა წავიდე. უსაფრთხოებისთვის კრიტიკულ, მისიის კრიტიკულ გარემოში, არ მგონია, რომ ღრმა სწავლება ჯერ კიდევ კარგად გვემსახურება. ამიტომ ჩვენ გვჭირდება დამატებითი გადაწყვეტილებები. ”
დამატებითი იდეები
ნეირო-სიმბოლური A.I.-ს იდეა. არის ამ მიდგომების გაერთიანება სწავლისა და ლოგიკის შერწყმისთვის. ნერვული ქსელები ხელს შეუწყობს სიმბოლური A.I. სისტემები უფრო ჭკვიანები გახდებიან სამყაროს სიმბოლოებად დაყოფით, ვიდრე დაეყრდნონ ადამიან პროგრამისტებს, რომ ამას გააკეთებენ მათთვის. იმავდროულად, სიმბოლური ა.ი. ალგორითმები დაგეხმარებათ ღრმა სწავლაში საღი აზრის მსჯელობისა და დომენის ცოდნის ჩართვაში. შედეგებმა შეიძლება გამოიწვიოს მნიშვნელოვანი წინსვლა A.I. სისტემები, რომლებიც აგვარებენ რთულ ამოცანებს, რაც ეხება ყველაფერს, თვითმართვადი მანქანებიდან დაწყებული ბუნებრივი ენის დამუშავებამდე. და ეს ყველაფერი მაშინ, როცა ვარჯიშისთვის გაცილებით ნაკლებ მონაცემს მოითხოვს.
ნეიროსიმბოლური AI ახსნილი
"ნერვული ქსელები და სიმბოლური იდეები მართლაც შესანიშნავად ავსებენ ერთმანეთს", - თქვა კოქსმა. „იმიტომ, რომ ნერვული ქსელები გაძლევენ პასუხებს რეალური სამყაროს არეულობიდან სამყაროს სიმბოლურ წარმოდგენამდე გადასვლისთვის, სურათებში ყველა კორელაციის პოვნაში. მას შემდეგ რაც თქვენ მიიღებთ ამ სიმბოლურ წარმოდგენას, შეგიძლიათ გააკეთოთ რამდენიმე საკმაოდ ჯადოსნური რამ მსჯელობის თვალსაზრისით. ”
მაგალითად, ფორმის მაგალითში, რომლითაც დავიწყე ეს სტატია, ნეირო-სიმბოლური სისტემა გამოიყენებს ნერვული ქსელის ნიმუშის ამოცნობის შესაძლებლობებს ობიექტების იდენტიფიცირებისთვის. მაშინ იგი დაეყრდნო სიმბოლურ A.I. გამოიყენოს ლოგიკა და სემანტიკური მსჯელობა ახალი ურთიერთობების გამოსავლენად. ასეთი სისტემები აქვს უკვე დადასტურებულია, რომ ეფექტურად მუშაობს.
ეს არ არის მხოლოდ კუთხის შემთხვევები, სადაც ეს სასარგებლო იქნება. სულ უფრო მნიშვნელოვანია, რომ A.I. სისტემები ახსნილია საჭიროების შემთხვევაში. ნერვულ ქსელს შეუძლია შეასრულოს გარკვეული ამოცანები განსაკუთრებულად კარგად, მაგრამ მისი შინაგანი მსჯელობის უმეტესი ნაწილი არის „შავი ყუთი“, რომელიც გაუგებარია მათთვის, ვისაც სურს იცოდეს, როგორ მიიღო გადაწყვეტილება. კიდევ ერთხელ, ამას დიდი მნიშვნელობა არ აქვს, თუ ეს არის ბოტი, რომელიც რეკომენდაციას უწევს არასწორ ტრეკს Spotify-ზე. მაგრამ თუ თქვენ უარი თქვეს ბანკის სესხზე, უარი გითხარით სამუშაოს განაცხადზე, ან ვინმე დაშავდა ინციდენტი ავტონომიურ მანქანასთან დაკავშირებით, უმჯობესია აგიხსნათ, რატომ იყო გარკვეული რეკომენდაციები გააკეთა. აი, სადაც ნეირო-სიმბოლური A.I. შეეძლო შესვლა.
ა.ი. კვლევა: მომავალი თაობა
რამდენიმე ათეული წლის წინ, სიმბოლური ა.ი. და ნერვული ქსელები ერთმანეთს ეწინააღმდეგებოდა. ცნობილი მოღვაწეები, რომლებიც მხარს უჭერდნენ მიდგომებს, არა მხოლოდ სჯეროდათ, რომ მათი მიდგომა სწორი იყო; მათ სჯეროდათ, რომ ეს ნიშნავს, რომ სხვა მიდგომა არასწორი იყო. ისინი სულაც არ იყვნენ არასწორი ამის გაკეთებაში. ერთი და იგივე პრობლემების გადასაჭრელად კონკურენციაში და შეზღუდული დაფინანსებით, A.I-ს ორივე სკოლა. ერთმანეთის ფუნდამენტურად დაპირისპირებული გამოჩნდნენ. დღეს, როგორც ჩანს, საპირისპირო შეიძლება აღმოჩნდეს სიმართლე.
”ნამდვილად მომხიბვლელია ახალგაზრდა თაობის ხილვა”, - თქვა კოქსმა. „[ჩემს გუნდში ბევრი ადამიანი] შედარებით უმცროსი ადამიანია: ახალი, აღფრთოვანებული, ცოტა ხნის წინ დამთავრებული დოქტორი. მათ უბრალოდ არ აქვთ ეს ისტორია. მათ უბრალოდ არ აინტერესებთ [ორი მიდგომის ერთმანეთთან დაპირისპირება] - და არ ზრუნავს ნამდვილად ძლიერია, რადგან ის გიხსნით და ათავისუფლებს ამ ცრურწმენებს. ისინი სიამოვნებით იკვლევენ გზაჯვარედინებს... მათ უბრალოდ სურთ რაღაც მაგარი გააკეთონ A.I-სთან ერთად.
თუ ყველაფერი გეგმის მიხედვით წავა, ყველა ჩვენგანი ისარგებლებს შედეგებით.
რედაქტორების რეკომენდაციები
- ანალოგი A.I.? ეს გიჟურად ჟღერს, მაგრამ ეს შეიძლება იყოს მომავალი
- წაიკითხეთ A.I.-ის საოცრად ლამაზი "სინთეზური წერილი". რომ ფიქრობს, რომ ღმერთია
- ალგორითმული არქიტექტურა: უნდა დავუშვათ A.I. შენობების დიზაინი ჩვენთვის?
- ენის სუპერმოდელი: როგორ ჩუმად ახორციელებს GPT-3 A.I. რევოლუცია
- ქალები ბაითით: ვივიენ მინგის გეგმა გადაჭრას "ადამიანური არეულობა" A.I.
