A.I. šiuo metu yra visur ir yra atsakinga už viską nuo virtualių asistentų mūsų išmaniuosiuose telefonuose iki savaime važiuojantys automobiliai netrukus užpildys mūsų kelius su pažangiausiomis vaizdo atpažinimo sistemomis, apie kurias pranešė jūsų nuoširdžiai.
Nebent pastarąjį dešimtmetį gyvenote po uola, yra didelė tikimybė, kad apie tai girdėjote anksčiau ir tikriausiai net naudojote. Šiuo metu dirbtinis intelektas Silicio slėnyje yra toks pat, kaip One Direction 13 metų mergaitėms: visur esantis šaltinis. Manija išmesti visus savo pinigus ir svajoti apie susituokimą, kai Haris Stylesas pagaliau pasiruošęs atsiskaityti žemyn. (Gerai, mes vis dar dirbame su analogija!)
Bet kas tiksliai yra A.I.? – ir gali naudoti tokius terminus kaip „mašininis mokymasis“, „dirbtiniai neuroniniai tinklai”, „dirbtinis intelektas“ ir „Zayn Malik“ (mes vis dar dirbame ties šia analogija...) gali būti vartojami pakaitomis?
Kad padėtume suprasti kai kuriuos populiariuosius žodžius ir žargoną, kurį girdėsite, kai žmonės kalba apie A.I., sudarėme šį paprastą vadovą, padėsiantį jums suvynioti galvoji apie įvairius dirbtinio intelekto skonius – jei tik tam, kad nepadarytum netikrų, kai mašinos pagaliau ims baigta.
Dirbtinis intelektas
Per daug nesigilinsime į A.I istoriją. čia, bet svarbu atkreipti dėmesį į tai, kad dirbtinis intelektas yra medis, kurio šakos yra visos toliau nurodytos sąlygos. Pavyzdžiui, sustiprinimo mokymasis yra mašininio mokymosi tipas, kuris yra dirbtinio intelekto polaukis. Tačiau dirbtinis intelektas nėra (būtinai) mokymosi pastiprinimas. Supratau?
Iki šiol niekas nesukūrė bendro intelekto.
Nėra oficialaus sutarimo dėl to, ką A.I. reiškia (kai kurie žmonės mano, kad tai tiesiog puikūs dalykai, kurių kompiuteriai dar negali padaryti), tačiau dauguma sutiktų, kad kalbama apie priverstinius kompiuterius atlikti veiksmus, kurie būtų laikomi protingais, jei juos atliktų a asmuo.
Pirmą kartą terminas buvo įvestas 1956 m vasaros seminaras Dartmuto koledže Naujajame Hampšyre. Didelis dabartinis skirtumas A.I. yra tarp esamo domeno Siauras A.I. ir Bendrasis dirbtinis intelektas. Iki šiol niekas nesukūrė bendro intelekto. Kai tik jie tai padarys, visi statymai atšaukiami…
Simbolinis A.I.
Jūs negirdite tiek daug apie Simbolinis A.I. šiandien. Taip pat vadinamas senamadišku A.I., Simboliniu A.I. yra sukurta remiantis loginiais žingsniais, kurie gali būti pateikiami kompiuteriui iš viršaus į apačią. Tai reiškia, kad kompiuteriui (arba robotui) reikia pateikti daugybę taisyklių, kaip jis turėtų elgtis pagal konkretų scenarijų.
Tai lėmė daug ankstyvų proveržių, tačiau paaiškėjo, kad jie labai gerai veikė laboratorijose kuris gali būti puikiai valdomas kiekvieną kintamąjį, bet dažnai ne taip gerai kasdienybės netvarkoje gyvenimą. Kaip vienas rašytojas šmaikštavo apie simbolinį A.I., ankstyvasis A.I. sistemos buvo šiek tiek panašios į Senojo Testamento dievą – su daugybe taisyklių, bet be gailestingumo.
Šiandien tyrinėtojams patinka Selmeris Bringsjordas kovoja, kad vėl būtų sutelktas dėmesys į logika pagrįstą simbolinį A.I., paremtą loginių sistemų pranašumu, kurį gali suprasti jų kūrėjai.
Mašininis mokymasis
Jei išgirsite apie didelį A.I. šių dienų proveržis, tikėtina, kad nebent kils didelis triukšmas, rodantis kitaip, jūs girdite apie mašininis mokymasis. Kaip rodo pavadinimas, mašininis mokymasis yra skirtas mašinų, kurios gerai mokosi, kūrimas.
Kaip ir A.I. antraštė, mašininis mokymasis taip pat turi kelias subkategorijas, tačiau jos visos turi įprastas yra į statistiką orientuotas gebėjimas paimti duomenis ir taikyti jiems algoritmus, siekiant gauti naudos žinių.
Egzistuoja daugybė skirtingų mašininio mokymosi šakų, tačiau tikriausiai labiausiai girdėsite…
Neuroniniai tinklai
Jei praleidote šiek tiek laiko mūsų Cool Tech skiltyje, tikriausiai girdėjote apie dirbtiniai neuroniniai tinklai. Kaip smegenų įkvėptos sistemos, sukurtos atkartoti žmonių mokymosi būdą, neuroniniai tinklai modifikuoja savo kodą, kad rasti ryšį tarp įvesties ir išvesties arba priežasties ir pasekmės situacijose, kai šis ryšys yra sudėtingas arba neaišku.
Dirbtiniams neuroniniams tinklams buvo naudingas gilus mokymasis.
Dirbtinių neuroninių tinklų samprata iš tikrųjų datuojama atgal į 1940 m, tačiau iš tikrųjų tik per pastaruosius kelis dešimtmečius jis pradėjo iš tikrųjų išnaudoti savo potencialą: atsirado algoritmų, tokių kaip „dauginimas atgal“, kuri leidžia neuronų tinklui pakoreguoti paslėptus neuronų sluoksnius situacijose, kai rezultatas neatitinka to, ko kūrėjas tikisi. (Pavyzdžiui, tinklas, skirtas atpažinti šunis, klaidingai identifikuojantis katę.)
Šį dešimtmetį dirbtiniai neuroniniai tinklai turėjo naudos iš atsiradimo gilus mokymasis, kuriame skirtingi tinklo sluoksniai išgauna skirtingas funkcijas, kol atpažins, ko ieško.
Neuroninio tinklo antraštėje yra įvairių potencialaus tinklo modelių – su pirmyn ir konvoliuciniai tinklai Tikėtina, kad tai yra tie, kuriuos turėtumėte paminėti, jei vakarienėje įstrigtumėte šalia „Google“ inžinieriaus.
Sustiprinimo mokymasis
Sustiprinimo mokymasis yra dar vienas mašininio mokymosi skonis. Tai labai įkvėpta bihevioristinės psichologijos ir remiasi idėja, kad programinės įrangos agentas gali išmokti imtis veiksmų aplinkoje, kad gautų kuo didesnį atlygį.
Pavyzdžiui, 2015 m. „Google“ „DeepMind“ išleido dokumentą, kuriame parodyta, kaip sekėsi apmokytas A.I. žaisti klasikinius vaizdo žaidimus, be jokių nurodymų, išskyrus ekrane rodomą rezultatą ir maždaug 30 000 pikselių, sudarančių kiekvieną kadrą. Buvo pasakyta, kad reikia maksimaliai padidinti rezultatą, o mokymasis sustiprino tai, kad programinės įrangos agentas palaipsniui išmoko žaisti žaidimą per bandymus ir klaidas.
MarI/O – vaizdo žaidimų mašininis mokymasis
Skirtingai nei ekspertų sistemoje, mokymuisi pastiprinimui nereikia žmogaus eksperto, kuris pasakytų, kaip padidinti balą. Vietoj to, laikui bėgant tai išsiaiškina. Kai kuriais atvejais taisyklės, kurių jis mokosi, gali būti pataisytos (kaip žaidžiant klasikinį „Atari“ žaidimą). Kitais, laikui bėgant, jos prisitaiko.
Evoliuciniai algoritmai
Žinomas kaip bendrasis populiacijos metaeuristinis optimizavimo algoritmas, jei dar nebuvote pristatytas, evoliuciniai algoritmai yra kitas mašininio mokymosi tipas; sukurtas imituoti natūralios atrankos koncepciją kompiuterio viduje.
Procesas prasideda programuotojui įvedant tikslus, kuriuos bando pasiekti savo algoritmu. Pavyzdžiui, NASA naudojo evoliucinius algoritmus kurdama palydovų komponentus. Tokiu atveju gali reikėti rasti sprendimą, kuris tilptų į 10 cm x 10 cm dėžę, gali skleisti sferinį arba pusrutulio pavidalą ir gali veikti tam tikru Wi-Fi ryšiu juosta.
Tada algoritmas pateikia kelias kartotinių konstrukcijų kartas, išbandydamas kiekvieną iš jų pagal nurodytus tikslus. Kai galiausiai pažymima visus reikiamus langelius, jis nutrūksta. Be to, kad padeda NASA kurti palydovus, evoliuciniai algoritmai yra mėgstami kūrybininkų, savo darbuose naudojančių dirbtinį intelektą: pvz. šių madingų baldų dizaineriai.
Redaktorių rekomendacijos
- Giliai besimokantis A.I. padeda archeologams išversti senovines lenteles
- Gilus mokymasis A.I. gali imituoti ikoniškų gitarų dievų iškraipymo efektus
- Minčių skaitymas A.I. analizuoja jūsų smegenų bangas, kad atspėtų, kokį vaizdo įrašą žiūrite
- Ateities namo vertintojas tikriausiai yra A.I. algoritmas
- Fotorealistinis A.I. įrankis gali užpildyti vaizdų, įskaitant veidus, spragas
