Nöro-Sembolik Yapay Zeka Neden Yapay Zekadır? Geleceğin

Bir tepsi hayal edin. Tepsinin üzerinde çeşitli şekiller var: Bazıları küp, diğerleri küre. Şekiller çeşitli farklı malzemelerden yapılmıştır ve çeşitli boyutları temsil eder. Toplamda belki sekiz nesne var. Sorum şu: “Nesnelere baktığımızda eşit sayıda büyük cisim ve metal küre var mı?”

Bu hileli bir soru değil. Öyleymiş gibi görünmesi aslında ne kadar basit olduğunun kanıtıdır. Bu, okul öncesi çağındaki bir çocuğun büyük olasılıkla kolaylıkla cevaplayabileceği türden bir sorudur. Ancak günümüzün en gelişmiş sinir ağları için bu neredeyse imkansızdır. Bunun değişmesi gerekiyor. Ve bunun, bildiğimiz yapay zekayı yeniden icat ederek gerçekleşmesi gerekiyor.

Bu benim fikrim değil; bu onun görüşü David CoxMIT-IBM Watson A.I'nin yöneticisi. Cambridge, MA'daki laboratuvar. Önceki yaşamında Cox, Harvard Üniversitesi'nde profesördü ve burada ekibi, beyinden ilham alan daha iyi makine öğrenimi bilgisayar sistemleri oluşturmaya yardımcı olmak için sinir biliminden elde edilen bilgileri kullandı. IBM'deki mevcut görevinde, MIT ile IBM arasında yapay zekayı geliştiren benzersiz bir ortaklığı yönetiyor. IBM'in Watson A.I.'si de dahil olmak üzere araştırma platformu. Bilmeyenler için Watson, yapay zekaydı. en iyi oyun şovu oyuncularından ikisini yendiği meşhur

TV bilgi yarışması programında tarihte Tehlike. Watson aynı zamanda insan kaynaklı kuralların aksine, büyük miktarda veri kullanılarak eğitilmiş, öncelikle makine öğrenimi sistemidir.

Cox dünyanın yapay zekayı yeniden düşünmesi gerektiğini söylediğinde. yeni bir on yıla girerken kulağa biraz tuhaf geliyor. Sonuçta 2010'lar yapay zeka alanında tartışmasız en başarılı on yıl oldu. tarih: Atılımların görünüşte haftalık olarak gerçekleştiği ve hiçbir soğuk ipucunun olmadığı bir dönem. yapay zeka kış iç yüzü. İşte tam da bu yüzden A.I. ancak değişmesi gerekiyor. Ve onun bu değişiklik önerisi, şu anda belirsiz bir terim olan "nöro-sembolik yapay zeka", 2020'ler sona erdiğinde yakından tanıdığımız ifadelerden biri haline gelebilir.

Sembolik A.I.'nin yükselişi ve düşüşü.

Nöro-sembolik A.I. kesin olarak söylemek gerekirse, yapay zeka yapmanın tamamen yeni bir yolu değildir. Bu, düşünme makineleri oluşturmaya yönelik mevcut iki yaklaşımın birleşimidir; bir zamanlar ölümcül düşmanlar olarak birbirleriyle karşı karşıya gelenler.

İsmin “sembolik” kısmı, yapay zeka yaratmaya yönelik ilk ana akım yaklaşımı ifade ediyor. 1950'lerden 1980'lere kadar sembolik A.I. yüce hüküm sürdü. Sembolik bir A.I. Araştırmacıya göre zeka, insanların içsel sembolik temsiller oluşturarak etraflarındaki dünyayı anlama becerisine dayanıyor. Daha sonra bu kavramları ele almak için kurallar oluştururlar ve bu kurallar günlük bilgiyi kapsayacak şekilde resmileştirilebilir.

Eğer beyin bir bilgisayara benziyorsa bu, karşılaştığımız her durumun bizim bir işlemi yürütmemize bağlı olduğu anlamına gelir. Tamamen temel alınarak bir işlemin nasıl gerçekleştirileceğini adım adım açıklayan dahili bilgisayar programı mantık. Durum böyle olduğu sürece sembolik A.I. araştırmacılar aynı kuralların Dünyanın düzeni keşfedilebilir ve daha sonra bir bilgisayar için bir algoritma biçiminde kodlanabilir. gerçekleştirmek.

Sembolik A.I. oldukça etkileyici gösterilerle sonuçlandı. Örneğin, 1964 yılında bilgisayar bilimcisi Bertram Raphael, SIR adında bir sistem geliştirdi.Anlamsal Bilgi Erişimi.” SIR, nesneler arasındaki ilişkileri gerçek zekaya benzer bir şekilde öğrenebilen bir hesaplamalı akıl yürütme sistemiydi. Eğer ona şunu söyleseydiniz, örneğin, “John bir oğlan; oğlan bir kişidir; bir kişinin iki eli vardır; bir elin beş parmağı vardır” derseniz SIR, “John'un kaç parmağı var?” sorusuna cevap verirdi. doğru sayı 10 ile.

Sembolik yapay zekaya dayalı bilgisayar sistemleri. 1980'lerde güçlerinin doruğuna (ve düşüşlerine) ulaştılar. Bu, aşağıdakiler gibi gerçek dünya sorunlarını çözmek için kurala dayalı sistemler kullanmaya çalışan sözde "uzman sistem"in on yılıydı. Organik kimyagerlerin bilinmeyen organik molekülleri tanımlamasına yardımcı olmak veya doktorlara doğru antibiyotik dozunu tavsiye etmelerinde yardımcı olmak enfeksiyonlar.

Bu uzman sistemlerin altında yatan konsept sağlamdı. Ama sorunları vardı. Sistemler pahalıydı, sürekli güncellenmesi gerekiyordu ve en kötüsü, daha fazla kural eklendikçe doğruluğu daha az hale gelebilirdi.

Sinir ağları dünyası

Nöro-sembolik yapay zekanın “nöro” kısmı. kastediyor derin öğrenme sinir ağları. Sinir ağları, yapay zeka teknolojilerinin çoğunu yönlendiren, beyinden ilham alan hesaplama türüdür. son on yılda görülen atılımlar. yapay zeka araba sürebilen mi? Sinir ağları. yapay zeka metni onlarca farklı dile çevirebilen hangisi? Sinir ağları. yapay zeka evinizdeki akıllı hoparlörün sesinizi anlamasına yardımcı olan şey nedir? Sinir ağları teşekkür edilecek teknolojidir.

Sinir ağları sembolik yapay zekadan farklı çalışır. çünkü kurala dayalı olmaktan ziyade veriye dayalıdırlar. Sembolik bir yapay zekaya bir şeyi açıklamak. Sistem, doğru bir tanımlama yapabilmesi için ihtiyaç duyduğu her türlü bilgiyi açıkça sağlamak anlamına gelir. Bir benzetme olarak, annenizi otobüs durağından alması için birini gönderdiğinizi, ancak onu, arkadaşınızın onu kalabalıktan seçmesine olanak tanıyacak bir dizi kural sağlayarak tanımlamak zorunda olduğunuzu hayal edin. Bir sinir ağını bunu yapacak şekilde eğitmek için, ona söz konusu nesnenin binlerce resmini göstermeniz yeterlidir. Yeterince akıllı hale geldiğinde yalnızca o nesneyi tanımakla kalmayacak; kendi benzer nesnelerini oluşturabilir aslında gerçek dünyada hiç var olmadı.

David Cox, Digital Trends'e "Elbette derin öğrenme inanılmaz ilerlemelere olanak sağladı" dedi. "Aynı zamanda duvarda ortaya çıkmaya başlayan endişe verici çatlaklar da var."

Bu sözde çatlaklardan biri, tam olarak günümüzün sinir ağlarını bu kadar güçlü kılan şeye dayanıyor: verilere. Tıpkı bir insan gibi sinir ağı da örneklere dayanarak öğrenir. Ancak bir insanın bir nesneyi doğru bir şekilde hatırlaması için yalnızca bir veya iki eğitim örneğini görmesi yeterli olsa da, bir yapay zeka. çok daha fazlasını gerektirecek. Doğruluk, her yeni görevi öğrenebileceği büyük miktarda açıklamalı veriye sahip olmasına bağlıdır.

Yanan trafik ışıkları

Bu da onları istatistiksel olarak nadir görülen “siyah kuğu” problemlerinde daha az başarılı kılıyor. tarafından popüler hale getirilen bir siyah kuğu etkinliği Nassim Nicholas Taleb, istatistiksel olarak nadir görülen bir köşe durumudur. Cox şöyle devam etti: "Bugünkü derin öğrenme çözümlerimizin çoğu - her ne kadar harika olsalar da - 80-20 çözüm niteliğindedir." "Davaların %80'ini doğru çözecekler, ancak bu köşe davalar önemliyse başarısız olma eğiliminde olacaklar. Normalde [belirli bir yere] ait olmayan bir nesne görürseniz veya biraz tuhaf bir yönelime sahip bir nesne görürseniz, şaşırtıcı sistemler bile çökecektir."

Cox, IBM'e katılmadan önce bir şirketin kurucu ortağıydı. Algısal Otomatlarsürücüsüz otomobiller için yazılım geliştirdi. Ekibin, veri toplama sırasında tesadüfen karşılaştıkları komik görüntüleri yayınladıkları bir Slack kanalı vardı. Bunlardan biri kavşakta çekilen bir trafik ışığının yandığını gösteriyor. Cox, "Bu, hayatınız boyunca asla göremeyeceğiniz vakalardan biri" dedi. "Waymo ve Tesla'nın kullandıkları veri setlerinde yanan trafik ışıkları görüntüleri olup olmadığını bilmiyorum. sinir ağlarını eğitin, ama bahse girerim ki... eğer varsa, sadece çok fazla bilgiye sahip olacaklar bir kaç."

Bir köşe vakası için önemsiz bir şey olması bir şeydir çünkü nadiren gerçekleşir ve gerçekleştiğinde o kadar da önemli değildir. Kötü bir restoran tavsiyesi almak ideal olmayabilir ancak muhtemelen gününüzü mahvetmeye bile yetmeyecektir. Sistemin yaptığı önceki 99 öneri iyi olduğu sürece hayal kırıklığı için gerçek bir neden yok. Sürücüsüz bir arabanın, yanan bir trafik ışığı nedeniyle bir kavşakta düzgün tepki vermemesi veya atlı bir araba, gününüzü mahvetmekten çok daha fazlasına neden olabilir. Bunun gerçekleşmesi pek mümkün olmayabilir, ancak gerçekleşirse sistemin bununla başa çıkabilecek şekilde tasarlandığını bilmek isteriz.

Cox, "Daha önce gördüklerimizin ötesinde mantık yürütme ve tahmin yürütme yeteneğiniz varsa, bu senaryoların üstesinden gelebiliriz" diye açıkladı. “İnsanların bunu yapabileceğini biliyoruz. Eğer bir trafik ışığının yandığını görürsem, pek çok bilgiyi beraberinde getirebilirim. Örneğin ışığın bana durmam mı yoksa gitmem mi gerektiğini söylemeyeceğini biliyorum. Dikkatli olmam gerektiğini biliyorum çünkü [çevremdeki sürücülerin kafası karışacak.] Diğer yoldan gelen sürücülerin farları çalışıyor olabileceği için farklı davranabileceğini biliyorum. Beni gitmem gereken yere götürecek bir eylem planı yapabilirim. Bu tür güvenlik açısından kritik, görev açısından kritik ortamlarda, derin öğrenmenin henüz bize tam anlamıyla hizmet ettiğini düşünmüyorum. Bu yüzden ek çözümlere ihtiyacımız var.”

Tamamlayıcı fikirler

Nöro-sembolik yapay zeka fikri. hem öğrenmeyi hem de mantığı birleştirmek için bu yaklaşımları bir araya getirmektir. Sinir ağları sembolik yapay zekanın yaratılmasına yardımcı olacak. Bunu onlar adına yapacak insan programcılara güvenmek yerine, dünyayı sembollere bölerek sistemleri daha akıllı hale getiriyoruz. Bu arada sembolik A.I. Algoritmalar, sağduyulu akıl yürütmenin ve alan bilgisinin derin öğrenmeye dahil edilmesine yardımcı olacaktır. Sonuçlar yapay zeka alanında önemli ilerlemelere yol açabilir. sürücüsüz arabalardan doğal dil işlemeye kadar her şeyle ilgili karmaşık görevlerin üstesinden gelen sistemler. Üstelik eğitim için çok daha az veriye ihtiyaç duyulurken.

Cox, "Sinir ağları ve sembolik fikirler gerçekten birbirini harika bir şekilde tamamlıyor" dedi. “Çünkü sinir ağları, gerçek dünyanın karmaşıklığından dünyanın sembolik bir temsiline geçmenizi, görüntülerdeki tüm bağıntıları bulmanızı sağlayacak yanıtları veriyor. Bir kez bu sembolik temsili elde ettiğinizde, muhakeme açısından oldukça sihirli şeyler yapabilirsiniz."

Örneğin, bu makaleye başladığım şekil örneğinde, nöro-sembolik bir sistem, nesneleri tanımlamak için bir sinir ağının örüntü tanıma yeteneklerini kullanacaktır. O zaman sembolik yapay zekaya güvenecek. yeni ilişkileri ortaya çıkarmak için mantık ve anlamsal akıl yürütmeyi uygulamak. Bu tür sistemler var etkili bir şekilde çalıştığı zaten kanıtlanmıştır.

Bunun yararlı olacağı sadece köşe vakaları değil. A.I.'nin önemi giderek artıyor. Sistemler gerektiğinde açıklanabilir. Bir sinir ağı belirli görevleri son derece iyi bir şekilde yerine getirebilir, ancak iç muhakemesi büyük ölçüde "kara kutuya alınmış" durumdadır ve kararını nasıl verdiğini bilmek isteyenler için anlaşılmaz hale getirilmiştir. Tekrar ediyorum, eğer Spotify'da yanlış parçayı öneren bir botsa bu o kadar da önemli değil. Ancak banka krediniz reddedildiyse, iş başvurunuz reddedildiyse veya birisi bir kazada yaralandıysa Otonom bir arabanın dahil olduğu bir olay varsa, bazı tavsiyelerin neden yapıldığını açıklasanız iyi olur. yapılmış. Burası nöro-sembolik yapay zekanın olduğu yer. içeri girebilirdi.

yapay zeka araştırma: gelecek nesil

Birkaç on yıl önce sembolik yapay zeka dünyaları. ve sinir ağları birbiriyle çelişiyordu. Yaklaşımları savunan ünlü isimler, yalnızca yaklaşımlarının doğru olduğuna inanmakla kalmadı; bunun diğer yaklaşımın yanlış olduğu anlamına geldiğine inanıyorlardı. Bunu yapmakta mutlaka hatalı değillerdi. Aynı sorunları çözmek için yarışan ve sınırlı finansmana sahip olan her iki yapay zeka okulu da. birbirine temelden zıt görünüyordu. Bugün tam tersinin doğru olabileceği görülüyor.

Cox, "Genç nesli görmek gerçekten büyüleyici" dedi. “[Ekibimdeki insanların çoğu] nispeten genç insanlar: taze, heyecanlı, doktoralarını oldukça yeni bitirmişler. Sadece bu geçmişin hiçbirine sahip değiller. Sadece [iki yaklaşımın birbiriyle karşı karşıya gelmesini] umursamıyorlar - ve umursamamak gerçekten güçlü çünkü sizi açıyor ve bu önyargılardan kurtuluyor. Kavşakları keşfetmekten mutlular… Sadece yapay zeka ile harika bir şeyler yapmak istiyorlar.”

Her şey planlandığı gibi giderse sonuçlardan hepimiz yararlanacağız.

Editörlerin Önerileri

• Analog yapay zeka mı? Çılgınca gelebilir ama gelecek olabilir
• Bir A.I.'nin tüyler ürpertici derecede güzel "sentetik kutsal kitabını" okuyun. kendini Tanrı sanan
• Algoritmik mimari: A.I.'ye izin vermeli miyiz? Bizim için bina mı tasarlıyorsunuz?
• Dil süper modeli: GPT-3, yapay zeka teknolojisine sessizce nasıl öncülük ediyor? devrim
• Byte'lı Kadınlar: Vivienne Ming'in 'dağınık insan sorunlarını' yapay zeka ile çözme planı.