Forskning

Hvorfor moderne AI er en blindgyde inden for teknologi

Udtrykket "kunstig intelligens" er ofteJeg mener, neurale netværk bygget på teknologien til dyb maskinlæring. Desuden er teknologien til træning af neurale netværk veletableret og bærer frugt. Ikke alle videnskabsfolk deler imidlertid synspunktet om, at kunstig intelligens skulle udvikle sig på denne vej. Nogen mener endda, at sådanne systemer er "ikke værd at stole på", og deres udvikling vil ikke føre til noget godt.

Kunstig intelligens i moderne forstand er slet ikke, hvad mange mennesker tror.

Hvorfor maskinlæring er dårligt for menneskets udvikling

I storstilt arbejde offentliggjort på siderneTechnologyreview, en professor ved New York University, en specialist inden for kognitiv videnskab (kognitiv videnskab), Gary Marcus, talte om potentialet for udbredt brug af neurale netværk baseret på dyb maskinlæring.

For det første mener videnskabsmanden, at teknologi har deteksplicit begrænsninger. Der har især været tale om længe om, hvad der kræves for at skabe den såkaldte ”rigtige AI”, som er egnet til at løse en lang række opgaver og ikke kun en bestemt, som der sker nu. Eksisterende AI-systemer har allerede nået toppen af ​​deres udvikling, og de har praktisk taget intetsteds at vokse. Derudover kan du ikke bare tage og sige, først lære en AI at køre en bil, og den anden for at tvinge den til at blive repareret og derefter kombinere systemerne og skabe en universel assistent. Kunstige intellekter vil simpelthen ikke være i stand til at interagere, da de "studerede på forskellige måder."

Du kan træne AI til at spille Atari bedremenneske, men at fremstille en god robomobile er usandsynligt. Selvom denne opgave også er ret højt specialiseret. Deep learning fungerer godt i analysen af ​​big data, men algoritmerne ser ikke et årsagsforhold og opfatter dårligt nogen ændring i forholdene. Flyt elementerne i computerspillet med to til tre pixels, og den træne AI bliver ineffektiv. Gør farten ikke kvadratisk, men rektangulær, og kunstig intelligens mister selv for en begynderspiller.

Sådan gør du AI smartere

For at gøre algoritmer mereeffektive, skal de "undervises anderledes." Det er nødvendigt at sikre sig, at de begynder at se forholdet mellem genstande og konsekvenserne af at interagere med dem. I dette tilfælde vil vi tjene som det bedste eksempel.

Ansæt praktikantstuderende, og de går igennemet par dage vil begynde at arbejde på ethvert problem - fra lov til medicin. Ikke fordi alle af dem er smarte. Og fra det faktum, at folk har en generel idé om verden, og ikke en bestemt.

Professor Gary Marcus

Desuden er det, som Marcus tilbyder, slet ikke nyt. Eksemplet beskrevet ovenfor er, hvordan forskere forestillede sig "klassisk AI." Kun for at en sådan AI skal fungere effektivt, er vi nødt til at programmere alle mulige resultater på forhånd. Og dette er næsten urealistisk. Men der er en måde. Hvilken måde at udvikle AI foretrækker for øvrig efter din mening? Fortæl os om det i vores chat i Telegram.

Se også: Sådan fungerer kunstig intelligens

Løsningen kan være en slags symbiose"Klassisk AI", der ser forholdet og modtager beslutninger på en forståelig måde og dyb læring, der er i stand til at finde en løsning gennem "prøve og fejl". Dette kan være et grundlæggende system med regler og regler, der vedrører verden. Baseret på dem vil AI-systemer allerede være i stand til at udvikle sig selv på et bestemt område. Ægte kunstig intelligens skal indse, hvordan alt fungerer for at forstå forhold mellem årsag og virkning og let skifte fra en opgave til en anden. Moderne systemer oprettet ved hjælp af dyb læringsteknologi er simpelthen ikke i stand til dette.