リサーチ

2019年の人工知能:ターミネータは既にあるかどうか

面白い心理現象があります: 何度も何度も繰り返しますが、結局それはすべての意味を失い、濡れた雑巾になり、音声的なものにもなりません。私たちの多くにとって、「人工知能」という語句は長い間その意味を失いました。 AIは現在、テクノロジのいたるところに存在しています。テレビから歯ブラシまで、あらゆるものに対応していますが、そうである必要はありません。そうではないはずです。

人工知能:善か悪か

「人工知能」というフレーズが間違いなく、それは間違って使用されている、この技術はこれまで以上に - 善と悪の両方を - やっています。それは医療や戦闘で使われます。人々が音楽や本を書くのを助けます。あなたの信用格付けを評価し、あなたの携帯電話で撮った写真を向上させます。要するに、彼女はあなたがそれを好むかどうかにかかわらず、あなたの人生に影響を与える決定を下します。

その腰に同意するのは難しいかもしれませんAIがハイテク企業や広告主について議論するときの誇大宣伝。たとえば、今年のCESで発表された人工知能の可能性を示唆していた多くの機器のうちの1つであるOral-B Genius X歯ブラシを考えてみましょう。しかし、よく調べてみると、必要な時間だけ適切な場所に歯を磨くかどうかについて、ブラシからフィードバックがあるだけであることが明らかになります。あなたがあなたの口の中であなたがブラシを持っている場所を決定することを可能にするいくつかのスマートなセンサーがあります、しかしそれを呼び出すために人工知能はナンセンスで、それ以上です。

誇大宣伝は誤解を引き起こします。 マスコミは、あらゆる曖昧なAIの歴史にターミネーターのイメージを貼り付けて、あらゆる研究を膨らませて誇張することができます。多くの場合、これは人工知能とは何かについての混乱を招きます。これは専門家でない人にとっては難しいトピックになることがあります。そして、現代のAIと最もよく知られているバージョンを誤って関連付けることがよくあります。意識的なコンピューターのSF表現。専門家はAIのこの特定のイメージを一般的な人工知能と呼びます、そして私たちがこれまでのような何かを作成することができるならば、それは非常にすぐになるでしょう。それまでは、AIシステムの機能、インテリジェンス、または機能を誇張しても、このプロセスには役立ちません。

機械学習について話すほうがはるかに良いです人工知能についてではありません。これは人工知能のサブフィールドです。これには、現在世界に最も大きな影響を与えるほとんどすべての方法(いわゆるディープラーニングを含む)が含まれています。このフレーズには「AI」の神秘主義はありませんが、このテクノロジーの機能を説明するのに役立ちます。

機械学習はどのように機能しますか? ここ数年の間に、私たちは何十もの説明を読む機会を得ました、そして私が自分自身のために見つけた最も重要な違いは正しいです。しかし、それが本当に意味するのは、もっと大きな問題です。

問題から始めましょう。 猫を認識できるプログラムを作成したいとしましょう。 「猫には鋭い耳があります」や「猫にはふわふわ」などの明白な規則をプログラミングすることで、昔ながらの方法で書くことができます。しかし、あなたが彼女にトラのイメージを見せたときに、プログラムは何をするでしょうか?各ルールのプログラミングにはかなりの時間がかかります。また、「ふわふわ」や「スポッティング」など、さまざまな概念を説明する必要があります。車に自分自身を教えることをお勧めします。それであなたは彼女に猫の写真の膨大なコレクションを渡し、彼女は彼女が見ているものの中で彼女自身のパターンを見つけるためにそれらをスキャンします。最初は大体ランダムに点をつないでいますが、あなたは何度も何度もそれをチェックし、最高のバージョンを保ちます。そして時が経つにつれて、彼女は猫が何であるか、そして猫がそうでないものをかなりよく決め始めます。

これまでのところ、すべてが予測可能です。実際、あなたはおそらく以前に同様の説明を読んだでしょう - それについては申し訳ありません。もう一つのことが重要です。このような意思決定システムを学ぶことの副作用は何ですか?

この方法の最大の利点は最も明らかに:あなたはこのシステムをプログラムする必要は決してありません。もちろん、システムによるデータ処理の原則を改善するために一生懸命働きますが、情報を抽出するためのより合理的な方法を見つけますが、システムに何を探すべきかを伝えません。これは、彼女が一般的に人々がスキップすることができるか、あるいはそれらについて考えることさえできないパターンを見つけることができるということを意味します。そして、プログラムが必要とするのはデータ1と0だけなので、世界は文字通りデータで溢れているので、さまざまなタスクを実行するように訓練することができます。あなたの手の中に機械学習ハンマーがあれば、デジタルの世界は釘でいっぱいになり、起動する準備が整います。

しかし今度は欠点について考えなさい。 コンピュータを訓練していない場合、どのようにしてコンピュータが意思決定を下すのか、どのようにしてわかりますか。機械学習システムはそれらの思考を説明することができません、それはあなたのアルゴリズムが間違った理由でうまくいくかもしれないことを意味します。同じように、コンピューターが提供するのはユーザーが提供するデータだけなので、物事に対する偏見が生じる可能性があります。あるいは、以前に見たデータと同様の狭いタスクでのみ有効になる可能性があります。それはあなたが人から期待するという常識を持っていません。あなたは世界で最高の猫認識ソフトウェアを作成することができます、しかしそれは子猫がオートバイに乗ることができないこと、または猫がKoschey ImmortalまたはAlexey Tolstoyと呼ばれる可能性が高いことをあなたに決して伝えません。

自分で学ぶためのコンピュータの学習は素晴らしいトリック。そしてすべてのトリックのように、これはトリックを含みます。あなたがそれをそれと呼びたいのであれば、AIシステムには理由があります。しかし、これは有機的な心ではありません、そしてそれは人間と同じルールによっては果たしていません。あなたは同様に尋ねるかもしれません:本はどれほど賢いですか?パンでどんな経験がコード化されますか?

私たちの人工物で、私たちは今どこにいるのか知性?何年もの見出しが次の大きな突破口(まだ起こっていない、そして見出しが落ち着いていない)について語った後、何人かの専門家は我々がある高原に達したと結論を下した。しかし、これは進歩を妨げることはありません。研究に関しては、すでに私たちが利用可能な知識を使って研究する大きな機会があります。そして製品に関しては、アルゴリズム氷山の一角だけを見ました。

ベンチャーキャピタリスト兼元カイフーリー人工知能の研究者は、現在の瞬間を「導入の時代」 - 技術が「実験室から世界に飛び散る」と言い始めた - と説明しています。 Benedict Evansは、機械学習をリレーショナルデータベースと比較しています。これは90年代には大成功を収め、業界全体を変化させましたが、ごく普通になり、映画のような人工知能の壮大さに戸惑うでしょう。これで、AIが正常になり、使い慣れた状態になります。まもなく、機械学習は私たち一人一人になり、私たちはそれに注意を払うのをやめるでしょう。

しかし、これまでのところこれは起こりませんでした。

現在、人工知能は機械学習はまだ説明がつかない、またはよく理解されていない、まだ新しいものです。しかし、将来的にはそれがあまりにも馴染みのある日常的なものになり、あなたがそれに気付かなくなるでしょう。

それまでの間、私たちは私たちのチャンネルにニュースを載せて購読することを勧めます。

EU向けのFacebook通知! FBコメントを表示および投稿するには、ログインする必要があります。