Udtrykket “kunstig intelligens”, der ofte henvises til neurale netværk, der er baseret på den teknologi, dyb machine learning. Desuden, den teknologi, neurale netværk læring er veletableret og er ved at bære frugt. Det er dog ikke alle forskere er enige i, at kunstig intelligens bør udvikle sig på denne måde. En person selv mener, at sådanne systemer “ikke har tillid til”, og ingen gode udvikling ikke vil resultere.
Kunstig intelligens i moderne forstand er ikke, hvad mange tror,
Hvorfor machine learning er dårligt for menneskelig udvikling
I en massiv arbejde, der er offentliggjort i publikationen Technologyreview, Professor ved new York University, en specialist inden for kognitiv videnskab (science for viden), Gary Marcus vide, hvad der er konsekvenserne af den udbredte brug af neurale netværk på basis af dybt machine learning.
Første, den videnskabsmand, der mener, at teknologien har klare begrænsninger. I særdeleshed, har lange samtaler om, hvad det kræver at skabe den såkaldte “real AI”, som er egnet for en bred vifte af opgaver, ikke en bestemt en, som det nu sker. Eksisterende AI systemer er allerede kom på toppen af sin udvikling, og det er næsten “ingen steder at vokse”. Desuden kan du ikke bare sige første til at undervise i AI til at køre, og den anden at komme til at ordne det, og derefter flette systemet, at skabe en universel assistent. Kunstig intelligens kan bare ikke kommunikere som “lært anderledes”.
Du kan lære AI til at spille Atari bedre end en mand, men for at gøre en god robomobile — næppe. Selv om denne opgave er også ret specialiseret. Dyb læring klarer sig godt i analyse af big data, men de algoritmer, der ikke kan se den kausale relationer, og ikke tage nogen ændring af betingelser. Skub elementer i et computer spil to til tre pixels, og er uddannet AI vil blive ineffektiv. Gør feltet til spillet go, er det ikke pladsen, men rektangulære, og kunstig intelligens vil miste selv den uerfarne spiller.
Hvordan til at gøre AI klogere
For algoritmer til at blive mere effektive, de har brug for at “undervise anderledes”. Det er nødvendigt at gøre så, at de begyndte at se forholdet mellem objekter og konsekvenserne af interaktion med dem. I dette tilfælde, er det bedste eksempel vil være dig og mig.
Type af studerende, praktikanter, og at de i et par dage, vil du begynde at arbejde på alle spørgsmål — fra lov til medicin. Ikke fordi alle af dem er smart. Og det faktum, at folk har en Generel idé om den verden, snarere end den private.
Professor Gary Marcus
Og hvad Markus er ikke ny. Det eksempel, der er beskrevet ovenfor, er, hvordan forskere forestillet sig, “klassisk AI”. Kun her for at dette AI til at arbejde effektivt, vi er nødt til at pre-program alle mulige udfald. Og det er næsten uvirkeligt. Men der er en løsning. Af den måde, hvad vej udviklingen af AI er bedst efter din mening? Fortæl os om det på vores chat i Telegrammet.
Se også: kunstig intelligens
En løsning kunne være en form for symbiose af “klassiske AI”, som ser forholdet og får den løsning, der på en meningsfuld måde, og dyb læring, er i stand til at finde en løsning ved “trial and error”. Dette kan være en slags grundlæggende system, regler og forordninger med hensyn til den omgivende verden. På grundlag af deres AI systemer er allerede og vil være i stand til at udvikle dig i et bestemt område. Sandt AI behov for at forstå, hvordan alt fungerer rundt for at forstå årsagssammenhænge, og til nemt at skifte fra den ene opgave til den anden. Moderne systemer, der er oprettet ved hjælp af teknologier for dyb læring, for det er simpelthen ikke i stand til.