Kai programa patikina, kad ją maitina „dirbtinis intelektas“, akimirkai atrodo, kad esate ateityje. Bet ką tai iš tikrųjų reiškia? Mes mestume didelius žodžius - dirbtinį intelektą, mašinų mokymąsi, neuroninius tinklus - bet ką jie iš tikrųjų reiškia ir ar jie tikrai padeda tobulinti programas?
Visai neseniai „Google“ir „Microsoft“į savo vertimo programas įtraukė neuroninio tinklo mokymus. „Google“teigia, kad mokydamasi grojaraščių naudoja mašinų mokymąsi. Todoistas sako, kad naudoja AI, kad atspėtų, kada turėtum baigti užduotį. Any.do teigia, kad dirbtinis intelektas gali atlikti kai kurias užduotis už jus. Ir viskas buvo tik praėjusią savaitę. Kai kurie rinkodaros triukai skamba įspūdingai ir tebėra triukai, tačiau kartais pokyčiai neabejotinai yra naudingi. „Dirbtinis intelektas“, „kompiuterinis mokymasis“ir „neuroniniai tinklai“apibūdina būdus, kuriuos kompiuteriai naudoja rimtesnėms užduotims atlikti ir mokytis. Ir nors jūs galbūt girdėjote, kad programų kūrėjai priima kitų sistemas, tačiau praktiškai jos labai skiriasi.
- „Salik.biz“
Neuroniniai tinklai analizuoja sudėtingus duomenis, kad imituotų žmogaus smegenis
Dirbtiniai neuroniniai tinklai (ANNS arba tiesiog „neuroniniai tinklai“) nurodo tam tikro tipo mokymosi modelį, kuris imituoja, kaip sinapsės veikia jūsų smegenyse. Tradicinis kompiuteris užduočiai atlikti naudoja daugybę loginių operatorių. Kita vertus, neuroniniai tinklai duomenims apdoroti naudoja mazgų (kurie veikia kaip neuronai) ir sinapsių (kraštų) analogus. Įvestis perduodama per sistemą ir generuojama išvestis.
Rezultatai lyginami su žinomais duomenimis. Pvz., Tarkime, kad norite išmokyti kompiuterį atpažinti šuns atvaizdą. Internete srautuojate milijonus šunų vaizdų, kad pamatytumėte, kuriuos vaizdus ji pasirenka kaip šunis. Tada asmuo patvirtina, kurie vaizdai iš tikrųjų yra šunys. Sistema teikia pirmenybę keliui neuronų tinkle, kuris atvedė į teisingą atsakymą. Laikui bėgant ir po milijonų kartojimų šis tinklas ilgainiui pagerins savo rezultatų tikslumą.
Norėdami pamatyti, kaip tai veikia, galite išbandyti „Google Quick Draw“eksperimentą!.. Tokiu atveju „Google“moko internetą atpažinti logotipus, greitus eskizus. Ji lygina jūsų piešiamą piešinį su kitų žmonių piešiamais pavyzdžiais. Tinklas mokosi atpažinti būsimus logotipus pagal tai, ką matė praeityje. Net jei piešiate kaip penkerių metų vaikas (kaip aš), tinklas labai greitai atpažįsta paprastas formas - povandeninius laivus, augalus, antis. Išbandyk, smagu.
Neuroniniai tinklai nėra panacėja, tačiau jie puikiai tinka tvarkyti sudėtingus duomenis. „Google“ir „Microsoft“naudoja neuroninius tinklus mokydami savo vertimo programas, nes sunku išversti kalbas. Nemažai matėme blogų mašininių vertimų, tačiau neuroniniai tinklai yra išmokyti tobulinti tuos vertimus, pagrįstus teisingais vertimais laikui bėgant. Tas pats nutinka ir kalbant į tekstą. Įvedus „Google Voice“maitinamą neuroninį tinklą, vertimo klaidų sumažėjo 49%. Šios sistemos nėra tobulos, tačiau jos veikia pačios, ir tai yra pagrindinis dalykas.
Reklaminis vaizdo įrašas:
Stažuotė moko kompiuterius tobulėti praktikoje
Mašinų mokymasis yra platus terminas, apimantis visas akimirkas, kai jūs bandote išmokyti mašiną patobulinti savarankiškai. Visų pirma, tai taikoma bet kuriai sistemai, kurioje kompiuterio našumą atliekant užduotį pagerina tik turint daugiau patirties atliekant užduotį. Neuroniniai tinklai yra mašininio mokymosi pavyzdys, tačiau jie nėra vienintelis būdas išmokyti kompiuterį.
Pavyzdžiui, vienas iš alternatyvių mašininio mokymosi metodų vadinamas sustiprinamuoju mokymusi. Šiuo metodu kompiuteris atlieka užduotį ir tada įvertina jos rezultatą. Pavyzdžiui, jei kompiuteris laimi šachmatais, tada laimėjimo vertę jis priskiria judesių, kuriuos jis naudoja žaidimo metu, serijai. Sužaidusi milijonus žaidimų, sistema gali nustatyti, kurie veiksmai greičiausiai lems pergalę, remiantis ankstesnių žaidimų rezultatais.
Nors neuroniniai tinklai yra naudingi tokiems dalykams kaip modelio atpažinimas vaizduose, kitokio pobūdžio kompiuterinis mokymasis gali būti naudingesnis atliekant įvairias užduotis, pavyzdžiui, identifikuojant mėgstamą muziką. „Google“teigia, kad jos muzikos programoje bus rasta muzika, kurios norite klausytis. Tai daroma analizuojant ankstesnius grojaraščius. Jei rezultatas jums nepatinka, mašina tai laikys gedimu. Bet jei pasirinksite vieną iš siūlomų sąrašų, ji tai pažymės kaip sėkmę ir išanalizuos laimėjusius judesius, kurie jai atnešė į jūsų širdį.
Tokiais atvejais, kai dažnai nesinaudojate šia galimybe, visiškai nesinaudosite mašininio mokymosi pranašumais. Kai pirmą kartą atidarote „Google“muzikos programą, greičiausiai rekomendacijos praeis per patikrą. Bet kuo daugiau ja naudositės, tuo geresni bus pasiūlymai. Bent jau teoriškai. Mašinų mokymasis taip pat nėra panacėja. Mašinų mokymasis yra labiau miglotas nei neuroniniai tinklai, tačiau tai taip pat reiškia, kad jūsų naudojama programinė įranga priklausys nuo jūsų atsiliepimų, kad pagerintų jos veikimą.
Dirbtinis intelektas yra viskas su priešdėliu „protingas“
Neuroniniai tinklai yra mašininio mokymosi forma, mašininis mokymasis yra dirbtinio intelekto forma. Tačiau „dirbtinio intelekto“kategorija vis dar yra taip menkai apibrėžta, kad ši frazė neturi praktinės prasmės. Taip, tai užburia technologiškai pažengusios ateities vaizdus, bet iš tikrųjų mes vis dar nesame priartėję prie jos. OCR OCR kažkada buvo per sunku mašinai, tačiau dabar jūsų telefono programa gali nuskaityti dokumentus ir paversti juos tekstu. Vadinti tai dirbtinio intelekto žygdarbiu yra kažkaip netinkama.
Pagrindinės telefonijos galimybės gali būti laikomos dirbtiniu intelektu todėl, kad iš tikrųjų yra dviejų tipų PG. Silpna arba siaurai nukreipta AI apibūdina bet kokią sistemą, skirtą atlikti siaurą užduočių sąrašą. Pavyzdžiui, „Google Assistant“ar „Siri“, būdami gana galingi AI, vis tiek atlieka gana siaurą užduočių sąrašą. Jie gauna balso komandas ir grąžina atsakymus arba paleidžia programas. Dirbtinio intelekto tyrimai skatina šias savybes, tačiau jie laikomi „silpnais“.
Priešingai, galingas PG - dar vadinamas bendruoju dirbtiniu intelektu arba „visišku PG“- yra sistema, galinti atlikti bet kokią žmogaus užduotį. Ir jo nėra. Todėl bet kuri „išmanioji“programa vis dar yra silpnas dirbtinis intelektas.
Nors pasekmės gali būti neaiškios, praktiniai dirbtinio intelekto tyrimai yra tokie naudingi, kad tikriausiai jie jau įėjo į jūsų kasdienį gyvenimą. Kiekvieną kartą, kai jūsų telefonas automatiškai prisimena, kur stovėjote, atpažįsta veidus nuotraukose, gauna paieškos pasiūlymus ar automatiškai sugrupuoja visus jūsų savaitgalio kadrus, jūs vienaip ar kitaip liečiate dirbtinį intelektą. Tam tikru mastu „dirbtinis intelektas“iš tikrųjų reiškia tik tai, kad programos bus šiek tiek intelektualesnės nei mes įpratę. Šiuo metu „AI“etiketė vargu ar reiškia ką nors praktiško.
ILYA KHEL