Béjakeun ka anak ucing anjeun naon anu anjeun pikirkeun di jero - pangaruh kotak hideung

Kanyataan yén algoritma AI canggih sapertos kotak hideung (1) anu ngalungkeun hasil tanpa ngungkabkeun kumaha kajadian éta hariwang sareng ngaganggu batur.

Dina 2015, tim peneliti di Rumah Sakit Gunung Sinai di New York dipenta pikeun ngagunakeun métode ieu pikeun nganalisis database éksténsif pasien lokal (2). Koléksi anu ageung ieu ngandung sagara inpormasi pasien, hasil tés, resep, sareng seueur deui.

Élmuwan disebut program analitik dimekarkeun dina kursus karya. Ieu dilatih dina data ti ngeunaan 700 urang. manusa, sareng nalika diuji dina pendaptaran énggal, éta parantos kabuktosan efektif pisan pikeun ngaramalkeun panyakit. Tanpa bantosan para ahli manusa, anjeunna mendakan pola dina catetan rumah sakit anu nunjukkeun pasién mana anu aya dina jalur panyakit, sapertos kanker ati. Numutkeun para ahli, efisiensi prognostic sareng diagnostik tina sistem éta langkung luhur tibatan metodeu anu sanés.

2. Sistim kecerdasan jieunan médis dumasar kana database sabar

Dina waktu nu sarua, peneliti noticed nu gawéna dina cara misterius. Tétéla, contona, éta idéal pikeun pangakuan gangguan jiwakayaning schizophrenia, nu kacida hésé pikeun dokter. Ieu héran, khususna sabab teu aya anu terang kumaha sistem AI tiasa ningali gering méntal kalayan saé dumasar kana catetan médis pasien. Leres, para spesialis pisan gumbira kalayan bantosan diagnostik mesin anu efisien sapertos kitu, tapi aranjeunna bakal langkung sugema upami aranjeunna ngartos kumaha AI datang kana kacindekanana.

Lapisan neuron jieunan

Ti mimiti, nyaeta, ti mimiti konsép kecerdasan jieunan jadi dipikawanoh, aya dua sudut pandang dina AI. Kahiji ngusulkeun yén éta bakal jadi paling lumrah pikeun ngawangun mesin anu alesan luyu jeung prinsip dipikawanoh tur logika manusa, sahingga workings jero maranéhanana transparan ka dulur. Batur percaya yén kecerdasan bakal muncul leuwih gampang lamun mesin diajar ngaliwatan observasi jeung experimentation ulang.

Anu terakhir hartosna ngabalikeun program komputer biasa. Gantina programmer nulis paréntah pikeun ngajawab masalah, program ngahasilkeun algoritma sorangan dumasar kana data sampel jeung hasil nu dipikahoyong. Métode pembelajaran mesin anu engkéna mekar jadi sistem AI anu pangkuatna anu dipikanyaho ayeuna nembé turun jalan, kanyataanna, program mesin sorangan.

Pendekatan ieu tetep dina margin panalungtikan sistem AI dina taun 60an sareng 70an. Ngan dina awal dékade saméméhna, sanggeus sababaraha parobahan pioneering sarta perbaikan, Jaringan saraf "jero". mimiti nunjukkeun paningkatan radikal dina kamampuan persépsi otomatis. 

Pembelajaran mesin jero parantos masihan komputer kamampuan anu luar biasa, sapertos kamampuan pikeun ngenal kecap anu diucapkeun ampir akurat sapertos manusa. Ieu teuing kompléks skill pikeun program sateuacanna. mesin kudu bisa nyieun sorangan "program" ku latihan dina datasets badag.

Pangajaran jero ogé parantos ngarobih pangakuan gambar komputer sareng ningkatkeun kualitas tarjamahan mesin. Kiwari, éta dianggo pikeun ngadamel sagala rupa kaputusan konci dina ubar, kauangan, manufaktur, sareng seueur deui.

Sanajan kitu, kalawan sakabeh ieu Anjeun teu bisa ngan kasampak di jero jaringan neural jero pikeun nempo kumaha "jero" jalan. Prosés nalar jaringan dipasang dina paripolah rébuan neuron simulasi, dikelompokeun kana puluhan atanapi bahkan ratusan lapisan anu saling nyambungkeun..

Unggal neuron dina lapisan kahiji nampi input, sapertos inténsitas piksel dina gambar, teras ngalakukeun itungan sateuacan kaluaran kaluaran. Éta dikirimkeun dina jaringan kompléks ka neuron lapisan salajengna - sareng saterasna, dugi ka sinyal kaluaran akhir. Salaku tambahan, aya prosés anu katelah nyaluyukeun itungan anu dilakukeun ku neuron individu supados jaringan latihan ngahasilkeun hasil anu dipikahoyong.

Dina conto anu sering dicutat anu aya hubunganana sareng pangenal gambar anjing, tingkat AI anu handap nganalisis ciri-ciri sederhana sapertos bentuk atanapi warna. Nu leuwih luhur nungkulan masalah nu leuwih kompleks kawas bulu atawa panon. Ngan lapisan luhur ngahijikeun sadayana, ngaidentipikasi set lengkep inpormasi sapertos anjing.

Pendekatan anu sami tiasa diterapkeun kana jinis input anu sanés anu ngajantenkeun mesin diajar sorangan: sora anu ngawangun kecap dina ucapan, hurup sareng kecap anu ngawangun kalimat dina téks tinulis, atanapi setir, contona. gerakan anu diperlukeun pikeun nyetir kendaraan.

mobil teu skip nanaon.

Usaha dilakukeun pikeun ngajelaskeun naon anu lumangsung dina sistem sapertos kitu. Dina 2015, panalungtik di Google dirobah algoritma pangenalan gambar learning jero jadi tinimbang ningali objék dina poto, éta dihasilkeun atawa dirobah aranjeunna. Ku ngajalankeun algoritma mundur, aranjeunna hoyong mendakan ciri-ciri anu dianggo ku program pikeun ngakuan, sebutkeun, manuk atanapi gedong.

Ékspérimén ieu, katelah sacara umum salaku judulna, ngahasilkeun gambaran anu luar biasa tina (3) sato aneh, aneh, bentang, sareng karakter. Ku ngungkabkeun sababaraha rusiah persépsi mesin, sapertos kanyataan yén pola-pola anu sababaraha kali dipulangkeun sareng diulang, aranjeunna ogé nunjukkeun kumaha diajar mesin jero bénten sareng persépsi manusa - contona, dina hartos yén éta ngalegaan sareng duplikat artefak anu urang teu malire. dina prosés persepsi urang tanpa mikir. .

3. Gambar dijieun dina proyék nu

Ku jalan kitu, di sisi séjén, percobaan ieu geus unraveled misteri mékanisme kognitif urang sorangan. Panginten dina persépsi urang aya rupa-rupa komponén anu teu kaharti anu ngajantenkeun urang langsung ngartos sareng teu malire hiji hal, sedengkeun mesin sabar ngulang iterasi na dina objék anu "teu penting".

Tés sareng panilitian sanésna dilaksanakeun dina usaha pikeun "ngarti" mesin. Jason Yosinski anjeunna nyiptakeun alat anu tindakanna sapertos usik anu nyangkut dina uteuk, nargétkeun neuron buatan sareng milarian gambar anu paling kuat ngaktifkeunana. Dina percobaan panungtungan, gambar abstrak mucunghul salaku hasil tina "peeping" jaringan beureum-leungeun, nu ngajadikeun prosés lumangsung dina sistem malah leuwih misterius.

Nanging, pikeun seueur élmuwan, panilitian sapertos kitu mangrupikeun salah paham, sabab, dina pamadeganna, pikeun ngartos sistem, pikeun mikawanoh pola sareng mékanisme tina urutan anu langkung luhur pikeun nyandak kaputusan anu rumit, sadaya interaksi komputasi jero jaringan saraf jero. Ieu maze raksasa tina fungsi matematik jeung variabel. Di momen, éta teu kaharti pikeun urang.

Komputer moal ngamimitian? Naha?

Naha éta penting pikeun ngarti mékanisme-nyieun kaputusan sistem kecerdasan jieunan canggih? Modél matematika geus dipaké pikeun nangtukeun narapidana mana nu bisa dibebaskeun dina parole, saha nu bisa dibere injeuman, jeung saha nu bisa meunang pakasaban. Jalma anu kabetot hoyong terang naha ieu sareng sanés kaputusan sanés, naon alesan sareng mékanisme na.

anjeunna ngaku dina April 2017 dina MIT Téhnologi Review. Tommy Yaakkola, profésor MIT ngerjakeun aplikasi pikeun pembelajaran mesin. -.

Malah aya posisi hukum sareng kabijakan yén kamampuan pikeun ngariksa sareng ngartos mékanisme pengambilan kaputusan sistem AI mangrupikeun hak asasi manusa.

Kusabab 2018, EU parantos ngusahakeun meryogikeun perusahaan pikeun masihan katerangan ka para nasabah ngeunaan kaputusan anu dilakukeun ku sistem otomatis. Tétéla yén ieu kadang teu mungkin sanajan kalawan sistem nu sigana kawilang basajan, kayaning aplikasi tur ramatloka nu ngagunakeun elmu jero pikeun nembongkeun iklan atawa nyarankeun lagu.

Komputer nu ngajalankeun jasa ieu program sorangan, sarta maranéhna ngalakukeun hal eta dina cara urang teu bisa ngarti... Malah insinyur nu nyieun aplikasi ieu teu bisa pinuh ngajelaskeun kumaha gawéna.