Tikrosios Priežasties Ai Netrukus Neperims

{h1}

Dirbtiniam intelektui pastaruoju metu būdingi pakilimai ir nuosmukiai. Ką laimėjimai ir klaidos reiškia dinaminėje pg tyrimų srityje?

Dirbtiniam intelektui pastaruoju metu būdingi pakilimai ir nuosmukiai. Plačiai vertinant kaip pagrindinį dirbtinio intelekto (AI) tyrėjų etapą, viena sistema įveikė buvusį pasaulio čempioną, mąstydamas apie painų stalo žaidimą. Bet tada, tik po savaitės, „chatbotas“, kuris buvo sukurtas mokytis iš jo sąveikos su žmonėmis „Twitter“, socialiniame tinkle labai sukrėtė rasistinius išpuolius.

Kaip tai atsitiko ir ką tai reiškia dinaminiam AI laukui?

Kovo pradžioje „Google“ sukurta dirbtinio intelekto sistema įveikė buvusį pasaulio čempioną Lee Sedol keturis mačus į vieną senoviniame kinų žaidime, vadinamame „Go“, kuris laikomas sudėtingesniu nei šachmatai, kuris anksčiau buvo naudojamas kaip etalonas mašinų progresui įvertinti. intelektas. Prieš „Google AI“ triumfą, dauguma ekspertų manė, kad praeis dešimtmečiai, kol mašina galės įveikti aukščiausią reitingą turintį žmogų Go. [Super intelektualios mašinos: 7 robotikos ateitis]

„Microsoft“, „Twitter“ pavadinimu „Tay“, neseniai atnaujinusi šios pergalės kulnus, paviešino AI sistemą, skirtą imituoti 19-metę amerikietę merginą. „Twitter“ vartotojai Tave gali tviteriu, o „Microsoft“ teigė, kad AI sistema mokysis iš šios sąveikos ir ilgainiui galės geriau bendrauti su žmonėmis. Bendrovė buvo priversta patraukti eksperimento kamštį praėjus vos 16 valandų, po to, kai „chatbot“ pradėjo skleisti rasistines, misogynistines ir seksualiai išreikštas žinutes. Bendrovė nuoširdžiai atsiprašė, kaltindama „suderintą išpuolį“ dėl „pažeidžiamumų“ ir „techninių išnaudojimų“.

Nepaisant to, kad „Microsoft“ vartojo kalbą, kuri, atrodė, rodo, kad sistema tapo įsilaužėlių auka, AI ekspertas Bartas Selmanas, Kornelio universiteto informatikos profesorius, teigė, kad vadinamasis „pažeidžiamumas“ yra tas, kad Tay kartojo frazes, kurias ji tviteryje rašė be jokių filtro rūšis. Nenuostabu, kad „lolz“, kurį reikėjo priversti pokalbių programą pakartoti uždegančias frazes, kai kam buvo per daug priešintis.

Selmanas teigė, kad yra nustebęs, kad „Microsoft“ nesukūrė pakankamų apsaugos priemonių, kad užkirstų kelią tokiam įvykiui, tačiau jis „WordsSideKick.com“ pasakojo, kad šis įvykis išryškina vieną iš pagrindinių šiuolaikinių AI silpnybių: kalbos supratimą.

AI mokymas

Selmanas teigė, kad AI labai gerai analizuoja tekstą - tai yra, kad būtų galima išaiškinti gramatinius modelius, kuriais grindžiama kalba, - tai leidžia pokalbių programoms, tokioms kaip Tay, sukurti žmonėms skambančius sakinius. Taip pat tai, kas suteikia įspūdingas „Google“ ir „Skype“ vertimo paslaugas. „Bet tai jau kitoks dalykas nei supratimas apie semantiką - sakinių prasmė“, - pridūrė jis.

Daugelį pastarojo meto AI technologijos pasiekimų lėmė požiūris, vadinamas giliu mokymusi, kuris tam tikru lygmeniu imituoja neuronų sluoksnių elgesį smegenyse. Atsižvelgiant į didžiulį duomenų kiekį, labai gerai galima rasti pavyzdžių, todėl daugiausiai jos sėkmės pavyko pasiekti suvokimo užduotyse, tokiose kaip vaizdo ar kalbos atpažinimas. [Trumpa dirbtinio intelekto istorija]

Nors tradiciniams požiūriams į mašinų mokymąsi reikėjo pasakyti, ko reikia norint „išmokti“, vienas pagrindinių gilaus mokymosi pranašumų yra tas, kad šios sistemos turi „automatinį funkcijų atradimą“, teigia Shimon Whiteson, docentas. Oksfordo universiteto Kompiuterijos katedra.

Pirmasis tinklo sluoksnis yra optimizuotas, kad būtų ieškoma labai pagrindinių duomenų savybių, pavyzdžiui, paveikslėlyje esančių objektų kraštų. Šis išėjimas perduodamas kitam sluoksniui, kuris nuskaito sudėtingesnes konfigūracijas, tarkime, kvadratus ar apskritimus. Šis procesas kartojamas sluoksniais, kiekviename iš jų ieškant vis sudėtingesnių savybių, kad, sistemai pasiekus aukštesnius lygius, ji galėtų naudoti apatinių sluoksnių aptiktas konstrukcijas tokiems dalykams kaip automobilis ar dviratis atpažinti.

„Mokydamiesi giliai, galite tiesiog pateikti neapdorotus duomenis į kokį nors didelį neuroninį tinklą, kuris vėliau yra treniruojamas nuo galo iki galo“, - sakė Whitesonas „WordsSideKick.com“.

Didelės išmokos

Tai lėmė tam tikras antžmogiškas galimybes. Selmanas teigė, kad įrodyta, jog giluminio mokymosi sistemos lenkia medicinos specialistus diagnozuojant ligą iš MRT. Derinti požiūrį į vadinamąjį sustiprinimo mokymąsi, kai mašinos naudoja atlygio signalus, kad galėtų tobulinti optimalią strategiją, taip pat pavyko su užduotimis, kuriose įmanoma sukurti tikslius virtualius modeliavimus, - teigė Kaheer Suleman, vyriausiasis technologijų pareigūnas ir bendradarbis. Kanados AI startuolio „Maluuba“ įkūrėjas. „Google“ AI sistema, pasivadinusi „AlphaGo“, tapo ekspertu, vaidindama milijonus kartų ir naudodama šį metodų derinį savo įgūdžiams sustiprinti ir strategijoms kurti.

„Didžiausią iššūkį PG kelia toms sritims, kuriose nėra masiškai renkami paženklinti duomenys arba kur negalima tinkamai modeliuoti aplinkos“, - teigė Sulemanas. "Kalba yra puikus tokio domeno pavyzdys. Internete nėra begalinio teksto, bet niekur jo" prasmė "nepaženklinta kažkokia mašina suvirškinama forma."

Maluuba kuria algoritmus, pagal kuriuos galima skaityti tekstą ir atsakyti į klausimus apie jį, tačiau Sulemanas teigė, kad yra keletas kalbos ypatybių, kurios daro tai ypač sudėtinga. Kalbant apie vieną, kalba yra labai sudėtinga - prasmė pasiskirsto keliuose lygiuose - nuo žodžių iki frazių iki sakinių. Tai galima derinti begaliniu skaičiumi būdų ir kiekvienas žmogus kalbą vartoja skirtingai.

Ir visa kalba yra abstrakti; žodžiai yra tiesiog simboliai daiktams realiame pasaulyje, kurių mašina dažnai negali patirti.

„Žvelgiant iš mašininio mokymosi, išmokta sistema yra tokia gera, kaip ir jūsų pateikti duomenys“, - teigė Whitesonas.

Neturint galimybės naudotis visą gyvenimą trunkančiais duomenimis apie fizinį pasaulį ir daugybę socialinių sąveikų, kurias sukaupė žmogus, Tay nesuprato, kas, pavyzdžiui, yra holokaustas, jau nekalbant apie tai, kodėl netinka jo neigti.

Žvilgsnis į priekį

Nepaisant šių iššūkių, „Maluuba“ praėjusį mėnesį paskelbė straipsnį „arXiv“, internetiniame priešspausdinamų tyrimų dokumentų saugykloje, kuriame aprašė, kaip jo sistema sugebėjo daugiau nei 70 procentų tikslumu atsakyti į klausimus su nepažįstamu tekstu, aplenkdama kitus neuroninio tinklo metodus 15 procentų, ir netgi pralenkti rankiniu būdu užkoduotą metodą. Maluuba požiūris apjungė gilųjį mokymąsi su nervinio tinklo struktūromis, sukurtomis taip, kad sąveikautų tarpusavyje taip, kad dėl šių sąveikų atsirastų pradinė samprotavimo forma. Bendrovė taip pat dirba kalbinio dialogo sistemose, kurios gali išmokti užmegzti natūralius pokalbius su žmonėmis.

Selmanas teigė, kad į kalbą orientuota PG gali būti stebėtinai galinga toms programoms, kurių tema yra gana ribota. Pvz., Techninės pagalbos linijos yra dalykai, kurie, jo manymu, greitai gali būti automatizuoti (o kai kurie jau yra ir tam tikru laipsniu), kaip ir santykinai vyresni administracijos darbuotojai, dirbantys įprastose sąveikose, pavyzdžiui, atnaujinant skaičiuokles ir siunčiant formulinius el. Laiškus.

"Silpnumai pasireiškia tokiose nekontroliuojamose, labai atvirose sąlygose, kurios apima daugybę žmogaus intelekto aspektų, bet taip pat iš tikrųjų supranta kitus žmones", - teigė Selmanas.

Tačiau, be abejo, šioje srityje daroma pažanga, sakė Whitesonas. Puikiausias pavyzdys yra „Google“ savaiminis vairuojantis automobilis. Dalydamasis gatve su žmonėmis, mašina turi suprasti ne tik kelių eismo taisykles, bet ir vengdama susidūrimų, taip pat turi sugebėti laikytis nepastovių socialinių normų ir naršyti etines dilemas, pridūrė jis.

Kadangi dėl AI ir robotikos pasiekimų vis daugiau mašinų naudojama realiame pasaulyje, gebėjimas sąveikauti su žmonėmis nebėra aukštas mokslinės fantastikos entuziastų tikslas. Dabar tyrėjai ieško naujų požiūrių, kurie galėtų padėti mašinoms ne tik suvokti, bet ir suprasti supantį pasaulį.

„Gilus mokymasis yra puikus, tačiau tai nėra sidabrinė kulka“, - teigė Whitesonas. "Vis dar trūksta daug dalykų. Taigi natūralus kitas žingsnis, prie kurio dirba žmonės, yra tai, kaip mes galime įtraukti dalykus į giluminį mokymąsi, kad jis galėtų padaryti dar daugiau."

"Dabar visi šie keblūs klausimai apie tai, ką mes norime, kad mašinos darytų ir kaip įsitikinti, kad jie tai daro, tampa praktine svarba, todėl dabar žmonės pradeda daug daugiau dėmesio skirti jiems."

Sekite „WordsSideKick.com“ @gyvenimų mokslas, Facebook & „Google+“. Originalus straipsnis apie gyvą mokslą.


Vaizdo Papildas: .




Tyrimas


Kokios Technologijos Palengvino Paiešką Ir Gelbėjimą?
Kokios Technologijos Palengvino Paiešką Ir Gelbėjimą?

Papildytos Realybės Turistams Atskleidžia Istoriją
Papildytos Realybės Turistams Atskleidžia Istoriją

Mokslas Naujienos


500 Milijonų Metų „Tulpinių“ Padaras Turėjo Keistą Žarną
500 Milijonų Metų „Tulpinių“ Padaras Turėjo Keistą Žarną

Ypatingas Piktnaudžiavimas Veršeliais Lemia Tiesioginį N. J. Skerdyklos Užkabinimą (Op-Ed)
Ypatingas Piktnaudžiavimas Veršeliais Lemia Tiesioginį N. J. Skerdyklos Užkabinimą (Op-Ed)

Ką Daryti, Jei Asteroidas Užklupo Žemę?
Ką Daryti, Jei Asteroidas Užklupo Žemę?

Klimato Miestai: Ar Miesto Amerika Gali Išgelbėti Paryžiaus Susitarimą?
Klimato Miestai: Ar Miesto Amerika Gali Išgelbėti Paryžiaus Susitarimą?

Patyčios: Sudėtinga Socialinė Problema, Dėl Kurios Sunkiai Kenčia Tėvai
Patyčios: Sudėtinga Socialinė Problema, Dėl Kurios Sunkiai Kenčia Tėvai


LT.WordsSideKick.com
Visos Teisės Saugomos!
Dauginti Jokių Medžiagų Leidžiama Tik Prostanovkoy Aktyvią Nuorodą Į Svetainę LT.WordsSideKick.com

© 2005–2020 LT.WordsSideKick.com