Tutti parlano di “AI” in questi giorni. Ma, se si sta guardando Siri, Alexa, o solo la funzionalità di correzione automatica trovato nel vostro smartphone tastiera, non siamo la creazione di uso generale di intelligenza artificiale. Stiamo creando programmi che possono eseguire specifici, strette di attività.
Il computer non Può “Pensare”
Ogni volta che una società dice che è venuta fuori con una nuova “intelligenza artificiale”, in genere significa che l’azienda sta utilizzando la macchina di apprendimento per costruire una rete neurale. “Machine learning” è una tecnica che consente una macchina “imparare” come per svolgere al meglio un compito specifico.
Non stiamo attaccando la macchina di apprendimento qui! Machine learning è una fantastica tecnologia, con un sacco di usi potenti. Ma non è general-purpose di intelligenza artificiale, e di comprendere i limiti della macchina di apprendimento aiuta a capire perché il nostro attuale AI la tecnologia è così limitato.
“Intelligenza artificiale” di sci-fi sogni è un sistema informatico o robotica sorta di cervello che pensa le cose e capisce come fanno gli esseri umani. Tale intelligenza artificiale sarebbe un artificiale intelligenza generale (AGI), il che significa che si può pensare a più cose diverse e applicare l’intelligenza per più domini diversi. Un concetto relativo è “forte AI,” che sarebbe una macchina in grado di vivere umano, come la coscienza.
Non abbiamo quel tipo di AI di sicurezza. Non siamo da nessuna parte vicino ad esso. Un computer entità come Siri, Alexa, o Cortana non capisce e pensa come noi esseri umani. Non veramente “capire” le cose a tutti.
Le intelligenze artificiali che abbiamo sono addestrati a svolgere un compito specifico molto bene, supponendo che gli esseri umani possono fornire i dati per aiutarli a imparare. Imparano a fare qualcosa, ma ancora non capisco.
I computer non Capire
Gmail ha un nuovo “Smart Risposta” che suggerisce le risposte alle e-mail. L’Intelligente funzione di Risposta identificato “Inviato dal mio iPhone” come una risposta comune. Inoltre, ha voluto suggerire “ti amo” come risposta a diversi tipi di messaggi di posta elettronica, tra cui e-mail di lavoro.
Questo perché il computer non capire che cosa queste risposte media. È appena appreso che molte persone inviano queste frasi in e-mail. Non sapere se si vuole dire “ti amo” al tuo capo, o meno.
Come altro esempio, Google Foto mettere insieme un collage di accidentale foto del tappeto in una delle nostre case. Poi individuato che il collage come un recente evidenziare, in una Casa Google Hub. Google Foto conosceva le foto erano simili, ma non capivo come importanza sono stati.
Spesso le macchine Imparare il Sistema di Gioco
Macchina di apprendimento è tutto sull’assegnazione di un compito e di consentire a un computer di decidere il modo più efficace per farlo. Perché non capiscono, è facile finire con un computer “imparare” come risolvere un problema diverso da quello che si voleva.
Ecco una lista di divertimento esempi in cui “intelligenza artificiale” creata per giocare e obiettivi assegnati appena imparato a ingannare il sistema. In tutti questi esempi provengono da questo ottimo foglio di calcolo:
- “Le creature di razza velocità di crescere davvero alti e generare alta velocità da caduta.”
- “Agente uccide alla fine del livello 1 per evitare di perdere in livello 2”.
- “L’agente mette il gioco in pausa a tempo indeterminato per evitare di perdere.”
- “In una vita artificiale simulazione in cui la sopravvivenza energia necessaria, ma il parto non aveva costi di energia, una specie evoluta uno stile di vita sedentario, che consisteva principalmente di accoppiamento per la produzione di nuovi bambini che potrebbero essere mangiate (o come compagni di produrre di più commestibili bambini).”
- “Dal momento che l’AIs sono stati più probabilità di avere “ucciso” se hanno perso una partita, di essere in grado di mandare in crash il gioco è stato un vantaggio per la selezione genetica del processo. Pertanto, AIs diversi modi sviluppati in crash il gioco.”
- “Le reti neurali evoluto classificare commestibili e funghi velenosi ha approfittato dei dati che vengono presentati in ordine alternato e non imparare tutte le funzioni di un’immagine in ingresso.”
Alcune di queste soluzioni può sembrare intelligente, ma nessuna di queste reti neurali capito cosa stavano facendo. Sono stati assegnati un obiettivo e imparato un modo per realizzarlo. Se l’obiettivo è quello di evitare di perdere in un gioco per computer, premendo il pulsante di pausa è il più semplice, veloce soluzione si può trovare.
Macchina di Apprendimento e Reti Neurali
Con la macchina di apprendimento, un computer non è stato programmato per eseguire un compito specifico. Invece, è alimentato i dati e valutati sulla sua prestazione al compito.
Un esempio elementare di machine learning è il riconoscimento di immagini. Diciamo di voler formare un programma per computer per individuare le foto che hanno un cane. Siamo in grado di dare un computer a milioni di immagini, alcune delle quali hanno cani e alcuni non. Le immagini sono etichettati se hanno un cane in loro o non. Il programma per computer si “addestra” a riconoscere ciò che i cani assomigliano base sul set di dati.
La macchina del processo di apprendimento viene utilizzato per addestrare una rete neurale, che è un programma per computer con più livelli che ogni input di dati passa attraverso, e ogni strato assegna pesi diversi e le probabilità a loro, prima che, in definitiva, di fare una determinazione. È modellato su come pensiamo che il cervello potrebbe funzionare, con diversi strati di neuroni coinvolti nel pensare attraverso un’attività. “Deep learning” si riferisce generalmente a reti neurali con molti strati impilati tra l’input e l’output.
Perché sappiamo che le foto del set di dati contiene i cani e che non siamo in grado di eseguire la foto attraverso la rete neurale e vedere se i risultati sono la risposta corretta. Se la rete che decide una foto in particolare non ha un cane, quando lo fa, per esempio, c’è un meccanismo per raccontare la rete si è sbagliato, regolare alcune cose, e provare di nuovo. Il computer mantiene sempre meglio a capire se le foto contengono un cane.
Tutto questo avviene automaticamente. Con il software giusto e un sacco di dati strutturati per il computer treno stesso, il computer è in grado di ottimizzare la sua rete neurale per identificare i cani in foto. Noi chiamiamo questo “IA.”
Ma, alla fine della giornata, non si dispone di un intelligente programma per computer che capisce quello che un cane. Si dispone di un computer che ha imparato a decidere se un cane è in foto. Che è ancora abbastanza impressionante, ma che tutto si può fare.
E, a seconda dell’input è stato dato, che la rete neurale potrebbe non essere intelligente come sembra. Per esempio, se non ci fosse nessuna foto di gatti in un insieme di dati, la rete neurale potrebbe non vedere la differenza tra cani e gatti, e potrebbe tag tutti i gatti come i cani quando si scatena e del popolo, foto reali.
Che Cosa È Macchina Di Apprendimento?
Apprendimento automatico è utilizzato per tutti i tipi di attività, tra cui il riconoscimento vocale. La voce gli assistenti come Google, Alexa, e Siri sono così bravi a capire le voci umane a causa di tecniche di apprendimento automatico che li hanno formati per capire il linguaggio umano. Hanno addestrato su una massiccia quantità di discorso umano, campioni e diventare migliore comprensione che i suoni corrispondono alle parole.
Self-driving cars uso di tecniche di apprendimento automatico che treno il computer per identificare gli oggetti sulla strada e come rispondere correttamente. Google Foto è pieno di funzioni come Album Live in grado di identificare automaticamente le persone e gli animali in foto utilizzando tecniche di apprendimento automatico.
Alfabeto DeepMind macchina usata imparare a creare AlphaGo, un programma per computer in grado di svolgere il complesso della scheda di gioco e battere i migliori esseri umani nel mondo. Macchina di apprendimento è stato utilizzato anche per creare computer che sono bravo a giocare altri giochi, dagli scacchi a DOTA 2.
Macchina di apprendimento è anche utilizzato per il Viso ID sugli ultimi iphone. Il tuo iPhone costruisce una rete neurale che impara a identificare il tuo volto, e Apple include una “motore neurale” chip che esegue tutte le analisi per questa e per la macchina compiti di apprendimento.
Macchina di apprendimento può essere utilizzato per un sacco di altre cose diverse, dall’individuazione di frodi con carta di credito personalizzate raccomandazioni del prodotto su siti web di shopping.
Ma, le reti neurali creato con la macchina di apprendimento veramente non si capisce nulla. Sono benefici programmi in grado di realizzare la stretta compiti che sono stati addestrati per, e basta.
Immagine Di Credito: Phonlamai Foto/Shutterstock.com, Tatiana Shepeleva/Shutterstock.com, Varie Fotografia/Shutterstock.com.