Истинският Разум Ai Няма Да Поеме По Всяко Време Скоро

{h1}

Наскоро изкуственият интелект има своя дял на възходи и падения. Какво означават постиженията и погрешните стъпки за динамичното поле на изследванията на ии?

Наскоро изкуственият интелект има своя дял на възходи и падения. В това, което се разглеждаше като ключов момент за изследователите на изкуствения интелект (AI), една система победи бивш световен шампион при умопомрачително заплетена настолна игра. Но след това, само седмица по-късно, „чатбот“, който беше предназначен да се учи от взаимодействията му с хората в Twitter, имаше силно обществен расистки срив в сайта на социалните мрежи.

Как се случи това и какво означава за динамичното поле на AI?

В началото на март система за изкуствен интелект, направена от Google, победи бившия световен шампион Лий Sedol четири мача в един в древна китайска игра, наречена Go, която се счита за по-сложна от шахмата, която преди беше използвана като еталон за оценка на напредъка в машината интелигентност. Преди триумфа на Google AI повечето експерти смятаха, че ще са минали десетилетия, преди една машина да успее да победи човек с най-висок ранг в Go. [Супер интелигентни машини: 7 роботизирани бъдещи]

Но току-що от петите на тази победа, Microsoft разкри AI система в Twitter, наречена Tay, която е създадена да имитира 19-годишно американско момиче. Потребителите на Twitter могат да туитят на Tay, а Microsoft каза, че AI системата ще се поучи от тези взаимодействия и в крайна сметка ще стане по-добра в общуването с хората. Компанията беше принудена да издърпа щепсела на експеримента само 16 часа по-късно, след като чат-ботът започна да разпространява расистки, мизогинистични и сексуално явни съобщения. Компанията се извини обилно, обвинявайки "координирана атака" на "уязвимости" и "технически експлоатации".

Въпреки използването на езика на Microsoft, което изглежда предполага, че системата е станала жертва на хакерите, експертът по AI Барт Селман, професор по компютърни науки в Университета Корнел, заяви, че така наречената „уязвимост“ е, че Тей изглежда е повтарял фрази, туитвани в нея без никакви вид филтър. Не е изненадващо, че "lolz", който трябваше да получи от чатбота да повтаря възпалителни фрази, беше твърде много, за да могат някои да се противопоставят.

Селман каза, че е изумен, че Microsoft не е изградил достатъчно предпазни мерки, за да предотврати подобна случайност, но каза пред WordsSideKick.com, че инцидентът подчертава една от основните слаби страни на съвременния AI: разбирането на езика.

Преподаване на AI

AI е много добър в разбора на текст - тоест разплитането на граматическите модели, които са в основата на езика - каза Селман, което позволява на чатботи като Tay да създават човешки звучащи изречения. Това е и това, което дава възможност на впечатляващите преводачески услуги на Google и Skype. "Но това е различно нещо от разбирането на семантиката - значението на изреченията", добави той.

Много от последните постижения на AI технологиите са благодарение на подход, наречен задълбочено обучение, който на някакво ниво имитира начина, по който слоевете неврони се държат в мозъка. Като се имат предвид огромни данни, е много добре да се намерят модели, поради което много от най-големите му успехи са били във възприятията, като разпознаване на изображение или реч. [Кратка история на изкуствения интелект]

Докато традиционните подходи към машинното обучение трябва да се казват какво да търсите, за да се „научим“, едно от основните предимства на дълбокото обучение е, че тези системи имат „автоматично откриване на функции“, според Шимон Уайтсън, доцент в Катедра по компютърни науки в Оксфордския университет.

Първият слой на мрежата е оптимизиран да търси много основни функции в данните, например ръба на обектите в изображението. След това този изход се подава към следващия слой, който сканира за по-сложни конфигурации, например квадратчета или кръгове. Този процес се повтаря на слоевете, като всеки от тях търси все по-сложни характеристики, така че до момента, в който системата достигне по-високите нива, да може да използва структурите, открити от по-ниските слоеве, за да идентифицира неща като кола или велосипед.

"С дълбокото обучение можете просто да подавате сурови данни в някоя голяма невронна мрежа, която след това се обучава от край до край", каза Уайтсън пред WordsSideKick.com.

Големи изплащания

Това доведе до някои свръхчовешки възможности. Селман каза, че е показано, че системите за дълбоко учене превъзхождат медицински специалисти при диагностициране на заболяване от ЯМР сканиране. Комбинирането на подхода с така нареченото обучение за подсилване, при което машините използват сигнали за възнаграждение за усъвършенстване на оптимална стратегия, също беше успешно със задачи, при които е възможно да се създадат точни виртуални симулации, заяви Кахеер Сулеман, главен технологичен директор и съвместно работещ основател на канадския стартиращ AI Maluuba. AI системата на Google, наречена AlphaGo, стана експерт, играейки себе си милиони пъти и използвайки тази комбинация от методи, за да изостри своите умения и да разработи стратегии.

„Голямото предизвикателство за AI е в области, в които няма масивно събиране на етикетирани данни или където средата не може да бъде симулирана добре“, каза Сулеман. "Езикът е чудесен пример за такъв домейн. Интернет съдържа безкраен текст, но никъде не е обозначено неговото" значение "в някаква машинно смилаема форма."

Maluuba разработва алгоритми, които могат да четат текст и да отговарят на въпроси за него, но Сулеман каза, че има няколко особености на езика, които правят това особено трудно. От една страна, езикът е изключително сложен - значението е разпространено на множество нива, от думи на фрази до изречения. Те могат да се комбинират по безкраен брой начини и всеки човек използва езика по различен начин.

И целият език е абстрактен; думите са просто символи за неща от реалния свят, които машината често не може да изпита.

„От гледна точка на машинното обучение, научената система е толкова добра, колкото и данните, които я предоставяте“, каза Уайтсън.

Без достъп до данните за физическия свят и богатството на социалните взаимодействия, които човек е натрупал, е малко изненада, Тей не разбра какво е Холокостът, камо ли защо е неуместно да го отрича.

Гледам напред

Въпреки тези предизвикателства, Maluuba публикува документ миналия месец в arXiv, онлайн хранилище за предпечатни изследователски доклади, в което описва как системата му е в състояние да отговори на въпроси с множество възможности за непознат текст с повече от 70 процента точност, превъзхождайки други подходи на невронната мрежа с 15 процент и дори изпреварва ръчно кодирани подходи. Подходът на Малуба комбинира дълбокото обучение с невронни мрежови структури, проектирани да си взаимодействат помежду си по начин, който взаимодейства в резултат на рудиментарна форма на разсъждения. Компанията работи и върху системи за говорещ диалог, които могат да се научат да участват в естествени разговори с хората.

Селман каза, че AI, ориентиран към езика, може да бъде изненадващо мощен за приложения, където темата е доста ограничена. Например, техническите линии за помощ са неща, които той прогнозира, че скоро биха могли да бъдат автоматизирани (а някои от тях вече са до известна степен), както и относително старши административни задачи, които се свеждат до рутинни взаимодействия като актуализиране на електронни таблици и изпращане на формулярни имейли.

„Слабостите са изложени в тези неконтролирани, много отворени настройки, които включват множество аспекти на човешкия разум, но и наистина разбират други хора“, каза Селман.

Но със сигурност напредъкът на този фронт е, каза Уайтсън, като най-добрият пример е самоуправляващият се автомобил на Google. Споделянето на улицата с хора изисква машината да разбере повече от просто правилата на пътя - тя също трябва да може да спазва нестандартни социални норми и да се ориентира в етичните дилеми, когато избягва сблъсъци, добави той.

И тъй като напредъкът в ИИ и роботиката води до увеличаване на броя на машините, използвани в реалния свят, способността да взаимодействат с хората вече не е някаква възвишена цел за почитателите на научните фантасти. Сега изследователите търсят нови подходи, които биха могли да помогнат на машините не само да възприемат, но и да разберат света около тях.

„Дълбокото учене е чудесно, но това не е сребърен куршум“, каза Уайтсън. "Има още много неща, които все още липсват. И така следващата естествена стъпка, над която хората работят, е как да добавим нещата към задълбоченото учене, така че да може да направи още повече."

"Сега всички тези трънливи въпроси за това какво искаме да правят машините и как да се уверим, че го правят, придобиват практическо значение, така че хората сега започват да се съсредоточават върху тях много повече."

Следвайте науката на живо @wordssidekick, Facebook, Оригинална статия за WordsSideKick.com.


Видео Добавка: HyperNormalisation (2016 + subs) by Adam Curtis - A different experience of reality FULL DOCUMENTARY.




Изследване


Най-Новата Машина За Термоядрен Синтез Ли Е Невъзможното... Или Го Прави?
Най-Новата Машина За Термоядрен Синтез Ли Е Невъзможното... Или Го Прави?

Прихващащото Sci-Fi Устройство Може Да Защити Войниците От Ударни Вълни
Прихващащото Sci-Fi Устройство Може Да Защити Войниците От Ударни Вълни

Наука Новини


Bizarre „Котка На Schrodinger“ Оживява В Нови Експерименти
Bizarre „Котка На Schrodinger“ Оживява В Нови Експерименти

Антарктически Лед Се Разтопява Гориво
Антарктически Лед Се Разтопява Гориво "Mind-Boggling"

Докосването На Един Мъж Прави Жените Горещи
Докосването На Един Мъж Прави Жените Горещи

Как Работят Фракталите
Как Работят Фракталите

Порока Срака Се Снима Във Видео За Първи Път
Порока Срака Се Снима Във Видео За Първи Път


BG.WordsSideKick.com
Всички Права Запазени!
Възпроизвеждането На Използваните Материали Оставя Само Prostanovkoy Активна Връзка Към Сайта BG.WordsSideKick.com

© 2005–2019 BG.WordsSideKick.com