Краткое введение в искусственный интеллект для нормальных людей

0
25

в последнее время, искусственного интеллекта был очень горячей темой в Силиконовой долине и более широких тек сцены. Для тех из нас, участвующих в этой сцене, он чувствует, как невероятный импульс здание вокруг темы, со всеми видами строительных AI в ядро их бизнеса. Наблюдается также рост в связанных с АИ университетские курсы, который видит волну чрезвычайно ярких новых талантов, прокатки на рынок труда. Но это не просто случай подтверждение предвзятости интерес к этой теме был на подъеме с середины-2014.

Шум вокруг вопроса только собирается увеличить, и для неспециалиста это все очень запутанной. В зависимости от того, что вы прочитали это #39 &; s легко поверить, что мы & #39; вновь направился ваш апокалиптические облитерация Skynet стиль от рук холодной, расчета суперкомпьютеров или что мы & #39; re все собирается жить вечно, как чисто цифровой субъектов в какой-то облако — на основе искусственного мира. Другими словами, Терминатор или матрица, неминуемо собирается стать тревожно пророческими.

Мы должны быть обеспокоены или возбужденных? И что это все означает?

Возьмет на себя мир роботов?

Когда я прыгнул на победившей AI в конце 2014, я очень мало знал о нем. Хотя я принимал участие с веб-технологиями на протяжении более 20 лет, в Держите английская литература степени и я, занимается более деловых и творческих возможностей технологии чем наука позади него. Я был разработан для AI, из-за ее позитивный потенциал, но когда я прочитал предупреждения от подобий Стивена Хокинга о ваших апокалиптические опасности скрываясь в наше будущее, в естественным образом стал как связана, как никто другой бы.

Так что я сделал, что я обычно делаю, когда что-то беспокоит меня: начал узнать об этом так, что я мог понять это. Больше, чем год & #39; s стоит константы, читать, говорить, слушать, смотреть, мастерить и изучение привело меня к довольно твердое понимание того, что все это означает, и я хочу провести следующий несколько пунктов обмена знаний в надежде поучительный кто еще любопытно, но наивно боится этот удивительный новый мир.

Да, если вы просто хотите ответ на заголовок выше, ответ будет: Да, они будут. Извините.

Как машины научились узнать

первое в обнаружил, что искусственный интеллект, как промышленность термин, на самом деле происходит с 1956 года и имеет несколько бумов и спадов в этот период. В 1960-х индустрии АИ ватин в золотой эры исследования с западными правительствами, университетами и крупных предприятий, бросать огромные суммы денег, что сектор в надежде создания дивный новый мир. Но в середине семидесятых годов, когда стало очевидно, что ии не доставлять на свое обещание, промышленности пузырь лопнул и финансирование сбрасываются вверх. В 1980-х как компьютеры стали более популярными, другой АИ бум появились с аналогичными уровнями умопомрачительной инвестиций, выливают в различные предприятия. Но опять же, сектор удалось доставить и следовали неизбежно бюст.

Чтобы понять, почему эти бумы не прилипает, необходимо сначала понять, что искусственный интеллект на самом деле. Короткий ответ к этому (и поверьте мне, есть очень и очень долго ответы там) является ряд различных перекрывающихся технологий, которые широко дело с проблемой, как использовать данные для принятия решения о чем-то АИ. Она включает в себя много различных дисциплин и технологий (большой данных или Интернет вещей, кто?) Но самым важным является понятие машинного обучения.

Машинное обучение в основном включает в себя питание компьютеров большое количество данных и позволяя им анализировать эти данные для извлечения шаблонов, из которых они могут сделать выводы. Вы вероятно видели это в действии с лицом признание технологии (такие, как на Facebook или современных цифровых фотоаппаратов и смартфоны), где компьютер может определить и рамы лица людей на фотографиях. Для того, чтобы сделать это, компьютеры ссылаются интенсивный Библиотека фотографий людей & #39; s граней и научились пятно характеристики человеческого лица от формы и цвета, усредненное dataset сотен миллионов различных примеров. Этот процесс является в основном то же самое для любого приложения машинного обучения, от мошенничества обнаружения (анализ покупки моделей от истории покупку кредитной карты) два универсальных искусства (анализ моделей в живописи и случайно родов вещи фотографии с помощью тех узнали шаблоны).

Как вы можете себе представить, хруст через интенсивные наборов данных для извлечения шаблонов требует много мощности компьютерной обработки. В 1960-х они просто не достаточно мощным, чтобы делать это, поэтому не удалось что бум машин. В 1980-х компьютеры были достаточно мощными, но они обнаружили, что машины только научиться эффективно при достаточно большой объем данных, кормят их, и они смогли достаточно большое количество источник данных кормить машин.

Потом Интернет. Не только это решить вычислительные проблемы раз и навсегда через инновации облачных вычислений, который, по сути, позволяет нам получить доступ к как много процессоров, как нам нужно на прикосновение кнопки-но люди в Интернете были роды вещи больше данных каждый день, чем h как всегда были произведены во всей истории планеты Земля. Количество данных, производится на постоянной основе абсолютно ошеломляют.

Что это означает для машинного обучения является значительным: Теперь у нас более чем достаточно данных, чтобы действительно начать подготовку наших машин. Подумайте о количество фотографий на Facebook, и вы начинаете понимать, почему их технология распознавания лица является настолько точной.

В настоящее время без крупных барьер (что в настоящее время мы знаем о) предотвращение AI от достижения ее потенциал. Мы только начинаем работу, что мы можем сделать с ним.

Когда компьютеры будут думать для себя

есть знаменитая сцена из фильма 2001: Космическая Одиссея, где Дэйв, главный герой, медленно отключения искусственный интеллект ЭВМ (так называемый «Hal») после смех неисправен и решил попробовать и убить всех людей на космической станции, которую она должна быть запущена. HAL, AI, протесты Дэйв & #39; s действия и жутко провозглашает, что он боится смерти.

Этот фильм иллюстрирует один из больших страхов, окружающих AI в целом, которое произойдет, когда компьютеры начинают думать за них вместо контролируются человеком. Страх является допустимым: мы уже работаем с конструкциями машинного обучения нейронных сетей, какие структуры основываются на нейронов в мозге человека. С помощью нейронных сетей данные кормили в и затем обрабатывается через значительно сложную сеть взаимосвязанных точек, которые строить соединения между понятиями во многом таким же образом, как ассоциативные человеческой памяти. Это означает, что компьютеры постепенно начинают строить библиотеку не только модели, но и концепции, которые в конечном итоге привести к основы понимания вместо просто признание.

Представьте, вы смотрите на фотографию кто-то & #39; s лицо. Когда вы впервые видите фотографию, много вещей происходит в вашем мозге: во-первых, вы узнаете, что это человеческое лицо. Далее вы можете признать, что это мужчина или женщина, молодой или старый, черный или белый, и т.д. Вы также будете иметь быстрое решение из вашего мозга о ли вы признать лицо, хотя иногда признание требует глубокого мышления в зависимости от того, как часто вы подверглись воздействию этого конкретного лица (опыт признания лица, но не зная сразу от где). Все это происходит почти мгновенно, и компьютеры, уже способны делать все это тоже, что почти такой же скорости. К примеру Facebook может определить не только лица, но может также сказать вам, кто принадлежит лицу, если бы сказал, что человек это также на Facebook. Google имеет технологию, которая может идентифицировать расы, возраста и других характеристик человека, основанные только на фото их лица. Мы прошли долгий путь с 1950 года.

Но истинный искусственного интеллекта, который именуется искусственной общей разведки (AGI), где машина является столь значительным, как человеческий мозг-это долгий путь от. Машины могут распознавать лица, но они до сих пор не знаю, какое лицо. Например вы могли бы взглянуть на человеческое лицо и вывести много вещей, которые взяты из чрезвычайно сложные сетки различных воспоминаний, обучения и чувства. Вы можете посмотреть на фото женщина, и я думаю, что она-мать, которая в свою очередь может сделать вы предположить, что она является бескорыстный, или действительно противоположное в зависимости от собственного опыта матерей и материнство. Человек может выглядеть на одной фотографии и найти привлекательной женщиной, которая позволит ему сделать позитивные предположения о здесь личности (подтверждение предвзятости снова), или наоборот найти то, что она напоминает сумасшедшим бывшей подругой, который неизбежно будет заставить его чувствовать себя отрицательно к женщине. Они богато разнообразны, но часто ilogical мысли и опыт какие люди привод для различных поведений хорошее и плохое-, характеризующих нашей расы. Отчаяние часто приводит к инновациям, страх приводит к агрессии и так далее.

Для компьютеров, чтобы действительно быть может быть опасно, они нуждаются в некоторых из этих эмоциональных принуждений, но это очень богатые, сложной и многоуровневой гобелен различных концепций, что очень трудно обучить компьютер, независимо от того, как передовые нейронных сетей. Мы получим там один день, но есть много времени, чтобы убедиться, что когда компьютеры достижения AGI, мы по-прежнему будет в состоянии выключить их, если это необходимо.

Между тем успехи в настоящее время находят все больше полезных приложений в человеческом мире. Инсталляция автомобили, мгновенные переводы, AI помощников, мобильный телефон сайты, которые сами дизайн! Все эти достижения, призваны сделать нашу жизнь лучше, и таким образом мы не должны бояться, но довольно возбужденных о наших будущих искусственного интеллекта.



Marc Crouch

ОСТАВЬТЕ ОТВЕТ

Please enter your comment!
Please enter your name here