Kodėl šiuolaikinės PG - akliną technologijų plėtra

Terminas "dirbtinis intelektas" dažnai reiškia neuroninio tinklo, pastatyto ant gilaus mašina mokymosi technologijos. Ir neuroninis tinklas mokymosi technologijos yra gerai išvystyta ir duoda vaisių. Tačiau ne visi mokslininkai pritaria nuomonei, kad AI turėtų vystyti šiuo keliu. Kažkas net mano, kad tokios sistemos "nepasitiki" ir nieko gero nebus sukelti jų vystymosi.

Dirbtinis intelektas šiuolaikiniame prasme - tai ne tai, ką daugelis mano,

Kodėl mašina mokymosi - tai yra blogai žmogaus vystymosi

Be didelio masto tyrimą paskelbtas leidinių Technologyreview, profesorius Niujorko universitete, specialistas į pažinimo mokslas (mokslo ir žinių) srityje puslapių Gary Marcusas pasakyti nei kupinas plačiai naudoti neuroninius tinklus, remiantis giliai mašina mokymo.

Pirma, mokslininkas mano, kad technologijos turi akivaizdžių trūkumų. Visų pirma, kalbėti jau seniai tvirtino, kad reikia sukurti vadinamąjį "tikrąjį AI", kuris yra tinkamas įvairių užduočių, o ne kas nors pirma vyksta dabar. Esamos AI sistemos jau pasiekė savo vystymosi viršūnę, ir tai yra beveik "niekur augti." Be to, jūs negalite tiesiog pasakyti, pirmasis mokyti AI vairuoti, o kita jį gauti suremontuoti ir tada sujungti sistemą, sukurti universalią pagalbininkas. Dirbtinis intelektas negalės bendrauti kaip "išmokti įvairiais būdais."

Jūs galite išmokyti AI žaisti Atari geriau asmeniui, bet padaryti gerą robomobil - vargu. Nors ši problema taip pat yra gana specializuojasi. Giluminis mokymasis yra gerai pasireiškia didelių duomenų analizei, tačiau algoritmai nematote priežastinį ryšį ir prastai suvokia bet sąlygų pokyčius. Pastumkite elementus į kompiuterinį žaidimą du ar tris pikselių ir apmokyti PG tampa neveiksmingas. Padaryti aikštelę pirmajame ne kvadratinės, o stačiakampės ir dirbtinio intelekto praras net naujokas grotuvą.

Kaip padaryti, kad protingesni AI

Norėdami algoritmai tapo efektyvesnis, jiems reikia "mokyti kitaip." Jūs turite įsitikinti, kad jie pradeda matyti objektus ir poveikio santykį, sąveikaudamas su jais. Šiuo atveju geriausias pavyzdys mums tarnaus Jums.

Įveskite studentų stažuotojų, ir jie pradės kelias dienas dirbti bet problema - nuo teisės į medicinos. Ne, nes visi jie yra protingas. O tai, kad žmonės turi bendrą idėją apie pasaulio, o ne privatus.

profesorius Gary Marcusas

Ir ką Markus siūlo nėra nauja. Pateiktas pavyzdys - tai, kaip mokslininkai įsivaizduoti "klasikinis AI". Tik čia, AI efektyviai dirbti, turime įprogramuoti visus galimus rezultatus. Ir tai praktiškai neįmanoma. Bet yra sprendimas. Beje, kokiu būdu AI plėtra pageidaujamą jūsų nuomone? Papasakokite apie tai mūsų čate telegrama. Taip pat žiūrėkite: Kaip veikia AI

Tirpalas gali būti simbiozė "klasikinės AI", kuris mato santykius ir gauti sprendimus suprantamai, ir gilus mokymasis, gebėjimas rasti alternatyvius sprendimus per "bandymų ir klaidų" natūra. Tai gali būti pagrindinis sistemos taisyklių ir reglamentų, susijusių su aplinkos natūra. Remiantis jais, AI sistema jau ir galės tobulėti tam tikroje srityje. Tai dirbtinis intelektas yra suprasti, kaip visi aplink tam, kad suprasti priežasties-padarinio santykį, ir lengvai pereiti nuo vienos užduoties prie kitos. Modernūs baldai sukurtas su gilia mokymosi technologijų pagalba, nes tokia yra tiesiog negalės.