Wu Enda AI for Everyone'dan öğrendiğim 10 önemli AI görüşü
Eser sahibi: NewBeeNLP
Bu makale Yaklaşık 3500 kelime , Okumanız tavsiye edilir 10 dakika
Bu makalenin yazarı Wu Enda'nın sınıfındaki en akılda kalan 10 yapay zeka bakış açısını sizinle paylaşıyor.Umarım bir şeyler öğrenebilirsiniz.Önüne yaz
İnsan ve makinenin bir arada yaşadığı bu çağda, herkes yapay zekanın süper gücünü anlamaya ve kullanmaya çalışmalı ve bu hızla değişen dünyada gelecekteki konumlarını düşünmelidir.
Bir zamanlar Google Brain'i yöneten Profesör Wu Enda, Coursera kursunu açtı: Herkes İçin AI çok anlamlı. Bu ders teknik terimler hakkında konuşmaz ve teknik olmayan kişilere ve şirket yöneticilerine açıklamaya odaklanır.
- AI nedir;
- Bir AI projesi nasıl oluşturulur;
- Kuruluş içinde bir AI temeli nasıl kurulur;
- AI ve toplum arasındaki ilişki.
Kursun içeriği, Google Brain ve Baidu'daki AI ekibine yıllarca liderlik etmek için edindiği birçok değerli deneyimi özetleyerek çok önemlidir. Bu derste ayrıca AI Dönüşüm Başucu Kitabı'nda pek çok içerikten bahsedildi.
Kurstaki derslerin çoğu, AI konseptini CEO veya kurumsal yöneticinin bakış açısından örneklendirse de, herkesin kişisel bir bakış açısı kullanabileceğini ve bu kurstan birçok yararlı öneri ve düşünme çerçevesi öğrenebileceğini düşünüyorum. Bu konseptlerle, bu hızla değişen AI trendinde dümenimize hakim olmamıza ve sorunsuz bir şekilde yelken açmamıza yardımcı olabiliriz.
Bu makale, bu derste hatırlamaya değer olduğunu düşündüğüm 10 AI bakış açısını listeleyecektir.Umarım bir şeyler öğrenebilirsiniz.
Bu makaledeki kavramların çoğu kendi deneyimlerimin bir özetidir ve dersten sonra kesinlikle başka önemli anlayışlara sahip olacaksınız. Aslında, bu makaleyi okuduktan sonra bu dersi almak için veya başka şekillerde yapay zeka hakkında daha fazla şey öğrenmek için zaman bulmanızı tavsiye ederim.
30 saniyelik AI genel görünümü
Aşağıdakiler, Herkes İçin Yapay Zeka'nın bu sınıfında iletilen önemli kavramlar olduğunu düşündüğüm 10 tembel çanta. Saniyede birkaç yüz bin yukarı ve aşağı giderseniz, bu bölümü izleyebilirsiniz:
1. YZ söz konusu olduğunda, genellikle genel YZ'den ziyade dar YZ'yi kastediyoruz.
2. Çoğu AI uygulaması, makinenin bir yazışma öğrenmesine izin verir.
3. Büyük veri, sinir ağları ve bilgi işlem yetenekleri, AI'nın başarısının anahtarıdır.
4. Yalnızca 1 saniye süren görevlerin çoğu yapay zeka tarafından otomatik hale getirilebilir.
5. YZ'ye yönelik tutum aşırı iyimser olmamalı, ancak çok da kötümser olmamalıdır.
6. AI önyargısını anlamak zordur, ancak belki de insan önyargısını ortadan kaldırmaktan daha basittir.
7. Yapay zekayı benimsemenin en iyi yolu, onu alan uzmanlığıyla birleştirmektir.
8. Makine öğreniminin ve veri biliminin çıktısı sırasıyla sistemler ve içgörülerdir.
9. AI çağında, gelecekte oynamak istediğiniz rol hakkında düşünmeniz gerekir.
10. Hayat boyu öğrenme, bu çağda eşi görülmemiş derecede önemlidir.
Evet, Herkes İçin Yapay Zeka olduğu için doğal olarak derinlemesine özel bir içerik yoktur. Ancak Profesör Wu Enda'nın kursta söylediği gibi, bu temel temel fikirlerin bu AI çağında bize daha fazla yön ve sorunsuz ilerleme konusunda rehberlik edebileceğine inanıyorum.
Bu makaleye daha sonra, referansınız için yukarıda bahsedilen kavramlardan bazıları için bazı basit ek açıklamalar yapmak üzere PPT kursu eşlik edecektir.
Herkes İçin AI
1. YZ söz konusu olduğunda, genellikle genel YZ'den ziyade dar YZ'yi kastediyoruz. Medya tarafından gün boyu bildirilen Yapay Zeka (AI) uygulamaları şunları içerir:- Akıllı ses
- Otopilot;
- Yüz tanıma
- Görüntü sınıflandırması
- Önerilen sistem;
- makine çevirisi.
Arkasında dar anlamda AI (Yapay Dar Zeka, YDZ) var.
Pek çok AI uygulamasının performansı insanlardan bile daha iyi olsa da, bu AI'lar temelde "belirli" görevleri tamamlamaya odaklanmıştır; bu, Terminator gibi insanlarla aynı şekilde "her şeyi" düşünebilen ve yapabilen bilim kurgu filmleri gibidir. Genel AI (Yapay Genel Zeka, AGI) çok farklıdır.
AGI'nin geliştirilmesi birçok araştırmacının nihai hayali olsa da, mevcut teknoloji AGI'yi gerçekleştirmekten hala çok uzak.
2. Çoğu AI uygulaması, makinenin bir yazışma öğrenmesine izin verir.Çoğu makine öğrenimi ve yapay zeka uygulaması, temelde bilgisayarın girdi verilerini A ideal çıktı B ile eşleştirmemize yardımcı olacak bir eşleme işlevi (Haritalama İşlevi) öğrenmesine izin verir:
- Posta kategorisi: E-posta- > Spam mi
- Konuşma tanıma: ses dosyaları- > Metin
- Makine Çevirisi: İngilizce metin- > Çince metin
Bu tür bir yapay zeka uygulamasını gerçekleştirmek için en yaygın kullanılan yöntem Denetimli Öğrenmedir: makineye çok sayıda eşleştirilmiş veri verin, ona A'nın B'ye neyin karşılık geldiğini söyleyin ve makinenin kendi kendine öğrenmesine izin verin. Otomasyon amacına ulaşmak için herhangi bir A'yı ideal bir B'ye dönüştürme.
İnsanların karmaşık kararlar vermesine yardımcı olabilecek birçok türde AI teknolojisi vardır, ancak son yıllarda derin öğrenme ve yapay sinir ağları (Yapay Sinir Ağı) yapay zekayı gerçekten popüler hale getirdi.
Sık sık duyabileceğinizden bahsetmeye değer "Sinir ağları, insan beyniyle aynı şekilde çalışır ", ancak aslında, ilgili kişilere bu fikir hakkında ne düşündüklerini sorarsanız, yanıt genellikle "İkisi birbirinden çok uzak" .
Sinir ağlarının işleyişi, büyük miktarda veri ve yukarıda bahsedilen denetimli öğrenme ile sihirli beynimiz ile tam olarak aynı olmasa da, sinir ağı ne kadar büyükse, belirli görevlerdeki performans o kadar iyi olur.
Bu fenomen heyecan verici olsa da, unutmayın:
- Büyük ölçekli sinir ağlarının işleyişi;
- Büyük miktarda verinin işlenmesi.
Bunların her ikisi de, daha büyük miktarda bilgisayar hesaplama gücünün gerekli olduğu anlamına gelir. Çoğu durumda, sıradan insanlar bu tür bilgi işlem kaynaklarına sahip değildir.
Neyse ki, birçok derin öğrenme tabanlı yapay zeka genellikle çok iyi bir özelliğe sahiptir: aktarım öğrenimi yoluyla, çok sayıda bilgi işlem kaynağını önceden kullanmış olan ve A görevinde iyi performans gösteren yapay zekayı eğitebiliriz. Bazı basit değişiklikler, değiştirilmiş yapay zekanın benzer B görevinde iyi performans göstermesini sağlayabilir.
Şu anda, yalnızca az miktarda veriniz olsa ve çok fazla bilgi işlem kaynağınız olmasa bile, geçmişte hayal bile edilemeyen görevleri gerçekleştirmek için yapay zekayı kullanmaya devam edebilirsiniz.
4. Yalnızca 1 saniye süren görevler (gelecekte) çoğunlukla AI tarafından otomatikleştirilebilir.Bu kavram, Profesör Wu Enda'nın kursta bahsettiği ve bir görevin yapay zeka tarafından otomatikleştirilip otomatikleştirilemeyeceğine karar vermek için kullanılabilen "bir saniye ilkesi" dir.
Denetimli öğrenme ve büyük miktarda eşleştirilmiş AB verisi sayesinde, geçmişte çok karmaşık olduğu düşünülen birçok görevi yapabiliriz, ancak insan beyni yapay zeka tarafından otomatik hale getirilecek ve hayatımızı kolaylaştıracak şekilde yalnızca bir saniyede çözebilir.
Elbette, bu basitleştirilmiş ilke evrensel değildir, ancak iyi bir referans olarak kullanılabilir.
5. YZ'ye yönelik tutum aşırı iyimser olmamalı, ancak çok da kötümser olmamalıdır.Modern yapay zekanın gücünün zaten farkında olsak da, yapay zekanın her derde deva olmadığını ve tüm insan sorunlarını (mükemmel şekilde) çözemeyeceğini veya otomatikleştiremeyeceğini belirtmemiz gerekiyor.
Örneğin, bazı çalışmalar doğal dili SQL'e dönüştürmeyi denedi, ancak kısa vadede bir veri bilimcinin SQL sorgu verilerini tek başına yazması daha verimli olabilir. AI (mükemmel) bir şey yapamasa da, AI konusunda hayal kırıklığına uğramamalı ve bir sonraki AI kışının geleceği sonucuna varmamalıyız.
Şimdi kesin olan şey, yapay zekanın gelecekte yaşama şeklimizi ve gelecek nesilleri değiştirdiği ve değiştirmeye devam edeceğidir.
En önemli şey, yapay zekanın neler yapabileceğini rasyonel bir şekilde anlamak, esnek bir şekilde kullanılabildiğinde onu iyi kullanmak ve "yapay zeka tüm sorunları çözebilir" şeklindeki gerçekçi olmayan yanılsamayı tutmamaktır.
6. AI önyargısını anlamak zordur, ancak belki de insan önyargısını ortadan kaldırmaktan daha basittir.Denetimli öğrenmeyi kullanarak yapay zekayı eğitirken, makine öğrenimi için genellikle gerçek dünya verilerini kullanırız.
İyi haber şu ki, dijitalleşme ve İnternetin gelişmesi nedeniyle, öğrenme için AI'ya verilebilecek çok fazla veriye sahibiz; kötü haber ise bu verilerin genellikle onlarca yıl ve hatta yüzyıllardır insan önyargılarını yansıtmasıdır.
Bu verilerle eğitilen AI sistemi sihirli bir ayna gibidir ve kaçınılmaz olarak bu önyargıları öğrenecektir (Önyargı).
İyi bilinen örnekler:
- Beyaz fotoğraflarla eğitilmiş yüz tanıma sistemi, koyu tenli insanları tanımada çok zayıf;
- Otomatik istihdam için AI sistemi kadınlara karşı önyargılıdır;
- Bankanın otomatik kredi derecelendirme AI sistemi, belirli etnik gruplara karşı önyargılı.
Aşağıda başka bir sınıftan bir örnek verilmiştir:
Yukarıdaki örnek ayrımcılık olarak adlandırılmayabilir, ancak insan toplumunda uzun süredir var olan bir cinsiyet önyargısı olan önyargı olduğu açıktır.
Çünkü bu AI sistemleri çoğu zaman istatistiksel bir ilişki öğreniyor, bu nedenle bu durumda AI, toplumumuzun kelime alışkanlıklarını sadakatle sunuyor.
Yapay zekada bu önyargıları ortadan kaldırmak kolay değildir, ancak düşünürseniz, insanların zihnindeki onlarca yıllık önyargıyı ortadan kaldırmaktan daha kolay ve heyecan verici olabilir. Bu kesinlikle basit değil ama denemeye değer.
Elbette, bu AI etiği ve önyargı sorunları hakkında düşünmemeyi seçebilirsiniz.YZ sistemini kuran mühendislerin, AI sistemindeki önyargıyı ortadan kaldırmamıza ve en uygun kararları vermelerine izin verecek kadar nazik ve dikkatli olduklarına inanıyorum. .
Yine de, AI sistemleri ne kadar güçlü olursa olsun, insanlar gibi çeşitli haksız sosyal sorunlara yol açacak önyargıların olabileceğini anlamak çok yararlıdır.
7. Yapay zekayı benimsemenin en iyi yolu, onu alan uzmanlığıyla birleştirmektir.AI öğrenmek istiyorsanız, yeniden eğitimden kurtulmanıza gerek yok. Yapay zeka ile ilgili alanlar artık çok popüler olsa da, temelde sadece bir araç / teknolojidir. Ve yapay zeka teknolojisi gittikçe daha fazla sivil hale gelecek ve başlama eşiği giderek daha düşük olacak.
Bu nedenle, şimdi bir yapay zeka mühendisi olmak yerine, ilk yapmanız gereken, işinizde biriktirdiğiniz etki alanı bilgisini ve içgörüyü, iyileştirmek için yapay zekayı nerede uygulayabileceğinizi bulmak için kullanmanın bir yolunu bulmak ve ardından size özel bir şey yaratmaktır. Veya şirketin rekabet avantajı.
8. Makine öğreniminin ve veri biliminin çıktısı sırasıyla sistemler ve içgörülerdir.Makine öğrenimi (ML) ve veri bilimi (Data Science, DS) genellikle birlikte görünen iki terimdir ve bunların tanımları farklı şirketlere göre değişir. Bu nedenle, bu alanda olmayan kişiler genellikle ikisi arasındaki farkı bilmiyorlar.
Genel olarak, işletmelerdeki ML projeleri çoğunlukla 3 aşamaya ayrılır:
- Veri toplama;
- Eğitim modeli
- Dağıtım modeli.
DS projesinin adımları şunlardır:
- Veri toplama;
- veri analizi;
- Eylemler / hipotezler önerin.
Her ikisi de girdi olarak ham verileri gerektirir ve her ikisi de sorunları çözmek ve analiz etmek için AI / ML teknolojisini kullanma fırsatına sahiptir, ancak nihai çıktı formu genellikle farklıdır.
Özetle, ML projesi daha çok yazılım mühendisliğine odaklanıyor ve nihayetinde AI tabanlı bir çevrimiçi sistem üretmeyi umuyor; DS projesinin sonucu, operatörlerin büyük yatırım kararları almasına yardımcı olan bir PPT raporu olabilir.
AI şu anda bariz bir çalışmadır. Pek çok kişi bu alana girmeye karar vermiştir. Şimdi AI ile ilgili birçok meslek vardır, örneğin:
- Veri bilimci
- Makine öğrenimi mühendisi;
- Makine öğrenimi araştırmacıları;
- yazılım Mühendisi;
- Veri mühendisi
- AI proje yöneticisi.
ve daha fazlası. AI'nın etkisi artmaya devam ettikçe, gelecekte yeni ilgili meslekler ortaya çıkabilir. Burada her mesleğin iş içeriğini tek tek listelemeyeceğiz.
10. Hayat boyu öğrenme bu çağda hiç bu kadar önemli olmamıştı.Profesör Enda Wu'nun kursta söylediği gibi, bir AI projesi başlatmak için bir AI ustası edinmenize gerek yoktur. Çoğu zaman, İnternet'teki çevrimiçi kursları veya derin öğrenme kaynaklarını kullanarak ilk AI projenize başlayabilirsiniz.
Aslında, AI For Everyone öğrenmek iyi bir başlangıçtır. İnternette keşfetmenizi bekleyen çok sayıda yüksek kaliteli blog veya öğretim makalesi de var.
Yapay zeka alanı son yıllarda hızla gelişti YZ'yi öğrenmek için, önceki neslin "birkaç yıldır okumak ve onu bir ömür boyu kullanmak" kavramını kullanmak mümkün değil. Ulusal Tayvan Üniversitesi Elektrik Mühendisliği Bölümü'nden Profesör Li Hongyi bir keresinde şöyle demişti: "Derin öğrenme alanında, beş yıldan fazla bir süredir antik çağ!"
Dolayısıyla, AI öğrenme yoluna girmeye karar verirseniz, zihinsel olarak benimle hayat boyu öğrenmeye hazır olun!
Sonuç
Bunu görünce, Herkes İçin AI'daki en önemli 10 kavramı zaten anladığınıza inanıyorum, tebrikler!
Bu kavramların çoğu, dersten çıkardığım ve kendi düşüncelerimle desteklenen temel kavramlardır. Umarım bu makaleyi okuduktan sonra bir şeyler öğrendiniz veya biraz ilham almışsınızdır.
Referans malzemeleri:
Herkes İçin AI: https://www.coursera.org/learn/ai-for-everyone
AI Dönüşüm Başucu Kitabı: https://landing.ai/ai-transformation-playbook/
Editör: Huang Jiyan
Redaksiyon: Tan Jiayao
-Bitiş-
Tsinghua-Qingdao Veri Bilimi Enstitüsü'nün resmi WeChat kamu platformunu takip edin " AI Veri Pastası "Ve kız kardeş numarası" Veri Pastası THU "Daha fazla ders avantajı ve kaliteli içerik elde edin.
