Andrew Ng: İnsan beynini simüle eden yapay zekanın gelecekte ruhsal görevleri insanlardan daha hızlı gerçekleştirmesi bekleniyor!
Xinzhiyuan raporu
Kaynak: WSJ
yazar: Daming
[Yeni Bilgelik Kılavuzu Okuma ] Yapay zeka gelecekte gerçek "zeka"yı nasıl elde edecek? Bu sorun bir darboğaz vuruyor gibi görünüyor. Şu anda, derin öğrenme ile insan beyninin simülasyonu henüz emekleme aşamasında, bu yolda devam etmeli mi? Ng, beyni derin öğrenme yoluyla simüle ederek, gelecekteki yapay zekanın zihinsel görevleri insanlardan daha hızlı tamamlayabileceğine inanıyor. Bazı araştırmacılar ayrıca doğadan ilham almamız ve yapay zekanın dünya hakkında bir "zihinsel model" oluşturmasına izin vermemiz gerektiğine inanıyor.
Şimdi, AI teknolojisini otonom sürüş ve tıbbi bakıma uyguladık ve 1 milyardan fazla Çinli vatandaşın sosyal kredi puanları bile AI teknolojisine güvenebilir.Şimdi zaten AI'nın kendi üzerinde yapamayacağı şeyleri nasıl öğreneceğini tartışıyoruz. sahip olmak. Bir zamanlar sadece akademik bir konu olan AI teknolojisi, şimdi insanlığın geleceği için tehlikede olan milyarlarca dolarlık bir yetenek ve altyapı endüstrisi haline geldi.
Bu konudaki tartışmalar, şu anda AI için yeterince oluşturulup oluşturulmadığına odaklanıyor. Mevcut teknolojileri uyarlayarak yalnızca insanlarda ve hayvanlarda var olduğu düşünülen gerçek "zeka"yı elde etmek için yeterli bilgi işlem gücünden yararlanabilir miyiz?
Tartışmanın bir tarafında, Toronto Üniversitesi'ndeki üç araştırmacının 2012'deki dönüm noktası niteliğindeki bir makalesinden bu yana popülaritesi artan "derin öğrenme" savunucuları var. Yapay zekaya yönelik tek yaklaşım olmaktan uzak olsa da, önceki teknolojilerin başaramadığı şeyleri başarabileceğimiz gösterildi.
"Derin öğrenme"deki "derinlik", ağındaki yapay nöronların katman sayısını ifade eder. Biyolojik "nöronlar" gibi, daha fazla nöron katmanına sahip yapay sinir sistemleri daha karmaşık öğrenme yeteneğine sahiptir.
Andrew Ng: İnsan beynini simüle eden AI, gelecekte ruhsal görevleri tamamlamak için yalnızca birkaç saniyeye ihtiyaç duyacak
Yapay sinir ağlarını anlamak için uzayda beynimizdeki nöronlar gibi bir grup nokta hayal edin. Bu noktalar arasındaki bağlantıların gücünü ayarlamak, beyin öğrendiğinde ne olduğunu kabaca simüle etmektir. Simülasyon sonuçları, bir görüntünün doğru bir şekilde tanınması gibi istenen bir sonuca ulaşmanın en iyi yollarını içeren bir sinirsel bağlantı grafiği üretir.
Günümüzün derin öğrenme sistemleri beynimiz kadar karmaşık değil. En iyi ihtimalle, görüntünün ilk işlenmesini yapan sadece birkaç nöron katmanıyla retinanın dış yüzeyine benziyorlar.
Bu tür ağların beynimizin yapabileceği tüm görevleri yerine getirmesi pek olası değildir. Dünyayı gerçek "akıllı" yaratıkların yaptığı gibi anlamadıkları için ağlar kırılgan ve kafa karıştırıcıdır. Örneğin, araştırmacılar bir görüntüdeki yalnızca tek bir pikseli değiştirerek popüler görüntü tanıma algoritmalarını başarılı bir şekilde kandırabildiler.
Sınırlamalarına rağmen derin öğrenme, görüntü ve konuşma tanıma, makine çevirisi ve masa oyunlarında insanları yenmek için altın standartta yazılımların geliştirilmesine güç verdi. Derin öğrenme, Google'ın özel yapay zeka çiplerini ve bu çipler üzerinde çalışan yapay zeka bulut hizmetlerini geliştirmesini sağlayan şeydir ve Nvidia'nın kendi kendini süren araba teknolojisidir.
Wu Enda
Google Brain'de çalışan ve Baidu'nun eski baş yapay zeka bilimcisi olarak görev yapan yapay zeka alanındaki en etkili kişilerden biri. Ng, derin öğrenme yoluyla bilgisayarların sıradan insanların bir veya birkaç saniyede yapabileceği herhangi bir zihinsel görevi yerine getirebilmesi gerektiğini söyledi. Ve bilgisayarlar bunu insanlardan bile daha hızlı yapabilir.
Yapay zekayı ilerletmek, ilham almak için doğaya bakmayı gerektirir
Bu tartışmada tam tersi görüşte olan araştırmacılar da var.Örneğin, Uber'in yapay zeka bölümünün eski başkanı ve şimdi New York Üniversitesi'nde profesör olan Gary Marcus, derin öğrenmenin her türlü şeyi başarmak için yeterli olmaktan uzak olduğuna inanıyor. yapabileceğimiz şeylerden. Derin öğrenmenin hiçbir zaman tüm beyaz yakalı işlerin yerini almayacağına ve bizi tam otomatik, "lüks komünizm"in görkemli geleceğine götürmeyeceğine inanıyor.
Dr. Marcus, "genel zeka" elde etmek için akıl yürütme, kendi kendine öğrenebilme ve günümüzün yapay zekasının yeteneklerinin ötesinde dünyanın zihinsel modellerini inşa etme becerisini gerektirdiğini söyledi.
Dr. Marcus, "Derin öğrenme ile birçok dönüm noktasına ulaştık, ancak bu, derin öğrenmenin bir zihin teorisi veya soyut akıl yürütme oluşturmak için doğru araç olduğu anlamına gelmez" dedi.
Dr. Marcus, yapay zekayı daha da ilerletmek için "doğadan ilham almamız gerekiyor" dedi. Bu, diğer yapay sinir ağları türlerini inşa etmek ve bazı durumlarda onlara tüm canlıların sahip olduğu doğuştan gelen bir içgüdü gibi önceden programlanmış doğuştan gelen bilgileri sağlamaktır.
Gary Marcus, New York Üniversitesi'nde profesör
Araştırmacılar ayrıca, ortalama bir bebeğin bir yaşına kadar inşa edebileceği dünyanın zihinsel bir modelini oluşturmak için AI'yı elde etmek için çalışıyorlar. öyleyse, Bir AI sistemi bir okul otobüsünün milyonlarca resmini görmüş olsa bile, devrilmiş bir okul otobüsünü ilk gördüğünde onu tanımayabilir. AI okul otobüsünün tekerleklerini, sarı şasiyi vb. içeren bir zihinsel model oluşturabilseydi, devrilmiş bir okul otobüsünü tanımak o kadar zor olmayabilirdi.
Yapay Zekayı Geliştirme Derneği'nin (AAAI) eski başkanı Thomas Dietterich, diğer AI türleri için derin öğrenmeyi bulmak için çok çalışmanın iyi bir uygulama olduğunu, ancak derin öğrenmenin ve makine öğreniminin büyüsünü görmezden gelmemenin önemli olduğunu söyledi. genel.
"Makine öğrenimi araştırması için amaç, bu sistemleri elle oluşturmak yerine bilgisayar sistemlerinin verilerden ve deneyimlerden ne kadar öğrenebileceğini görmektir." Dr Dietterich, sorunun AI'da doğuştan gelen bilgi olmadığını söylüyor Hayır, insanlar bilmiyor ilk etapta ne doğuştan gelen bilgiye sahipler.
Dr. Duvenaud, "Prensipte, geleceğin yapay zekasının nasıl inşa edileceğine bakarken biyolojiye başvurmamıza gerek yok" dedi. Ancak derin öğrenmeye odaklanan bu daha karmaşık sistemlerin şu ana kadar başarılı olmadığını da söyledi.
Dr. Marcus, AI'yı nasıl daha akıllı ve daha güçlü hale getireceğimizi bulmadan önce, hala çok sayıda mevcut insan bilgisini AI sistemlerine beslememiz gerektiğini söyledi. Bununla birlikte, kendi kendini süren yazılımlar gibi AI sistemlerindeki "zeka"nın çoğu "insan" değildir. Birçok şirketin kendi kendine giden arabalarını mümkün olduğu kadar çok gerçek yolda eğitmesi gerekse de, şimdilik, bu AI sistemlerini gerçekten kendi kendine süren hale getirmek için, kendi kendini inşa eden ve test eden mühendislerin neyi yansıttığını yansıtan çok sayıda insan mantık girdisi gerekiyor. araç sürme kararı verildi.
Referans bağlantısı:
https://www.wsj.com/articles/should-artificial-intelligence-copy-the-human-brain-1533355265
Yeni Zhiyuan AI WORLD 2018 Konferansı [Early Bird Ticket]
Satılık!
Xinzhiyuan, 20 Eylül'de Pekin Ulusal Kongre Merkezi'nde AI WORLD 2018 konferansını düzenleyecek ve makine öğreniminin vaftiz babası ve CMU profesörü Tom Mitchell, Max Tegmark, Zhou Zhihua, Tao Dacheng, Chen Yiran ve diğer AI liderlerini dikkat etmeye davet edecek. zekayı ve insan kaderini birlikte işlemek için.
Konferans resmi web sitesi:
Şu andan 19 Ağustos'a kadar, Xinzhiyuan sınırlı sayıda erken kuş bileti satacak, küresel AI liderleriyle yakından iletişim kuracak ve küresel yapay zeka endüstrisinin sıçramalı gelişimine tanık olacak.
-
Etkinlik bileti satın alma linki:
-
Etkinlik hattında bilet satın almak için QR kodu:
