Richard Feynman, güçlü yapay zeka üzerine - makineler insanlar gibi düşünebilir mi?
Tam metin 3530 Kelimeler, tahmini öğrenme süresi 11 dakika
Richard Feynman (RICHARD FEYNMAN)
26 Eylül 1985'te, Einstein'dan sonra en bilge teorik fizikçi olarak da bilinen Nobel Fizik Ödülü'nün sahibi ve nanometre-Richard Feynman kavramını öneren ilk kişi (Richard Feynman, 1918-1988) bir derste güçlü yapay zeka (yapay genel zeka, "güçlü-AI" olarak da bilinir) önerdi.
Feynman'ın eksiksiz yanıt videosu aşağıdaki gibidir:
Video yükleniyor ...
Yapay sinir ağları aracılığıyla makine öğreniminin ortaya çıkmasıyla birlikte, Feynmanın bu konudaki düşünceleri ve günümüze ne kadar yakın olduğu 35 yıl önce bile büyüleyici.
Aşağıdaki, Feynman'ın cevabının kelimesi kelimesine bir versiyonudur.
İzleyici sorusu
İnsanlar gibi düşünebilen ve insanlardan daha zeki bir makine olacak mı sizce?
Richard Feynman'ın cevabı
Birincisi, insanlar gibi düşünebilirler mi? "Hayır" diyeceğim ve neden "hayır" dediğimi daha sonra açıklayacağım. İkincisi, "Onlar insanlardan daha mı akıllılar" diye sormak istiyorsanız, önce "akıllı" yı tanımlamalısınız. Bana sorarsan, insanlardan daha iyi satranç oyuncuları mı? "Bu tür bir makine bir gün geliştirilecek" olabilir.
Tabii ki 1985'te insan satranç ustaları makinelerden daha güçlüydü. 1996 ve 1997 satranç süper yarışmalarına kadar, Gary Kasparov ile IBM süper bilgisayarı "Deep Blue" arasındaki efsanevi altı oyunluk oyunda, bir bilgisayar dünya çapında bir satranç şampiyonunu yendi. Öyle olsa bile, puan hala 3,5'e 2,5 idi ve Kasparov, IBM ekibinin oyunlar arasında bir şekilde makine adına müdahale ettiğini iddia ederek mağlubiyete itiraz etti.
Richard Feynman (RICHARD FEYNMAN)
Yapay zeka etkisi
"Çalışmaya başladığında, kimse ona yapay zeka demeyecek."
John McCarthy
Feynman bundan sonra sözde "AI etkisi" den, yani bir programlama makinesine bir görevi yerine getirmesi ve onu gerçekten yürütmesi talimatı verildiğinde gözlemlenen kayıp hakkında konuştu. Bekleyenler, yapay zekanın yaptığının olmadığına inanıyor " Gerçek "zeka:
Artık çoğu insandan daha iyi oyuncular! Bir şey, biz her zaman bu lanet makinenin herkesten daha iyi olmasını istiyoruz, sadece bizden daha iyi değil. Bizi satrançta yenen bir makine bulursak, bu bize pek bir izlenim bırakmayacaktır. Biz, "efendiyle yüzleştiğinde ne olur?" Diyoruz, biz insanların her şeyde efendiye eşdeğer olduğumuzu hayal ediyoruz, değil mi? Makineler en üst düzeyde yaptıkları her işte en iyi insanlardan daha iyi olmalıdır. Tamam, ama bu makine için zor.
Yapay makineler yaratmak hakkında konuşun
Feynman daha sonra doğal evrimsel hareket kalıpları (memelilerin bağlar, tendonlar, eklemler ve kaslar aracılığıyla yürümesi gibi) ve mekanik olarak tasarlanmış hareket kalıpları (tekerlekler, kanatlar ve / veya pervaneler kullanarak) arasındaki analojiyi kullandı. Zihinsel model sorusunu tartışın:
Makinelerin "insan" gibi düşünmesine izin verip vermeyeceğimiz sorusuyla ilgili olarak, benim açımdan şu: Bu şeylerin mümkün olduğunca verimli çalışmasını sağlamak için gerekli malzemeleri kullanmaya çalışıyoruz. Malzemeler sinirlerden farklıdır vb. Yerde hızlı koşabilen bir şey yapmak istiyorsak, o zaman bir çitanın koştuğunu gözlemleyebiliriz ve ayrıca bir çita gibi çalışan bir makine yapmayı deneyebiliriz. Ancak tekerlekli bir makine yapmak çok daha kolaydır. Hızlı hareket eden tekerlekleri olan veya havada uçabilen bir şey yapmayı deneyebilirsiniz.
Bir kuş yaptığımızda, bir uçağın uçabileceği gibi, ama kuş gibi uçmazlar. Kanatlarını çırpmıyorlar, önlerinde uçabilen başka bir cihazları var ya da daha modern uçaklarda, önden havayı ısıtabileceğiniz ve arkadan püskürtebileceğiniz bir tüp, jet tahrik, jet motorları, İçten dönen fanlar vb. De benzine ihtiyaç duyarlar. Bu aynı değil. Dolayısıyla, bu anlamda geleceğin makinelerinin insan gibi düşünmeyeceğine şüphe yok. Zeka ile ilgili olarak, gerçeğin tamamen aynı olduğunu düşünüyorum.Örneğin, bizim yaptığımız gibi aritmetik yapmıyorlar ama daha iyi yapıyorlar.
Resim kaynağı: k.sina.com.cn
İnsanüstü zayıf yapay zeka
Zihinsel bir görevi tamamlamak için doğal olarak gelişen organlar yerine mekanik cihazlar tasarlamanın üstünlüğüne bir örnek olarak, Feynman daha sonra insanüstü zayıf yapay zekayı (dar AI) (hesap makinesi gibi) ve insan beynini tanımladı. Fark:
Örnek olarak çok temel bir matematik problemini ele alalım.
Aritmetik için, aritmetiği herkesten daha iyi yaparlar. Hız çok daha hızlıdır ve yöntem tamamen farklıdır, ancak özü aynıdır, çünkü sonunda aynı sonuç elde edilecektir. Bu iyi bir örnektir. Aritmetik yapma şekillerini asla daha insani hale getirmeyeceğiz. Bu geriye doğru gidiyor. Çünkü insanlar tarafından yapılan aritmetik yavaş, sıkıcı, kaotik ve hatalarla doludur. Bilgisayarların insanlarla neler yapabildiğini karşılaştırırsanız, aşağıdaki daha ilginç fenomenleri bulacağız:
Her şeyden önce, size bir insan verirsem, şöyle bir soru: Sizden bu sayıları her birini ters sırayla sormak istiyorum. Bir dizi sayı vereceğim ve her birini ters sırayla geri getireceğim. Çok basit, size verdiğim gibi numaraları bana geri verin. Yani başlar. 1, 7, 3, 9, 2, 6, 5, 8, 3, 1, 7, 2, 6, 3'ü herkes yapabilir mi? Hayır. Bu, 20 veya 30 sayıyı aşmaz, ancak bilgisayara 50.000 numara verebilir ve ondan sırayı değiştirmesini, özetlemesini, farklı şeyler yapmak için kullanmasını vb. İsteyebilirsiniz. Yani bilgisayarların insanlardan çok daha iyi yaptığı bazı şeyler var: Makineleri insanlarla karşılaştırmak istiyorsanız, bunu aklınızda bulundurmanız daha iyi olur.
Örüntü tanıma sorunu
Daha sonra, Feynman'ın cevabı, gelecekte denetimli makine öğrenimi ile çözülecek soruna, yani büyük veri kümelerinin örüntü tanımasına daha yakın ve daha yakın olacak:
Ancak insanlar bir şeyler yapmak zorundadır ve her zaman yaparlar. Her zaman bir şey bulmaya çalışırlar ve bu da bilgisayarlardan daha iyisini yapabilmeleridir. Bu nedenle, insanların bilgisayarlardan daha iyi yapabilecekleri pek çok şeyi artık biliyoruz. Bir bayan sokakta yürüyordu, vücudunu salladı ve sen onu Jane olarak tanıdın. Ya da bu kişi yanına gelirse, başının biraz döndüğünü görürsünüz, kim olduğunu görmek zordur, bizden uzaktır ama başının arkası özellikle ilginç görünür, onun Jack olduğunu fark edeceksiniz. Bir şeyleri tanıma ve kalıpları tanıma henüz kesin bir prosedüre sokulmamış gibi görünüyor.
Şu anda, "Jack'i tanımak için iyi bir programım var. Jack'in bir sürü fotoğrafını çek." Diyebilirsiniz. Bu arada, bilgisayarınıza bu şekilde bir resim koyabilirsiniz. Resim yeterince iyiyse, farklı noktalarda siyah mı beyaz mı olduğunu anlayabilirsiniz. Aslında gazetede gördüğünüz resimler siyah beyaz noktalardan oluşuyor, resim yeterince güzelse bu noktaları görmezsiniz. Böylece, yeterli bilgi ile resimleri yükleyebilir, Jack'in tüm resimlerini farklı durumlara yerleştirebilir ve ardından karşılaştırma için bir makineye sahip olabilirsiniz.
Resim kaynağı: mt.sohu.com
Önyargılı varyans dengeleme
Feynman daha sonra temelde veri eğitim setindeki varyans problemini çözdü ve bu nedenle, sözde önyargı-varyans ödünleşim problemini de gizli bir biçimde çözdü. İstatistiklerde ve makine öğreniminde, önyargı-varyans ödünleşimi, parametre tahmininde daha düşük önyargıya sahip modellerin örnekler arasında daha yüksek parametre tahmin varyanslarına sahip olduğu ve bunun tersi olduğu bir dizi öngörücü modelin özelliğidir. Önyargı-varyans değiş tokuşu, birinin öğrenme algoritmasındaki yanlış varsayımların yanlılık hatasını ve eğitim setinin duyarlılığının küçük dalgalanmalara olan varyansını aynı anda en aza indirmeye çalıştığı bir optimizasyon problemini tanımlar.
Sorun, yeni gerçekliğin farklı olmasıdır. Işık farklıdır, mesafe farklıdır ve kafanın eğim açısı farklıdır.Bütün bunları nasıl hesaba katacağınızı bulmanız gerekir. Bu o kadar karmaşık ve karmaşıktır ki, çalışma hızını garanti edebilecek yeterli depolama kapasitesine sahip büyük bir makinede bile uygulanabilir bir programın veya en azından herhangi bir yerde makul bir hızda çalışabilen bir programın nasıl oluşturulacağını anlamak imkansızdır. .
Bu nedenle, mevcut makinelerin bir şeyleri tanıması çok zordur ve bazı şeyler bir kişi tarafından bir anda yapılabilir. Yani, insanların yapabileceği bazı şeyler var, bunu dosya sisteminde nasıl yapacağımızı bilmiyoruz. Bu, bana daha önce bırakılan soruyu hatırlatan özdeşleşmedir, yani karmaşık özdeşleşim için ne tür bir dosya katibinin belirli bir özel beceriye sahip olması gerekir. Örneğin, parmak izi departmanındaki görevli, parmak izlerini kontrol eder ve ardından eşleşip eşleşmediklerini görmek için dikkatlice karşılaştırır. Bunu başarmak zordur, ancak neredeyse bir bilgisayarla yapılabilir.
Yapay zekanın mevcut durumu (1985)
Son olarak Feynman, o sırada parmak izi eşleştirme makinelerini tasarlarken hala karşılaşılan zorlukları tartıştı:
Hiçbir şey olmadığını düşünürdünüz. İki parmak izine bakın ve tüm kan lekelerinin aynı olup olmadığını görün, ama tabii ki durum böyle değil. Parmaklarda her türlü kir vardır, baskının açısı farklıdır, baskı farklıdır ve çıkıntılar tamamen aynı yerde değildir. Tam olarak aynı resmi eşleştirmeye çalışırsanız, bu kolaydır, ancak parmak izinin merkezi nerede, parmağın dönme yönü nedir, gittikçe daha az sıkıştığı yer, parmaktaki kir nerede, baş parmakta Siğil vb. Olsun, bunlar çok karmaşıktır.
Bu küçük ve karmaşık detaylar makinelerin karşılaştırılmasını çok zorlaştırıyor "Kör dosya yönetim sistemi" için bu çok karmaşık ve çok yavaş ve tamamen pratik olmamalı. Şu anda, ilerlemelerini pek bilmiyorum, ancak hızla üstesinden gelmeye çalışıyorlar. Ancak insanlar, tıpkı satranç oyunlarında olduğu gibi, tüm bu engelleri bir şekilde aşabilirler. Kalıpları hızlı bir şekilde yakalayabiliyor gibi görünüyorlar ve bunu hızlı ve otomatik olarak nasıl yapacağımızı bilmiyoruz.
Richard Feynman (RICHARD FEYNMAN)
Feynman'ın görüşüne katılıyor musunuz? Farklı bir fikriniz varsa, lütfen yorum alanında konuşmaktan çekinmeyin ~
Yorum Beğen Takip Et
Yapay zeka öğrenme ve geliştirmenin kuru mallarını paylaşalım
Yeniden yazdırıyorsanız, lütfen arka planda bir mesaj bırakın ve yeniden yazdırma şartnamelerine uyun
