g u t x .com.tr İpek yolu - Çin'i anlamaya götürürüm

Yapay zeka sihirli bir kutu değildir, yapay zekadaki temel gerçekler nelerdir?

Tam metin 3087 Kelimeler, tahmini öğrenme süresi 9 dakika

Kaynak: power-bd

İpucu: Aşağıdaki tüm bağlantılar aynı yazarın diğer makalelerine yönlendirecektir.

Makine öğreniminin ve yapay zekanın sonsuz kişileştirilmesiyle, birçok iş adamı yanlışlıkla yapay zekayı bir hedef, tüm doğru cevapları bilen tarafsız bir meslektaş olarak görüyor. İşte bunun neden korkunç bir yanlış anlama olduğunu gösteren hızlı bir demo.

Neredeyse her yapay zeka öğrencisinin üstesinden gelmesi gereken görev, görüntüleri "kedi" (bir kedinin fotoğrafını içeren) veya "kedi değil" (kedi görünmez) olarak sınıflandırabilen bir sistem kurmaktır. Bunun nedeni, nesneleri tanımlamanın insanlar için oldukça kolay bir görev olmasıdır, ancak insanların bunu nasıl yaptığını açıklamak gerçekten zordur (bu nedenle, "kedi" kurallarının net bir tanımını kodlamak çok zordur). Bu tür görevler yapay zeka için mükemmeldir.

Örneklem

İç çekmeler, bir süredir yapay zekanın etrafında olan insanlardan geliyor - evet / hayır'ın bir kedinin görevi olduğuna üzülüyorlar. Adil, ama bu sefer yazarın kendisini komik hissetmesini sağlıyor. Bu alıştırma için insanlar yazarın yapay zeka sistemi olacak. Yazarın görevi aşağıdaki altı resmi sınıflandırmaktır. Yalnızca iki etiket / çıktı arasından seçim yapabilirsiniz:

Kedi

Kedi değil

Haydi. Yapay zeka sisteminin yapacağı gibi, 6 görüntünün her birine izin verilen bir etiket atayın:

Her resmi etiketlemek için bir dakikanızı ayırın (kedi / kedi değil)

Aha! 1-5 arası resimler basit, ancak altıncı resim kafa karıştırıcı mı? "Büyük kedi"? "Biraz kedi gibi" mi? "Belki bir kedidir"? Bunlara izin verilmeyen seçenekler! Bu, yalnızca "cat" veya "cat değil" çıktısı veren bir sistemdir. Bu hangisi?

Bu makalenin demosunu canlı izleyicilere göstermek için lütfen bu videoda 4: 16'ya gidin.

Bu nedenle insanlar proje karar vericilerinin önemini görmeye başladı. Doğru cevap platonik değil ve kesinlikle bir yapay zeka sisteminden gelmiyor ... Aslında "doğru" cevap da yok. "Doğru" cevap, sistem sahibinin sistemden ne yapmasını istediğine bağlıdır.

AI hedef belirleyemez - bu insan işi

Yalnızca yetişkinler olarak güvenle kucaklanabilecek hayvanları öneren bir evcil hayvan öneri sistemi oluşturmaya çalışırsanız, cevap açıktır. Sistemin amaçlanan kullanımı, doğru işlemin görüntü 6'yı "kedi değil" olarak işaretlemektir. Hala "kedi" olarak etiketliyorsanız, o zaman ... daha fazla hayat sigortası almanızı öneririm.

Makine öğrenimine verilen "doğru" yanıt genellikle bakanın gözündedir, bu nedenle bir amaç için tasarlanmış bir sistem başka bir amaç için çalışmayabilir.

Kedileri başka amaçlar için sınıflandırmayı planlıyorsanız, "doğru" cevap farklı olabilir. Amaç veya hedef, karar vericiden gelir! Platon'dan bağımsız olarak, farklı cevaplar farklı projelere uyacaktır. Yapay zekada hedefler her zaman özneldir. Bu, proje sahibinin öznel yargısına bağlıdır. (Diğer insanların anlayışına bağlıdır, yapay zeka sistemi içinde çok fazla öznellik vardır.)

Yapay zekada hedefler her zaman özneldir! Yapay zeka sistemleri çok fazla öznelliğe sahiptir.

Karar vericiler sorumlu ebeveynler olarak hareket etmeli, sistemin kopyalamasını istedikleri davranışları seçmelidir ... ve kategorileri tanımlamanın ve her karar vericinin kabul edeceği hedefleri belirlemenin neredeyse hiçbir "doğru" yolu yoktur. Bunlar birey tarafından belirlenir. Farklı insanlar, kopyalamaya uygun farklı davranışlar bulacaktır.

Yazarın sistemi miras alınmışsa ve niyet yazarınkinden farklıysa veya onu yazarın tasarımının amacından farklı bir amaç için kullanmayı düşünüyorsanız - örneğin, kedi denen şey hakkında farklı görüşleriniz varsa, yazarı bulabilirsiniz Sistem uygun değil. Yazarı çok mutlu etse de zarar bile verebilir.

Bu durumda, yazarın değil, sizin hatanızdır; çok aptalca, şeyleri tanımlamanın tek bir yolu olduğunu düşünmek. Matematiksel bileşeni olan bir sistemin belirsizliklere ve insan kusurlarına sahip olamayacağını düşünüyorum, bu yüzden sonunda yanlış probleme harika bir çözüm buldum, çünkü bu yazarın problemi.

Başkaları tarafından geliştirilen yapay zeka sistemlerini her zaman test etmelisiniz, özellikle de hedeflerinizi nasıl tanımladıklarını bilmiyorsanız.

Yazar, diğer yapay zeka mühendisliği ekipleri tarafından geliştirilen sistemlerin kullanılamayacağını söylüyor.Her seferinde kendi sistemimi sıfırdan mı kurmam gerekiyor? Bir şey değil. Bununla birlikte, görevi doğru bir şekilde gerçekleştirmenin ne anlama geldiğine dair net bir fikre sahip olmanız gerekir (örneğin, bir kaplanınız varsa ne yapmanız gerektiği) ve miras almayı düşündüğünüz sistemi kendi örneklerinize (örneğin, kendi işaretlediğiniz fotoğraflar) göre dikkatlice test etmeniz gerekir.

Temel gerçek nedir?

Kaynak: Pexels

ML / AI alanında "temel gerçekler" kelimesinin dolaştığını duymuş olabilirsiniz, ancak bu ne anlama geliyor? Haber bülteni: Temel gerçekler doğru değil. Bu, beklenen ideal bir sonuçtur (sorumlu kişiye göre). Diğer bir deyişle, proje sahiplerinin fikirlerini, bu sahiplerin çıktı etiketlerini kabul edilebilir buldukları çıktı etiketleriyle bir dizi örnek oluşturarak özetlemenin bir yoludur. Sistemi eğitmek için gerekli yanıt verilerini toplamak için örnek veri noktalarının manuel olarak işaretlenmesini veya sensörün (kesin gerçek bir konuma) "yerleştirilmesini" içerebilir.

Haber bülteni: Temel gerçekler doğru değil.

Örneğin, proje liderinin görüşüne göre, bir grup görsel dikkatlice elle kedi olarak etiketlenebilir veya kedi değil olabilir. Bu kedi / kedi etiketleri, projenin "temel gerçekleri" olarak anılacaktır.

Bu tam olarak nedir? ! Kedi mi değil mi? "Kedi" filminin fragmanını izlerken, yardım edemedim ama gözlerimi açık tuttum.

Böyle bir veri seti bir ML / AI sistemini eğitmek için kullanıldığında, buna dayalı sistem, ideal sistem davranışını belirleyen kişinin gizli değerini miras alacak ve büyütecektir.

Verilere dayalı makine sistemleri oluştururken, değerleri sisteme enjekte edin.

Bu konuyu tartışırken, lütfen güvendiğiniz kişilerin görevleri yerine getirmesine izin vererek "temel gerçekler" yaratmanın insan hataları da dahil olmak üzere çeşitli hatalardan etkilenebileceğini unutmayın. Mutabakata dayalı veri toplama iş akışı, tepki süresi izleme ve akıllı kullanıcı deneyimi (UX) teknikleri (veri girişi hatası olasılığını azaltmak için) gibi yöntemlerle, bu hata olasılığını en aza indirmeye çalışmak iyi bir fikirdir. (Gelecekteki bir makalede daha fazla içerik tanıtılacaktır.)

Kalitenin yeterince yüksek olup olmadığını kontrol etmek için proje karar vericisinden numuneyi rastgele kontrol etmesini istemek her zaman iyi bir fikirdir.

Ya internette bir veri kümesi bulur ve onu kendiniz toplamak yerine kullanırsanız? Ardından projeniz, veri setini oluşturan kişinin örtük değerlerini ve önyargılarını devralır. Yol boyunca her zaman bazı öznel gereksinimler vardır ve bunları kim yaparsa yapsın, proje için "doğru" ve "yanlış" belirleyeceklerdir. Güvendiğiniz insanlara dikkat edin! Karar vericilerin söyleyecek çok şeyi var, çözmeye çalıştıkları problemin yanı sıra verileri, hedefleri ve uç durumları daha iyi anlamak için kendi görevleri için zaman harcamaları gerekiyor.

Uyarı (nasıl iyi bir vatandaş olunur)

Kaynak: Pexels

Yazar, ML / AI sistemlerinin dikkatli testini övmek için birçok makale yazdı, ancak dikkatli olun! Tüm süreç temelde tanımların ve hedeflerin öznelliğine götürdüğünden, tüm testler ekibin karar vericilerinin beğeneceği cevaplara göre yapılacaktır. Ne yazık ki, bu öznel aptallıklar ilk etapta test edilmemiştir. Diğer karar vericiler projenin ilk aşamasında seçimlerinin nedenlerini gözden geçirmedikçe karar vericiler üzerinde herhangi bir kontrol ve denge yoktur.

Hiçbir test öznel tanımların ve hedeflerin aptallığını test edemez, bu nedenle proje liderini akıllıca seçin.

Artık tüm ML / AI projelerinin ilk bölümünün, yapay zeka tarafından giderek daha fazla boğulan bir toplumda daha iyi bir vatandaş olmak için ne kadar öznel olabileceğini biliyorum. Yüzeyde yapay zeka çözümlerini kabul etmek yerine kendinize sormanız daha doğru olur:

· Bu sistemi kim kurdu?

· (Öznel) hedefleri nelerdir?

· Doğru cevabı nasıl tanımlarlar?

· Çoğu insan benzer bir tanım bulacak mı?

· Temel bir veri seti nasıl oluşturulur?

· Sistem kime fayda sağlayacak?

· Hata ne kadar acı verici?

· Yerinde uygun bir güvenlik ağı var mı? (Sistem yaratıcıları, seçimlerinin akıllıca olmayabileceğini ve buna göre plan yapabileceğini alçakgönüllülükle öngördüler mi?

Çoğu durumda, bu soruların cevapları korkunç bir şey ortaya çıkarmaz. Yapay zeka zaten etrafta, büyük ölçüde iyi tasarlanmış ve besleyici.

Ne yazık ki, ara sıra başım belaya giriyor.

Kaynak: Pexels

Örneğin, finansal dolandırıcılığı çok özensiz bir şekilde tanımlayan dar görüşlü bir dolandırıcılık tespit sisteminin kurbanı olmak istemezsiniz, özellikle de böyle bir sistemin masumiyetlerini kanıtlamak için basit bir yol sunmadan insanları yanlış bir şekilde suçlamasına izin verirseniz. Sorun dilenmek için bir barut fıçısıydı. Sorumlu bir vatandaş olarak yanıcı durumların farkında olmalı ve onları aramalısınız.

Yapay zeka oyunlarının öznelliğini görmeye başladığınızda, çirkin insan unsurlarını çağırmak için daha iyi silahlar olacak ve bu unsurları kimse denetlemiyorsa güçlendirilebilir.