Kuru ürünler | Turing Ödülü sahibi Judea Pearl: Makine öğreniminin sınırlamaları var ve yapay zeka ikiye ayrıldı
Nereye gidiyoruz? Sıradaki ne?
Aralık 2017'de Bayesian Networks'ün babası ve 2011 Turing Ödülü'nün sahibi Profesör Judea Pearl, NIPS 2017 konferansı sırasında bir akademik rapor verdi.Sonuç olarak, bu rapor internette bir fotoğraf nedeniyle hararetli bir tartışmaya neden oldu . Birçok kişi sosyal medyada Judea Pearl'ün "neredeyse boş bir odaya" gönderdiği haberin NIPS için trajik bir sahne olduğunu söyledi. Bu gün makine öğrenimi için trajik bir gün.
Ancak 81 yaşındaki Judea Pearl için onu üzen, raporunun dinlenmemesi değil (AI Technology Review, resmin aslında tek taraflı bir sahne olduğunu anlıyor ve onlarca kişi raporu dinledi. Daha sonra Judea Pearl, insanların tartışmasıyla eğlendi), ancak mevcut yapay zekanın, insanların tek taraflı zeka anlayışından dolayı birçok kusuru var.
Mart 2018'de Judea Pearl, yapay zekanın mevcut gelişimi hakkındaki endişelerini dile getirdiği "NEDENİN KİTABI: Yeni Sebep ve Sonuç Bilimi" başlıklı yeni bir kitap yayınladı.
Daha önce Judea Pearl'ün Turing Ödülü'nü kazandığı Bayes ağında, makine için pratik bir nedensellik modeli bulmaya çalıştı. Ancak Judea Pearl, AI alanının bir olasılık ilişkileri batağına düştüğünü keşfetti. Judea Pearl, bilgisayarların eski oyun becerilerine (AI Technology Review tarafından daha önce birçok kez bildirilen AlphaGo gibi) ve sürüş becerilerine hâlihazırda hakim olduğu haberine kayıtsız; çünkü ona göre şu anki sözde yapay zekanın gösterdiği şey. Önceki nesil yapay zeka senaryolarında (büyük ölçekli verilerde gizli yasaları bulma) makinelerin halihazırda yapabildiği şey budur, ancak daha verimlidir.
Judea Pearl'ün son zamanlarda söylediği gibi:
Tüm bu etkileyici derin öğrenme sonuçları, eğri uydurmadan başka bir şey yapmaz. (Derin öğrenmenin tüm etkileyici başarıları, sadece eğri uydurmaktır.)
Yeni kitapta Judea Pearl, "akıllı makinelerin nasıl düşünmesi gerektiği" vizyonunu anlatıyor. Ona göre anahtar, ilişkisel muhakemeyi nedensel akıl yürütmeyle değiştirmektir. Örneğin, Afrika'dan dönen bir hastanın ateşi varsa ve fiziksel ağrı hissediyorsa, sıtmaya yakalanma olasılığı çok yüksektir; makinenin yapması gereken, ateşi sıtmayla ilişkilendirmek değil, sıtmanın neden olduğu ateşin nedenini bulmaktır. Bu nedensel çerçeve bir kez yerine oturduğunda, makinenin karşı olgusal sorular sorması mümkündür - yani, koşullara müdahale edilirse nedensel ilişkiye ne olur - ve bu Judea Pearl'ün inandığı bilimsel düşüncenin temel taşıdır.
Ve Judea Pearl, aynı zamanda Bayes Ağlarının 21. yüzyıl versiyonu olan yukarıdaki düşünceyi mümkün kılan resmi bir dil sunmayı da öneriyor. Judea Pearl ayrıca nedensel muhakemenin makinelere insan düzeyinde zeka sağlayabileceğini umuyor; örneğin, insanlarla daha verimli bir şekilde iletişim kurabilir ve hatta belirli koşullar altında özgür irade (veya kötü) yetenekleri olan ahlaki bir varlık haline gelebilir.
Aşağıda, Quanta Magazine ile yaptığı röportaj sırasında Judea Pearl'ün diyaloğu yer almaktadır: AI Technology, bu diyaloğun değiştirilmeden derlendiğini ve silindiğini belirtti.
S: Yeni kitabınızın adı neden "Neden Kitabı"?
C: Esasen, neden ve sonuç, bir kişinin yaşamı için anlamı, uygulaması ve nedensellik düzeyinde bir sorunun cevabını nasıl bulabileceğimiz dahil olmak üzere son 25 yıldaki çalışmalarımın bir özetidir. Garip olan şey, bu konuların bilim tarafından göz ardı edilmiş olması ve ben bu ihmali telafi etmeye çalışmak için buradayım.
S: Bilimin çağrışımına neden ve sonuç vermez mi?
C: Elbette, ama bu asil ideali denklemde göremezsiniz. Cebirsel dilin kendisi simetriktir: X ve Y arasında belirli bir ilişki vardır. Ancak matematik kategorisinde, bu kadar basit bir gerçeği tanımlayacak bir dil yoktur: Bir fırtınanın gelmesi termometrenin düşmesine neden olur, ama başka hiçbir şey yoktur. Başka bir deyişle, matematik alanı henüz "X ve Y arasındaki asimetrik ilişki" algımızı tanımlayacak asimetrik bir dil geliştirmedi - bu bilim için kötü bir şey gibi geliyor ve ben bunu anlıyorum.
Ancak bilim affetmeye değer. Asimetrik ilişkiler için hala bir hesaplama yöntemimiz olmadığını anladıktan sonra, bilim bizi bir tane yaratmaya teşvik ediyor ve sonra matematik kullanılıyor. Beni heyecanlandıran şey, basit bir nedensel hesaplama yönteminin, zamanımızın en büyük istatistikçisinin çözemediği bir sorunu çözebilmesidir.Bu tür bir rahatlık ve eğlence, lise geometrisinde bir kanıtlama yöntemi bulmak gibidir.
S: Yapay zeka dünyasında on yıllar önce bir itibar kazandınız. Yeni kitabınızda neden kendinizi yapay zeka topluluğunda bir hain olarak tanımlıyorsunuz?
C: Önceki AI başarılarını elde ettikten sonra, daha zorlu bir görevi keşfetmeye başladım: neden ve sonuç yoluyla akıl yürütme. Yapay zeka meslektaşlarımın çoğu hala belirsizlikle uğraşıyor ve sürekli çıkarım araştırma döngüsüyle sınırlı, ancak sorunun nedensel düzeyine dokunmuyor. Sadece daha iyi tahmin etmek ve sonuç çıkarmak istiyorlar. Örneğin, bugün gördüğümüz makine öğrenimi görevleri genellikle çıkarım modunda gerçekleştirilir. Bir "kedi" veya "kaplan" olarak etiketlenirler, ancak müdahaleyi umursamazlar - sadece bir nesneyi tanımak ve nasıl olacağını tahmin etmek isterler. Zaman değişikliği.
Tahmin ve teşhis için verimli bir araç geliştirdim, ancak bunlar yalnızca insan zekasının parçalarına dokunabiliyor; bu nedenle, bir ihanetçi gibi hissediyorum. Makinelerin Müdahaleler ve İçgözlem hakkında mantık yürütmesini istiyorsak, nedensel modeller kullanmalıyız. Dernekler kendi başlarına yeterli değil - matematiksel bir gerçeği söylüyorum, bir fikir değil.
S: İnsanlar yapay zekanın pek çok olasılığı konusunda çok heyecanlılar, değil mi?
C: Makine öğrenimine ilişkin mevcut derinlemesine gözlemime gelince, hala bağlantı düzeyinde olduklarını hissediyorum; ya da eğri uydurma - tüm bu etkileyici derin öğrenme sonuçları verilere katkıda bulunuyor Her şey eğri uydurma ile ilgili. Matematiksel tabakalaşma açısından bakıldığında, verileri ne kadar ustaca manipüle ederseniz edin ve işlem sırasında ne okursanız okuyun, bu alıştırma karmaşık ve sıra dışı olsa da yine de eğri uydurma bir egzersizdir. nın-nin.
S: Eğri uydurma söz konusu olduğunda, makine öğrenimi hakkında pek bir şey hissetmediğinizi ifade ediyorsunuz.
C: Hayır, var. Aslında, eğri uydurma ile bu kadar çok sorunun çözülebileceğini bilmiyorduk, ancak çözülebileceği ortaya çıktı.
Ama geleceği arıyorum - Sırada Ne Var? Acil bilimsel sorunlara deneyler yoluyla cevaplar bulabilecek böyle robotik bir bilim adamı olacak mı? Bu sefer bir sonraki adım. Ayrıca sezgilerimizle uyumlu makinelerle anlamlı diyaloglar kurmak istiyoruz ve eğer robotlar sizin ve benim gibi sebep sonuç sezgisine sahip değilse, onlarla anlamlı diyaloglar kurmak zor olacak. "Ben daha iyisini yapabilirdim" diyeceğiz ama robotlar yapmayacak. Bu nedenle iletişimde önemli bir yolu kaybettik.
S: Ya makine bizimki gibi neden ve sonuç sezgisine sahipse?
C: Makineye çevresel bir model vermemiz gerekiyor. Bir makinenin gerçeklik kavramı yoksa, onun gerçekte akıllı davranışlar göstermesini bekleyemezsiniz. Bu ilk adım ... İnsanlar 10 yıl içinde gerçek dünyanın kavramsal bir modelini inşa edecekler.
İkinci adımda, makine yukarıdaki modeli kendi yöntemiyle getirip doğrulayacak ve ardından deneysel verilere göre onu optimize edecektir. Bu bilim süreci olur.Yer merkezli modelle başlıyoruz ve sonunda güneş merkezli bir model elde ediyoruz.
Robotlar da birbirleriyle iletişim kuracak ve sonunda bu soyut dünyayı metaforik bir modele dönüştürecek.
S: Yukarıdaki görüşleri diğer AI uygulayıcılarıyla paylaştığınızda, nasıl tepki verdiler?
Y: AI şu anda farklılaşmıştır. Her şeyden önce, makine öğreniminin, derin öğrenmenin ve sinir ağlarının mevcut başarısından etkilenen ve ne dediğimi anlamayan bazı insanlar var; eğri uydurmaya devam etmek istiyorlar. Ancak, yapay zeka alanında statik öğrenmenin dışında zaten çalışmış biriyle konuşursanız, hemen anlayacaktır. Makine öğreniminin sınırlamalarını tartışan iki aydan fazla bir süredir yayınlanan birkaç makale okudum.
S: Makine öğreniminden uzaklaşan bir geliştirme trendi olduğunu mu söylüyorsunuz?
C: Bir eğilim değil, ruh arayışına dayalı önemli bir çaba. O soruyor: Nereye gidiyoruz? Sıradaki ne?
Bu arada, insanları işe alıyoruz, öğrenelim mi?
BAT kıdemli algoritma mühendisleri için özel araştırma ve geliştirme kursları
Hayata ve işe en yakın eğlenceli pratik projeler
Profesyonel öğretim asistanları ile sınıf yönetimi yardımı
Bir teklif almak için öğrendiklerinizi uygulayın, öğrenmeyi bitirir bitirmez işe alınmanız tavsiye edilir.
Kodu tarayın veya öğrenmek için orijinal metni okumak için tıklayın!
( 0 ) Paylaşmaya hoş geldiniz, yarın görüşürüz!
