AI kış mı geliyor? Bu 10 dönüm noktası çok önemlidir
Kaynak: Xinzhiyuan
Yazar: Filip Piekniewski
Bu makale var 2700 kelime 7 dakika okumanız tavsiye edilir.
Bu makalenin yazarı, mevcut yapay zeka yöntemleriyle ilgili sorunların neler olduğunu ve hangi sorunları çözebileceğimizi analiz ediyor.
Kısa bir süre önce, "AI Kış Geliyor" başlıklı bir makale internette yayıldı ve bu da uzmanlar, akademisyenler, araştırmacılar, öğrenciler ve hatta AI alanındaki insanlar arasında birçok tartışmayı tetikledi. Makale, derin öğrenmenin çoktan yerleştiğini düşünerek derin öğrenmeyle ilgili aldatmacayı eleştirdi, tıpkı borsa çökeceği gibi, AI kışı kesinlikle tekrar gelecek, ancak ne zaman olacağını tahmin etmek imkansız. Bu makalenin yazarı Filip Piekniewski, bilgisayarla görme ve yapay zeka alanında bir uzmandır ve birkaç hafta düşündükten sonra, üzerinde düşünmeye değer olan YZ hakkındaki görüşlerini yeniden özetledi.
Son haftalarda yapay zeka hakkındaki görüşlerimi yeniden düşünmek ve özetlemek zorunda kaldım. "AI Winter is Coming" yazısı geniş çapta yayıldıktan sonra, birçok kişi benimle e-posta ve twitter aracılığıyla iletişime geçti ve birçok iyi öneri sundu. Bu yüzden yapay zeka yöntemlerimizle ilgili problemler olduğunu düşündüğüm ve hangi problemleri çözebileceğimizi kısa bir şekilde yazmaya karar verdim. İşte on önemli nokta:
1. Turing'in zeka tanımına bağlıyız
Turing, zeka fikri hakkında iyi bilinir ve zekayı insanlarla dil oyunları oynamaya yönelik bir çözümle sınırlandırır. Özellikle Turing, zekayı şu şekilde ayarlar:
- Oyun çözümü
- İnsanları yargı konumuna getirin
Bu tanım oldukça kafa karıştırıcı ve yapay zeka alanı için çok uygun. Köpekler, maymunlar, filler ve hatta kemirgenler çok zeki yaratıklardır, ancak dilleri yoktur ve bu nedenle Turing testini geçemezler.
İkincisi, yapay zeka Moravec paradoksunun temel sorunu
(Moravec paradoksu)
Bugün bu sorun, 1988'de ilk ortaya çıktığından çok daha belirgindir ve son 30 yılda bu sorunu çözmek için neredeyse hiçbir önlem almadık ki bu utanç verici. Moravec paradoksunun temel argümanı, gerçekte en basit sorunların çözülmesinin en karmaşık oyunlardan daha zor olduğudur.
Not: Moravek'in yazdığı gibi: "Bir bilgisayarı bir yetişkin gibi satranç oynatmak nispeten kolaydır, ancak bir bilgisayarı bir yaşındaki bir çocuk gibi algılama ve eylem yeteneklerine sahip hale getirmek oldukça zor hatta imkansızdır."
Yapay zekanın oyunlarda insanları (ve veri kümeleri gibi diğer kısıtlı ve iyi tanımlanmış söylem alanlarını) aşmasını sağlamak, onu bir zeka göstergesi ve Turing testiyle tutarlı bir standart olarak kullanmak konusunda takıntılıyız. Zekanın nihai kararının insanlardan oluşan bir komite tarafından değil, gerçekliğin kendisi tarafından yapıldığı gerçeğini tamamen görmezden geliyoruz.
3. Modelimiz bile işe yarayabilir
Ama çoğu zaman yanlış sebepten dolayı
Bunu başka makalelerde de ayrıntılarıyla anlattım ve derin öğrenme buna iyi bir örnek. Derin öğrenme, açıkça nesne tanıma sorununu çözdü, ancak çok sayıda çalışma, derin sinir ağlarının nesneleri tanıyabilmesinin nedenlerinin, insanların nesneleri gözlemleyebilme nedenlerinden oldukça farklı olduğunu gösterdi.
Turing test ruhu ile insanları aldatan insanlar için bu önemli olmayabilir. Ancak, yapay zekanın beklenmedik (bölge dışı) gerçeklikle başa çıkma yeteneğinden endişe duyanlar için bu çok önemlidir.
Dördüncüsü, gerçeklik bir oyun değil
Oyunlarla ilgili olsa bile, kuralları sürekli değişen sonsuz bir oyun koleksiyonudur. Ne zaman büyük bir gelişme olursa, oyunun kurallarının yeniden yazılması gerekecek ve tüm oyuncuların ayarlamalar yapması gerekecek yoksa ölecekler.
Zeka, ajanların sorunları çözebilmesi için evrimleşecek bir mekanizmadır.
Zeka, bize "kuralları değişen oyunlar" oynamamızda yardımcı olan bir mekanizma olduğundan, bir yan etki olarak, bir dizi sabit kural ile gerçek oyunları oynamamıza izin vermesi şaşırtıcı değildir. Ancak bunun tersi doğru değil: Sabit kurallı bir oyun oynarken insan yeteneklerini aşan bir makine inşa etmek, "kuralları değişen bir oyun" oynayabilecek bir sistem oluşturmaktan çok uzaktır.
5. Fiziksel gerçeklikte bazı kurallar sabittir
Fizik kanunları
Onları kelimelerle tanımlıyoruz ve uygarlığı inşa etmek için tahminlerde bulunmak için kullanıyoruz. Ancak bu fiziksel ortamda hareket edebilmek için, bu gezegendeki her organizma bu yasalara hakim olmuştur ve dile ihtiyacı yoktur. Çocuklar Newton'un hareket yasalarını öğrenmeden önce, elmanın ağaçlardan düşeceğini bilirler.
6. Görsel istatistiksel modelimiz aslında çok yetersiz
Çünkü belirli bir zamandaki şeylere ve kimlik için insanlar tarafından belirlenen soyut etiketlere güvenirler. Derin sinir ağları, ağaçlarda asılı duran milyonlarca elmanın görüntülerini görebilir. Ama evrensel çekim yasası asla keşfedilmeyecek (Ve bizim için apaçık olan birçok şey).
Sağduyunun zorluğu
Bizim için çok açık
Sağduyu o kadar açıktır ki, onu kelimelerle tarif etmek ve ardından verilerde etiketlemek bile zordur. Tüm "bariz" şeyler için, büyük kör noktalarımız var.
Bu nedenle, yalnızca pratik olmadığı için değil, aynı zamanda farkına bile varmadığımız için bilgisayar genel bilgisini öğretemeyiz. "Sağduyu" nedir . Robotun aptalca şeyler yaptığını öğrenene kadar farkettik: "Ah, anlamıyor ...".
8. "Moravik Paradoksu" nu çözün
"Moravik Paradoksu" nu çözmek istiyorsak (bence bu, bugün herhangi bir ciddi yapay zeka çalışmasının odak noktası olmalıdır), canlı organizmaların, etiketlere ihtiyaç duymadan sadece dünyayı gözlemleyerek öğrenme yeteneğini taklit etmemiz gerekir. Bu hedefe ulaşmak için gelecek vaat eden bir fikir, bir sistem kurmaktır. Gelecekteki olayları tahmin edin ve gerçek gelişimi sistem tahminleriyle karşılaştırarak öğrenin .
Çok sayıda deney, bunun biyolojik beyinde gerçekten olan şey olduğunu ve pek çok açıdan mantıklı olduğunu, çünkü bu sistemlerin fizik yasalarını öğrenmesi gerektiğini göstermiştir. Tahmine dayalı vizyon modeli bu yönde bir adımdır, ancak kesinlikle son adım değildir.
Dokuz, acilen Turingin tanımının dışında kalmalıyız.
"Akıllı" nın özelliklerini tanımlayın
İyi bir fikir, denge dışı termodinamikten (denge dışı termodinamik) gelir ve tahmin varsayımıyla tutarlıdır. Bunu yapmamız gerekiyor çünkü Turing testini geçmemesi gereken (çünkü dil zekasına sahip değiller), ancak ilerlememizi ölçmek için bir çerçeveye ihtiyacımız var.
10. Bugün yaptığımız ve yapay zeka dediğimiz neredeyse her şey
Kelimelerle ifade edilebilecek bir tür otomasyon var mı
Pek çok alanda, bu sözde AI'lar yararlı olabilir, ancak aslında muhasebecilere yardımcı olmak için kağıt formları değiştirmek için Excel kullanmaktan farklı değildir. Sorunlu (ve her zaman sorunlu) alan özerkliktir.
Özerklik otomasyon değildir. Özerklik, otomasyondan daha fazlası demektir.
İnsanlardan daha güvenli bir özerklik gerektiriyorsa, o zaman kendi kendine giden arabalar gibi daha fazlasını ifade eder. Özerklik, genel zeka ile eşanlamlı olmalıdır, çünkü beklenmedik, eğitimsiz ve bilinmeyen şeylerle başa çıkabileceği varsayılır.
Bunlar iletmek istediğim temel noktalar. Bu argümanlarda ince farklılıklar var, bu yüzden bu makaleyi yazdım. Tabii bu noktaları kabul ederseniz, fikirlerimiz temelde aynıdır. "AI Winter is Coming" makalesi hararetle tartışılan birçok ayrıntı içeriyor. Bu detayların gerekli olmadığını düşünmeme rağmen, bütünlük adına, bazıları hakkındaki görüşlerimi ifade etmeme izin verin:
S: Doğuştan mı yoksa edinilmiş mi?
A: Elbette bazı canlıların doğuştan gelen yetenekleri vardır, ancak şüphesiz öğrenecekleri de vardır. Ancak bu uygulama ile ilgili bir soru ve bence net bir cevabı yok. Gelecekteki geliştirmemizde, ikisinin bir kombinasyonunu kullanacağımıza eminim.
S: Öğrenme özellikleri mi yoksa yapay olarak oluşturulmuş özellikler mi?
A: Bu ilgili bir konudur. Benim görüşüme göre, "kortikal hesaplamanın" (kortikal hesaplama) çoğunun öğrenileceği, bu yapay zeka ve özerklik bağlamında (ancak bu, yararlı olduğu veya herhangi bir nedenle zor olduğu anlamına gelmez. Öğrenin, manuel olarak oluşturamayız). Beynin büyük bir kısmının önceden ayarlanmış olması muhtemeldir.
Daha spesifik otomasyon uygulamalarında, bu iki durum da ortaya çıkabilir. Bazı durumlarda, öğrenilen özellikler yapay olarak oluşturulmuş özelliklerden önemli ölçüde daha iyi olabilir (bu, derin öğrenmenin satış noktasıdır), ancak birçok uygulamada yapay olarak hazırlanmış ve geliştirilmiş özellikler kesinlikle ve şüphesiz öğrenilen herhangi bir özellikten daha iyidir. şey. Genel olarak, bunun yanlış bir teklif olduğunu düşünüyorum.
S: Darbeli, sürekli, dijital veya analog veya kuantum mu?
A: Bunun hakkında çok güçlü bir fikrim yok, her birinin avantajları ve dezavantajları var. Rakamlar basit, kesindir ve elde edilmesi kolaydır. Simülasyonun kontrol edilmesi zordur ancak güç tüketimi çok daha düşüktür. Aynısı spiking için de geçerlidir, ancak ek faydası biyolojiye daha yakın olmasıdır, bu da daha iyi bir çözüm olduğu anlamına gelebilir. kuantum? Gerekli bulsak da, zeka problemlerini çözmek için kuantum hesaplamanın gerekli olduğuna dair güçlü kanıtlar olup olmadığından emin değilim. Bunların hepsi "nasıl" (nasıl) soruları, ama asıl ilgi alanım hala "ne?" (Ne) soruları.
