Yüce Tanrı LeCun: AlphaGo'yu abartmayın
Annie derleyin ve organize edin
Qubit Üretildi | Genel Hesap QbitAI
Son zamanlarda, derin öğrenmede lider ve evrişimli sinir ağlarının yaratıcılarından biri olan Yann LeCun, yabancı medyayla bir röportajı kabul etti. Facebook Yapay Zeka Araştırma Enstitüsü'nün (FAIR) dekanı LeCun, AI'nın zeka seviyesinin bir insan bebeğininkini geçmesinin uzun zaman alacağını söyledi.
LeCun, "Medya yapay zeka hakkında haber yaparken Terminatör'ün resmini kullanmasaydı çok mutlu olurdum." Dedi.
Akademik bir boğa süper yapay zekadan hala uzak olduğunu söylüyorsa fikirlerini dinlemeli miyiz? Bu bağlamda, The Verge LeCun ile röportaj yaptı ve Qubit diyalog kaydını şu şekilde derledi:
Sor: Son zamanlarda, Facebook robotlarının "kendi dillerini yaratmaları" ile ilgili haberler çok popüler ve gerçek araştırmalarla tutarsız olan birçok yanlış anlama var. Son birkaç yıla kıyasla, bu tür raporların arttığını veya azaldığını düşünüyor musunuz?
LeCun: Daha az, medya insanları anlatılacak hikayeleri daha iyi anlıyor. Geçmişte Terminatör veya yapay zekanın olmadığı durumları göreceksiniz ve medya% 100 Terminatör'ün resmini rapora ekleyecektir ... Şimdi bu durum sadece ara sıra oluyor, bu iyi bir şey.
Sor: Bu tür sahte raporlar ortaya çıktığında halka ne söylemek istersiniz?
LeCun: Halka açık konuşmalarımda gerçekten akıllı makineler yaratmaktan hâlâ çok uzak olduğumuzu defalarca söyledim. Artık yapay zekanın tüm yeteneklerini görebilirsiniz - ister kendi kendine giden bir araba ister tıbbi görüntülemede iniş olsun, AlphaGo bir Go oyununda dünyada birinci sırada olsa bile - bunların hepsi çok dar bir düzeyde zeka. Büyük miktarda verinin toplanabildiği bazı durumlarda, belirli işlevler için özel olarak eğitilirler.
DeepMind'in araştırmasının AlphaGo üzerindeki etkisini azaltmak istemiyorum, ancak insanların AlphaGo'nun gelişimini önemli bir makine zekası geliştirme süreci olarak yorumlamasının uygunsuz olduğunu düşünüyorum. İkisi hiç aynı şey değil.
Go'da insanları yenebilecek bir makine yoksa, caddenin her tarafında çalışan akıllı robotlar olacaktır.Bunlar birbirinden tamamen bağımsız iki problemdir. Birincisinin ikincisi üzerinde çok az etkisi olabilir.
Burada, makinelerin dünyayı insanlar ve hayvanlar gibi anlamaları için hala uzun bir zaman olduğunu tekrarlamak istiyorum. Evet, bazı açılardan makine insanüstü bir performans sergiliyor, ancak genel zeka faktörlerinde, makinenin "IQ" si bir fareyi bile yakalayamıyor. Pek çok insan belirli konuları vaktinden önce düşünüyor ...
Elbette bu, onu dikkate almamamız gerektiği anlamına gelmiyor, ama en azından insanlar mevcut durumdan orta seviyedeki kalkınmaya kadar güvende. Yapay zekanın gerçekten tehlikeli olduğunu kabul ediyorum, ancak sonlandırıcı değiller! ( )
Sor: DeepMind tarafından AlphaGo'da oluşturulan algoritma, protein katlama ve ilaç araştırmaları gibi diğer bilimsel araştırmalara da uygulanabilir. Bu tür araştırmaları başka bir yerde uygulamanın kolay olduğunu düşünüyor musunuz?
LeCun: AlphaGo'da pekiştirmeli öğrenme kullanılır. Oyunlarda bu, birkaç ayrı eylemin olduğu durumlar için geçerlidir. Karmaşık şeyleri çalıştırmak için çok, çok, çok sayıda test gerektirdiğinden daha etkilidir.
AlphaGo Zero birkaç gün içinde milyonlarca Go oyununu oynadı, belki de Go'nun icadından bu yana oyunun ustalarından daha fazla. Go çok basit bir ortam olduğu için saniyede binlerce kare hızında birden fazla bilgisayarda simüle edilebilir, bu yüzden işe yarar ... Ama gerçek dünyada, gerçek dünyayı gerçek zamandan daha hızlı çalıştıramazsınız Yani çalışmıyor.
Bu durumdan kurtulmanın tek yolu, makinenin öğrenme yoluyla bir iç dünya modeli oluşturmasına izin vermektir, böylece dünyayı gerçeklikten öngörebilir. Şu anda eksik olduğumuz şey, makinelere dünya modelleri inşa etmeyi nasıl öğreteceğimizdir.
Örneğin, araba kullanmayı öğrenirken, insanlar yeterince iyi bir sistem modeline sahip olurlar.İlk kez sürsek bile, yolda bir araba sürmemiz gerektiğini ve arabanın uçurumun kenarına düşmesine veya ağaca çarpmasına izin vermememiz gerektiğini biliyoruz.
Simülatörde arabayı eğitmek için sadece takviye öğrenmeyi kullanırsak, ağaca 40.000 kez çarptıktan sonra bunun yanlış bir davranış olduğunu anlayacaktır. Bu nedenle, yalnızca pekiştirmeli öğrenmenin makine zekasını geliştirebileceğini iddia etmek yanlıştır.
Facebook'un Princeville, ABD'deki veri merkezi
Sor: Yapay zekanın mevcut sınırlamalarının ötesinde temel araçlara sahip olmadığını düşünüyor musunuz? AI öncüsü Hinton geçtiğimiz günlerde bu pasajdan bahsetti ve mevcut alanın "hepsini at ve baştan başla" yöntemine çok bağımlı olduğunu söyledi.
LeCun: Hinton'un biraz fazla yorumlandığını düşünüyorum, ancak "daha temel AI araştırmalarına ihtiyacımız olduğu" konusunda tamamen hemfikirim. Örneğin, Hinton'un en sevdiği modellerden biri, 1985'te önerdiği Boltzmann makinesidir. Bu algoritmanın çok iyi olduğunu düşünüyor ancak pratik uygulamalarda çok etkili değil.
Bir Boltzmann makinesinin basitliği ile geri yayılımın verimliliğini birleştiren bir makine bulmak istiyoruz. 21. yüzyılın başlarında derin öğrenme araştırmalarına yeniden başladıklarından beri Bengio, Geoff, ben ve birçok insan bunu yaptık.
Bizi biraz şaşırtan şey, pratikte geri yayılmanın derin ağlarla iyi çalıştığıdır.
Sor: Öyleyse, AI araştırmalarındaki büyük değişiklikleri göz önünde bulundurarak, kısa vadede tüketiciler için en önemli şeyin ne olduğunu düşünüyorsunuz?
LeCun: Sanal asistanların önemli olduğunu düşünüyorum. Günümüzün sanal asistanları tamamen senaryoya dayanmaktadır.Müşteri hizmetlerinde ve diğer senaryolarda faydalı olmasına rağmen, robotların yaratılmasını sıkıcı, pahalı ve ölmesi kolay hale getirir.
Facebook, sanal asistanların araştırılmasına çok fazla enerji harcadı, ancak yine de Alexa gibi rakiplerinin çok gerisinde.
Bir sonraki adım, sistemin daha fazla öğrenme yeteneğine sahip olmasına izin vermektir, bu aynı zamanda Facebook'taki araştırma yönümüzdür. Uzun metinleri okuyabilen bir makineniz olduğunu hayal edin, okuduktan sonra ilgili soruları cevaplayabilirsiniz.Çok kullanışlı bir işlev mi?
Buradaki nokta, makinelerin ve insanların aynı arka plan bilgisine, yani sağduyuya sahip olmasıdır. Ancak makinelerin dünyanın nasıl çalıştığını gözlem yoluyla anlamaları için bir yol bulamazsak, bu fikir gerçekleştirilemez. Buradaki gözlem, sadece bir kitap okuyarak veya bir video izleyerek tüm dünyayı anlamakla ilgilidir.
Önümüzdeki birkaç yıl için en önemli zorluk budur. Ben buna öngörücü öğrenme diyorum. Bazı insanlar buna denetimsiz öğrenme diyor.
Önümüzdeki birkaç yıl içinde, sanal asistanlar daha pratik ve daha az hayal kırıklığı yarattıkça, bu görevler ilerlemeye devam edecek. Makineler, tasarımcılar tarafından yazılan programların ötesinde şeyler yapmak için daha sağduyuya sahip olacak, bu da Facebook için çok ilginç bir içerik.
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! İlgili ayrıntılar için lütfen QbitAI diyalog arayüzünde "işe alım" kelimesini yanıtlayın.
Qubit QbitAI
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
