Oameni plus mașini vor depăși capacitățile oricărui element. metamorworks / Shutterstock.com

Viitorul nu va fi creat nici de oameni, nici de mașini - ci de amândoi, lucrând împreună. Tehnologiile modelate pe modul în care funcționează creierul uman sporesc deja abilitățile oamenilor și vor deveni mai influente doar pe măsură ce societatea se obișnuiește cu aceste mașini din ce în ce mai capabile.

Optimistii tehnologiei au imaginat o lume în creștere productivitatea umană și calitatea vieții pe măsură ce sistemele de inteligență artificială preiau truda și administrativele vieții, în beneficiul tuturor. Pe de altă parte, pesimiștii au avertizat că aceste progrese ar putea avea loc costuri mari pentru locurile de muncă pierdute și viața perturbată. Și cei care se tem de frică se tem că AI ar putea în cele din urmă face ființele umane învechite.

Cu toate acestea, oamenii nu sunt prea buni în a-și imagina viitorul. Nici utopia și nici judecata finală nu sunt probabile. În noua mea carte, „Revoluția Deep Learning, ”Scopul meu a fost să explic trecutul, prezentul și viitorul acestei zone în creștere rapidă a științei și tehnologiei. Concluzia mea este că AI te va face mai inteligent, dar în moduri care te vor surprinde.

Recunoașterea tiparelor

Învățarea profundă este partea AI care a făcut cel mai mare progres în rezolvarea problemelor complexe precum identificarea obiectelor din imagini, recunoașterea vorbirii de la mai mulți vorbitori și prelucrarea textului în modul în care oamenii vorbesc sau scriu. Învățarea profundă s-a dovedit, de asemenea, utilă pentru identificarea tiparelor din seturile de date din ce în ce mai mari din care sunt generate senzori, dispozitive medicale și instrumente științifice.

Scopul acestei abordări este de a găsi modalități prin care un computer poate reprezenta complexitatea lumii și generaliza din experiența anterioară - chiar dacă ceea ce se întâmplă în continuare nu este exact același cu ceea ce se întâmpla înainte. Așa cum o persoană poate identifica că un anumit animal pe care nu l-a mai văzut până acum este de fapt o pisică, algoritmii de învățare profundă pot identifica aspecte a ceea ce s-ar putea numi „pisică” și extrage aceste atribute din noile imagini ale pisicilor.

Sistemele de învățare profundă pot spune care dintre acestea este o pisică. Gelpi / Shutterstock.com

Metodele de învățare profundă se bazează pe aceleași principii care alimentează creierul uman. De exemplu, creierul manipulează o mulțime de date de diferite tipuri în multe unități de procesare în același timp. Neuronii au multe conexiuni între ele, iar aceste legături se întăresc sau slăbesc în funcție de cât sunt utilizate, stabilind asocieri între intrări senzoriale și ieșiri conceptuale.

cea mai de succes rețea de învățare profundă se bazează pe cercetările din anii 1960 în arhitectura cortexului vizual, o parte a creierului pe care o folosim pentru a vedea și algoritmi de învățare care au fost inventate în anii 1980. Pe atunci, computerele nu erau încă suficient de rapide pentru a rezolva problemele din lumea reală. Acum, însă, sunt.

În plus, rețelele de învățare au fost stratificate una peste alta, creând mai strâns rețele de conexiuni asemănătoare ierarhiei straturilor găsite în cortexul vizual. Aceasta face parte dintr-un convergență care are loc între inteligența artificială și biologică.

O rețea neuronală cu patru straturi acceptă intrarea din stânga, trece ieșirea primului strat la următorul strat, la următorul și la următorul - înainte de a livra ieșirea. Sin314 / Shutterstock.com

Învățare profundă în viața reală

Învățarea profundă adaugă deja capacităților umane. Dacă utilizați serviciile Google pentru a căuta pe web sau utilizați aplicațiile sale pentru a traduce dintr-o limbă în alta sau pentru a transforma vorbirea în text, tehnologia v-a făcut mai inteligent sau mai eficient. Recent, într-o călătorie în China, un prieten vorbea engleză pe telefonul său Android, ceea ce a tradus-o în chineză vorbită pentru un șofer de taxi - la fel ca traducător universal pe „Star Trek. "

Un test al unui dispozitiv de traducere în timp real.

{youtube}Nu-nlQqFCKg{/youtube}

Acestea și multe alte sisteme funcționează deja, ajutându-vă în viața de zi cu zi, chiar dacă nu sunteți conștienți de ele. De exemplu, învățarea profundă începe să preia controlul asupra citirea imaginilor cu raze X și fotografiile leziunilor cutanate pentru depistarea cancerului. Medicul dvs. local va putea în curând să identifice probleme care sunt evidente astăzi numai pentru cei mai buni experți.

Chiar și atunci când știți că există o mașină implicată, este posibil să nu înțelegeți complexitatea a ceea ce fac de fapt: în spatele Alexa al Amazonului există o mulțime de rețele de învățare profundă care vă recunosc solicitarea, examinați datele pentru a vă răspunde la întrebări și a lua măsuri în numele dvs.

Avansarea învățării

Învățarea profundă a fost extrem de eficientă în rezolvarea problemelor de recunoaștere a modelelor, dar pentru a depăși acest lucru este nevoie de alte sisteme cerebrale. Când un animal este recompensat pentru o acțiune, este mai probabil să întreprindă acțiuni similare în viitor. Neuronii dopaminici din ganglionii bazali ai creierului raportează diferența dintre recompensele așteptate și primite, numită eroare de predicție a recompensei, care este folosit pentru a schimba punctele forte ale conexiunilor din creier care prezic recompense viitoare.

Cuplarea acestei abordări, numită învățare prin întărire, cu învățarea profundă poate oferi computerelor puterea de a identifica posibilități neașteptate. Recunoscând un model și apoi răspunzând la acesta într-un mod care dă recompense, mașinile ar putea aborda comportamente pe linia a ceea ce s-ar putea numi creativitatea umană. Această abordare cuplată este modul în care DeepMind a dezvoltat un program numit AlphaGo, in care 2016 l-a învins pe maestrul Lee Sedol iar anul următor învinge campionul mondial Go, Ke Jie.

Jocurile nu sunt la fel de dezordonate ca lumea reală, care este plină de incertitudini schimbătoare. Massimo Vergassola la Universitatea din California, San Diego, și am folosit recent învățarea prin întărire pentru a preda un planor în domeniu cum să vă înălțați ca o pasăre în termice tulburi. Senzorii pot fi atașați la păsări reale pentru a testa dacă utilizează aceleași indicii și răspund în același mod.

În ciuda acestor succese, cercetătorii nu înțeleg încă pe deplin modul în care învățarea profundă rezolvă aceste probleme. Desigur, nici noi nu știm cum le rezolvă creierul.

În timp ce funcționarea interioară a creierului poate rămâne evazivă, este doar o chestiune de timp înainte ca cercetătorii să dezvolte o teorie a învățării profunde. Diferența este că, atunci când studiază computerele, cercetătorii au acces la fiecare conexiune și tipar de activitate din rețea. Ritmul progresului este rapid, lucrările de cercetare apar zilnic arXiv. Progrese surprinzătoare sunt anticipate cu nerăbdare în acest decembrie la Conferința Sistemelor de prelucrare a informațiilor neuronale în Montreal, care vândut 8,000 de bilete în 11 minute, lăsând 9,000 de persoane înregistrate pline de speranță pe lista de așteptare.

Există un drum lung de parcurs înainte ca computerele să realizeze inteligența umană generală. Cea mai mare rețea de învățare profundă de astăzi are doar puterea unei bucăți de cortex neural uman de mărimea unui bob de orez. Și nu știm încă cum creierul organizează dinamic interacțiunile dintre ariile creierului mai mari.

Natura are deja acel nivel de integrare, creând sisteme cerebrale la scară largă capabile să opereze toate aspectele corpului uman în timp ce analizează întrebări profunde și îndeplinește sarcini complexe. În cele din urmă, sistemele autonome pot deveni la fel de complexe, unindu-se la nenumăratele creaturi vii de pe planeta noastră.

Despre autor

Terrence Sejnowski, profesor Francis Crick și director al Laboratorului de Neurobiologie Computațională de la Institutul de Studii Biologice Salk și Profesor Distins de Neurobiologie, Universitatea din California, San Diego

Acest articol este republicat de la Conversaţie sub licență Creative Commons. Citeste Articol original.

Cărți conexe

at InnerSelf Market și Amazon