Orang ramai dan mesin akan melebihi keupayaan sama ada unsur sahaja. metamorworks / Shutterstock.com

Masa depan tidak akan dibuat oleh manusia atau mesin sahaja - tetapi oleh kedua-dua, bekerja bersama. Technologies memodelkan bagaimana otak manusia berfungsi telah menambah kebolehan orang, dan hanya akan mendapat lebih banyak pengaruh apabila masyarakat dapat digunakan untuk mesin yang semakin berkemampuan ini.

Optimis teknologi telah membayangkan dunia dengan peningkatan produktiviti manusia dan kualiti hidup sebagai sistem perisikan buatan mengambil alih kehidupan dan administrivia hidup, memberi manfaat kepada semua orang. Sebaliknya pesimis memberi amaran bahawa pendahuluan ini boleh datang kos yang besar dalam pekerjaan yang hilang dan mengganggu kehidupan. Dan para pengkhianat bimbang bahawa AI mungkin akhirnya membuat manusia usang.

Walau bagaimanapun, orang tidak begitu baik untuk membayangkan masa depan. Sama ada utopia mahupun hari kiamat berkemungkinan besar. Dalam buku baru saya, "Revolusi Pembelajaran Deep, "Matlamat saya adalah menerangkan bidang sains dan teknologi yang pesat berkembang di masa lalu, sekarang dan masa depan. Kesimpulan saya ialah AI akan membuat anda lebih bijak, tetapi dengan cara yang akan mengejutkan anda.

Mengenali corak

Pembelajaran yang mendalam adalah bahagian AI yang telah membuat kemajuan yang paling dalam menyelesaikan masalah yang rumit seperti mengenal pasti objek dalam imej, mengiktiraf ucapan dari pelbagai pembesar suara dan teks pemprosesan cara orang bercakap atau menulisnya. Pembelajaran mendalam juga terbukti berguna untuk mengenal pasti corak dalam set data yang semakin besar yang dihasilkan dari sensor, alat perubatan dan instrumen saintifik.

Matlamat pendekatan ini adalah untuk mencari cara komputer dapat mewakili kerumitan dunia dan umum dari pengalaman sebelumnya - walaupun apa yang berlaku seterusnya tidak sama persis dengan apa yang berlaku sebelum ini. Sama seperti seseorang boleh mengenal pasti bahawa haiwan tertentu yang tidak pernah dilihatnya sebelum ini adalah sebenarnya seekor kucing, algoritma pembelajaran mendalam dapat mengenal pasti aspek daripada apa yang boleh dipanggil "cat-ness" dan mengekstrak sifat-sifat tersebut dari imej baru kucing.

Sistem pembelajaran yang mendalam dapat memberitahu yang mana ini kucing. Gelpi / Shutterstock.com

Kaedah pembelajaran mendalam berdasarkan kepada prinsip yang sama yang memberi kuasa kepada otak manusia. Sebagai contoh, otak mengendalikan banyak data pelbagai jenis dalam banyak unit pemprosesan pada masa yang sama. Neuron mempunyai banyak sambungan antara satu sama lain, dan pautan tersebut menguatkan atau melemahkan bergantung kepada berapa banyak yang digunakan, mewujudkan persatuan antara input deria dan output konseptual.

. rangkaian pembelajaran yang paling berjaya adalah berdasarkan penyelidikan 1960 ke dalam seni bina korteks visual, sebahagian daripada otak yang kita gunakan untuk melihat, dan algoritma pembelajaran yang dicipta dalam 1980s. Pada masa itu, komputer belum cukup pantas untuk menyelesaikan masalah dunia sebenar. Tetapi sekarang, mereka adalah.

Di samping itu, rangkaian pembelajaran telah berlapis di atas satu sama lain, mewujudkan sambungan web lebih rapat menyerupai hierarki lapisan yang terdapat dalam korteks visual. Ini adalah sebahagian daripada a penumpuan berlaku di antara kecerdasan buatan dan biologi.

Rangkaian neural empat lapisan menerima input dari sebelah kiri, melepasi output lapisan pertama ke lapisan seterusnya, ke depan dan seterusnya - sebelum menyampaikan output. Sin314 / Shutterstock.com

Pembelajaran yang mendalam dalam kehidupan sebenar

Pembelajaran yang mendalam sudah menambah keupayaan manusia. Jika anda menggunakan perkhidmatan Google untuk mencari web, atau menggunakan aplikasinya untuk menterjemahkan dari satu bahasa ke bahasa lain atau bertukar ucapan ke dalam teks, teknologi telah membuat anda lebih bijak, atau lebih berkesan. Baru-baru ini dalam perjalanan ke China, seorang kawan bercakap bahasa Inggeris ke dalam telefon Androidnya, yang menerjemahkannya kepada bahasa Cina untuk pemandu teksi - seperti penterjemah universal mengenai "Star Trek"

Ujian mengenai peranti terjemahan sebenar masa sebenar.

{youtube}Nu-nlQqFCKg{/youtube}

Sistem-sistem ini dan banyak lagi sudah pun berfungsi, membantu anda dalam kehidupan harian anda walaupun anda tidak menyedarinya. Sebagai contoh, pembelajaran mendalam mula mengambil alih membaca gambar X-ray dan gambar-gambar lesi kulit untuk pengesanan kanser. Doktor tempatan anda tidak lama lagi akan dapat melihat masalah yang jelas hari ini hanya kepada ahli yang terbaik.

Walaupun anda tahu ada mesin yang terlibat, anda mungkin tidak memahami kerumitan apa yang sebenarnya mereka lakukan: Di sebalik Alexa Alexa adalah satu bevy rangkaian pembelajaran mendalam yang mengenali permintaan anda, menapis data untuk menjawab soalan anda dan mengambil tindakan bagi pihak anda.

Mempertingkatkan pembelajaran

Pembelajaran yang mendalam telah sangat berkesan dalam menyelesaikan masalah pengenalan corak, tetapi untuk melampaui ini memerlukan sistem otak yang lain. Apabila haiwan diberi ganjaran untuk tindakan, itu adalah lebih cenderung untuk mengambil tindakan serupa pada masa akan datang. Neuron dopamin dalam ganglia basal otak melaporkan perbezaan antara jangkaan dan ganjaran yang diterima, yang dipanggil kesilapan ramalan ganjaran, yang digunakan untuk mengubah kekuatan sambungan di otak yang meramalkan ganjaran masa depan.

Gandingan pendekatan ini, yang dipanggil penguatkuasaan pembelajaran, dengan pembelajaran mendalam boleh memberi komputer kuasa untuk mengenal pasti kemungkinan yang tidak dijangka. Dengan mengiktiraf corak dan kemudian menanggapinya dengan cara yang memberi ganjaran, mesin mungkin mendekati perilaku di sepanjang garis apa yang mungkin dipanggil kreativiti manusia. Pendekatan yang digabungkan ini adalah bagaimana DeepMind membangunkan a program yang dipanggil AlphaGo, yang dalam 2016 mengalahkan grandmaster Lee Sedol dan tahun berikutnya mengalahkan juara Go dunia, Ke Jie.

Permainan tidak begitu kemas seperti dunia sebenar, yang dipenuhi dengan ketidakpastian yang berubah-ubah. Massimo Vergassola di University of California, San Diego, dan saya baru-baru ini menggunakan pembelajaran peneguhan untuk mengajar glider di lapangan bagaimana untuk melonjak seperti burung dalam keadaan panas bergolak. Sensor boleh dipasang pada burung sebenar untuk menguji sama ada mereka menggunakan isyarat yang sama dan bertindak balas dengan cara yang sama.

Walaupun kejayaan ini, penyelidik masih belum memahami sepenuhnya bagaimana pembelajaran mendalam menyelesaikan masalah ini. Sudah tentu, kita tidak tahu bagaimana otak menyelesaikannya sama ada.

Walaupun kerja dalaman otak mungkin tetap sukar difahami, hanya masa yang diperlukan sebelum penyelidik mengembangkan teori pembelajaran mendalam. Perbezaannya ialah apabila belajar komputer, penyelidik mempunyai akses kepada setiap sambungan dan corak aktiviti dalam rangkaian. Kadar kemajuan pesat, dengan kertas penyelidikan yang muncul setiap hari arXiv. Pendahuluan yang mengejutkan adalah sangat dijangka pada Disember ini Persidangan Sistem Maklumat Pemprosesan Neural di Montreal, yang mana menjual tiket 8,000 dalam minit 11, meninggalkan pendaftar berharap 9,000 pada senarai menunggu.

Ada jalan panjang sebelum komputer mencapai kecerdasan manusia umum. Rangkaian pembelajaran mendalam yang terbesar hari ini hanya mempunyai kuasa sekeping korteks saraf manusia saiz bijian padi. Dan kita masih belum tahu bagaimana otak mengorganisasikan interaksi antara kawasan otak yang lebih besar.

Sifat sudah mempunyai tahap integrasi, mewujudkan sistem otak berskala besar yang mampu mengendalikan semua aspek tubuh manusia sambil memikirkan soalan-soalan yang mendalam dan menyelesaikan tugas-tugas yang rumit. Akhirnya, sistem autonomi mungkin menjadi kompleks, bergabung dengan pelbagai makhluk hidup di planet kita.

Tentang Pengarang

Terrence Sejnowski, Profesor Francis Crick dan Pengarah Makmal Neurobiologi Komputasi di Institut Pengajian Biologi Salk, dan Profesor Neurobiologi yang Cemerlang, University of California San Diego

Artikel ini diterbitkan semula daripada Perbualan di bawah lesen Creative Commons. Membaca artikel asal.

Buku-buku yang berkaitan

at InnerSelf Market dan Amazon