Begrepet "kunstig intelligens" refererer ofte til nevrale nettverk bygd på dype teknologier for læring av maskiner. Videre er teknologien for å trene nevrale nettverk godt utviklet og bærer frukt. Imidlertid er det ikke alle forskere som er enige om at kunstig intelligens bør utvikle seg på denne veien. Noen mener til og med at slike systemer "ikke bør stole på" og at utviklingen av dem ikke vil føre til noe bra.
Kunstig intelligens i moderne forstand - dette er slett ikke hva mange tror.
Hvorfor maskinlæring er dårlig for menneskets utvikling
I et storstilt arbeid publisert på sidene til Technologyreview, en professor ved New York University, en ekspert på området kognitiv vitenskap (vitenskapen om kognisjon) snakket Gary Marcus om risikoen for utbredt bruk av nevrale nettverk basert på dyp maskinlæring.
For det første mener forskeren at teknologien har klare begrensninger. Spesielt har det vært snakket i lang tid om behovet for å lage en såkalt "ekte AI", som er egnet til å løse et bredt spekter av problemer, og ikke bare en spesifikk, som skjer nå. De eksisterende AI-systemene har allerede nådd toppen av utviklingen og de har praktisk talt "ingen steder å vokse". I tillegg kan du ikke bare ta, og si, først lære en AI å kjøre bil, og tvinge en annen til å reparere den og deretter kombinere systemene, og skape en universell assistent. Kunstige intelligenser vil ganske enkelt ikke være i stand til å samhandle, da de "lærte på forskjellige måter."
Hvordan gjøre AI smartere
Salgsfremmende video:
For at algoritmer skal bli mer effektive, må de "trenes annerledes." Det er nødvendig å få dem til å begynne å se forholdet til gjenstander og konsekvensene av å samhandle med dem. I dette tilfellet vil vi tjene som det beste eksemplet.
Professor Gary Marcus.
Dessuten er det Marcus ikke er nytt i det hele tatt. Eksemplet beskrevet over er hvordan forskere så for seg "klassisk AI." Men for at en slik AI skal fungere effektivt, må vi programmere alle mulige utfall på forhånd. Og dette er nesten urealistisk. Men det er en vei ut.
Løsningen kan være en slags symbiose av "klassisk AI", som ser sammenhenger og oppnår løsninger på en forståelig måte, og dyp læring, som er i stand til å finne en løsning gjennom "prøving og feiling". Det kan være et slags grunnleggende system med regler og forskrifter som omhandler den omliggende verden. På bakgrunn av dette vil AI-systemer allerede kunne utvikle seg på et bestemt område. Ekte kunstig intelligens må forstå hvordan alt fungerer rundt for å forstå forhold / årsak-virkning og enkelt bytte fra en oppgave til en annen. Moderne systemer bygget med dyp læringsteknologi er ganske enkelt ikke i stand til dette.
Vladimir Kuznetsov
