Når du tenker på de "utrolige" oppgavene som en datamaskin kan håndtere, er det første du kommer opp i tankene de mest komplekse beregningene på kort tid eller analysen av enorme datamengder - noe du selv aldri kan løse selv. Eller jeg husker Lee Sedols nylige nederlag i farten, et klassisk strategispill. AIs siste seire er i stor grad muliggjort av dyp læring, som nå åpner opp alle mulighetene for AI og menneskene bak den.
Men enkle, daglige oppgaver som selv et barn med det rette sinnet kan gjøre, ser ut til å undergrave funksjonaliteten til AI-systemer: ting som å identifisere hvilken mat som er på tallerkenen din eller identifisere følelser i ansiktet til en annen person. Disse enkle oppgavene for mennesker var umulige for maskiner. Opp til dette punktet.
Dyp læringsteknikker har ført til sunn fornuft til maskiner. Tidligere skrev programmerere komplekse algoritmer som beskrev alt ned til minste detalj. En slik eksplisitt og deterministisk algoritme er egnet når du står overfor en stor, vanskelig beregning. Dyp læring frigjør AI fra denne typen begrensninger, lar systemet lære av feilene, huske alt det har lært, samhandle med brukere for mer informasjon.
Den dype læringsrevolusjonen skjer i stor grad fordi store data blir tilgjengelige for læring. Et menneskebarn kan lære hva det trenger etter noen få forsøk, men maskinen vil ta mye lenger tid. Dyp læring er avhengig av tilgang til store datamengder, ettersom AI-maskiner må basere sine valg på sannsynlighet og statistisk signifikans. En mekanisk erstatning for intuisjon er ennå ikke oppfunnet.
Dype muligheter
Fremskritt innen dyp læring har allerede forbedret talesøkemulighetene dramatisk: Google erstattet Android-talesystemet med et nytt dyp læringsbasert system, og feilene falt til 25 prosent over natten. Kameraer som bruker dype nevrale nettverk kan nå lese høyt for folk og forstå tegnspråk. Facebook skryter av at dets dype læringsegenskaper har gjort plattformen tilgjengelig for blinde brukere ved å lære å beskrive bilder.
I de kommende årene vil både store teknologibedrifter og mange nystartede selskaper begynne å bruke dyp læring for å lage nye produkter og tjenester, og for å modernisere eksisterende applikasjoner. Nye markeder og bedrifter vil spire og drive innovasjon, tjenester og produkter. Dype læringssystemer vil bli bedre og bli mer tilgjengelige og enklere å bruke. Jo lettere det er å bruke dem, jo mer vil samspillet vårt med teknologi endre seg.
Kampanjevideo:
Aditya Singh, partner i Foundation Capital, mener at utviklingen av dyplæringsoperativsystemet vil demokratisere dyp læring og drive den utbredte adopsjonen av praktisk AI. Resultatet vil være at folk kan løse sine presserende problemer, eller noe mer viktig, ved hjelp av dyp læring. I denne forstand kan AI bli en utjevningsmekanisme, slik at folk i alle klasser og stater kan forandre verden.
ILYA KHEL
