Top 10 AI mītu demontāža

Saturs

• 1. AI sastāv no viediem robotiem vai androīdiem, kas izskatās kā cilvēki.
• 2. AI, mašīnmācība un dziļā izglītība ir viens un tas pats.
• 3. AI mācās pilnīgi viena pati.
• 4. Tērzētavas ir visvienkāršākā AI forma.
• 5. Jauda, ​​kas nepieciešama visu turpmāko padziļinātu mācību operāciju veikšanai, nav ilgtspējīga.
• Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi
• 6. Uzņēmumam ir viegli iznomāt skaitļošanas jaudu, kas nepieciešama AI operāciju nodrošināšanai.
• 7. Lai apmācītu AI, jums ir nepieciešams milzīgs datu apjoms.
• 8. AI aizstās esošos BI rīkus, padarot novecojušas visas iepriekšējās tehnoloģijas.
• 9. Neironu tīkli ir kā bioloģiski tīkli, bet mehāniski.
• 10. AI galu galā kļūs pietiekami inteliģents, lai saprastu, ka cilvēki tam ir bīstami un ir jāiznīcina.

Avots: Usa Pyon / Dreamstime.com

Izņemšana:

AI ir karsta tehnoloģija, taču daudziem cilvēkiem ir nepareizs priekšstats par to, ko tieši tā rada. Šeit mēs apskatīsim dažus mītus, kas apņem AI, un pārbaudām faktus.

Kāpēc visi runā par AI, tomēr mēs joprojām neredzam draudzīgus robotus, piemēram, “Star Trek” datus, kas staigā starp cilvēkiem? Vai mēs atcerējāmies pievienot RoboCop Otro premjerministra direktīvu viņu rakstītajiem modeļiem, lai viņi varētu "aizsargāt nevainīgos", nevis iznīcināt cilvēci, tiklīdz viņi iegūst pilnīgu jūtu?

Mūsdienās ir daudz neskaidrību par to, kas patiesībā ir mākslīgais intelekts (AI), mašīnmācība un padziļināta mācīšanās, ko var darīt "viedās mašīnas" un kāds patiesībā ir pašreizējais AI tehnoloģiju stāvoklis. Ir pienācis laiks izbaudīt kādu labu veco atkopšanu, tāpēc pārmetīsim 10 izplatītākos mītus par AI. (Lai uzzinātu vairāk par AI iespējamo nākotni, skatiet sadaļu Vai AI revolūcija radīs nepieciešamību pēc vispārējiem ienākumiem?)

1. AI sastāv no viediem robotiem vai androīdiem, kas izskatās kā cilvēki.

Pārāk daudz "Blade Runner" šeit visiem, hmm? Kaut arī robotikā un AI ir daudz vispārēju neskaidrību, tās ir divas pilnīgi atšķirīgas zinātnes jomas, kurām ir dažādi mērķi. Roboti ir fiziskas ierīces, ko darbina izpildmehānismi un sensori, lai veiktu plašu uzdevumu spektru, piemēram, būvētu, nēsātu vai demontētu izstrādājumus rūpnīcās.

AI ir programmatūra, kas ieprogrammēta tādā veidā, ka tā ir pietiekami autonoma, lai pieņemtu lēmumus un mācītos no savām kļūdām. Lai gan dažus robotus galu galā var uzlabot ar AI algoritmiem, "izlūkošanas" daļa ir tikai viena papildu spēja, kas AI var būt.

2. AI, mašīnmācība un dziļā izglītība ir viens un tas pats.

Lai arī tās visas ir vienas un tās pašas lielākas AI sistēmas daļas, tās ir trīs dažādas lietas. Būtībā mašīnmācīšanās ir metode, ar kuras palīdzību AI mācās no ārējiem avotiem, piemēram, izmantojot algoritmus, lai diskriminētu datus un noteiktu tā pareizo izturēšanos. Dziļā mācīšanās ir tikai viens no iespējamiem paņēmieniem, ko izmanto mašīnu apguves praktiskos pielietojumos. Tas ir balstīts uz neironu tīkliem (NN) un tiek izmantots, lai pastāstītu AI, kāda ir tā varbūtība pieņemt pareizo lēmumu.

3. AI mācās pilnīgi viena pati.

Neskatoties uz pārspīlēto hipotēzi par AI, kuru, domājams, varēja iemācīties viens pats, joprojām nav iespējams atrast ar AI darbināmu sistēmu, kurai būtu jebkura reālās pasaules lietojumprogramma, kura bez cilvēku palīdzības varētu izaugt no nulles zināšanām. AI nevar “saprast” nevienu sistēmu, kurai ir jāskar jebkāda veida slēpta informācija vai nenoteiktība, kurai joprojām ir jāsniedz informācija un dati. Arī katram informācijas veidam ir jābūt skaidram mērķim, kaut kam AI nevarētu uzminēt bez ārējiem avotiem (vismaz sākumā).

4. Tērzētavas ir visvienkāršākā AI forma.

Atkal, pat ja tur ir daži tērzēšanas tīkli, kas izmanto vairāk vai mazāk AI formas, lielākoties tie nav nekas cits kā pamata programmas, kas mijiedarbojas ar cilvēkiem, izmantojot balss saskarnes. Tā vietā, lai faktiski būtu "inteliģenti", lielākajai daļai tērzēšanas robotu ir iepriekš ieprogrammētas atbildes, kas tiek sniegtas, reaģējot uz noteiktiem atslēgvārdiem lietotāja ievadē. Lai tērzēšanas robots kļūtu par īstu AI, tam jābūt vairākām tehnoloģijām, kas ļauj tam saprast cilvēku, uzzināt par viņa vajadzībām un attiecīgi reaģēt. Tam nepieciešama balss vai atpazīšanas programmatūra, sentimenta analīze, kaut kāda veida mašīnmācīšanās programma un dabiska valodas ģenerēšanas tehnoloģija. (Lai uzzinātu vairāk par tērzēšanas robotiem, skatiet sadaļu Mēs jautājām IT speciālistiem, kā uzņēmumi nākotnē izmantos tērzēšanas robotus. Lūk, ko viņi teica.)

5. Jauda, ​​kas nepieciešama visu turpmāko padziļinātu mācību operāciju veikšanai, nav ilgtspējīga.

Nav nenoliedzami, ka AI ir nepieciešama daudz papildu skaitļošanas jauda, ​​lai apmācītu un veiktu visas sarežģītās dziļā apmācības operācijas. Nākotnē, kur vairums uzņēmumu zināmā mērā izmantos AI, šī problēma var pieaugt līdz episkām proporcijām, padarot tās izmantošanu potenciāli neilgtspējīgu. Tomēr AI mūs faktiski var nodrošināt vairāk enerģija, izspiežot daudzgadīgu enerģijas ražošanas problēmu: elektrotīklu atkritumi un neefektivitāte. Komunālie uzņēmumi galu galā pērk enerģijas pārpalikumu no privātiem lietotājiem, kuri arī patērē lielāko daļu no saražotās elektroenerģijas, jo pašreizējie tīkli netika būvēti, lai pielāgotos modernizācijas līmenim. AI var nonākt mūsu glābšanā, aizstājot vecos tīklus ar jaunākiem, viediem, ar AI darbinātiem mikrotīkliem, kas precīzi zina, kā ar visaugstāko efektivitāti sadala elektrību reālajā laikā.

Bez kļūdām, bez stresa - jūsu soli pa solim, kā izveidot programmatūru, kas maina dzīvi, neiznīcinot savu dzīvi

Jūs nevarat uzlabot savas programmēšanas prasmes, ja nevienam nerūp programmatūras kvalitāte.

6. Uzņēmumam ir viegli iznomāt skaitļošanas jaudu, kas nepieciešama AI operāciju nodrošināšanai.

... ja AWS, Google, Microsoft un Alibaba Cloud šobrīd nebūtu centralizējuši lielāko daļu pasaulē pieejamo skaitļošanas jaudu. Tātad AI izstrādātājiem šobrīd ir tikai divas izvēles: iznomāt to par īpaši augstām cenām vai iegādāties savu īpaši dārgo aparatūru.

Tomēr pastāv iespēja, ka tuvākajā nākotnē šo mītu atvienošanu var ... atcelt. Jauns uzņēmums ar nosaukumu Tatau izstrādāja uz blokķēdi balstītu superdatoru platformu, kas var atrisināt šo problēmu. Viņu risinājums ļauj apvienot un tālākpārdot GPU bāzes mašīnu globāli izplatītā tīkla apvienotos resursus. Iedomājieties kriptovalūtas kalnračus, spēlmaņus vai citus augstas veiktspējas datorus, kas savu skaitļošanas jaudu velta AI attīstībai. AI uzņēmumi var izmantot šo nepietiekami izmantoto GPU enerģijas avotu, lai apmācītu savus mašīnmācīšanās modeļus par daudz lētāku cenu. Ņemiet vērā, ka šī jaunā platforma var arī sniegt atbildi uz 5. punktā izcelto problēmu, jo tā veicina efektīvu pašreiz neizmantoto resursu izmantošanu.

7. Lai apmācītu AI, jums ir nepieciešams milzīgs datu apjoms.

Nav nepieciešams. Protams, jums ir nepieciešams daudz datu un skaitļošanas jaudas apmācība AI no nekā. Un, kaut arī mazākā mērā, jums ir nepieciešami terabaiti datu, lai apmācītu AI, lai veiktu sarežģītu uzdevumu, piemēram, vadīt automašīnu. Tomēr atkarībā no AI pielietojuma jomas iepriekš apmācīti neironu tīkli ir pietiekami elastīgi, lai tos varētu pārkvalificēt tikai dažās specifiskās jomās. Pamatdatu sistēma var nākt no lielākas, vispārīgākas datu kopas, un tikai pēdējā tīkla daļa ir jāaizstāj, lai “aizpildītu tukšās vietas”, kas raksturīgas attiecīgajam lietošanas gadījumam.

8. AI aizstās esošos BI rīkus, padarot novecojušas visas iepriekšējās tehnoloģijas.

Tas, mazliet sakot, ir mazliet izstiepts. Lielākā daļa mūsdienu biznesa informācijas (BI) risinājumu ir ļoti pielāgojami un bieži pielāgojami, lai jebkuru nākotnes modeli, kas balstās uz AI, varētu viegli integrēt tieši to platformās. Uzņēmumi vienmēr dod priekšroku tikai tiem risinājumiem, kuri nenodrošina nekādu risku darbplūsmas traucējumiem, un AI tehnoloģijas ir pielāgojušās šai vajadzībai. Tāpēc vairums AI platformu tiek ieviestas caur internetu, tāpēc nomaiņa nav nepieciešama vai sliktākajā gadījumā to var droši ieviest fāzēs.

9. Neironu tīkli ir kā bioloģiski tīkli, bet mehāniski.

Neviens neironu tīkls pat nevar cerēt sasniegt nelielu daļu no cilvēka smadzeņu sarežģītības. Neskatoties uz daudzu gadu klīniskajiem un zinātniskajiem pētījumiem, mēs joprojām pilnībā neizprotam bioloģiskos neironu tīklus, jo neironi veic tik daudz dažādu uzdevumu ar cilvēka ķermeni (domā par atšķirību starp maņu un motoro neironu) un pat pārsūta informāciju caur daudz dažādu ceļu (izmantojot elektrību, ķīmisko potenciālu un neirotransmiteri). Neironu tīkli var saprast tikai ļoti vienkāršas ievades tipiskā 1 vai 0 (“jā” vai “nē”) mašīna. Tas ir tāpat kā salīdzināt militārā gaisa kuģa sarežģītību ar pūķi tikai tāpēc, ka viņi abi var lidot.

10. AI galu galā kļūs pietiekami inteliģents, lai saprastu, ka cilvēki tam ir bīstami un ir jāiznīcina.

Mēs patiesībā nevaram atdzīvināt šo mītu, jo tas nav mīts. Tā ir realitāte. Piestipriniet sevi, jo pretestība ir veltīga!

Joks, vienkārši sakot, AI nav tuvu intelekta, kas nepieciešams, lai saprastu apkārtējo pasauli un pieņemtu autonomus, racionālus lēmumus. Katrs algoritms ir izstrādāts viena uzdevuma veikšanai un nespēj neko darīt ārpus tā, nemaz nerunājot par spēju patstāvīgi domāt. Datori izmanto savu izcilo skaitļošanas jaudu "brutālo spēku", lai atrastu relatīvi vienkāršu problēmu risinājumu, taču viņiem trūkst izpratnes, uztveres dziļuma un stratēģiskas sarežģītības, lai tiem būtu kāds mērķis, kas nav iecerēts.

Tāpēc atpūtieties viegli, jo AI ilgstoši un ilgi būs tikai nekas cits kā mūsu mākslīgie palīgi un kalpi.