Termins "mākslīgais intelekts" bieži attiecas uz neironu tīkliem, kas izveidoti uz dziļu mašīnu apguves tehnoloģijām. Turklāt neironu tīklu apmācības tehnoloģija ir labi attīstīta un nes augļus. Tomēr ne visiem zinātniekiem ir viedoklis, ka mākslīgais intelekts jāattīsta pa šo ceļu. Kāds pat uzskata, ka šādām sistēmām “nevajadzētu uzticēties” un to attīstība neko labu nedos.
Mākslīgais intelekts mūsdienu izpratnē - tas nepavisam nav tas, par ko daudzi domā.
Kāpēc mašīnmācība nelabvēlīgi ietekmē cilvēka attīstību
Liela mēroga darbā, kas publicēts Technologyreview lappusēs, Ņujorkas universitātes profesors, kognitīvās zinātnes (izziņas zinātnes) speciālists Gerijs Marcuss runāja par neironu tīklu plašas izmantošanas riskiem, kuru pamatā ir dziļa mašīnmācība.
Pirmkārt, zinātnieks uzskata, ka tehnoloģijai ir skaidri ierobežojumi. Jo īpaši jau ilgu laiku tiek runāts par to, ka ir jāizveido tā sauktais "reālais AI", kas ir piemērots plaša spektra problēmu risināšanai, nevis tikai vienai konkrētai, kā tas notiek tagad. Esošās AI sistēmas jau ir sasniegušas to attīstības virsotni, un tām praktiski "nav kur augt". Turklāt jūs nevarat vienkārši ņemt un, teiksim, vispirms iemācīt vienam AI vadīt automašīnu, un piespiest citu to labot un pēc tam apvienot sistēmas, izveidojot universālu palīgu. Mākslīgais intelekts vienkārši nevarēs mijiedarboties, jo viņi "mācījās dažādos veidos".
Kā padarīt AI gudrāku
Reklāmas video:
Lai algoritmi kļūtu efektīvāki, tie ir "jāapmāca savādāk". Nepieciešams likt viņiem sākt redzēt objektu attiecības un mijiedarbības ar tiem sekas. Šajā gadījumā mēs kalposim kā labākais piemērs.
Profesors Gerijs Markuss.
Turklāt tas, ko piedāvā Marcus, nepavisam nav jaunums. Iepriekš aprakstītais piemērs ir tas, kā zinātnieki iedomājās "klasisko AI". Bet, lai šāda AI darbotos efektīvi, mums visi iespējamie rezultāti jāprogrammē iepriekš. Un tas ir gandrīz nereāli. Bet ir izeja.
Risinājums var būt sava veida "klasiskā AI" simbioze, kas redz attiecības un saprotamā veidā iegūst risinājumus, kā arī dziļa mācīšanās, kas spēj rast risinājumu ar "izmēģinājumu un kļūdu" palīdzību. Tā var būt sava veida noteikumu un noteikumu pamata sistēma, kas attiecas uz apkārtējo pasauli. Pamatojoties uz tiem, AI sistēmas jau varēs attīstīties noteiktā jomā. Īstam mākslīgajam intelektam ir jāsaprot, kā viss darbojas, lai izprastu cēloņu un seku attiecības un viegli pārslēgtos no viena uzdevuma uz otru. Mūsdienu sistēmas, kas izveidotas, izmantojot dziļu mācību tehnoloģiju, to vienkārši nespēj.
Vladimirs Kuzņecovs