İnsanlar artı makineler, her iki elementin de yeteneklerini aştı. metamorworks / Shutterstock.com
Gelecek, sadece insanlar veya makineler tarafından yaratılmayacak - ama her ikisi de birlikte çalışarak. İnsan beyinlerinin nasıl çalıştığını modelleyen teknolojiler zaten insanların yeteneklerini artırıyor ve toplum giderek artan yetenekli makinelere alıştıkça daha da etkili olacak.
Teknoloji iyimserleri yükselen bir dünya öngörülmüş insan verimliliği ve yaşam kalitesi Yapay zeka sistemleri hayatın zorbalığını ve idaresini ele geçirirken, herkese fayda sağlamak. Öte yandan kötümserler bu gelişmelerin olabileceği konusunda uyardılar. iş kaybına uğramış işlerde ve yaşamlarda bozulma. Ve korku verenler AI'nın sonunda olabileceğinden endişe ediyor insanı modası geçmiş kılmak.
Ancak, insanlar geleceği hayal etmede pek iyi değiller. Ne ütopya ne de kıyamet günü muhtemel değil. Yeni kitabımda “Derin Öğrenme Devrimi“Hedefim hızla büyüyen bu bilim ve teknoloji alanının geçmişini, bugününü ve geleceğini açıklamaktı. Benim sonucum, AI'nın seni daha akıllı yapacağı, fakat seni şaşırtacak şekillerde olduğu.
Örüntüleri tanımak
Derin öğrenme AI’nın en fazla ilerlemesini sağlayan kısmıdır. karmaşık problemleri çözme Resimlerdeki nesneleri tanımlamak, birden fazla konuşmacıdan gelen konuşmaları tanımak ve insanların konuşma veya yazma biçiminde metin işleme gibi. Derin öğrenmenin ayrıca, üretilmekte olan gittikçe artan büyük veri setlerindeki kalıpları tanımlamak için faydalı olduğu kanıtlanmıştır. sensörler, tıbbi cihazlar ve bilimsel aletler.
Bu yaklaşımın amacı bir bilgisayarın dünyanın karmaşıklığını temsil edebileceği yolları bulmak ve önceki deneyimlerden genellemektir - bir sonraki olay tam olarak daha önce olanlarla aynı olmasa bile. Tıpkı bir kişinin daha önce hiç görmediği belirli bir hayvanın aslında bir kedi olduğunu tanımlayabilmesi gibi, derin öğrenme algoritmaları yönleri tanımlayabilir “kedilik” olarak adlandırılabilecek şeyleri ekleyin ve bu özellikleri kedilerin yeni görüntülerinden çıkarın.
Derin öğrenme sistemleri bunlardan hangisinin bir kedi olduğunu söyleyebilir. Gelpi / Shutterstock.com
Derin öğrenme yöntemleri insan beynine güç veren aynı prensipler. Örneğin, beyin aynı anda birçok işlem biriminde birçok farklı türde veriyi işler. Nöronların birbirleriyle pek çok bağlantısı var. ve bu bağlantılar ne kadar kullanıldıklarına bağlı olarak güçlenir veya zayıflar.duyusal girdiler ile kavramsal çıktılar arasında ilişki kurmak.
The en başarılı derin öğrenme ağı 1960’lerin görsel korteksin mimarisini araştırmak, beynimizin bir bölümünü görmekte kullandığımız ve 1980’lerde bulunan algoritmaları öğrenmek üzerine kuruludur. O zamanlar bilgisayarlar gerçek dünyadaki sorunları çözecek kadar hızlı değildi. Şimdi, yine de onlar.
Ek olarak, öğrenme ağları birbirlerinin üzerine yerleştirilmiş ve daha yakından bağlantı ağları oluşturulmuştur. görsel kortekste bulunan katman hiyerarşisine benzeyen. Bu bir parçası yakınsama arasında gerçekleşen yapay ve biyolojik zeka.
Dört katmanlı bir sinir ağı, soldan girişi kabul eder, ilk katmanın çıktısını sonraki katmaya, sonrakine ve sonrakine iletir - çıktı vermeden önce. Sin314 / Shutterstock.com
Gerçek hayatta derin öğrenme
Derin öğrenme zaten insan yeteneklerine katkıda bulunuyor. Web'de arama yapmak için Google hizmetlerini kullanıyorsanız veya uygulamalarını bir dilden diğerine çevirmek veya konuşmayı metne dönüştürmek için kullanıyorsanız, teknoloji sizi daha akıllı veya daha etkili hale getirmiştir. Son zamanlarda Çin'e gittiğinde bir arkadaşını Android telefonuyla İngilizce konuştu, bu da bir taksi şoförü için Çince konuştu. “Star Trek” üzerindeki evrensel çevirmen".
Gerçek bir gerçek zamanlı çeviri cihazının testi.
{youtube}Nu-nlQqFCKg{/youtube}
Bu ve diğer pek çok sistem zaten çalışıyor, farkında olmasanız bile günlük hayatınızda size yardımcı oluyor. Örneğin, derin öğrenme devralmaya başlıyor X-ışını görüntülerinin ve cilt lezyonlarının fotoğraflarının okunması kanser tespiti için. Yerel doktorunuz çok yakında bugün sadece en iyi uzmanlara açık olan sorunları tespit edebilecektir.
Bir makine olduğunu bilseniz bile, gerçekte ne yaptıklarının karmaşıklığını anlayamayabilirsiniz: Amazon'un arkasında bir Alexa var isteğinizi tanıyan derin öğrenme ağları, sorularınızı yanıtlamak ve adınıza harekete geçmek için verileri inceleyin.
İlerleyen öğrenme
Derin öğrenme örüntü tanıma problemlerini çözmede oldukça etkili olmuştur, ancak bunun ötesine geçmek diğer beyin sistemlerini gerektirir. Bir hayvan bir eylem için ödüllendirildiğinde, gelecekte benzer eylemlerde bulunma olasılığı daha yüksektir. Beynin bazal ganglionundaki Dopamin nöronları beklenen ve alınan ödüllerin arasındaki farkı bildirir, denilen ödül tahmin hatasıbeyinde, gelecekteki ödülleri öngören bağlantıların gücünü değiştirmek için kullanılır.
Güçlendirme öğrenmesi adı verilen bu yaklaşımı derinlemesine öğrenme, bilgisayarlara beklenmeyen olasılıkları belirleme gücü verebilir. Bir kalıbı tanıyarak ve ona ödül verecek şekilde yanıt vererek, makineler insan yaratıcılığı denilen şeyin çizgileri boyunca davranışlara yaklaşabilir. Bu birleştiğinde yaklaşım, DeepMind’in AlphaGo adlı programhangi 2016 mağlup büyük usta Lee Sedol ve ertesi yıl dünyayı yenmek Şampiyon şampiyonu Ke Jie.
Oyunlar değişen belirsizliklerle dolu olan gerçek dünya kadar dağınık değildir. Massimo Vergassola California, San Diego ve yakın zamanda bir planör öğretmek için donatı öğrenme kullandım çalkantılı termallerde kuş gibi uçmak. Sensörler, aynı ipuçlarını kullanıp kullanmadıklarını ve aynı şekilde tepki gösterip göstermediklerini test etmek için gerçek kuşlara bağlanabilir.
Bu başarılara rağmen, araştırmacılar henüz derinlemesine öğrenmenin bu sorunları nasıl çözdüğünü tam olarak anlamadılar. Elbette, beynin onları nasıl çözdüğünü de bilmiyoruz.
Beynin içsel çalışmaları belirsiz kalsa da, araştırmacıların derin bir öğrenme teorisi geliştirmeleri sadece zaman meselesidir. Aradaki fark, bilgisayarları okurken araştırmacıların ağdaki her bağlantıya ve etkinlik biçimine erişebilmeleridir. Her gün yapılan araştırma makaleleri ile ilerlemenin hızı arXiv. Şaşırtıcı gelişmeler, bu Aralık’ta Sinirsel Bilgi İşlem Sistemleri konferansı Montreal’de 8,000 bilet satıldı 11 dakika içinde, bekleme listesinde 9,000 umutlu kayıt ettirenleri bırakarak.
Bilgisayarlar genel insan zekasını elde etmeden önce gidecek çok yol var. Günümüzdeki en büyük derin öğrenme ağı yalnızca bir insan sinir korteksinin gücüne sahiptir pirinç tanesinin büyüklüğü. Ve beynin daha büyük beyin alanları arasındaki etkileşimi nasıl dinamik olarak düzenlediğini henüz bilmiyoruz.
Doğa, zaten derinlemesine sorular düşünürken ve karmaşık görevleri tamamlarken insan vücudunun tüm yönlerini çalıştırabilen büyük ölçekli beyin sistemleri yaratan, zaten bu düzeyde bir entegrasyona sahiptir. Sonuçta, özerk sistemler karmaşık hale gelebilir ve gezegenimizdeki sayısız canlıya katılabilir.
Yazar hakkında
Francis Crick Profesörü ve Salk Biyolojik Etütler Enstitüsü Hesaplamalı Nörobiyoloji Laboratuvarı Direktörü Terrence Sejnowski ve Seçkin Nörobiyoloji Profesörü, California San Diego Üniversitesi
Bu makale şu adresten yeniden yayınlandı: Konuşma Creative Commons lisansı altında. Okumak Orijinal makale.
İlgili Kitaplar
at InnerSelf Pazarı ve Amazon
