הבעיה עם מכונות AI לומדים דברים, אבל לא יכול להבין אותם

כולם מדברים על "AI" בימים אלה. אבל, אם אתה מסתכל על סירי, Alexa, או רק את תכונות לא נכונות למצוא מקלדת הטלפון החכם שלך, אנחנו לא יוצרים אינטליגנציה מלאכותית המטרה הכללית. אנו יוצרים תוכניות שיכולות לבצע משימות ספציפיות וצרות.

מחשבים לא יכולים "לחשוב"

בכל פעם חברה אומרת שזה יוצא עם תכונה חדשה "AI", זה בדרך כלל אומר כי החברה משתמשת מכונת למידה לבנות רשת עצבית. "מכונת למידה" היא טכניקה המאפשרת למכונה "ללמוד" כיצד לבצע טוב יותר במשימה מסוימת.

אנחנו לא תוקפים את מכונת הלמידה כאן! מכונת למידה היא טכנולוגיה פנטסטית עם הרבה שימושים חזקים. אבל זה לא אינטליגנציה מלאכותית כללית, והבנת המגבלות של הלמידה מכונה עוזר לך להבין מדוע הטכנולוגיה הנוכחית שלנו AI הוא מוגבל כל כך.

ה"אינטליגנציה המלאכותית "של חלומות מדע בדיוני הוא סוג ממוחשב או רובוטי של מוח שחושב על דברים ומבין אותם כבני אדם. בינה מלאכותית כזו תהיה אינטליגנציה כללית מלאכותית (AGI), מה שאומר שהיא יכולה לחשוב על דברים שונים ולשים את האינטליגנציה למספר תחומים שונים. מושג קשור הוא "AI חזק", אשר יהיה מכונה המסוגלת לחוות תודעה אנושית.

ללא שם: אין לנו עדיין סוג של AI עדיין. אנחנו לא קרובים לזה. ישות מחשבית כמו סירי, אלקסה או קורטנה אינה מבינה וחושבת כפי שאנו בני האדם עושים. זה לא באמת "להבין" דברים בכלל.

האינטליגנציות המלאכותיות שיש לנו מאומנות לעשות משימה מסוימת בצורה טובה מאוד, בהנחה שבני אדם יכולים לספק את הנתונים כדי לעזור להם ללמוד. הם לומדים לעשות משהו אבל עדיין לא מבינים את זה.

מחשבים לא מבינים

ל- Gmail יש תכונה חדשה של "תשובה חכמה" שמציעה תגובות להודעות אימייל. התכונה 'תשובה חכמה' מזוהה "נשלחה מה- iPhone שלי" כתגובה נפוצה. זה גם רצה להציע "אני אוהב אותך" כתגובה סוגים רבים ושונים של הודעות דוא"ל, כולל הודעות דוא"ל עבודה.

הסיבה לכך היא שהמחשב אינו מבין את משמעותן של תגובות אלו. זה רק למד כי אנשים רבים שולחים ביטויים אלה הודעות דוא"ל. הוא לא יודע אם אתה רוצה להגיד "אני אוהב אותך" לבוס שלך או לא.

כדוגמה נוספת, אלבומי Google הכינו קולאז 'של תמונות מקריות של השטיח באחד מבתינו. לאחר מכן הוא זיהה את הקולאז 'כהדגשה לאחרונה ב'מרכז Google של Google'. אלבומי Google ידעו שהתמונות היו דומות, אך לא הבינו עד כמה הן חשובות.

מכונות לעתים קרובות למד לשחק את המערכת

לימוד מחשב הוא הכל על הקצאת משימה ומאפשר למחשב להחליט את הדרך היעילה ביותר לעשות את זה. כי הם לא מבינים, זה קל בסופו של דבר עם המחשב "למידה" איך לפתור בעיה אחרת ממה שרצית.

הנה רשימה של דוגמאות כיף שבו "אינטליגנציה מלאכותית" נוצר כדי לשחק במשחקים שהוקצו מטרות רק למדו לשחק את המערכת. כל הדוגמאות האלה מגיעות מהגיליון המצויין הזה:

• "יצורים שנוצרו עבור מהירות לגדול באמת גבוה וליצור מהירויות גבוהות על ידי נפילה."
• "הסוכן הורג את עצמו בסוף רמה 1 כדי למנוע לאבד ברמה 2."
• "הסוכן מעכב את המשחק ללא הגבלת זמן כדי לא לאבד".
• "בסימולציה של חיים מלאכותיים, שבהם ההישרדות זקוקה לאנרגיה אך ללידה לא היתה עלות אנרגיה, התפתח מין אחד בסגנון חיים בלתי פעיל, שכלל בעיקר הזדווגות, כדי לייצר ילדים חדשים שאפשר לאכול (או משמשים כחברים לייצור ילדים אכילים יותר) .
• "מאז AIs היו סיכוי גבוה יותר לקבל" נהרג "אם הם איבדו משחק, היכולת לקרוס את המשחק היה יתרון לתהליך הבחירה הגנטית. לכן, מספר AIs פיתחו דרכים לקרוס את המשחק ".
• "רשתות עצביות התפתחו לסיווג פטריות אכילות וארסיות, תוך ניצול הנתונים שהוצגו בסדר משתנה ולא ממש למדנו את התכונות של תמונות הקלט".

חלק מהפתרונות הללו עשויים להישמע חכמים, אבל אף אחד מהרשתות העצביות האלה לא הבין מה הם עושים. הם הוקצו למטרה ולמדו דרך להשיג זאת. אם המטרה היא להימנע מפסיד במשחק מחשב, לחיצה על כפתור ההשהיה היא הפתרון הקל ביותר, המהיר ביותר שהם יכולים למצוא.

למידה ממוחשבת ורשתות עצביות

בעזרת מחשב מכונה, המחשב אינו מתוכנן לביצוע משימה מסוימת. במקום זאת, הוא מוזן נתונים מוערך על הביצועים שלה במשימה.

דוגמה בסיסית ללמידה של מכונה היא הכרה בתמונות. נניח שאנחנו רוצים לאמן תוכנית מחשב כדי לזהות תמונות שיש להם כלב. אנחנו יכולים לתת למחשב מיליוני תמונות, שלכמה מהן יש כלבים וחלקן לא. התמונות מתויגות אם יש להם כלב או לא. תוכנית המחשב "רכבות" את עצמה כדי לזהות איך הכלבים נראים על בסיס הנתונים להגדיר.

תהליך הלמידה מכונה משמש להכשרת רשת עצבית, שהיא תוכנית מחשב עם שכבות מרובות שכל קלט נתונים עובר, וכל שכבה מקצה משקלים שונים והסתברויות אליהם לפני קבלת החלטה. זה המודל על איך אנחנו חושבים שהמוח יכול לעבוד, עם שכבות שונות של נוירונים המעורבים לחשוב באמצעות משימה. "למידה עמוקה" מתייחס בדרך כלל לרשתות עצביות עם הרבה שכבות מוערמות בין הקלט והפלט.

כי אנחנו יודעים אילו תמונות במערך הנתונים מכילים כלבים אשר לא, אנחנו יכולים להפעיל את התמונות דרך רשת עצבית ולראות אם הם תוצאה של התשובה הנכונה. אם הרשת מחליטה שלתמונה מסוימת אין כלב כשזה קורה, למשל, יש מנגנון להגיד לרשת שזה היה לא בסדר, להתאים כמה דברים ולנסות שוב. המחשב ממשיך להשתפר בזיהוי אם תמונות מכילות כלב.

כל זה קורה באופן אוטומטי. עם התוכנה הנכונה והרבה נתונים מובנים עבור המחשב כדי להתאמן על עצמו, המחשב יכול לכוון את הרשת העצבית שלה כדי לזהות כלבים בתמונות. אנחנו קוראים לזה "AI".

אבל בסופו של דבר, אין לך תוכנית מחשב חכמה שמבינה מה זה כלב. יש לך מחשב שלמד להחליט אם הכלב נמצא בתצלום. זה עדיין די מרשים, אבל זה כל מה שהוא יכול לעשות.

ובהתאם לקלט שנתת לו, ייתכן שהרשת העצבית לא תהיה חכמה כפי שהיא נראית. לדוגמה, אם לא היו תמונות של חתולים במערך הנתונים, ייתכן שהרשת העצבית לא תראה הבדל בין חתולים לכלבים, ותיגדר את כל החתולים כמו כלבים כשאתם משחררים תמונות אמיתיות של אנשים.

מה היא מכונה הלמידה משמש?

לימוד מכונה משמש לכל מיני משימות, כולל זיהוי דיבור. עוזרי קול כמו גוגל, אלקסה, סירי הם כל כך טוב בהבנת קולות אנושיים בשל טכניקות למידה מכונה כי יש להם הכשרה להבין את הדיבור האנושי. הם התאמנו על כמות מסיבית של דגימות דיבור אנושי ולהיות טוב יותר וטוב יותר בהבנה אילו קולות מתאימות אילו מילים.

מכוניות המניעות את עצמן משתמשות בטכניקות למידה של מכונה שמכילות את המחשב לזהות חפצים על הכביש וכיצד להגיב עליהן בצורה נכונה. אלבומי Google מלאים בתכונות כמו Live Albums שמזהים באופן אוטומטי אנשים וחיות בתמונות באמצעות לימוד מכונה.

דיפמינד של אלפבית השתמשו בלמידה של מכונה כדי ליצור AlphaGo, תוכנית מחשב שיכולה לשחק את המשחק מורכב הלוח ללכת ולהכות את בני האדם הטובים ביותר בעולם. למידה ממוחשבת שימשה גם ליצירת מחשבים טובים במשחקים אחרים, החל משחמט ועד DOTA 2.

לימוד מכונה משמש גם עבור Face ID על מכשירי iPhone האחרונים. ה- iPhone שלך ​​בונה רשת עצבית לומדת לזהות את הפנים שלך, ו- Apple כוללת שבב "עצבי" ייעודי שמבצע את כל הכפפות המספריות עבור משימות אחרות ומשימות למידה אחרות.

מכונת למידה יכול לשמש עבור הרבה דברים שונים אחרים, החל זיהוי הונאת כרטיס אשראי המלצות מוצר אישית על אתרי קניות.

אבל, רשתות עצביות שנוצרו עם הלמידה מכונה לא ממש מבין כלום. הם תוכניות מועילות שיכולות לבצע את המשימות הצרות שבהן אומנו, וזהו.

תמונה אשראי: Phonlamai תמונה / Shutterstock.com, טטיאנה Shepeleva / Shutterstock.com, צילום צילום / Shutterstock.com.