A mesterséges intelligencia megtanult egy másik mesterséges intelligenciát létrehozni, és az emberek hamarosan feleslegessé válnak. Az automatizált gépek helyettesíthetik az embereket a saját „ fajtuk ” létrehozásának folyamatában .
A mesterséges intelligencia fejlődésének folyamata sokakat aggodalomra ad saját sorsa és az emberiség sorsa miatt is, hogy az emberi munkákat a jövőben automata gépek „ váltják fel ”. A kulcskutatók mára felismerik, hogy képesek olyan szoftvereket készíteni, amelyek képesek megtanulni az emberi munka legnehezebb részeit is – ez a gépi tanulási szoftverek tervezésének feladata, az automatizált elemzés automatizálja az analitikus modellépítést.
A technológiai áttöréssel együtt, ami rossz hír a fentebb aggódók számára, vezető tudósok befektetnek olyan módszerek kutatásába, amelyek lehetővé teszik a szoftverek számára, hogy saját gépi szoftvereket hozzanak létre. Úton állnak egy olyan szoftver megtalálása felé, amely forradalmasítja az AI-gyártóipart.
Egy kísérlet során a Google Brain mesterséges intelligencia kutatócsoport tudósai gépi tanulási rendszertervező szoftvert használtak azzal a céllal, hogy teszteljék egy másik nyelvi feldolgozó rendszer benchmarking képességeit. A kapott eredmények azt mutatják, hogy az új szoftver felülmúlja az emberek által tervezett régi szoftvereket.
Az elmúlt hónapokban számos más kutatócsoport is tájékoztatást adott a „ más szoftverek létrehozására alkalmas szoftverek létrehozása ” terén elért előrehaladásukról. A fenti csoportok tagjai az OpenAI nonprofit kutatószervezet ( társalapítója: Elon Musk ), a Massachusetts Institute of Technology (MIT ), a Kaliforniai Egyetem (Berkeley) és a Google DeepMind kutatócsoportja.
Ha a mesterséges intelligencia építésének ez a módszere széles körben alkalmazható, az gazdaságosan felgyorsíthatja a gépi tanulási szoftverek létrehozásának folyamatát. Jelenleg a gépi tanulási szakértők bérbeadása nem olcsó. Ha az automata gépek még a saját „ fajtájuk ” gyártásában is helyettesíthetik az embert, akkor talán az ember is elvégezheti ezt a feladatot. A mesterséges intelligencia gyártási ciklusának redundáns tényezője lesz. Mivel jelenleg a cégeknek biztosítást kell fizetniük a gépi tanulási szakértők után, a pozícióból hiányoznak az alkalmazottak.
Jeff Dean, a Google Brain kutatócsoportjának vezetője a múlt hétvégi nyilatkozatában kijelentette: "A termelés egyes szakaszaiban a dolgozók hatékonyabban helyettesíthetők szoftverrel ." Jeff Dean azt is elmondta, hogy az „ automatizált gépi tanulás ” technológia az egyik legígéretesebb kutatási projekt, amelybe csapata jelenleg befektet.
" Jelenleg a problémák megoldásának módja magában foglalja a szakértői véleményt, az információkat és a számításokat. Teljesen kizárhatjuk a szakértői véleményeket a gépi tanulásból? " - mondta Dean a kaliforniai Santa Clarában, a Frontiers AI-konferencián.
A Google DeepMind csapata által végzett kísérletek sorozata azt sugallja, hogy: " A "tanulás tanulás" módszere, amelyet a kutatók alkalmaznak, csökkenteni fogja azt a hatalmas adatmennyiséget, amelyre a gépi tanulási szoftver tanulásának a leghatékonyabb működéséhez szükség van .
A kutatók megkérdőjelezték szoftvereiket, és arra kérték őket, hogy hozzanak létre egy tanulási rendszert az összes különböző probléma megragadására, de egy fő célhoz kapcsolódva, ami viszont egy rendszertervezést igényelt. Úgy látják, hogy képesek újrateremteni és új feladatokat választani anélkül, hogy a szokásos felkészülési lépéseken kellene keresztülmenniük, mint ma.
A „tanulni tanulni” szoftver létrehozásának ötlete nem új keletű, de a korábbi kísérletek gyakran nem hozták meg a kívánt eredményt: „ Nem feleltek meg az emberi terveknek ”. Ezt azonban még mindig a mesterséges intelligencia fejlesztésének potenciális aspektusának tekintik. Yoshua Bengio professzor, a Montreali Egyetemről megjegyezte: „ Nagyon érdekes ” ezt az elképzelést a jövőben kutatni. 1990.
Yoshua Bengio professzor a következőket mondta: " A ma elérhető számítógépes rendszerek egyre erősebbek, és a mély tanulásnak nevezett technológiával – amely a közelmúltban a mesterséges intelligencia mesterséges intelligencia iránti érdeklődést váltja ki – mi teszi lehetővé a kutatást. A „tanulni tanulni" rendszer kutatási megközelítései potenciálisan erősen megjelennek . Emellett a professzor hozzátette: " Egy ilyen rendszerhez rendkívül nagy számítási teljesítményre lenne szükség ahhoz, hogy helyettesíteni tudja a humán szakértőket ezen a területen ."
A Google Brain kutatói egy nagy teljesítményű rendszert is leírnak, amely 800 grafikus processzort használ a szoftver működtetésére, ezáltal olyan képfelismerő rendszert hoz létre, amely vetekszik ( sőt, felülmúlja ) az emberek által létrehozott terveket.
Dr. Otkrist Gupta, az MIT Media Lab kutatója úgy véli, hogy az AI-gyártás hamarosan megváltozik. Kollégáival az MIT-nél egy nyílt forráskódú szoftvert terveztek, amelyben a tanulószoftver egy mély tanulási rendszert tervez, amely ugyanolyan erősen és pontosan képes felismerni a képeket, mint egy ember által létrehozott rendszer.
Dr. Gupta az inspirálta a projektet, hogy sok időt töltött gépi tanulási modellek tervezésével és tesztelésével. Úgy véli, hogy a vállalatoknak és a kutatásnak is megvan a motivációja a gépi tanulást automatizáló számítógépek tervezésére.
" A tudósokra nehezedő terhek csökkentése hatékony megoldás lenne. Ez termelékenyebbé tehet bennünket, hatékonyabb rendszermodelleket hozhat létre, és szabadidőt adna új felfedezések felfedezésére. Még magasabb szintű ötleteket " - mondta Dr. Gupta.
Tekintse meg még néhány cikket:
Szórakozni!