Kto som? Na čo som sa narodil? Revolúcia AI očami technologického experta Kaifu-Lee, časť 2, vám pomôže naďalej objavovať odpovede na tieto dve večné ľudské otázky. Ako sa AI po zlyhaní prvých dvoch vĺn doteraz vyvíjala a rozbiehala? Má dnes AI dostatok sily na to, aby ovládla svet, ako sa predpokladá?
Zhrnutie časti 1: mechanizmy prvých dvoch vĺn umelej inteligencie vo svete: systémy založené na pravidlách myslenia (prvá vlna), štatistické modely a strojové učenie (druhá vlna)
ČASŤ 2: Tretia vlna Al a prehodnotenie skutočných schopností Al dnes.
Tretia vlna AI – hardvérová explózia
Počas prvej vlny som mal (autor Kai-fu Lee) to šťastie, že som poznal počítačového vedca a psychológa Rogera Schanka. V skutočnosti bol jeden z jeho študentov mojím vedúcim počas magisterských rokov. Vyššie uvedené experimenty ma priviedli k presvedčeniu, že expertné systémy nie sú škálovateľné a že náš mozog nemusí fungovať tak, ako sme si mysleli. Uvedomil som si, že na zjednodušenie nášho rozhodovacieho procesu sme ako jazyk, ktorému ľudia rozumejú, ale náš mozog je komplexný, oveľa komplikovanejší, použili výraz „ak, potom, inak“.
Počas druhej vlny, počas diplomovej práce a doktorandského štúdia, som si prečítal prácu Judey Pearl o Bayesovských sieťach. Veľmi ma ovplyvnili poprední vedci z IBM, vrátane Dr. Freda Jelineka, Petra Browna a Boba Mercera. Urobili stopu v premene štatistických metód na hlavný prúd nielen v reči, ale aj v strojovom preklade (v 80. a 90. rokoch 20. storočia). Patrí im veľká vďaka. Stále sme uviazli, ale nie je to preto, že by technológia bola nesprávna. Pravdou je, že štatistické metódy sú úplne presné.
Koncom 80. rokov, keď som pracoval na skrytých Markovových modeloch v Carnegie Mellon, Geoff Hinton pracoval na neurónových sieťach, ktoré nazval „časovo oneskorené neurónové siete“. Predpokladá sa, že ide o prvú verziu komplexných neurónových sietí, ktoré sú dnes všeobecne známe ako hlboké učenie, dnes dominantná technológia.
Prečo sa však vlna neurónového a štatistického strojového učenia nerozbehla? Spätne táto vlna nemala nič spoločné s technológiou, väčšina technológie už bola vynájdená. Problém je len v tom, že nemáme dostatok tréningových dát. Náš mozog funguje úplne iným spôsobom ako stroje na hlboké učenie. Aby sme spustili stroje na hlboké učenie, musíme im poskytnúť viac tréningových údajov na každej úrovni ako ľuďom. Ľudia môžu vidieť stovky tvárí predtým, ako začnú rozpoznávať ľudí, ale neurónové siete s hlbokým učením chcú vidieť miliardy tvárí, aby sa naučili rozpoznávať.
Samozrejme, keď sa stanú zdatnými, budú lepší ako ľudia. To bolo predpovedané. Ale v tom čase sme jednoducho nemali dostatok tréningových dát, ani dostatok výpočtového výkonu, aby sme tieto objavené technológie posunuli na vrchol. Google si začína uvedomovať, že na vyhľadávanie potrebujete veľa paralelných počítačov. Potom Jeff Dean (počítačový vedec, ktorý vedie divíziu AI spoločnosti Google) a ďalší ľudia v spoločnosti Google videli, že keď budete mať tieto paralelné stroje, môžete robiť oveľa viac ako len hľadať. Môžete na nich postaviť AI. Na vybudovanie AI potrebujete špeciálne čipy, ktoré sa špecializujú na to, aby to robili dobre. Potom prišli GPU od Nvidie a Google postavil svoje vlastné TPU. To je vzrušujúci pokrok. Náhodou sa stalo, že Google zachytil vyhľadávanie a hľadal potrebné servery a dostali Jeffa Deana. To viedlo k masívne paralelným vzdelávacím architektúram založeným na GPU alebo TPU, ktoré sa môžu učiť z množstva údajov z jednej oblasti (GPU sú procesory zložené z tisícok menších jadier s vyšším výkonom, ktoré dokážu spracovávať mnoho úloh súčasne v porovnaní s konvenčné CPU s iba niekoľkými jadrami optimalizovanými na nepretržité sekvenčné spracovanie).
(Foto: Anand Tech)
Nové technológie sa vyvinuli na základe masívne paralelných architektúr strojového učenia uvedených vyššie a tieto architektúry bežia na nových GPU a akcelerátoroch. Čoraz viac ľudí dokáže trénovať zariadenia na rozpoznávanie tvárí, rozpoznávanie hlasov, rozpoznávanie obrázkov a používanie AI na vyhľadávanie a predpovede. Internetových údajov je k dispozícii čoraz viac. Amazon použil tieto údaje na predpovedanie toho, čo chcú zákazníci kúpiť. Google používa údaje na predpovedanie, na ktoré reklamy pravdepodobne kliknete a za ktoré pravdepodobne zaplatíte. Používa ho aj Microsoft. V Číne máme Tencent a Alibaba. Mnoho aplikácií sa zrodilo na základe obrovského množstva internetových dát.
V rovnakom čase, ako technológia napredovala, boli Geoff Hinton, Yann LeCun a Yoshua Bengio traja ľudia, ktorí pokračovali v práci na neurónových sieťach, hoci začiatkom roku 2000 už neboli mainstreamom. V 80. rokoch bola táto práca nová, a prevratné štatistiky ukázali, že tieto siete nie sú škálovateľné. Financujúce agentúry ich teda opustili, konferencie prestali akceptovať výskum o nich, ale títo traja výskumníci v tom pokračovali s malým množstvom financií na zdokonalenie a vývoj lepších algoritmov. A potom sa objavili ďalšie údaje. Prelom nastal s vytvorením nových algoritmov, kedysi nazývaných „komplexné neurónové siete“ a dnes známych ako „hlboké učenie“.
Súbor technológií odvodených od troch vyššie uvedených profesorov sa začal množiť v priemysle AI. Systémy rozpoznávania hlasu navrhnuté poprednými spoločnosťami vyhrávajú nad ľudskými schopnosťami a to isté sa deje so spoločnosťami na rozpoznávanie tváre a obrazu. Existujú dôkazy o elektronickom obchode, identifikácii používateľa/hovorcu, ktorá sa používa na internetové údaje, vyššie predpovede pre Amazon, čo im dáva viac peňazí; lepšie predpovede pre Facebook v tom, ako sa hodnotia informačné kanály; Lepšie výsledky vyhľadávania od Google. Koncom roku 2000 sa hlboké neurónové siete začali v Google stávať populárnymi a za posledných 7 alebo 8 rokov explodovali takmer všade. Zrodilo sa viac štruktúr, vyvinuli sa inteligentnejšie systémy. Samozrejme, že udalosť, ktorá zapálila svet, bola, že AlphaGo porazil Go majstra Leeho z Kórey a majstra Ke z Číny stále rastúcimi maržami. A nedávno nová štúdia naznačuje, že AlphaGo možno trénovať od nuly bez ľudského vedomia.
Všetky tieto objavy dali svetu vedieť, že AI je v súčasnosti realitou. Mali sme niečo v druhej vlne, neurónové siete a štatistické metódy boli správne, len sme nemali dostatok údajov, dostatok výpočtového výkonu a nedostatočný pokrok. vtedajší technologický zásobník, aby sa to podarilo. Ale teraz sme to urobili.
Dokáže AI ovládnuť ľudstvo?
AI sa rozbieha všade. Vzniklo mnoho nových myšlienkových prúdov. Existuje skupina ľudí, ktorí začínajú reflektovať našu pôvodnú otázku: kto sme a prečo existujeme? Títo ľudia usúdili, že keďže sa AI dokázala za posledné dva alebo tri roky tak rýchlo zlepšiť, ak to využijeme v iných oblastiach, budeme mať superinteligentné stroje, ktoré sa dajú vložiť do našich hláv a stanú sa ľudskými augmentáciami, alebo budú zlí a budú vládnuť ľudstvu.
Chcem len zakázať takéto myslenie. Len to nie je presné. Bez ohľadu na to, aká pokročilá je dnes AI alebo ako sa javí, keďže AI robí mimoriadne veci, ako je porážanie ľudí v šachových hrách, rozpoznávanie hlasu, rozpoznávanie tváre, samoriadiace vozidlá, priemyselné roboty, AI bude stále obmedzená nasledujúcimi spôsobmi: AI (ktorú nazývame slabá AI) je zariadenie, ktoré optimalizuje na základe množstva údajov o poli, ktoré sa učí robiť niečo mimoriadne dobre. Je to vertikálny jednoúlohový robot, ktorý však dokáže len jednu vec. Nemôžete ho naučiť veľa vecí. Nemôžete to naučiť veľa oblastí. Nemôžete ho naučiť mať zdravý rozum (zdravý rozum, bežné vedomosti, skúsenosti, správanie, o ktorom väčšina z nás súhlasí, že je správne alebo nesprávne). Nemôžete tomu dať emócie. Nemá žiadne sebauvedomenie, takže nemá žiadne túžby, dokonca ani pochopenie toho, ako milovať alebo ovládať ľudskú bytosť.
Všetky tie negatívne reči sú hlúpe. To je príliš veľká predstavivosť. Vidíme, ako AI vstupuje do nových aplikácií v rýchlo rastúcich oblastiach, ale je to rýchly rast aplikácií, ktoré sú vo vyspelých technológiách, ktoré máme. Tento rast sa skončí, keď budú vyvinuté všetky technológie. Potom musíme čakať na nové objavy pre ďalšie vylepšenia AI. Ale nemôžete predvídať ďalší pokrok.
Ak sa pozriete na históriu AI, tento typ inovácie hlbokého učenia sa uskutočnil iba raz. Len raz od roku 1957, raz za 60 rokov, sme dosiahli prielom. Nemôžete predpovedať, že budúci rok a potom ďalší mesiac alebo deň po ňom zažijeme prelom. To je príliš rýchle. Využívanie aplikácií prebieha až teraz. To je skvelé, ale myšlienka rýchlych vynálezov je hlúpy koncept. Podľa môjho názoru tí, ktorí toto tvrdia, a tí, ktorí hovoria, že jednota je pred nami, sú úplne mimo aktuálnej situácie v priemysle.
Dnes existuje iba AI, ktorá sa zameriava na robenie jednej veci naraz a je to skvelý nástroj. Je dobrá pri vytváraní hodnoty. Nahradí veľa ľudských pracovných miest a niektoré ďalšie ľudské práce. To je to, o čom by sme mali myslieť, nie veľká, výkonná AI, stroj, ktorý je ako človek a dokáže myslieť v mnohých oblastiach a má spoločné vnímanie ako ľudia. To napokon na základe súčasného pokroku nevieme predpovedať.
Mohlo by sa to stať niekedy, o sto alebo tisíc rokov? Myslím, že sa môže stať čokoľvek. Ale možno by sme dnes mali zamerať našu energiu na veci tu. A to, čo je tu teraz, sú optimalizované superstroje, ktoré dokážu pracovať lepšie ako ľudia: výber akcií, poskytovanie pôžičiek, zákaznícka podpora, telemarketing, práca na výrobnej linke, právna podpora. AI dokáže tieto veci robiť lepšie ako ľudia. Preberajú a uvoľňujú náš voľný čas, umožňujú nám robiť to, čo skutočne milujeme a čo vieme najlepšie. Je to príležitosť na celý život, nie desivá vyhliadka na to, že sa počítače stanú superinteligentnými.
Podľa VnReview
Pozrieť viac:
Poľovníci často lovia v noci, a preto sa na ich detekciu používajú infračervené kamery namontované na dronoch. Problém je, že keď pytliak aj zviera vyžarujú teplo, môže byť ťažké ich presne identifikovať.
Predstavte si, že odpovedáte na otázky zákazníkov, aj keď spíte. Tu je to, čo môžu bezplatné chatboty AI urobiť pre váš web.
V dôsledku starnutia a klesajúcej populácie Japonska v krajine chýba značný počet mladých pracovníkov, najmä v sektore služieb.
Character.AI, startup zameraný na generatívnu AI a technológiu chatbotov, údajne rokuje o získaní financií, ktoré by mohli oceniť spoločnosť na viac ako 5 miliárd dolárov.
Henry VIII je jednou z najklasickejších hier v histórii anglickej literatúry, ktorú napísali dvaja slávni autori William Shakespeare a John Fletcher v roku 1623.
YouTuber a inžinier z Brazílie menom Lucas Rizzotto sa nedávno na Twitteri podelili o príbeh, ako si uvedomil svojho imaginárneho priateľa – mikrovlnnú rúru v dome, používa AI, no získal „jeden z najdesivejších zážitkov“ svojho života.
Výskumníci zistili, že webové kamery a kamery smartfónov možno kombinovať so špecializovanými algoritmami AI, aby fungovali ako mimoriadne efektívne systémy vzdialeného monitorovania osobného zdravia.
Zdá sa, že moderný život má čoraz negatívny vplyv na medziľudské vzťahy.
Pomocou komplexnej architektúry neurónovej siete založenej na okrajových grafoch dokáže model umelej inteligencie Google Brain navrhnúť pôdorysy za zlomok času, ktorý zaberie človeku.
Python má veľa veľkých knižníc a rámcov, ktoré sú vhodné na písanie kódu a vývoj informatiky. Docs.NeoTechSystems vás pozýva na diskusiu o niektorých užitočných nástrojoch Pythonu pre aplikácie Machine Learning a Data Science.
