Sieć neuronowa jako sztuczna inteligencja

Ostatnio „sztuczna inteligencja” zyskała dużą popularność. Nawet jeśli jesteś daleko od tego tematu, prawdopodobnie słyszałeś kogoś mówiącego o tym, widziałeś artykuły poświęcone temu tematowi lub przynajmniej widziałeś wyniki tak zwanej sztucznej inteligencji. Prawdopodobnie słyszałeś też, że w przyszłości wiele zawodów zniknie i zostanie zastąpionych przez tę nową technologię. Przyjrzyjmy się przykładowi sieci neuronowych i sprawdźmy, czy sytuacja jest aż tak tragiczna. (i czy jest to aż tak nowa technologia)?

Na początek warto zrozumieć, czym są sieci neuronowe i sztuczna inteligencja.

Sztuczna inteligencja to dyscyplina naukowa, która bada, w jaki sposób możemy sprawić, by komputery wykazywały inteligentne zachowanie, np. robiły te rzeczy, w których ludzie są dobrzy.
Sieć neuronowa to model matematyczny, a także jego oprogramowanie lub sprzęt, zbudowany na zasadzie organizacji biologicznych sieci neuronowych - sieci komórek nerwowych żywego organizmu.

Załóżmy, że sztuczna inteligencja jest próbą stworzenia świadomości wewnątrz maszyny obliczeniowej. Ale jak można ją stworzyć i jak można przenieść ludzką świadomość do modelu matematycznego? Czy jest to w ogóle możliwe (w końcu jestem koroną stworzenia)?

Wyobraźmy sobie taką sytuację: Twój kuzyn zarobił miliony dolarów spekulując na nieruchomościach. Pytasz kuzyna, w jaki sposób przewidywał wartości nieruchomości w przeszłości, a on mówi, że to tylko intuicja. Jednak dalsze pytania ujawniają, że zidentyfikował wzorce cenowe z domów, które widział w przeszłości, i wykorzystuje te wzorce do przewidywania nowych domów, które rozważa. Uczenie maszynowe działa w ten sam sposób.

Chwila, czym jeszcze jest uczenie maszynowe? Myślałem, że chodzi o sieci neuronowe, ale to jest uczenie maszynowe.

Chociaż terminy te mogą być mylone, uczenie maszynowe (ML) jest ważnym podzbiorem sztucznej inteligencji. ML zajmuje się wykorzystaniem wyspecjalizowanych algorytmów do odkrywania znaczących informacji i znajdowania ukrytych wzorców z postrzeganych danych w celu potwierdzenia racjonalnego procesu podejmowania decyzji.

×

Wróćmy do przykładu sytuacji naszego kuzyna.

Dość oczywiste jest na przykład, że dom z dwiema lub więcej sypialniami będzie kosztował więcej niż dom z jedną sypialnią. Sieć neuronowa kieruje się tymi samymi zasadami. Weźmy najprostszą ML model: drzewo decyzyjne. W jej przypadku nasz przykład z sypialniami będzie wyglądał następująco:

To już proress, ale to wciąż za mało. Możesz uchwycić więcej czynników za pomocą drzewa, które ma więcej „podziałów”. Są to tak zwane „głębsze” drzewa. Drzewo decyzyjne, które uwzględnia również całkowity rozmiar działki każdego domu, może wyglądać następująco:

W porządku. Tak więc model wykorzystuje operacje logiczne do określenia wyniku zdarzenia na podstawie tego, co już się wydarzyło. Ale skąd model wie, co już się wydarzyło?

Tutaj również jest to bardzo proste. Weźmy tę tabelę jako przykład:

Jest to część statystyki domów na sprzedaż w Melbrun. Modele uczenia maszynowego są „trenowane” na takich tabelach, ale są one znacznie większe niż ta przedstawiona tutaj. Po prostu obliczają zależność przewidywanego parametru (w naszym przypadku ceny) od innych parametrów za pomocą różnych funkcji matematycznych.

No dobrze, ale w jaki sposób takie modele ML generują obrazy lub na przykład znaczący tekst?

Sieci neuronowe generują tekst, obrazy lub cokolwiek innego. Nie ma różnicy między danymi przekazanymi do sieci a danymi przekazanymi do modelu ML, ale istnieje różnica w sposobie przetwarzania danych. Sieci neuronowe są w stanie śledzić bardziej złożone zależności między parametrami, podczas gdy modele ML mogą zauważać tylko zależności liniowe. Proces generowania jest podobny do tego, w jaki sposób nasz model odgadłby cenę domu, ale zamiast przykładów tabel sieci neuronowych podawane są obrazy i dokładne opisy obrazu. Podobnie jest z tekstem.

Sieci neuronowe budują złożone zależności poprzez tworzenie tak zwanych „neuronów”. Ogólnie, działanie sieci neuronowej jest bardzo podobne do sposobu działania ludzkiego mózgu.

Więc to dosłownie ludzka świadomość w komputerze? Wtedy z pewnością większość zawodów nie będzie potrzebna w przyszłości, gdy będzie tak tania siła robocza.

Nie do końca. Bez względu na to, jak zaawansowana jest sieć neuronowa, nie ma ona świadomości, a jedynie ją imituje. I nie ma sensu bać się, że sztuczna inteligencja kogoś zastąpi, bo to tylko narzędzie, które ułatwia i przyspiesza pracę. W końcu malarstwo nie zniknęło po pojawieniu się kamer. Sieci neuronowe są ograniczone przez informacje zawarte w danych szkoleniowych. Łatwo zobaczyć to