Miksi AI: n vallankumous on leivänpaahdin


Tulevatko tulevaisuuden älykkäät algoritmit näyttämään yleiskäyttöisistä robotteista, taitavat joutokäynnillä ja lukemalla karttoja, koska ne ovat käteviä keittiössä? Tai näyttävätkö digitaaliset avustajamme enemmän erikoistuneiden gadgetien tarttuvan pussin, joka on vähemmän kuin yksi chatty masterchef kuin keittiö täynnä laitteita?

Jos algoritmi yrittää tehdä liikaa, se joutuu vaikeuksiin. Jäljempänä oleva resepti on luotu keinotekoisella hermoverkolla, joka on eräänlainen keinotekoinen äly (AI), joka oppii esimerkin avulla. Tämä erityisesti algoritmi tarkasteli kaikenlaisia ​​30,000-keittokirjojen reseptejä, keittoista piirakkoihin ja grilleihin, ja yritti sitten keksiä omaa. Tulokset ovat, sanoisiko, hieman epätavallinen:

(Editorin huomautus: Älä yritä näitä reseptejä kotona, LOL)

Levitä Chicken Rice
juusto / munat, salaatit, juusto
2 lb sydämet, kylvetty
1 kuppi raastettua tuoretta mintua tai vadelmapiiraa
1 / 2 kuppi, raastettu
1 ruokalusikallinen kasviöljy
1-suola
1-paprika
2 1 / 2 tb sokeri, sokeri
Yhdistä irrotukset ja sekoita, kunnes seos on paksu. Sitten lisätään munia, sokeria, hunajaa ja köydensiemeniä ja kypsennä matalalla lämmöllä. Lisää maissisiirappi, oregano, rosmariini ja valkoinen paprika. Laita kerma lämpöön. Cook lisää jäljellä oleva 1-tl-leivinjauhe ja suola. Paista 350F: ssä 2: lle 1-tuntiin. Tarjoile kuumaa.
Saanto: 6-annokset

Nyt tässä on esimerkki saman perusalgoritmin tuottamasta reseptistä - mutta sen sijaan, että tiedot sisälsivät kaikenlaisia ​​reseptejä, se katsoi vain kakkuja. Resepti ei ole täydellinen, mutta se on paljon parempi kuin edellinen:

Porkkakakku (Vera Ladies)
kakkuja, alkoholia
1 pkg keltainen kakku sekoitus
3-kupinjauho
1 teelusikallinen leivinjauhe
1 1 / 2 teelusikallinen leivin sooda
1 / 4 tl suolaa
1 tl: n jauhettua kanelia
1 teelusikallinen maahan inkivääri
1 / 2 teelusikallinen jauhettu neilikka
1 teelusikallinen leivinjauhe
1 / 2 tl suolaa
1 tl vanilja
1-muna, huoneen lämpötila
1 cup sugar
1 tl vanilja
1 kuppi hienonnettu pekaanipähkinät
Kuumenna uuni 350-asteisiin. Voitele 9-tuuman jousimuotti.
Jotta kakku: Beat munia suurella nopeudella, kunnes paksu ja keltainen väri ja syrjään. Erillisessä kulhossa voittaa munanvalkuaiset, kunnes ne ovat jäykkiä. Nopeuta ensimmäistä kuin seos valmistettuun pannuun ja tasoita taikina. Paista uunissa noin 40 minuuttia tai kunnes keskelle asetettu puuhammastikku tulee puhtaana. Jäähdytä pannulla 10 minuuttia. Jäähdytä kokonaan langansyöttölaitteelle.
Poista kakku astiasta jäähtymään kokonaan. Tarjoile lämmin.
TässäCook Cookbook (1989) From Kitchen & Hawn in the Canadian Living
Saanto: 16-annokset

Varmasti, kun tarkastelet ohjeita tarkemmin, se tuottaa vain yhden paistetun munankeltuaisen. Mutta se on edelleen parannus. Kun AI: n sallittiin erikoistua, oli vain paljon vähemmän seurantaa. Sen ei tarvinnut yrittää selvittää, milloin käyttää suklaata ja milloin käyttää perunoita, milloin leipoa tai milloin hautua. Jos ensimmäinen algoritmi yritti olla ihme-laatikko, joka voisi tuottaa riisiä, jäätelöä ja piirakoita, toinen algoritmi yritti olla jotain enemmän kuin leivänpaahdin, joka on erikoistunut vain yhteen tehtävään.

Kehittäjät, jotka kouluttavat koneen oppimisalgoritmeja, ovat havainneet, että on usein järkevää rakentaa paahtimoita kuin ihme-laatikot. Tämä saattaa tuntua vastakkaiselta, koska länsimaisen sci-fi: n AI: t muistuttavat C-3PO: ta Tähtien sota tai WALL-E nimettömässä elokuvassa - esimerkkejä teknisestä yleisestä älykkyydestä (AGI), automaateista, jotka voivat olla vuorovaikutuksessa maailman kanssa kuin ihminen, ja käsitellä monia erilaisia ​​tehtäviä. Monet yritykset ovat kuitenkin näkymättömästi - ja menestyksekkäästi - käyttäneet koneen oppimista saavuttaakseen paljon rajoitettuja tavoitteita. Yksi algoritmi voi olla chatbot, joka käsittelee rajoitetun valikoiman asiakaskysymyksiä puhelinlaskuistaan. Toinen voi tehdä ennustuksia siitä, mitä asiakas puhuu keskustelemaan, näyttäen nämä ennusteet puhelimelle vastaavalle edustajalle. Nämä ovat esimerkkejä keinotekoisista kapea älykkyys (ANI) - rajoittuu hyvin kapeisiin toimintoihin. Toisaalta Facebook on hiljattain vetäytynyt M-chatbotista, joka ei koskaan onnistunut tavoittelemaan hotellivarauksia, varaamaan teatterilippuja, järjestämään papukaijavierailuja ja paljon muuta.


sisäinen tilausgrafiikka


Syy siihen, että meillä on leivänpaahdin-tason ANI WALL-E-tason sijasta, on se, että mikä tahansa algoritmi, joka yrittää yleistää, saa huonompi eri tehtävissä.

"tämä lintu on keltainen ja sen pää on musta, ja sillä on hyvin lyhyt nokka"

varten esimerkki, tässä on algoritmi, joka on kehitetty luomaan kuvatekstiin perustuva kuva.

Tämä on sen pyrkimys luoda kuva lauseesta: "tämä lintu on keltainen ja sen pää on musta, ja sillä on hyvin lyhyt nokka".

Kun se oli koulutettu tietokantaan, joka koostui kokonaan lintuista, se oli melko hyvin (huolimatta outo yksisarvinen sarvi):

Mutta kun sen tehtävänä oli tuottaa mitään - stop-merkeistä veneisiin lehmiin ihmisiin - se kamppaili. Tässä on sen pyrkimys tuottaa "kuva tyttöstä, joka syö suurta pizzaa viipaletta":

"kuva tyttöstä, joka syö suurta pizzaa viipaletta"

Emme ole tottuneet ajattelemaan, että sellainen algoritmi, joka tekee yhden asian hyvin, ja algoritmi, joka tekee paljon asioita hyvin, on niin suuri. Mutta meidän nykypäivämme algoritmit heillä on hyvin vähän henkistä voimaa verrattuna ihmisen aivoihin, ja jokainen uusi tehtävä levittää niitä ohuemmiksi. Ajattele leivänpaahtimen kokoista laitetta: se on helppo rakentaa pari paikkaa ja joitakin lämmityspattereja, jotta se voi leipää leipää. Mutta se jättää vähän tilaa muulle. Jos yrität lisätä myös riisihöyryttämistä ja jäätelöä tuottavia toimintoja, sinun täytyy luopua ainakin yhdestä leipävälistä ja se ei luultavasti ole hyvä.

On olemassa temppuja, joita ohjelmoijat käyttävät saadakseen enemmän ulos ANI-algoritmeista. Yksi on siirtokoulutus: kouluttaa algoritmi yhden tehtävän suorittamiseksi, ja se voi oppia tekemään toisen, mutta läheisesti toisiinsa liittyvän tehtävän minimaalisen uudelleenkoulutuksen jälkeen. Ihmiset käyttävät esimerkiksi siirtokoulutusta kuvantunnistusalgoritmien kouluttamiseen. Algoritmi, joka on oppinut tunnistamaan eläimiä, on jo kerännyt paljon reuna-havaitsemis- ja rakenne-analysointitaitoja, joita se voi siirtyä hedelmien tunnistamisen tehtävään. Mutta jos uudelleenkoulutatte algoritmin hedelmien tunnistamiseksi, kutsutaan ilmiötä katastrofaalinen unohtaminen tarkoittaa, että se ei enää muista, miten eläimet tunnistetaan.

Toinen temppu, jota nykypäivän algoritmit käyttävät modulaarisuus. Yksittäisen algoritmin sijaan, joka pystyy käsittelemään mitään ongelmaa, tulevaisuuden AI: t ovat todennäköisesti hyvin erikoistuneiden instrumenttien kokoonpano. Algoritmi oppinut pelata videopeliä Doomilla oli esimerkiksi erillinen, erillinen visio, ohjain ja muistimoduulit. Yhdistetyt moduulit voivat myös tarjota redundanssin vikoja vastaan ​​ja mekanismin äänestää parhaasta ratkaisusta useisiin eri lähestymistapoihin perustuvaan ongelmaan. Ne voivat myös olla keino havaita ja ratkaista algoritmiset virheet. Yleensä on vaikeaa selvittää, miten yksittäinen algoritmi tekee päätöksensä, mutta jos päätös tehdään yhteistyössä toimivien alialgoritmien avulla, voimme ainakin tarkastella jokaisen alialgoritmin ulostuloa.

Kun näemme tulevaisuuden AI: t, ehkä WALL-E ja C-3PO eivät ole ne droidit, joita meidän pitäisi etsiä. Sen sijaan saatamme kuvitella jotain enemmän kuin älypuhelinta, joka on täynnä sovelluksia, tai keittiönkaappia, joka on täynnä gadgeteja. Kun valmistaudumme algoritmien maailmaan, meidän on varmistettava, ettemme suunnittele ajattelua, yleiskäyttöisiä ihme-laatikoita, joita ei ehkä koskaan rakenneta, vaan hyvin erikoistuneisiin leivänpaahtimiin.Aeon-laskuri - älä poista

Author

Janelle Shane kouluttaa hermoverkkoja kirjoittamaan huumoria osoitteessa aiweirdness.com. Hän on myös optiikan tutkija ja asuu Boulderissa Coloradossa.

Tämä artikkeli on alun perin julkaistu osoitteessa ikuisuus ja se on julkaistu uudelleen Creative Commonsissa.

Liittyvät kirjat:

at InnerSelf Market ja Amazon