أساسيات الذكاء الاصطناعى الحديث – كيف يعمل و هل سيدمر المجتمع هذا العام؟

ليس عليك أن تكون كير دوليا لتعلم أن استيعاب الذكاء الاصطناعي بالكامل يمكن أن يكون مخيفًا.تكبير / ليس عليك أن تكون كير دوليا لتعلم ذلك تمامًا استيعاب الذكاء الاصطناعي يمكن أن يكون تخويف. جورج رينهارت / كوربيس عبر غيتي إيماجز

الذكاء الاصطناعي ، أو الذكاء الاصطناعي ، ضخم الآن. “غير قابلة للحل” يتم حل المشكلات ، ويتم استثمار مليارات الدولارات ، و Microsoft استأجرت “Common” لإخبارك بمدى عظمة الذكاء الاصطناعى مع كلمة منطوقة الشعر. ييكيس.

كما هو الحال مع أي تكنولوجيا جديدة ، يمكن أن يكون من الصعب اختراق الضجيج. قضيت سنوات في إجراء البحوث في مجال الروبوتات والطائرات بدون طيار و “منظمة العفو الدولية” ، ولكن حتى لقد واجهت صعوبة في مواكبة. مؤخرا سنوات قضيت الكثير من الوقت في تعلم الإجابة حتى على بعض معظم الأسئلة الأساسية مثل:

  • عن ماذا يتحدث الناس عندما يقولون لمنظمة العفو الدولية؟
  • ما الفرق بين الذكاء الاصطناعي والتعلم الآلي والعميق تعلم؟
  • ما الشيء الرائع في التعلم العميق؟
  • ما نوع المشاكل الصعبة السابقة التي يمكن حلها الآن بسهولة ، وماذا لا يزال من الصعب؟

    أعلم أنني لست وحدي في التساؤل عن هذه الأشياء. إذا كنت كذلك كنت أتساءل ما هو كل شيء عن الإثارة لمنظمة العفو الدولية المستوى الأساسي ، حان الوقت لإلقاء نظرة خاطفة قليلا وراء الستار. إذا أنت خبير في الذكاء الاصطناعى يقرأ أوراق NIPS للمتعة ، لن يكون هناك جديد كثيرًا بالنسبة لك هنا ، لكننا نتطلع جميعًا إلى الأمام توضيحات وتصحيحات في التعليقات.

    ما هو الذكاء الاصطناعى؟

    هناك نكتة قديمة في علوم الكمبيوتر تسير على هذا النحو: ما الفرق بين الذكاء الاصطناعي والأتمتة؟ الأتمتة هي ما يمكننا القيام به مع أجهزة الكمبيوتر ، ومنظمة العفو الدولية هي ما نتمنى يمكننا القيام به. بمجرد اكتشاف كيفية القيام بشيء ما ، يتوقف كونه منظمة العفو الدولية ويبدأ يجري الأتمتة.

    هذه النكتة موجودة ، حتى اليوم ، ليست جيدة المعرفة – الذكاء الاصطناعي ببساطة ليس مصطلحًا فنيًا. إذا كنت تبحث عنه في ويكيبيديا ، الذكاء الاصطناعي هو “ذكاء يتضح من الآلات ، على عكس الذكاء الطبيعي عرضها من قبل البشر والحيوانات الأخرى. “هذا حول غامضة مثل يمكنك الحصول.

    عمومًا ، هناك نوعان من الذكاء الاصطناعي: الذكاء الاصطناعى القوي والضعف الذكاء الاصطناعى. الذكاء الاصطناعى القوى هو ما يفكر فيه معظم الناس عندما يسمعون الذكاء الاصطناعي – بعض الذكاء الذي يشبه الله تمامًا مثل Skynet أو Hal 9000 هذا قادر على التفكير العام والذكاء البشري مع تجاوز القدرات البشرية.

    الذكاء الاصطناعى الضعيف عبارة عن خوارزميات متخصصة للغاية مصممة للإجابة أسئلة محددة ومفيدة في مجالات مشكلة محددة بدقة. أ برنامج جيد للعب الشطرنج ، على سبيل المثال ، يناسب هذه الفئة. الأمر نفسه ينطبق على البرامج التي تكون دقيقة بالفعل في التعديل أقساط التأمين. هذه الاجهزة منظمة العفو الدولية مثيرة للإعجاب بطريقتها الخاصة لكن محدودة للغاية عموما.

    قراءة متعمقة

    يحتاج DeepMind AI إلى مجرد 4 ساعات من التدريب الذاتي ليصبح لعبة شطرنج المدير الكبير

    باستثناء هوليوود ، نحن اليوم لسنا قريبين من الذكاء الاصطناعي القوي. الآن ، كل الذكاء الاصطناعى ضعيف الذكاء الاصطناعى ، ومعظم الباحثين في هذا المجال توافق على أن التقنيات التي توصلنا إليها لجعلها رائعة حقًا الذكاء الاصطناعى الضعيف ربما لن يقودنا إلى الذكاء الاصطناعى القوى.

    لذا تمثل منظمة العفو الدولية حاليًا أكثر من مصطلح تسويقي مقارنة بـ a واحد التقنية. السبب الشركات هي توصف “AIs” كما تعارض “الأتمتة” لأنهم يريدون استدعاء صورة الذكاء الاصطناعى في هوليوود في ذهن الجمهور. لكن … هذا ليس كذلك مخطئ تماما. إذا كنا كريمة ، فقد تكون الشركات ببساطة تحاول أن تقول ذلك ، على الرغم من أننا لسنا قريبين من الذكاء الاصطناعي القوي ، الذكاء الاصطناعى الضعيف اليوم أكثر قدرة بكثير من تلك فقط منذ عدة سنوات.

    أي غرائز تسويقية جانبا ، هذا صحيح بالفعل. في بعض المناطق ، في الواقع ، كان هناك تغيير حاد في القدرة في آلات ، وهذا يرجع إلى حد كبير إلى اثنين من الكلمات الطنانة الأخرى لك سماع الكثير: التعلم الآلي والتعلم العميق.

    A still from a short video Facebook engineers posted that أظهرت في الوقت الحقيقي التعرف على الذكاء الاصطناعى من صور القط (ويعرف أيضا باسم المقدسة  grail for the Internet).تكبير / لا يزال من شريط فيديو قصير المهندسين الفيسبوك نشر ذلك demonstrated real-time AI recognition of cat pictures (aka the holyالكأس للإنترنت)

    التعلم الالي

    التعلم الآلي هو وسيلة معينة لإنشاء الجهاز الذكاء. دعنا نقول أنك تريد إطلاق صاروخ والتنبؤ أين سوف تذهب. هذا ، في المخطط الكبير للأشياء ، ليس هذا الصعب: الجاذبية مفهومة جيدا ويمكنك كتابة المعادلات والعمل بها حيث سوف تذهب على أساس بعض المتغيرات مثل السرعة وموقف الانطلاق.

    ولكن هذا يصبح غير عملي عندما تنظر إلى شيء ما القواعد ليست واضحة ومعروفة. قل أنك تريد جهاز كمبيوتر لإلقاء نظرة على الصور وتريد معرفة ما إذا كان أي منهم يظهر صورة قطة. كيف يمكنك كتابة القواعد لوصف ما كل مزيج ممكن من الشعيرات وآذان القط يشبه من كل زاوية ممكنة؟

    قراءة متعمقة

    “موافق Facebook” – لماذا تتوقف عند المساعدين؟ الفيسبوك لديه أكبر طموحات منظمة العفو الدولية الحديثة

    طريقة التعلم الآلي معروفة الآن: بدلاً من محاولة تدوين القواعد ، يمكنك بناء نظام يمكن أن الرقم من مجموعة خاصة بها من القواعد الداخلية بعد أن عرضت الكثير من أمثلة. بدلاً من محاولة وصف القطط ، يمكنك أن تظهر فقط منظمة العفو الدولية لديك الكثير من الصور من القطط والسماح لها معرفة ما هو و ليس قطة

    هذا مثالي لعالمنا الحاضر. النظام الذي يتعلم يمكن تحسين القواعد الخاصة من البيانات عن طريق المزيد من البيانات. وإذا كان هناك شيء واحد حصلنا عليه جيدًا كنوع ، إنه توليد وتخزين وإدارة الكثير من البيانات. تريد أن تكون أفضل في التعرف على القطط؟ الانترنت تولد الملايين من أمثلة ونحن نتكلم.

    المد المتزايد باستمرار للبيانات هو جزء واحد من سبب الآلة خوارزميات التعلم تم تفجير. الجزء الآخر يجب القيام به مع كيفية استخدام البيانات.

    مع التعلم الآلي ، إلى جانب البيانات هناك نوعان آخران ، أسئلة ذات صلة:

    • كيف أتذكر ما تعلمته؟ على الكمبيوتر ، كيف يمكنني تخزين وتمثيل العلاقات والقواعد التي استخرجت منها المثال البيانات؟
    • كيف أفعل التعلم؟ كيف يمكنني تعديل التمثيل لقد قمت بالتخزين استجابةً لأمثلة جديدة وتحسنت؟

      بمعنى آخر ، ما هو الشيء الذي يفعله في الواقع التعلم من كل هذه البيانات؟

      في التعلم الآلي ، التمثيل الحسابي لل تعلم أن تخزن يسمى النموذج. هذا النوع للنموذج الذي تستخدمه له تأثيرات ضخمة: فهو يحدد كيفية استخدامك لمنظمة العفو الدولية يتعلم ، ما هو نوع البيانات التي يمكن أن يتعلم منها ، وأي نوع من البيانات أسئلة يمكنك طرحها.

      دعونا نلقي نظرة على مثال بسيط حقًا لنرى ماذا أقصد. قل أننا نتسوق للتين في متجر البقالة ، ونحن نريد ذلك اصنع آلة تعلم الذكاء الاصطناعى تخبرنا عندما تنضج. هذه يجب أن يكون سهلاً للغاية ، لأنه مع التين يكون في الأساس أكثر ليونة هم ، أحلى هم.

      يمكننا اختيار بعض عينات الثمار الناضجة وغير الناضجة ، انظر كيف حلو هم ، ثم وضعها على الرسم البياني وتناسب خط. هذه الخط هو نموذجنا.

      طفلنا AI ، في شكل خط. “ليونة ، أحلى …” هاومياو هوانج

      تصبح الأمور أكثر تعقيدًا بسرعة عند إضافة بيانات إضافية ، على أية حال. هاومياو هوانج

    انظر الى ذلك! الخط يتضمن ضمنا فكرة ” ليونة هو ، أحلى هو “دون أن نضطر إلى كتابته أسفل. لا يعرف طفلنا AI أي شيء عن محتوى السكر أو كيف تنضج الثمار ، لكنها يمكن أن تتنبأ بمدى ثمارها الضغط عليه.

    كيف نقوم بتدريب نموذجنا لجعله أفضل؟ يمكننا جمع بعض المزيد من العينات والقيام خط آخر يصلح للحصول على أكثر دقة التنبؤات (كما فعلنا في الصورة الثانية أعلاه).

    المشاكل تصبح واضحة على الفور. لقد تم تدريب التين لدينا منظمة العفو الدولية على التين البقالة لطيفة حتى الآن ، ولكن ماذا يحدث إذا ألقينا في بستان تين؟ فجأة ، ليس هناك ثمار ناضجة ، هناك أيضا الفاكهة الفاسدة. إنها فائقة النعومة ، لكنهم كذلك بالتأكيد ليست جيدة للأكل.

    ماذا نفعل؟ حسنًا ، إنه نموذج للتعلم الآلي ، حتى نتمكن من ذلك مجرد إطعامها بيانات جديدة ، أليس كذلك؟

    كما تظهر الصورة الأولى أدناه ، في هذه الحالة ، سنحصل على نتيجة هراء تماما. الخط ببساطة ليس وسيلة جيدة ل التقاط ما يحدث عندما تصبح الفاكهة ناضجة للغاية. نموذجنا لم يعد يناسب الهيكل الأساسي للبيانات.

    بدلاً من ذلك ، يتعين علينا إجراء تغيير واستخدام أفضل وأكثر تعقيدًا نموذج – ربما القطع المكافئ أو شيء مماثل هو لائق. أن القرص يسبب التدريب للحصول على أكثر تعقيدا ، لأن المناسب هذه المنحنيات تتطلب الرياضيات أكثر تعقيدا من المناسب أ خط.

    حسنًا ، ربما لم يكن الخط فكرة جيدة عن الذكاء الاصطناعي المعقد … Haomiao هوانغ

    الرياضيات أكثر تعقيدا المطلوبة الآن. هاومياو هوانج

هذا مثال سخيف للغاية ، لكنه يوضح لك كيف هذا النوع من النموذج الذي تختاره يحدد التعلم الذي يمكنك القيام به. مع التين ، و البيانات بسيطة حتى تكون نماذجك بسيطة. ولكن إذا كنت تحاول لتعلم شيء أكثر تعقيدًا ، فأنت بحاجة إلى نماذج أكثر تعقيدًا. مجرد حيث أن أي كمية من البيانات ستسمح لنموذج الخط الملائم بالتقاط كيف سلوك الفاكهة الفاسدة ، لا توجد طريقة للقيام بمنحنى بسيط يناسبها إلى كومة من الصور والحصول على خوارزمية رؤية الكمبيوتر.

إن التحدي المتمثل في التعلم الآلي ، هو خلق و اختيار النماذج المناسبة للمشاكل الصحيحة. نحن بحاجة إلى نموذج هذا هو متطورة بما يكفي لالتقاط معقدة حقا العلاقات والبنية ولكن بسيطة بما يكفي أن نعمل معها وتدريبها. لذلك على الرغم من الإنترنت والهواتف الذكية وما إلى ذلك جعلنا كميات هائلة من البيانات متاحة للتدريب عليها ، نحن لا تزال بحاجة إلى النماذج الصحيحة للاستفادة من هذه البيانات.

وهذا هو بالضبط حيث يأتي التعلم العميق.

Like this post? Please share to your friends:
Leave a Reply

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: