Termi "tekoäly" viittaa usein hermoverkkoihin, jotka on rakennettu syvälle koneoppimistekniikkaan. Lisäksi hermoverkkojen kouluttamistekniikka on hyvin kehittynyttä ja kantaa hedelmää. Kaikki tutkijat eivät kuitenkaan ole samaa mieltä siitä, että tekoälyn tulisi kehittyä tätä tietä pitkin. Joku jopa uskoo, että tällaisiin järjestelmiin "ei pitäisi luottaa" eikä niiden kehittäminen johda mihinkään hyvään.
Keinotekoinen äly nykykäsityksessä - tämä ei ole ollenkaan mitä monet ajattelevat.
Miksi koneoppiminen on haittaa ihmisen kehitykselle
New Yorkin yliopiston professori, kognitiivisen tieteen (kognitiotiede) asiantuntija Gary Marcus puhui Technologyreview -sivun julkaisemassa laajamittaisessa työssä syvälle koneoppimiseen perustuvien hermostoverkkojen laajan käytön riskeistä.
Ensinnäkin, tutkija uskoo, että tekniikalla on selvät rajoitukset. Erityisesti pitkään on puhuttu siitä, että on luotava niin kutsuttu "todellinen AI", joka soveltuu monenlaisten ongelmien ratkaisemiseen eikä vain yhden erityisen ongelman ratkaisemiseksi, kuten nyt tapahtuu. Nykyiset AI-järjestelmät ovat jo saavuttaneet kehityksen huipun ja niitä ei käytännössä ole "missään kasvaa". Lisäksi et voi vain ottaa ja esimerkiksi sanoa, että ensin opetetaan yhdelle AI: lle ajamaan autoa, ja pakotat toisen korjaamaan sen ja yhdistämään sitten järjestelmät luomalla universaalin avustajan. Keinotekoinen älykkyys ei yksinkertaisesti pysty vuorovaikutukseen, koska he "oppivat eri tavoin".
Kuinka tehdä AI älykkäämpiä
Mainosvideo:
Jotta algoritmeista tulisi tehokkaampia, ne on "koulutettava eri tavalla". On tarpeen saada heidät näkemään esineiden suhde ja niiden kanssa tapahtuvan vuorovaikutuksen seuraukset. Tässä tapauksessa toimimme parhaana esimerkkinä.
Professori Gary Marcus.
Lisäksi Marcus tarjoaa sitä, ettei se ole uutta. Edellä kuvattu esimerkki on, kuinka tutkijat kuvasivat "klassista AI: tä". Mutta jotta tällainen AI toimisi tehokkaasti, meidän on ohjelmoitava kaikki mahdolliset tulokset etukäteen. Ja tämä on melkein epärealistista. Mutta siellä on tie ulos.
Ratkaisu voi olla eräänlainen symbioosi "klassisesta AI: stä", joka näkee suhteet ja saa ratkaisut ymmärrettävällä tavalla, sekä syvällisestä oppimisesta, joka pystyy löytämään ratkaisun "erehdyksen ja kokeilun" avulla. Se voi olla jonkinlainen ympäröivää maailmaa koskeva sääntöjen ja määräysten järjestelmä. Niiden perusteella AI-järjestelmät pystyvät jo kehittämään itseään tietyllä alueella. Oikean tekoälyn on ymmärrettävä, kuinka kaikki toimii ympärillä, jotta ymmärretään syy-seuraussuhteet ja siirrytään helposti tehtävästä toiseen. Nykyaikaiset järjestelmät, jotka on rakennettu syväoppimistekniikan avulla, eivät yksinkertaisesti pysty siihen.
Vladimir Kuznetsov