Что понимают под машинным обучением?
Системы искусственного интеллекта продолжают становиться умнее благодаря таким технологиям, как глубокое обучение, но должны ли мы беспокоиться о том, что все это заходит слишком далеко?
Каждый день люди используют искусственный интеллект (ИИ), даже не осознавая этого. Системы ИИ используются для распознавания текста и речи, для того, чтобы делать рекомендации по покупке на сайтах электронной коммерции, узнавать своих друзей на фотографиях Facebook и предлагать фильмы на видеосайтах. Основным элементом этих систем ИИ является то, что известно как машинное обучение.
Термин «машинное обучение» звучит пугающе, особенно потому, что он связан с областью искусственного интеллекта, но на самом деле это просто означает способность компьютеров распознавать шаблоны. Разумеется, суть состоит не только в том, чтобы компьютер мог распознавать существующие шаблоны, которым он уже обучился, но и распознавать шаблоны, которые он никогда не видел. Таким образом, «обучение» в «машинном обучении» означает способность компьютера распознавать постоянно растущее число шаблонов без необходимости какой-либо формы наблюдения со стороны человека. То, как программисты и разработчики обучают компьютеры распознаванию очень простых понятий – это алгоритмы, которые, по сути, представляют собой ряд шагов, которые объясняют, как что-то делать.
Что такое глубокое обучение?
Один из самых обсуждаемых подразделов в ИИ – это глубокое обучение, которое дает компьютерам возможность распознавания речи и компьютерное зрения. «Глубокий» не относится ни к какой психологической или эмоциональной «глубине» – это просто означает, что компьютер проходит через разные уровни обработки, прежде чем он сможет предоставить конечный результат. Чем больше слоев, тем «глубже» обучение.
Но как мы узнаем, что компьютер действительно научился? В конце концов, может случиться так, что компьютер просто догадывается и правильно отвечает. Истинный тест на обучение заключается в том, что компьютер может выполнять задачу с превосходным результатом с течением времени. Если производительность улучшится, то можно сказать, что он «научился». Точно так же человек «учит» иностранный язык, умея использовать его, не допуская ошибок.
Вы можете думать об этом, используя пример автопилотируемых автомобилей, поскольку это довольно популярное приложение для глубокого обучения. Вы можете определить задачу автономного автомобиля как переход от точки A к точке B без проблем и сбоев. Со временем самоходные автомобили смогут перемещаться по определенному маршруту полностью самостоятельно. Но может ли он быть в пути на дороге с другими автомобилями? Если автомобиль без водителя может неоднократно следовать курсу без сбоев и происшествий, то можно сказать, что он обучился.
Почему люди боятся искусственного интеллекта?
Исходя из вышесказанного, кажется, что ИИ, машинное обучение и глубокое обучение могут сделать нашу жизнь проще, а не сложнее. Итак, почему такие новаторы, как Илон Маск, Билл Гейтс и Стивен Хокинг, обеспокоены будущим ИИ? В какой-то момент, говорят они, машины смогут стать умнее людей, и мы не будем знать, что они думают и что они будут делать. Более того, теоретики ИИ, такие как Ник Бостром (автор «Superintelligence»), говорят, что интеллектуальные машины могут представлять для человека экзистенциальный риск.
Так же, как у шахматного новичка нет шансов против шахматного гроссмейстера, может случиться так, что у людей не будет никаких шансов против компьютеров. Даже игнорируя все сценарии дистопии для сверхразумных машин, что произойдет, если компьютер неправильно диагностирует пациента, а человек не сможет дать второе мнение, потому что этот компьютер считается непогрешимым? Что произойдет, если компьютеры, запрограммированные на распознавание шаблонов на фондовом рынке, решат, чтобы всё сразу должно продаваться, что привело бы к кризису? Что происходит, когда автономное оружие на поле битвы обучается некорректно, и в результате люди могут пострадать от «дружеского огня»? Поэтому к вопросу ИИ нужно подходить очень осторожно, но изучать эту область, конечно же, стоит.
© digitrode.ru