Keď vás aplikácia uistí, že je poháňaná „umelou inteligenciou“, na chvíľu sa zdá, že ste v budúcnosti. Čo to vlastne znamená? Hádzame veľké heslá - umelú inteligenciu, strojové učenie, neurónové siete - ale čo vlastne znamenajú a naozaj pomáhajú vylepšovať aplikácie?
Spoločnosť Google a Microsoft nedávno pridali do svojich prekladateľských aplikácií školenie neurónovej siete. Spoločnosť Google tvrdí, že pomocou strojového učenia ponúka zoznamy skladieb. Todoist hovorí, že používa AI na odhad, kedy by ste mali dokončiť úlohu. Any.do tvrdí, že jeho umelá inteligencia môže vykonať niektoré úlohy za vás. A to bolo len minulý týždeň. Niektoré marketingové triky znejú pôsobivo a zostávajú trikmi, ale niekedy sú zmeny nepopierateľne prospešné. „Umelá inteligencia“, „strojové učenie“a „neurónové siete“popisujú spôsoby, akými počítače používajú na vykonávanie závažnejších úloh a učenie sa v tomto procese. Aj keď ste už možno počuli, že vývojári aplikácií prijímajú systémy iných, v praxi sa veľmi líšia.
Neurónové siete analyzujú komplexné údaje tak, aby napodobňovali ľudský mozog
Umelé neurónové siete (ANNs alebo jednoducho „neurónové siete“) sa vzťahujú na konkrétny typ modelu učenia, ktorý emuluje fungovanie synapsií v mozgu. Tradičné výpočty používajú na splnenie úlohy sériu logických operátorov. Na druhej strane neurónové siete používajú na spracovanie údajov sieť uzlov (ktoré pôsobia ako neuróny) a analógov synapsií (hrán). Vstup prechádza systémom a generuje sa výstup.
Zistenia sa potom porovnajú so známymi údajmi. Povedzme napríklad, že chcete trénovať počítač tak, aby rozpoznával obraz psa. Na webe streamujete milióny obrázkov psov, aby ste videli, ktoré obrázky sa budú javiť ako psy. Osoba potom potvrdí, ktoré obrázky sú skutočne psi. Systém uprednostňuje cestu neurónovej siete, ktorá viedla k správnej odpovedi. V priebehu času a po miliónoch iterácií táto sieť nakoniec zlepší presnosť svojich výsledkov.
Ak chcete vidieť, ako to funguje v akcii, môžete vyskúšať experiment Google Quick Draw!.. V takom prípade spoločnosť Google trénuje web, aby rozpoznával čmáranice a rýchle náčrty. Porovnáva nákres, ktorý nakreslíte, s príkladmi, ktoré nakreslia ostatní ľudia. Sieť sa naučí rozoznávať budúce sviatočné logá na základe toho, čo videla v minulosti. Aj keď kreslíte ako päťročné dieťa (ako ja), sieť dokáže veľmi rýchlo rozpoznať jednoduché tvary - ponorky, rastliny, kačice. Vyskúšajte to, zábava.
Neurónové siete nie sú všeliek, ale dokážu zvládnuť zložité údaje. Google a Microsoft používajú neurónové siete na výcvik svojich prekladateľských aplikácií, pretože prekladanie jazykov je ťažké. Veľa sme videli zlé strojové preklady, ale neurónové siete sú trénované na zlepšenie týchto prekladov na základe správnych prekladov v priebehu času. To isté sa deje s prekladom z reči do textu. Od zavedenia neurónovej siete využívajúcej službu Google Voice sa chyby v preklade znížili o 49%. Tieto systémy nie sú dokonalé, ale pracujú na sebe a to je hlavná vec.
Propagačné video:
Strojové učenie učí počítače zlepšovať sa v praxi
Strojové učenie je všeobecný pojem, ktorý pokrýva všetky okamihy, keď sa snažíte naučiť stroj sám o sebe vylepšovať. Platí to najmä pre všetky systémy, v ktorých výkon počítača pri dokončovaní úlohy je vylepšený len väčším počtom skúseností s touto úlohou. Neurónové siete sú príkladom strojového učenia sa, nie sú však jediným spôsobom, ako trénovať počítač.
Napríklad jedna z alternatívnych metód strojového učenia sa nazýva posilňovanie. V tejto metóde počítač vykoná úlohu a potom vyhodnotí jej výsledok. Ak napríklad počítač vyhrá pri šachu, priradí výhernú hodnotu sérii pohybov, ktoré použije počas hry. Po hraní miliónov hier môže systém na základe výsledkov predchádzajúcich hier určiť, ktoré kroky s najväčšou pravdepodobnosťou povedú k víťazstvu.
Zatiaľ čo neurónové siete sú dobré pre veci ako rozpoznávanie vzorov v obrazoch, iné typy strojového učenia sa môžu byť užitočné pre rôzne úlohy, ako je identifikácia vašej obľúbenej hudby. Google tvrdí, že jeho hudobná aplikácia nájde hudbu, ktorú chcete počúvať. Urobí to analýzou vašich predchádzajúcich zoznamov skladieb. Ak sa vám výsledok nepáči, zariadenie ho bude považovať za poruchu. Ak si však vyberiete jeden z navrhovaných zoznamov, označí to ako úspech a analyzuje víťazné pohyby, ktoré ju priviedli k vášmu srdcu.
V takýchto prípadoch nebudete mať plné výhody strojového učenia, ak túto funkciu často nepoužívate. Pri prvom otvorení aplikácie Hudba Google budú odporúčania pravdepodobne mimo pokladnice. Čím viac ho však použijete, tým lepšie budú návrhy. Teoreticky prinajmenšom. Strojové učenie nie je všeliekom. Strojové učenie je vágnejšie ako neurónové siete, ale tiež to znamená, že používaný softvér sa bude spoliehať na vašu spätnú väzbu, aby sa zlepšil jeho výkon.
Umelá inteligencia je všetko s predponou „inteligentný“
Rovnako ako neurónové siete sú formou strojového učenia, aj strojové učenie je formou umelej inteligencie. Kategória „umelá inteligencia“je však stále tak zle definovaná, že táto veta nemá žiadny praktický význam. Áno, vyvoláva predstavy o technologicky vyspelej budúcnosti, ale v skutočnosti sme sa k nej stále nepriblížili. OCR bolo pre zariadenie niekedy príliš ťažké, ale aplikácia na telefóne teraz môže skenovať dokumenty a zmeniť ich na text. Výzva umelej inteligencie je nejako nevhodná.
Dôvodom, prečo sa základné telefónne schopnosti môžu považovať za umelé inteligencie, je skutočnosť, že v skutočnosti existujú dva typy AI. Slabá alebo úzko zameraná AI popisuje akýkoľvek systém určený na vykonávanie úzkeho zoznamu úloh. Napríklad Google Assistant alebo Siri, ktorý je pomerne výkonnou AI, stále vykonáva pomerne úzky zoznam úloh. Prijímajú hlasové príkazy a vracajú odpovede alebo spúšťajú aplikácie. Výskum umelej inteligencie tieto vlastnosti podporuje, sú však považované za „slabé“.
Naproti tomu výkonná umelá inteligencia - tiež známa ako všeobecná umelá inteligencia alebo „plná umelá inteligencia“- je systém schopný vykonávať akúkoľvek ľudskú úlohu. A neexistuje. Preto každá „inteligentná“aplikácia je stále slabou umelou inteligenciou.
Dôsledky môžu byť vágne, ale praktický výskum v oblasti umelej inteligencie je taký prínosný, že už pravdepodobne vstúpil do vášho každodenného života. Vždy, keď si telefón automaticky pamätá, kde ste zaparkovali, rozpoznáva tváre na vašich fotografiách, dostáva návrhy na vyhľadávanie alebo automaticky zoskupuje všetky vaše víkendové zábery, tak či onak sa dotýkate umelej inteligencie. Do určitej miery „umelá inteligencia“skutočne znamená, že aplikácie budú o niečo inteligentnejšie ako sme zvyknutí. Označenie „AI“dnes z praktického hľadiska sotva znamená niečo praktické.
ILYA KHEL