በውስጣችሁ ምን እንደሚያስቡ ለድመትዎ ይንገሩ - የጥቁር ሳጥን ውጤት

የላቁ AI ስልተ ቀመሮች እንደ ጥቁር ሳጥን (1) ውጤትን እንዴት እንደመጣ ሳይገልጹ የሚጥል መሆናቸው አንዳንዶችን ያስጨንቃል እና ሌሎችን ያበሳጫል።

እ.ኤ.አ. በ 2015 በኒውዮርክ በሚገኘው በሲና ተራራ ሆስፒታል ውስጥ ያለ የምርምር ቡድን ይህንን ዘዴ በመጠቀም የአካባቢያዊ በሽተኞችን ሰፊ የመረጃ ቋት ለመተንተን ተጠየቀ (2)። ይህ ሰፊ ስብስብ የታካሚ መረጃ፣ የፈተና ውጤቶች፣ የመድሃኒት ማዘዣዎች እና ሌሎችም ውቅያኖስ ይዟል።

ሳይንቲስቶች በስራው ሂደት ውስጥ የተሰራውን የትንታኔ ፕሮግራም ብለው ጠሩት። ወደ 700 የሚጠጉ ሰዎች መረጃ ላይ ስልጠና ሰጥቷል። ሰው, እና በአዳዲስ መዝገቦች ውስጥ ሲፈተሽ, በሽታን ለመተንበይ እጅግ በጣም ውጤታማ ሆኖ ተገኝቷል. ያለ ሰው ባለሞያዎች እርዳታ በሆስፒታል መዛግብት ውስጥ የትኛው በሽተኛ ወደ በሽታ መንገድ ላይ እንዳለ የሚጠቁሙ ንድፎችን አግኝቷል, ለምሳሌ የጉበት ካንሰር. እንደ ባለሙያዎች ገለጻ ከሆነ የስርአቱ ትንበያ እና የምርመራ ቅልጥፍና ከሌሎች የታወቁ ዘዴዎች በጣም የላቀ ነበር.

2. በታካሚ የውሂብ ጎታዎች ላይ የተመሰረተ የሕክምና አርቲፊሻል ኢንተለጀንስ ስርዓት

በተመሳሳይ ጊዜ ተመራማሪዎቹ ሚስጥራዊ በሆነ መንገድ እንደሚሰራ አስተውለዋል. እሱ ለምሳሌ ተስማሚ ሆኖ ተገኝቷል የአእምሮ ሕመሞች እውቅናእንደ ስኪዞፈሪንያ, ለዶክተሮች እጅግ በጣም ከባድ ነው. ይህ በጣም የሚያስደንቅ ነበር ፣ በተለይም የ AI ሲስተም በታካሚው የህክምና መዛግብት ላይ በመመርኮዝ የአእምሮ ህመምን እንዴት በጥሩ ሁኔታ ማየት እንደሚችል ማንም አያውቅም። አዎን, ስፔሻሊስቶች እንደዚህ ባለው ውጤታማ የማሽን ዲያግኖስቲክስ እርዳታ በጣም ተደስተዋል, ነገር ግን AI ወደ መደምደሚያው እንዴት እንደሚመጣ ከተረዱ የበለጠ ይረካሉ.

ሰው ሰራሽ የነርቭ ሴሎች ንብርብሮች

ገና ከመጀመሪያው ማለትም የሰው ሰራሽ የማሰብ ችሎታ ጽንሰ-ሐሳብ ከታወቀበት ጊዜ ጀምሮ በ AI ላይ ሁለት አመለካከቶች ነበሩ. የመጀመርያው ሰው ውስጣዊ አሠራራቸውን ለሁሉም ሰው ግልጽ በማድረግ በሚታወቁ መርሆዎች እና በሰዎች አመክንዮ መሠረት ምክንያታዊ የሆኑ ማሽኖችን መገንባት በጣም ምክንያታዊ እንደሆነ ጠቁሟል። ሌሎች ደግሞ ማሽኖች በአስተያየት እና በተደጋጋሚ በሙከራ ከተማሩ የማሰብ ችሎታ በቀላሉ ይወጣል ብለው ያምኑ ነበር።

የኋለኛው ማለት የተለመደውን የኮምፒዩተር ፕሮግራም መቀልበስ ማለት ነው። ፕሮግራመር ችግሩን ለመፍታት ትዕዛዞችን ከመጻፍ ይልቅ ፕሮግራሙ ይፈጥራል የራሱ አልጎሪዝም በናሙና መረጃ እና በተፈለገው ውጤት መሰረት. ከጊዜ በኋላ በአሁኑ ጊዜ ወደሚታወቁት እጅግ በጣም ኃይለኛ የኤአይአይ ሲስተሞች የተሻሻሉ የማሽን የመማር ዘዴዎች በእውነቱ መንገድ ላይ ሄደዋል። ማሽኑ ራሱ ፕሮግራሞች.

ይህ አቀራረብ በ 60 ዎቹ እና 70 ዎቹ ውስጥ በ AI ስርዓቶች ምርምር ጠርዝ ላይ ቀርቷል. ከአንዳንድ የአቅኚነት ለውጦች እና ማሻሻያዎች በኋላ ባለፉት አስርት ዓመታት መጀመሪያ ላይ ብቻ። "ጥልቅ" የነርቭ አውታረ መረቦች በራስ-ሰር የማስተዋል ችሎታዎች ላይ ሥር ነቀል መሻሻል ማሳየት ጀመረ። 

ጥልቅ የማሽን መማር ኮምፒውተሮችን እንደ ሰው የሚነገሩ ቃላትን በትክክል የመለየት ችሎታን የመሳሰሉ ልዩ ችሎታዎችን ሰጥቷቸዋል። ይህ ቀደም ብሎ ለማቀድ በጣም የተወሳሰበ ክህሎት ነው። ማሽኑ የራሱን "ፕሮግራም" በ በትላልቅ የውሂብ ስብስቦች ላይ ስልጠና.

ጥልቅ ትምህርት የኮምፒዩተር ምስል እውቅናን ለውጦ የማሽን ትርጉምን በእጅጉ አሻሽሏል። ዛሬ በሕክምና፣ በፋይናንስ፣ በማኑፋክቸሪንግ እና በሌሎችም ሁሉንም ዓይነት ቁልፍ ውሳኔዎችን ለማድረግ ይጠቅማል።

ሆኖም ግን, ከዚህ ሁሉ ጋር "ውስጥ" እንዴት እንደሚሰራ ለማየት ወደ ጥልቅ የነርቭ አውታረመረብ ውስጥ ብቻ ማየት አይችሉም። የአውታረ መረብ የማመዛዘን ሂደቶች በሺዎች በሚቆጠሩ አስመሳይ የነርቭ ሴሎች ባህሪ ውስጥ ገብተዋል፣ በደርዘን የሚቆጠሩ እንዲያውም በመቶዎች በሚቆጠሩ ውስብስብ እርስ በርስ የተያያዙ ንብርብሮች ተደራጅተዋል።.

በአንደኛው ሽፋን ውስጥ ያሉ እያንዳንዱ የነርቭ ሴሎች ግብአት ይቀበላሉ, ለምሳሌ በምስሉ ውስጥ ያለው የፒክሰል መጠን እና ውጤቱን ከማውጣቱ በፊት ስሌቶችን ያከናውናሉ. ውስብስብ በሆነ አውታረመረብ ውስጥ ወደ ቀጣዩ ሽፋን የነርቭ ሴሎች ይተላለፋሉ - እና እስከ መጨረሻው የውጤት ምልክት ድረስ. በተጨማሪም የሥልጠና አውታር የተፈለገውን ውጤት እንዲያመጣ በግለሰብ የነርቭ ሴሎች የሚደረጉትን ስሌቶች ማስተካከል በመባል የሚታወቅ ሂደት አለ.

ከውሻ ምስል እውቅና ጋር በተዛመደ ብዙ ጊዜ በተጠቀሰው ምሳሌ፣ ዝቅተኛ የ AI ደረጃዎች እንደ ቅርፅ ወይም ቀለም ያሉ ቀላል ባህሪያትን ይተነትናል። ከፍተኛዎቹ እንደ ፀጉር ወይም አይኖች ያሉ በጣም ውስብስብ ጉዳዮችን ያከናውናሉ. የላይኛው ሽፋን ብቻ ሁሉንም አንድ ላይ ያመጣል, ሙሉውን የመረጃ ስብስብ እንደ ውሻ ይለያል.

ተመሳሳይ አቀራረብ ማሽኑ እራሱን እንዲማር በሚያስችሉ ሌሎች የግብአት አይነቶች ላይ ሊተገበር ይችላል፡- በንግግር ውስጥ ቃላትን በሚፈጥሩ ድምፆች፣ በፅሁፍ ውስጥ ያሉ ፊደሎችን እና ቃላትን ፣ ወይም መሪን ለምሳሌ። ተሽከርካሪን ለመንዳት አስፈላጊ እንቅስቃሴዎች.

መኪናው ምንም ነገር አይዘልም.

በእንደዚህ ዓይነት ስርዓቶች ውስጥ በትክክል ምን እንደሚከሰት ለማብራራት ሙከራ ይደረጋል. እ.ኤ.አ. በ 2015 የጎግል ተመራማሪዎች ጥልቅ የመማሪያ ምስል ማወቂያ አልጎሪዝምን አሻሽለዋል ስለዚህም በፎቶዎች ላይ ነገሮችን ከማየት ይልቅ ያመነጫል ወይም ያስተካክላል። አልጎሪዝምን ወደ ኋላ በማስኬድ ፕሮግራሙ ወፍ ወይም ሕንፃን ለመለየት የሚጠቀምባቸውን ባህሪያት ለማወቅ ይፈልጋሉ።

እነዚህ ሙከራዎች፣ በአደባባይ ርእስ በመባል የሚታወቁት፣ (3) አስደናቂ፣ እንግዳ እንስሳት፣ መልክዓ ምድሮች እና ገፀ-ባህሪያት አስገራሚ ምስሎችን አፍርተዋል። አንዳንድ የማሽን ግንዛቤ ሚስጥሮችን በመግለጥ፣ ለምሳሌ የተወሰኑ ቅጦች ተደጋግመው እንደሚመለሱ እና እንደሚደጋገሙ፣ በተጨማሪም የማሽን መማር ከሰው እይታ ምን ያህል እንደሚለይም አሳይተዋል - ለምሳሌ እኛ ችላ የምንላቸው ቅርሶችን በማስፋፋትና በማባዛት ነው። በግንዛቤ ሂደታችን ሳናስብ . .

3. በፕሮጀክቱ ውስጥ የተፈጠረ ምስል

በነገራችን ላይ, በሌላ በኩል፣ እነዚህ ሙከራዎች የራሳችንን የግንዛቤ ስልቶችን እንቆቅልሽ አውጥተዋል። ምናልባት አንድን ነገር ወዲያውኑ እንድንረዳ እና ችላ እንድንል የሚያደርጉን የተለያዩ ለመረዳት የማይቻሉ አካላት እንዳሉ በአስተያየታችን ሊሆን ይችላል ማሽኑ በትዕግስት ድግግሞሹን "አስፈላጊ ባልሆኑ" ነገሮች ላይ ይደግማል።

ማሽኑን "ለመረዳት" በመሞከር ሌሎች ሙከራዎች እና ጥናቶች ተካሂደዋል. ጄሰን ዮሲንስኪ በአንጎል ውስጥ እንደተጣበቀ መመርመሪያ የሚያገለግል መሳሪያ ፈጠረ፣ የትኛውንም ሰው ሰራሽ ነርቭ ዒላማ ያደረገ እና በጣም የሚያነቃውን ምስል ይፈልጋል። በመጨረሻው ሙከራ ላይ ረቂቅ ምስሎች አውታረ መረቡን ቀይ-እጅ በማሳየታቸው ምክንያት ታይተዋል ፣ ይህም በስርዓቱ ውስጥ የተከናወኑ ሂደቶች የበለጠ ምስጢራዊ እንዲሆኑ አድርጓል።

ይሁን እንጂ ለብዙ ሳይንቲስቶች እንዲህ ዓይነቱ ጥናት አለመግባባት ነው, ምክንያቱም በእነሱ አስተያየት, ስርዓቱን ለመረዳት, ውስብስብ ውሳኔዎችን የማድረግ ከፍተኛ ቅደም ተከተል ንድፎችን እና ዘዴዎችን ይገነዘባሉ. ሁሉም የስሌት ግንኙነቶች ጥልቅ በሆነ የነርቭ አውታረ መረብ ውስጥ። እሱ ግዙፍ የሂሳብ ተግባራት እና ተለዋዋጮች ነው። በአሁኑ ጊዜ, ለእኛ ለመረዳት የማይቻል ነው.

ኮምፒውተር አይጀምርም? ለምን?

የላቁ አርቴፊሻል ኢንተለጀንስ ሥርዓቶችን የውሳኔ አሰጣጥ ዘዴዎችን መረዳት ለምን አስፈለገ? የትኛዎቹ እስረኞች በይቅርታ ሊፈቱ እንደሚችሉ፣ ማን ብድር ሊሰጡ እንደሚችሉ እና ማን ሥራ ማግኘት እንደሚችሉ ለመወሰን የሂሳብ ሞዴሎች ቀድሞውኑ ጥቅም ላይ ይውላሉ። ፍላጎት ያላቸው ሰዎች ይህ ለምን እንደሆነ እና ሌላ ውሳኔ እንዳልተሰጠ ፣ መሠረቶቹ እና ስልቶቹ ምን እንደሆኑ ማወቅ ይፈልጋሉ።

በኤፕሪል 2017 በ MIT ቴክኖሎጂ ግምገማ ውስጥ አምኗል ። ቶሚ ያክኮላለማሽን መማሪያ አፕሊኬሽኖች ላይ የሚሰራ የ MIT ፕሮፌሰር። -.

የ AI ስርዓቶችን የውሳኔ አሰጣጥ ዘዴ የመመርመር እና የመረዳት ችሎታ መሰረታዊ ሰብአዊ መብት ነው የሚል የህግ እና የፖሊሲ አቋምም አለ።

ከ 2018 ጀምሮ የአውሮፓ ህብረት ኩባንያዎች በራስ ሰር ስርዓቶች ስለሚደረጉ ውሳኔዎች ለደንበኞቻቸው ማብራሪያ እንዲሰጡ በመጠየቅ ላይ እየሰራ ነው። ይህ አንዳንድ ጊዜ በአንጻራዊ ሁኔታ ቀላል በሚመስሉ ስርዓቶች እንኳን የማይቻል ነው፣ ለምሳሌ ጥልቅ ሳይንስን የሚጠቀሙ መተግበሪያዎችን እና ድረ-ገጾችን ማስታወቂያዎችን ለማሳየት ወይም ዘፈኖችን ለመምከር።

እነዚህን አገልግሎቶች የሚያንቀሳቅሱት ኮምፒውተሮች ራሳቸው ፕሮግራማቸውን ያዘጋጃሉ፣ እና እኛ ልንረዳው በማንችለው መንገድ ነው የሚሰሩት... እነዚህን አፕሊኬሽኖች የፈጠሩት መሐንዲሶች እንኳን እንዴት እንደሚሰራ ሙሉ ለሙሉ ማስረዳት አይችሉም።