Unohda AI-tuomio ja hype, tehdään tietokoneista hyödyllisiä

Unohda AI-tuomio ja hype, tehdään tietokoneista hyödyllisiä

Aikaleima: 25. huhtikuuta 2024 3
Unohda AI-tuomio ja hype, tehdään tietokoneista hyödyllinen PlatoBlockchain Data Intelligence. Pystysuuntainen haku. Ai.

Systems Approach Täysi paljastaminen: Minulla on historiaa tekoälyn kanssa, koska olen flirttaillut sen kanssa 1980-luvulla (muistatko asiantuntijajärjestelmiä?) ja sitten välttänyt turvallisesti 1980-luvun lopun tekoälytalven siirtymällä viralliseen todentamiseen ennen kuin päädyin viimein verkottumiseen erikoisalani. 1988.

Ja aivan kuten Systems Approach -kollegallani Larry Petersonilla on kirjahyllyssään klassikoita, kuten Pascal-käsikirja, minulla on edelleen pari tekoälykirjaa 80-luvulta, erityisesti PH Winstonin. Tekoäly (1984). Tuon kirjan selaaminen on melkoista räjähdysmäistä siinä mielessä, että suuri osa siitä näyttää siltä, ​​että se olisi kirjoitettu eilen. Esipuhe alkaa esimerkiksi näin:

Tekoälyn ala on muuttunut valtavasti tämän kirjan ensimmäisen painoksen ilmestymisen jälkeen. Tekoälyn aiheet ovat de rigueure-tutkinnon suorittaneille tietojenkäsittelytieteen pääaineille, ja tekoälyä koskevia tarinoita on säännöllisesti esillä useimmissa arvostetuissa uutislehdissä. Osa muutokseen on syynä se, että hyviä tuloksia on kertynyt.

Olin myös kiinnostunut nähdessäni joitain vuoden 1984 esimerkkejä siitä, mitä tietokoneet voivat tehdä. Yksi esimerkki oli vakavasti vaikeiden laskentaongelmien ratkaiseminen – huomionarvoista, koska tarkka aritmetiikka näyttää olevan nykypäivän LLM-pohjaisten järjestelmien kykyjen ulkopuolella.

Jos laskeminen oli tietokoneiden ratkaistavissa jo vuonna 1984, kun taas perusaritmetiikka tyrkyttää järjestelmiä, joita pidämme tämän päivän tekniikan tasona, ehkä tekoälyn edistyminen viimeisen 40 vuoden aikana ei ole aivan niin suurta kuin miltä se aluksi näyttää. (Se sanoi, että niitä on jopa paremmin Nykyään laskennan käsittelyjärjestelmät eivät vain perustu LLM:ihin, ja on epäselvää, viittaako kukaan niihin tekoälynä.)

Yksi syy, miksi otin vanhan Winston-kopioni, oli nähdä, mitä hänellä oli sanottavaa tekoälyn määritelmästä, koska sekin on kiistanalainen aihe. Hänen ensimmäinen näkemyksensä tästä ei ole kovin rohkaiseva:

Tekoäly on tutkimus ideoista, jotka mahdollistavat tietokoneiden älykkyyden.

No, OK, se on melko pyöreä, koska sinun täytyy määritellä äly jotenkin, kuten Winston myöntää. Mutta sitten hän sanoo kaksi tekoälyn tavoitetta:

  1. Tehdä tietokoneista hyödyllisempiä
  2. Ymmärtää periaatteet, jotka mahdollistavat älykkyyden.

Toisin sanoen älykkyyttä on vaikea määritellä, mutta ehkä tekoälyn tutkimus auttaa meitä ymmärtämään paremmin, mitä se on. Menisin niin pitkälle, että väittäisin, että keskustelemme edelleen siitä, mikä on älykkyyttä 40 vuotta myöhemmin. Ensimmäinen tavoite vaikuttaa kiitettävältä, mutta pätee selvästi moniin ei-AI-teknologiaan.

Tämä keskustelu "AI" merkityksestä jatkuu alan yllä. Olen törmännyt paljon huutelemaan, että emme tarvitsisi termiä Artificial General Intelligence, eli AGI, jos vain termiä AI ei olisi niin saastuttanut ihmiset, jotka markkinoivat tilastollisia malleja tekoälynä. En todellakaan osta tätä. Sikäli kuin voin kertoa, tekoäly on aina kattanut laajan valikoiman laskentatekniikoita, joista suurin osa ei huijaa ketään ajattelemaan, että tietokone näyttää inhimillistä älykkyyttä.

Kun aloin palata tekoälyn alaan noin kahdeksan vuotta sitten, hermoverkot – joita jotkut kollegoistani käyttivät vuonna 1988 ennen kuin ne katosivat suosiosta – olivat tehneet hätkähdyttävän paluun pisteeseen, jossa kuvantunnistus syvällä. hermoverkoissa oli ylitti ihmisten nopeus ja tarkkuus, vaikkakin tietyin varoin. Tämä tekoälyn nousu johti tietynlaiseen ahdistuneisuuteen VMwaren insinöörikollegoissani, jotka ymmärsivät, että meneillään oli tärkeä teknologinen muutos, jota (a) useimmat meistä eivät ymmärtäneet (b) työnantajamme ei voinut hyödyntää .

Kun heittäydyin tehtävään oppia kuinka neuroverkot toimivat (a iso apu Rodney Brooksilta) Huomasin, että kieli, jota käytämme puhuessamme tekoälyjärjestelmistä, vaikuttaa merkittävästi siihen, miten ajattelemme niistä. Esimerkiksi vuoteen 2017 mennessä kuulimme paljon "syväoppimisesta" ja "syvistä hermoverkoista", ja sanan "syvä" käytöllä on mielenkiintoinen kaksoismerkitys. Jos sanon, että minulla on "syviä ajatuksia", saatat kuvitella, että ajattelen elämän tarkoitusta tai jotain yhtä painavaa, ja "syvä oppiminen" näyttää tarkoittavan jotain samanlaista.

Mutta itse asiassa "syvä" "syväoppimisessa" on viittaus oppimista tukevan hermoverkon syvyyteen kerrosten lukumäärällä mitattuna. Joten se ei ole "syvä" merkityksellisessä mielessä, vaan aivan syvä samalla tavalla kuin uima-altaalla on syvä pää - se, jossa on enemmän vettä. Tämä kaksinkertainen merkitys lisää illuusiota, että neuroverkot "ajattelevat".

Samanlainen hämmennys koskee "oppimista", jossa Brooks oli niin hyödyllinen: syvä hermoverkko (DNN) paranee tehtävässä, mitä enemmän harjoitusdataa se altistuu, joten siinä mielessä se "oppii" kokemuksesta, mutta tapa, jolla se oppii, ei ole samanlainen kuin tapa, jolla ihminen oppii asioita.

Esimerkkinä siitä, kuinka DNN:t oppivat, harkitse AlphaGo, pelijärjestelmä, joka käytti hermoverkkoja tappio ihmisten suurmestareita. Järjestelmäkehittäjien mukaan, vaikka ihminen pystyisi helposti käsittelemään levyn koon muutoksen (yleensä 19 × 19 -ruudukko), pieni muutos tekisi AlphaGosta kyvyttömän, kunnes sillä oli aikaa harjoitella uutta dataa muutetun levyn koon perusteella.

Minulle tämä havainnollistaa siististi, kuinka DNN-verkkojen "oppiminen" on pohjimmiltaan erilaista kuin ihmisen oppiminen, vaikka käytämmekin samaa sanaa. Neuraaliverkko ei pysty yleistämään siitä, mitä se on "oppinut". Ja tässä asiassa AlphaGo oli äskettäin Voitti ihmisen vastustaja, joka käytti toistuvasti pelityyliä, jota ei ollut harjoitustiedoissa. Tämä kyvyttömyys käsitellä uusia tilanteita näyttää olevan tekoälyjärjestelmien tunnusmerkki.

Kieli

Tekoälyjärjestelmiä kuvaava kieli vaikuttaa edelleen siihen, miten ajattelemme niistä. Valitettavasti, kun otetaan huomioon viimeaikainen tekoälyhypeen kohtuullinen takaisku ja joitain merkittäviä tekoälyjärjestelmien epäonnistumisia, niin monet ihmiset voivat nyt olla vakuuttuneita siitä, että tekoäly on täysin arvoton, kuin on sen leirin jäseniä, jotka sanovat, että tekoäly on saavuttamassa ihmisen kaltaista älykkyyttä. .

Suhtaudun erittäin skeptisesti jälkimmäiseen leiriin, kuten edellä todettiin, mutta mielestäni olisi myös valitettavaa unohtaa se positiivinen vaikutus, joka tekoälyjärjestelmillä – tai jos niin haluat, koneoppimisjärjestelmillä – voi olla.

Autan tällä hetkellä paria kollegaa kirjoittamassa kirjaa koneoppimissovelluksista verkottumista varten, eikä kenenkään pitäisi yllättyä kuulla, että ML-pohjaisiin ratkaisuihin soveltuvia verkkoongelmia on paljon. Erityisesti verkkoliikenteen jäljet ​​ovat loistavia tietolähteitä, ja koulutusdata on ruokaa, jolla koneoppimisjärjestelmät viihtyvät.

Sovellukset, jotka vaihtelevat palveluneston ehkäisystä haittaohjelmien havaitsemiseen ja maantieteelliseen sijaintiin, voivat kaikki hyödyntää ML-algoritmeja, ja tämän kirjan tavoitteena on auttaa verkostoituneita ihmisiä ymmärtämään, että ML ei ole taikajauhetta, jota ripottelet tietoihisi saadaksesi. vastauksia, vaan joukko teknisiä työkaluja, joita voidaan valikoivasti soveltaa ratkaisujen tuottamiseen todellisiin ongelmiin. Toisin sanoen, ei ihmelääke eikä ylihypetetty lumelääke. Kirjan tavoitteena on auttaa lukijoita ymmärtämään, mitkä ML-työkalut sopivat eri tyyppisiin verkkoongelmiin.

Eräs tarina, joka kiinnitti huomiotani jokin aika sitten, oli tekoälyn käyttö Network Railin auttamiseksi Isossa-Britanniassa hoitaa kasvillisuutta joka kasvaa brittiläisten rautateiden rinnalla. Keskeinen "AI"-tekniikka tässä on kuvantunnistus (kasvilajien tunnistamiseksi) – hyödyntäen DNN:n viime vuosikymmenen aikana toimittamaa tekniikkaa. Ei ehkä niin jännittävä kuin generatiiviset tekoälyjärjestelmät, jotka kiinnittivät maailman huomion vuonna 2023, mutta hyvä, käytännöllinen sovellus tekoälyn alle.

Minulla on nykyään tapana yrittää käyttää termiä "koneoppiminen" tekoälyn sijaan silloin, kun se on tarkoituksenmukaista, toivoen välttäväni sekä hype- että allergisia reaktioita, joita "AI" nyt tuottaa. Ja Patrick Winstonin sanat tuoreessa mielessäni, voisin vain puhua "tietokoneiden käyttökelpoisuudesta". ®

Aikaleima:

Lisää aiheesta Rekisteri