Ko vam aplikacija zagotavlja, da jo poganja "umetna inteligenca", se za trenutek zdi, da ste v prihodnosti. Toda kaj to dejansko pomeni? Spuščamo velike buzzwordse - umetno inteligenco, strojno učenje, nevronske mreže - toda kaj v resnici pomenijo in ali resnično pomagajo izboljšati aplikacije?
Nedavno sta Google in Microsoft svojim aplikacijam za prevajanje dodala usposabljanje nevronskih mrež. Google trdi, da za ponudbo seznamov predvajanja uporablja strojno učenje. Todoist pravi, da z AI ugiba, kdaj bi morali končati nalogo. Any.do trdi, da lahko njegova umetna inteligenca opravi nekaj nalog za vas. In vse je bilo samo prejšnji teden. Nekateri trženjski triki zvenijo impresivno in ostajajo triki, včasih pa so spremembe nedvomno koristne. "Umetna inteligenca", "strojno učenje" in "nevronske mreže" opisujejo načine uporabe računalnikov za resnejše naloge in učenje v procesu. In čeprav ste morda slišali, da razvijalci aplikacij sprejemajo sisteme drugih, so v praksi zelo različni.
Nevronske mreže analizirajo zapletene podatke, ki posnemajo človeške možgane
Umetna nevronska omrežja (ANN ali preprosto "nevronske mreže") se nanašajo na posebno vrsto učnega modela, ki posnema delovanje sinaps v vaših možganih. Tradicionalno računalništvo za izvedbo naloge uporablja vrsto logičnih operaterjev. Nevronske mreže pa za obdelavo podatkov uporabljajo mrežo vozlišč (ki delujejo kot nevroni) in analogne sinapse (robovi). Vhod se odda skozi sistem in proizvodnja se ustvari.
Ugotovitve se nato primerjajo z znanimi podatki. Recimo, da želite računalnik usposobiti za prepoznavanje slike psa. Preko spleta pretakate milijone slik psov, da vidite, katere slike je izbrala kot psi. Oseba nato potrdi, katere slike so pravzaprav psi. Sistem daje prednost poti v nevronski mreži, ki je pripeljala do pravilnega odgovora. Ta mreža bo sčasoma in po več milijonih iteracij sčasoma izboljšala natančnost svojih rezultatov.
Če želite videti, kako to deluje v akciji, lahko poskusite z Googlovim poskusom Quick Draw!.. Google v tem primeru trenira splet, da prepozna logotipe, hitre skice. Primerja risbo, ki jo narišete, s primeri, ki jih rišejo drugi. Mreža se nauči prepoznati bodoče doodle na podlagi tega, kar je videla v preteklosti. Tudi če rišete kot petletni otrok (kot sem jaz), mreža zelo hitro prepozna preproste oblike - podmornice, rastline, race. Poskusi, zabavno.
Nevronske mreže niso panaceja, vendar so odlične za obdelavo kompleksnih podatkov. Google in Microsoft uporabljata nevronske mreže za usposabljanje svojih prevodnih aplikacij, ker je prevajanje jezikov težko. Veliko smo videli slabe strojne prevode, vendar so nevronske mreže usposobljene za izboljšanje teh prevodov na podlagi pravilnih prevodov sčasoma. Enako se zgodi s prevodom od govora do besedila. Od uvedbe nevronskega omrežja, ki ga poganja Google Voice, so se napake v prevodu zmanjšale za 49%. Ti sistemi niso popolni, vendar delujejo na sebi in to je glavna stvar.
Promocijski video:
Strojno učenje uči računalnike izboljšati v praksi
Strojno učenje je širok pojem, ki zajema vse trenutke, ko poskušate stroj naučiti, da se sam izboljšuje. Zlasti to velja za vsak sistem, v katerem je zmogljivost računalnika pri opravljanju naloge izboljšana le z več izkušnjami z nalogo. Nevronske mreže so primer strojnega učenja, vendar niso edini način za usposabljanje računalnika.
Na primer, ena od alternativnih metod strojnega učenja se imenuje okrepljeno učenje. Pri tej metodi računalnik opravi nalogo in nato oceni svoj rezultat. Če na primer računalnik zmaga v šahu, potem zmagovalno vrednost dodeli vrsti potez, ki jih uporablja med igro. Po igranju na milijone iger lahko sistem na podlagi rezultatov prejšnjih iger določi, kateri koraki najverjetneje vodijo do zmage.
Medtem ko so nevronske mreže dobre za stvari, kot je prepoznavanje vzorcev v slikah, so lahko druge vrste strojnega učenja bolj koristne za različne naloge, kot je prepoznavanje vaše najljubše glasbe. Google trdi, da bo v njegovi glasbeni aplikaciji našla glasbo, ki jo želite poslušati. To stori z analizo vaših prejšnjih seznamov predvajanja. Če vam rezultat ni všeč, bo stroj ocenil kot napako. Če pa izberete katerega od predlaganih seznamov, ga bo označila kot uspeh in analizirala zmagovalne poteze, ki so jo pripeljale k vam.
V takih primerih ne boste v celoti izkoristili strojnega učenja, če te funkcije ne uporabljate pogosto. Ko prvič odprete aplikacijo Google Glasba, bodo priporočila najverjetneje mimo blagajne. A bolj ko ga boste uporabljali, boljši bodo predlogi. Vsaj teoretično. Tudi strojno učenje ni panaceja. Strojno učenje je bolj nejasno kot nevronske mreže, vendar pomeni, da se programska oprema, ki jo uporabljate, za izboljšanje svojih zmogljivosti opira na vaše povratne informacije.
Umetna inteligenca je vse s predpono "pametno"
Tako kot so nevronske mreže oblika strojnega učenja, je tudi strojno učenje oblika umetne inteligence. Toda kategorija "umetne inteligence" je še vedno tako slabo definirana, da ta stavek nima praktičnega pomena. Da, pričara slike tehnološko napredne prihodnosti, v resnici pa je še vedno nismo približali. OCR je bil nekoč preveč težaven za stroj, zdaj pa lahko aplikacija na vašem telefonu skenira dokumente in jih pretvori v besedilo. To imenovanje podvig umetne inteligence je nekako neprimerno.
Razlog, da je mogoče osnovne zmogljivosti telefonije šteti za umetno inteligenco, je, ker dejansko obstajata dve vrsti AI. Šibek ali ozko usmerjen AI opisuje kateri koli sistem, zasnovan za izvajanje ozkega seznama nalog. Na primer, Google Assistant ali Siri, ki je precej močan AI, še vedno opravljata precej ozek seznam nalog. Prejemajo glasovne ukaze in povratne odgovore ali zaženejo aplikacije. Raziskave umetne inteligence spodbujajo te lastnosti, vendar veljajo za "šibke".
V nasprotju s tem je močan AI - znan tudi kot splošna umetna inteligenca ali "polni AI" - sistem, ki lahko opravlja katero koli človeško nalogo. In ne obstaja. Zato je vsaka "pametna" aplikacija še vedno šibka umetna inteligenca.
Čeprav so posledice lahko nejasne, je praktično raziskovanje umetne inteligence tako koristno, da je verjetno že vstopilo v vaše vsakdanje življenje. Vsakič, ko se telefon samodejno spomni, kje ste parkirali, prepozna vaše obraze na fotografijah, dobi predloge za iskanje ali samodejno združi vse posnetke ob koncu tedna, se tako ali drugače dotaknete umetne inteligence. Do neke mere "umetna inteligenca" res samo pomeni, da bodo aplikacije nekoliko pametnejše, kot smo vajeni. Zdaj oznaka "AI" skorajda ne pomeni nič praktičnega.
ILYA KHEL