Faɗa wa kyanwar ku abin da kuke tunani a ciki - tasirin akwatin baki

Kasancewar ci-gaban AI algorithms kamar akwatin baƙar fata ne (1) wanda ke watsar da sakamako ba tare da bayyana yadda ya faru ba yana damun wasu kuma yana tayar da wasu.

A cikin 2015, an nemi ƙungiyar bincike a Asibitin Dutsen Sinai da ke New York da ta yi amfani da wannan hanyar don yin nazarin babban bayanan marasa lafiya na gida (2). Wannan babban tarin ya ƙunshi tekun bayanan majiyyaci, sakamakon gwaji, takardun likita, da ƙari.

Masana kimiyya sun kira shirin nazarin da aka bunkasa a yayin aikin. Ya horar da bayanai daga kimanin mutane 700. ɗan adam, kuma lokacin da aka gwada shi a cikin sabbin rajista, an tabbatar da cewa yana da matukar tasiri wajen tsinkayar cututtuka. Ba tare da taimakon ƙwararrun ɗan adam ba, ya gano alamu a cikin bayanan asibitoci waɗanda ke nuna ko wane majiyyaci ne ke kan hanyar kamuwa da cuta, kamar kansar hanta. A cewar ƙwararru, haɓakar tsinkaya da ƙwarewar tsarin ya fi na sauran hanyoyin da aka sani.

2. Tsarin hankali na wucin gadi na likita bisa tushen bayanan marasa lafiya

A lokaci guda, masu binciken sun lura cewa yana aiki a hanya mai ban mamaki. Ya juya, alal misali, cewa ya dace da shi gane rashin lafiyan hankaliirin su schizophrenia, wanda ke da matukar wahala ga likitoci. Wannan abin mamaki ne, musamman tun da babu wanda ya san yadda tsarin AI zai iya ganin rashin lafiyar kwakwalwa da kyau bisa ga bayanan likita na mai haƙuri. Haka ne, ƙwararrun ƙwararrun sun gamsu da taimakon irin wannan ingantaccen injin bincike, amma za su fi gamsuwa idan sun fahimci yadda AI ta zo ga ƙarshe.

Layer na wucin gadi neurons

Tun daga farko, wato, tun daga lokacin da aka san ra'ayi na fasaha na wucin gadi, akwai ra'ayi biyu akan AI. Na farko ya ba da shawarar cewa zai fi dacewa a gina injuna masu tunani daidai da ka'idodin da aka sani da kuma tunanin ɗan adam, yana mai da ayyukansu na ciki a bayyane ga kowa. Wasu sun yi imanin cewa hankali zai iya fitowa cikin sauƙi idan na'urori sun koyi ta hanyar dubawa da maimaita gwaji.

Na karshen yana nufin juyawa tsarin tsarin kwamfuta na yau da kullun. Maimakon mai tsara shirye-shirye ya rubuta umarni don magance matsala, shirin ya haifar nasu algorithm bisa ga bayanan samfurin da sakamakon da ake so. Hanyoyin koyan inji waɗanda daga baya suka samo asali zuwa mafi ƙarfi tsarin AI da aka sani a yau sun gangara kan hanyar, a zahiri, injin kanta shirye-shirye.

Wannan tsarin ya kasance a kan iyakar binciken tsarin AI a cikin 60s da 70s. Sai kawai a farkon shekaru goma da suka gabata, bayan wasu canje-canje na majagaba da haɓakawa. "Deep" neural networks ya fara nuna ingantaccen haɓakawa a cikin iyawar fahimta ta atomatik. 

Koyon na'ura mai zurfi ya baiwa kwamfutoci damar iyawa na ban mamaki, kamar ikon gane kalmomin da ake magana kusan daidai da ɗan adam. Wannan fasaha ce mai wuyar gaske don yin shiri kafin lokaci. Dole ne injin ya iya ƙirƙirar nasa "shirin" ta horo kan manyan bayanai.

Zurfafa ilmantarwa kuma ya canza gane hoton kwamfuta kuma ya inganta ingancin fassarar injin. A yau, ana amfani da shi don yin kowane nau'i na yanke shawara a magani, kudi, masana'antu, da sauransu.

Duk da haka, tare da duk wannan ba za ku iya duba cikin cibiyar sadarwa mai zurfi ba kawai don ganin yadda "ciki" ke aiki. Hanyoyin hanyar sadarwa suna tattare cikin ɗabi'ar dubban simulators na jijiyoyi, waɗanda aka tsara zuwa da dama ko ma ɗaruruwan yadudduka masu alaƙa da juna..

Kowane nau'in neurons a Layer na farko yana karɓar shigarwa, kamar ƙarfin pixel a cikin hoto, sannan yayi lissafin kafin fitar da fitarwa. Ana watsa su a cikin hanyar sadarwa mai rikitarwa zuwa neurons na Layer na gaba - da sauransu, har sai siginar fitarwa ta ƙarshe. Bugu da kari, akwai wani tsari da aka sani da daidaita lissafin da keɓaɓɓun ƙwayoyin cuta ke yi ta yadda cibiyar sadarwar horo ta samar da sakamakon da ake so.

A cikin misalin da aka ambata akai-akai dangane da gane hoton kare, ƙananan matakan AI suna nazarin halaye masu sauƙi kamar sura ko launi. Mafi girma suna magance batutuwan da suka fi rikitarwa kamar Jawo ko idanu. Sai kawai saman Layer ya haɗa shi duka, yana gano cikakken saitin bayanai azaman kare.

Hakanan za'a iya amfani da wannan hanyar zuwa wasu nau'ikan shigarwar da ke ba na'ura damar koyon kanta: sautunan da ke haɗa kalmomi a cikin magana, haruffa da kalmomin da suka haɗa jimloli a rubuce rubuce, ko sitiyari, alal misali. motsi masu mahimmanci don tuƙi abin hawa.

Motar bata tsallake komai ba.

Ana ƙoƙari don bayyana ainihin abin da ke faruwa a irin waɗannan tsarin. A cikin 2015, masu bincike a Google sun canza algorithm mai zurfi na koyan hoto ta yadda maimakon ganin abubuwa a cikin hotuna, ya ƙirƙira ko gyara su. Ta hanyar tafiyar da algorithm baya, suna son gano halayen da shirin ke amfani da su don gane, a ce, tsuntsu ko gini.

Waɗannan gwaje-gwajen, waɗanda aka fi sani da suna a bainar jama'a, sun samar da zane-zane masu ban mamaki na (3) dabbobi masu banƙyama, ban mamaki, shimfidar wurare, da haruffa. Ta hanyar bayyanar da wasu sirrikan fahimtar na'ura, kamar yadda ake mayar da wasu nau'i-nau'i akai-akai ana maimaita su, sun kuma nuna yadda zurfin koyon injin ya bambanta da fahimtar mutum - misali, ta hanyar fadadawa da kwafi kayan tarihi da muka yi watsi da su. a tsarin mu na fahimta ba tare da tunani ba. .

3. Hoton da aka kirkira a cikin aikin

Af, a daya bangaren kuma, wadannan gwaje-gwajen sun tona asirin hanyoyin fahimtar namu. Wataƙila a cikin fahimtarmu cewa akwai abubuwa daban-daban waɗanda ba za su iya fahimta ba waɗanda ke sa mu nan da nan fahimta kuma mu yi watsi da wani abu, yayin da injin ya yi haƙuri ya sake maimaita abubuwansa akan abubuwa "marasa mahimmanci".

An gudanar da wasu gwaje-gwaje da nazarce-nazarce a kokarin “fahimtar” injin. Jason Yosinski ya kirkiro wani kayan aiki da ke aiki kamar binciken da ya makale a cikin kwakwalwa, yana mai niyya ga duk wani neuron na wucin gadi da neman hoton da ke kunna shi sosai. A cikin gwaji na ƙarshe, hotuna masu banƙyama sun bayyana sakamakon "peeping" hanyar sadarwar ja-hannu, wanda ya sa hanyoyin da ke faruwa a cikin tsarin ya fi ban mamaki.

Duk da haka, ga masana kimiyya da yawa, irin wannan binciken shine rashin fahimta, saboda, a ra'ayinsu, don fahimtar tsarin, don gane alamu da tsarin tsari mafi girma na yin yanke shawara mai rikitarwa. duk hulɗar lissafi a cikin cibiyar sadarwa mai zurfi na jijiyoyi. Babban maze ne na ayyukan lissafi da masu canji. A halin yanzu, abu ne mai wuyar fahimta a gare mu.

Kwamfuta ba za ta fara ba? Me yasa?

Me yasa yake da mahimmanci a fahimci hanyoyin yanke shawara na ci-gaba na tsarin basirar ɗan adam? An riga an yi amfani da tsarin lissafi don sanin waɗanne fursunoni za a iya sakin su a kan sakin layi, waɗanda za a iya ba da rance, da waɗanda za su iya samun aiki. Masu sha'awar za su so su san dalilin da yasa aka yanke wannan kuma ba wani yanke shawara ba, menene dalilansa da tsarinsa.

ya shigar a cikin Afrilu 2017 a cikin MIT Technology Review. Tommy Yaakkola, wani farfesa na MIT yana aiki akan aikace-aikacen don koyon inji. -.

Har ila yau akwai matsayi na doka da siyasa cewa ikon yin nazari da fahimtar tsarin yanke shawara na tsarin AI shine ainihin haƙƙin ɗan adam.

Tun daga 2018, EU tana aiki akan buƙatar kamfanoni don ba da bayani ga abokan cinikin su game da yanke shawara ta hanyar tsarin sarrafa kansa. Ya bayyana cewa wannan ba zai yiwu ba a wasu lokuta ko da tsarin da ke da sauƙi, kamar apps da gidajen yanar gizo masu amfani da kimiyya mai zurfi don nuna tallace-tallace ko ba da shawarar waƙoƙi.

Kwamfutocin da ke gudanar da wadannan ayyuka suna tsarawa da kansu, kuma suna yin ta ta hanyoyin da ba za mu iya fahimta ba ... Hatta injiniyoyin da suka kirkiro wadannan aikace-aikacen ba su iya yin cikakken bayanin yadda suke aiki ba.