Sistem Yaklaşımı Tam açıklama: Yapay zekayla ilgili bir geçmişim var; 1980'lerde onunla flört ettim (uzman sistemleri hatırladın mı?) ve ardından 1980'lerin sonundaki yapay zeka kışından güvenli bir şekilde kaçınarak resmi doğrulamaya yöneldim ve sonunda uzmanlığım olarak ağ oluşturmaya başladım. 1988.
Nasıl ki Sistem Yaklaşımı meslektaşım Larry Peterson'ın kitaplığında Pascal el kitabı gibi klasikler varsa, benimkinde de hâlâ 80'lerden kalma birkaç yapay zeka kitabı var, özellikle de PH Winston'ınki. Yapay Zeka (1984). Bu kitabın sayfalarını karıştırmak oldukça heyecan verici, zira çoğu şey sanki dün yazılmış gibi görünüyor. Örneğin önsöz şu şekilde başlıyor:
Bu kitabın ilk baskısının yayınlanmasından bu yana Yapay Zeka alanı büyük ölçüde değişti. Yapay Zeka konuları, lisans düzeyindeki bilgisayar bilimleri öğrencileri için zorunludur ve Yapay Zeka ile ilgili hikayeler, saygın haber dergilerinin çoğunda düzenli olarak yer almaktadır. Değişimin nedenlerinden biri, sağlam sonuçların birikmiş olmasıdır.
Ayrıca “bilgisayarların neler yapabileceğine” dair 1984 tarihli bazı örnekleri görmek de ilgimi çekti. Bunun bir örneği, ciddi derecede zor matematik problemlerini çözmekti; bu dikkate değerdir çünkü doğru aritmetik, günümüzün Yüksek Lisans tabanlı sistemlerinin yeteneklerinin ötesinde görünmektedir.
Eğer matematik 1984'te bilgisayarlar tarafından çözülebiliyorsa, temel aritmetik bugünün en ileri teknolojisi olarak gördüğümüz sistemleri geride bırakırken, belki de son 40 yılda yapay zekada kaydedilen ilerleme ilk göründüğü kadar büyük değildir. (Bununla birlikte, hatta var daha iyi Günümüzde matematikle mücadele sistemleri yüksek lisansa dayanmıyor ve herhangi birinin bunlardan yapay zeka olarak söz edip etmediği belli değil.)
Winston'ın eski kopyasını almamın bir nedeni de yapay zekanın tanımı hakkında neler söylediğini görmekti çünkü bu da tartışmalı bir konu. Bu konudaki ilk yaklaşımı pek cesaret verici değil:
Yapay Zeka, bilgisayarların akıllı olmasını sağlayan fikirlerin incelenmesidir.
Tamam, bu oldukça döngüsel bir yaklaşım çünkü Winston'ın da kabul ettiği gibi zekayı bir şekilde tanımlamanız gerekiyor. Ancak daha sonra yapay zekanın iki amacını ifade etmeye devam ediyor:
- Bilgisayarları daha kullanışlı hale getirmek için
- Zekayı mümkün kılan ilkeleri anlamak.
Başka bir deyişle, zekayı tanımlamak zordur ama belki de yapay zeka çalışmaları zekanın ne olduğunu daha iyi anlamamıza yardımcı olabilir. Hatta 40 yıl sonra hala zekanın ne olduğu konusundaki tartışmayı yaşadığımızı söyleyecek kadar ileri gideceğim. İlk hedef övgüye değer gibi görünse de yapay zeka olmayan birçok teknoloji için açıkça geçerli.
“Yapay Zeka”nın anlamına ilişkin bu tartışma sektörü etkilemeye devam ediyor. Yapay Genel Zeka yani AGI terimine ihtiyacımız olmayacağına dair çok sayıda söylentiye rastladım, keşke yapay zeka terimi istatistiksel modelleri yapay zeka olarak pazarlayan insanlar tarafından bu kadar kirletilmemiş olsaydı. Bunu gerçekten inanmıyorum. Yapay zekanın her zaman çok çeşitli hesaplama tekniklerini kapsadığını söyleyebilirim; bunların çoğu, bilgisayarın insan zekası seviyelerini gösterdiğini düşünerek kimseyi kandırmaz.
Yaklaşık sekiz yıl önce yapay zeka alanıyla yeniden ilgilenmeye başladığımda, bazı meslektaşlarımın gözden düşmeden önce 1988'de kullandığı sinir ağları şaşırtıcı bir geri dönüş yapmıştı; sinir ağları vardı aştı bazı uyarılara rağmen insanların hızı ve doğruluğu. Yapay zekanın bu yükselişi, VMware'deki mühendislik meslektaşlarım arasında belirli bir düzeyde kaygıya yol açtı; onlar önemli bir teknolojik değişimin yolda olduğunu ve (a) çoğumuzun anlamadığını (b) işverenimizin bundan yararlanacak konumda olmadığını hissettiler. .
Kendimi sinir ağlarının nasıl çalıştığını öğrenme görevine verdiğimde (bir büyük yardım Rodney Brooks'tan) Yapay zeka sistemleri hakkında konuşurken kullandığımız dilin, onlar hakkındaki düşüncelerimiz üzerinde önemli bir etkisi olduğunu fark ettim. Örneğin, 2017 yılına gelindiğinde "derin öğrenme" ve "derin sinir ağları" hakkında çok şey duyuyorduk ve "derin" kelimesinin kullanımı ilginç bir çifte anlama sahip. "Derin düşüncelere" sahip olduğumu söylersem, hayatın anlamı ya da aynı derecede ağır bir şey hakkında düşündüğümü düşünebilirsiniz ve "derin öğrenme" de benzer bir şeyi ima ediyor gibi görünüyor.
Ama aslında “derin öğrenme”deki “derinlik”, öğrenmeyi destekleyen sinir ağının katman sayısıyla ölçülen derinliğine bir göndermedir. Yani anlamlı anlamında "derin" değildir, ancak yüzme havuzunun derin bir ucu olduğu gibi, içinde daha fazla su bulunan derindir. Bu çifte anlam, sinir ağlarının "düşündüğü" yanılsamasına katkıda bulunuyor.
Benzer bir kafa karışıklığı, Brooks'un çok yardımcı olduğu "öğrenme" için de geçerlidir: Derin bir sinir ağı (DNN), ne kadar çok eğitim verisine maruz kalırsa bir görevde daha iyi olur, yani bu anlamda deneyimlerden "öğrenir", ancak öğrenme şekli, bir insanın bir şeyleri öğrenme şekline hiç benzemez.
DNN'lerin nasıl öğrendiğine bir örnek olarak şunu düşünün: AlphaGosinir ağlarını kullanan oyun oynama sistemi yenmek insan büyükustaları. Sistem geliştiricilerine göre, bir insan pano boyutundaki bir değişikliği (normalde 19×19 ızgara) kolayca halledebilirken, küçük bir değişiklik, yeniden boyutlandırılan panodan yeni veriler üzerinde eğitim almak için zamanı olana kadar AlphaGo'yu etkisiz hale getirecektir.
Bana göre bu, aynı kelimeyi kullansak bile, DNN'lerin "öğrenilmesinin" temel olarak insan öğreniminden ne kadar farklı olduğunu net bir şekilde gösteriyor. Sinir ağı “öğrendiğinden” genelleme yapamaz. Ve bu noktaya değinerek, AlphaGo yakın zamanda yendi Antrenman verilerinde yer almayan bir oyun tarzını defalarca kullanan bir insan rakip tarafından. Yeni durumlarla başa çıkamama, yapay zeka sistemlerinin ayırt edici özelliği gibi görünüyor.
Dil sorunları
Yapay zeka sistemlerini tanımlamak için kullanılan dil, onlar hakkındaki düşüncelerimizi etkilemeye devam ediyor. Ne yazık ki, son zamanlardaki yapay zeka abartısına yönelik makul tepkiler ve yapay zeka sistemlerindeki bazı dikkate değer başarısızlıklar göz önüne alındığında, yapay zekanın insan benzeri zekaya ulaşmak üzere olduğunu söyleyen kampın üyeleri kadar, artık yapay zekanın tamamen değersiz olduğuna ikna olan çok sayıda insan olabilir. .
Yukarıda ana hatlarıyla belirtildiği gibi ikinci görüşe oldukça şüpheyle yaklaşıyorum, ancak aynı zamanda yapay zeka sistemlerinin (veya tercih ederseniz makine öğrenimi sistemlerinin) sahip olabileceği olumlu etkiyi gözden kaçırmanın da talihsizlik olacağını düşünüyorum.
Şu anda ağ oluşturma için makine öğrenimi uygulamaları üzerine bir kitap yazan birkaç meslektaşıma yardım ediyorum ve makine öğrenimi tabanlı çözümlere uygun çok sayıda ağ oluşturma sorununun olduğunu duymak kimseyi şaşırtmamalı. Özellikle ağ trafiğinin izleri harika veri kaynaklarıdır ve eğitim verileri, makine öğrenimi sistemlerinin geliştiği besindir.
Hizmet reddi önlemeden kötü amaçlı yazılım tespitine ve coğrafi konuma kadar uzanan uygulamaların tümü makine öğrenimi algoritmalarından yararlanabilir ve bu kitabın amacı, ağ oluşturmadaki kişilerin makine öğreniminin verilerinize serptiğiniz sihirli bir toz olmadığını anlamalarına yardımcı olmaktır. cevaplar değil, gerçek sorunlara çözüm üretmek için seçici olarak uygulanabilecek bir dizi mühendislik aracıdır. Başka bir deyişle, ne her derde deva ne de aşırı abartılı bir plasebo. Kitabın amacı okuyucuların farklı ağ sorunları sınıflarına hangi makine öğrenimi araçlarının uygun olduğunu anlamalarına yardımcı olmaktır.
Bir süre önce dikkatimi çeken bir hikaye, Birleşik Krallık'ta Network Rail'e yardımcı olmak için yapay zekanın kullanılmasıydı bitki örtüsünü yönetmek İngiliz demiryolu hatlarının yanında büyüyor. Buradaki anahtar "AI" teknolojisi, DNN'lerin son on yılda sunduğu teknoloji türünden yararlanan görüntü tanımadır (bitki türlerini tanımlamak için). Belki 2023'te dünyanın dikkatini çeken üretken yapay zeka sistemleri kadar heyecan verici olmasa da, yapay zeka şemsiyesi altında yer alan bir tekniğin iyi ve pratik bir uygulaması.
Bu günlerde benim eğilimim, uygun olduğunda yapay zeka yerine "makine öğrenimi" terimini kullanmaya çalışmak ve "Yapay Zeka"nın artık ürettiği abartılı ve alerjik reaksiyonlardan kaçınmayı ummak. Ve Patrick Winston'ın sözleri aklımda tazeyken, "bilgisayarları kullanışlı kılmak"tan bahsetmeye başlayabilirim. ®
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://go.theregister.com/feed/www.theregister.com/2024/04/25/ai_usefulness/
