Mitä tapahtuu, jos jätät keinotekoisen älykkyyden valvomatta?

Sisältö:

Riippumaton AI

Vaikka se on jo huono muoto - mainita viime vuoden Alpha Go: n ja ensimmäisen kohdan henkilökohtainen ottelu, aloitetaan tässä esimerkissä. Hän on kiinnostunut meistä, koska tämä on ehkä ensimmäinen asianmukainen tapaus "itsensä oppimisesta". On monia muita esimerkkejä, mutta tähän päivään mennessä he eivät ole jättäneet laboratorioita ja ovat yleisesti tuntemattomia yleisölle. AlphaGon itseopiskelun ytimessä oli monta tuntia pelaamista itsensä kanssa, sekä pelien pelaamista.

Tämä mies- ja autokilpailu herätti kaikkien suurten julkaisujen huomion. Olen aina jarru ja minulla ei ollut aikaa tähän upeaan modernin journalismin muistiojunaan. Mutta "vuosisadan vastakkainasettelu" on mielenkiintoinen paitsi sen ympärillä oleva hype (miljoona dollaria palkintorahassa, kunnianosoitus yhdeksännessä danissa pelin aikana, tieteellinen läpimurto vuoden mukaan Sciencein mukaan) ja erillinen Azimov-fiktio. Toiminnan ydin lyhyesti: AlphaGo-pelikone hallitsi ja voitti 4 viidestä ottelusta perinteisessä itämaisessa pelipelissä. Hän ei voittanut yhtään ensimmäistä sijoittajaa, mutta korealaisen 9-dan Lee Sedolin (kansainvälisen luokituksen 2. sija). Asiantuntijat sanovat, että tämä tapaus ei näytä olevan tietokoneen ja Garry Kasparovin shakki-taistelu, koska vuonna 1997 tietokone oli koulutettu shakkialaisten valvonnassa, jotka itse kirjoittivat strategioita ja valmentivat häntä. AlphaGo-soittimen harjoittamiseen käytettiin raakaa voimamenetelmää (kone katsoi satoja tuhansia osapuolia), joka muistutti etäyhteydellä GAN: ista (generatiiviset vastakkaiset verkot) tunnetuista tieteellisistä malleista. Ne ovat erityisen kiinnostavia, koska AlphaGo-tiimin edustajat ovat tarttuneet näihin kilpailukykyisiin hermoverkkoihin. Otamme ne huomioon tässä artikkelissa.

Tällainen lähestymistapa keinotekoisen älykkyyden koulutukseen ei ole enää uutinen - generaattorit kilpailevat verkot tai vain GAN ilmestyivät ensimmäisen kerran vuonna 2014 Ian Goodfellowin avulla. GAN: t toimivat hyvin yksinkertaisesti - asianajajapakettina, huonoina poliisin tai kritiikin tekijänä. Yksi verkko (syrjivä, D) luokittelee, merkitsee saapuvat tiedot vääriksi tai totta. Kilpaileva verkko (generaattori, G) tutkii syrjivän arvioita ja voi luoda uusia tietoja näiden arvioiden perusteella. Nämä hermoverkot opettavat toisiaan. Ja mielenkiintoisimmin, GAN: t tarvitsevat hyvin pieniä näytteitä koulutustiedoista - se vie vain muutamia satoja kuvia ja kolme tai neljä kierroksen toistoa, jotta generaattori voi aloittaa omien versioidensa tuottamisen alkuperäisistä kuvista (ennen kuin hermoverkkojen oppimisprosessi tarvitsi useita tunteja ja miljoonia näytteitä).

Yksi kiinnostuneimmista AI: n GAN-malleista oli Facebook, joka jopa kiirehti julkaista postitse. Miksi Facebook? Koska se on julkisin pelaaja huipputeknologiamarkkinoilla - sekä Google että Amazon, ja Microsoft ostaa massiivisesti tiimejä ja aloittelijoita tekoälyyn, jotta he voivat tehdä omia kehitystään. Mutta he ovat hieman Facebookin takana, ja sillä on valtava koulutusnäyte kuvien AI-koulutukseen (tietokonenäkö on yksi suosituimmista AI-koulutusmenetelmistä) ja erinomainen FAIR-tiimi (Facebook Artificial Intelligence Research group).

Yhteenveto: syrjintäverkko oppii erottamaan todelliset kuvat tietokoneella tuotetuista valokuvista ja verkon generaattorijunista luomaan realistisia valokuvia, joita ei voi erottaa alkuperäisestä. Tässä koulutuskilpailussa molemmilla verkoilla on yhtäläiset mahdollisuudet (?). Mitä tapahtuu, kun he suorittavat koulutuksensa?

Trendopad

Viime vuosina konekielellä on vain kulta-aika - tietokoneiden lisääntynyt teho, nopea pääsy suuriin tietoryhmiin tekevät tästä alueesta erittäin kuuman. Nykyään AI on Ford-auto viime vuosisadan alussa tai 60-luvun avaruusatelliitit - yleinen kiire, huimaava ennuste ja heikko ymmärrys siitä, mitä tehdä kaiken tämän vaurauden kanssa. Alla on esimerkkejä uusimmista korkean profiilin tekniikoista AI: n alalla.

Yhden kuvan oppiminen on hermoverkkojen kouluttaminen pienellä määrällä dataa, mieluiten yhdellä esimerkillä ja pienellä näytteellä koulutusta varten. Yhä useammat startupit työskentelevät nopeasti oppimisen AI: ssä.

Niinpä pelialgoritmi DeepStack ei toistanut Alpha Go: n kohtaloa, mutta tuli hyvin lähelle onnistuneita koulutuksia pienissä näytteissä. DeepStack suoritti vuoden 2016 lopussa sarjan Texas-pokeripelejä, joissa oli 11 pelaajaa kansainväliseltä pokerijärjestöltä. Algoritmi otti 3000 yhdistelmää jokaisen pelaajan kanssa, jotta saataisiin aikaan kunnollisia tuloksia - luottavaisia ​​(keskimäärin 396 pistettä) voittoja kymmenen pelaajan välillä ja lähellä voittoa yhdestoista (70 pistettä, tilastollinen tarkkuus). Algoritmia ei pelkästään opittu pelien prosessissa, vaan käytetty uudelleenratkaisumenetelmää (mukautuminen jokaiseen uuteen soittimeen ja jokaiseen uuteen korttiyhdistelmään). DeepStack on seurausta syvien rekursiivisten hermoverkkojen ja GAN: ien jakamisesta.

Kuvien tunnistamiseen käytetään Microsoft ResNet -verkkoa. Jos kuvaat hermoverkon työtä lajittelemalla ja tunnistamalla kuvia, saat nämä kuvat:

Perspektiivisuuntaus oikeuslääketieteessä ja valokuvauksessa, kasvojen ikääntyminen GAN: iin - 5 000 valokuvasta erilaisten ikäisten ihmisen kasvojen harjoituksen jälkeen erottuva generaattori voi toistaa, ennustaa yksilöiden muutoksia iän myötä. Jos generaattori toistaa ikääntyneen henkilön, erottelija määrittää, kuinka paljon tulos vastaa alkuperäistä.

Goldman Sachsin elinkeinonharjoittajien kuningas korvasi osan kauppiaistaan ​​algoritmeilla. 600 tavallisen kauppiaan paikkaan on nyt 200 kehittäjää ja insinööriä, jotka tukevat kaupankäynnin algoritmeja. Tähän liittyy suuri (146 pisteen) pankkien hallintasuunnitelma yksinkertaisten välitystoimintojen automatisoimiseksi. Tämä ei vaikuta elinkeinonharjoittajiin, joilla on laaja kokemus ja kokeneet myyjät.

Vaikka joissakin hedge-rahastoissa (Sentient Technologies inc., Numerai, Emma hedge -rahasto), AI-pohjaiset elinkeinonharjoittajan algoritmit suorittavat kaikki analytiikan ja ennustamisen tulokset. Tyypillisesti AI: n asiantuntijat eivät ole innostuneita työskentelemään rahoituslaitoksissa, mutta suurten tietokokonaisuuksien ja koulutusmahdollisuuksien AI: n edut ovat suuremmat kuin skeptisyys ja haluttomuus työskennellä kapitalististen Molochien hyväksi. Vuosi 2016 oli useiden hedge-rahastojen syntymävuosi, jolloin keinotekoinen älykkyys vaihdetaan.

Kiinan kaksois "Google" Baidu ei myöskään nuku. Suurin osa Kiinan kehityksestä AI: n alalla, koneoppiminen jaetaan maksutta ja kuka tahansa voi testata ja tutkia niitä. Tammikuussa 2017 Pekingissä avattiin keinotekoinen todellisuuslaboratorio, jossa Andrew Eun haluaa saada ystäviä virtuaalitodellisuuteen ja hakukoneiden työhön.

Toinen lupaava kehitys Baidu on lääketieteellinen botti Melody, joka pystyy suorittamaan ensisijaisen potilaskyselyn ja uhkaa korvata koko rekisteröintiosaston poliklinikoissa.

AI: n demokratisointi - Nykyään tutkijoille tarvitaan suuria määriä tietoa ja laskentatehoa, joten nyt vain suuret yritykset ja tutkimuslaitokset ovat kilpailukykyisiä AI: n alalla. Heti kun AI-mallit näyttävät tutkivan pieniä tietomääriä, se on vieläkin mielenkiintoisempaa, koska vielä useammat ihmiset voivat kouluttaa ja tutkia AI: tä. Ehkä on olemassa sosiaalisia verkostoja (jo), joissa ihmiset voivat jakaa edistystä AI-agenttien koulutuksessa.

Jakelu saa mekanismeja väärennettyjen uutisten, valokuvien, videoiden automaattiseksi tunnistamiseksi. IBR: n (kuvapohjaisen renderoinnin) kehittäminen, tekniikka, joka mahdollistaa piirtämisen uusiin kehyksiin olemassa olevien perusteella (mikä on samanlainen kuin jo toteutetut interpolointi- tai liikkeen interpoloinnin menetelmät), vaatii yksinkertaisesti tällaisen väärennösainetta.

Toinen hymy brittiläisestä Kiinasta on Face ++ -havainnoinnin kehittäminen, jonka avulla voit maksaa kasvosi kanssa (on vaikea laskea, kuinka monta kerrosta tässä punnissa on). Kehittämisen testaus perustuu Alipay-mobiilimaksujärjestelmään: nyt voit suorittaa maksuja tarjoamalla vain oman kasvosi.

Puheentunnistuksen ja lisääntymisen alalla on useita kiinnostavia asioita: Adobe Voco (Voice Conversion) -esitys "Photoshop for voice" - Adobe Audition -ohjelma, joka manipuloi ihmisen puheen alkuperäistä näytettä, lisää uusia sanoja ja merkityksiä alkuperäiseen viestiin. Nyt ventriloquization ottaa uusia merkityksiä.

Hyvä esimerkki siitä, miten riippumaton tutkija voi opettaa AI-kieliä, on:

Ohjelma opettaa englantia:

Ohjelma opettaa japania:

Ja mitä tapahtuu, jos jätät AI: n ilman valvontaa? Hän opiskelee itsenäisesti pysähtymättä ja tulee yhä täydellisemmäksi esimerkiksi musiikissa:

Algoritminen moppi tai keinotekoinen Stravinsky

Päätelmien sijasta: kun kuulen, että nuoret, joilla on MBA-tutkinto, tekevät AI-aloittelijoita, käsi saavuttaa hiiren. Jos harkitsemme, kuinka paljon vapaita ohjelmistoja ja tehokkaita tietokoneita on tavallisten ihmisten saatavilla tänään, AI: n muodin ei pitäisi olla yllättävää. Huolimatta HYIP: stä keinotekoisen älykkyyden ja koneen oppimisen ympärillä, mahtavista ennusteista ja lapsellisista temppuista, kuten Rocket AI: stä, AI: sta on tuskin voitu kutsua älykkyyttä tämän sanan tarkassa määrittelyssä huolimatta kaikesta tämän alan edistymisestä. Ihmiset suorittavat keinotekoisen älykkyyden, AI ei edes nimeä itseään, se vain kertoo, mitä tutkijat ovat sijoittaneet siihen. Suurin osa keinotekoisen älykkyyden perusteella toimivista palveluista tukee edelleen kehittäjiä, voimme puhua vain hyvin pienestä murto-osasta älykkäiden koneiden automatisointia. Toistaiseksi tekoäly toistuu ja toistaa vain opetus- tai työtietoja - kyllä, se hämmästyttää laskentatehoa ja oppimisnopeutta, mutta siitä on kyse. On liian aikaista puhua jotain vastaavasta ihmisen korkeammasta hermostosta. "Kyllä, eikä välttämättä", sanoo Larry Niven.

Päivitys 02.23.17: Facebook julkaisi Profeetan projektin, joka on automaattinen liiketoimintaennuste. Profeetta käyttää ennustuksiinsa additiivisia, ei-parametrisia regressioanalyysimalleja.

Perustuu podcastiin Ian Goodfellowin ja Richard Mallahin kanssa.

* "On mieliä, jotka ajattelevat eri tavalla." 15. Nivenin laki *. - "On olemassa mieliä, jotka ajattelevat samalla tavalla kuin sinä. Vain eri tavalla." 15 Nivenin laki.

Loading...

Jätä Kommentti