A 10 legfontosabb AI mítosz felszámolása

Szerző: Roger Morrison
A Teremtés Dátuma: 1 Szeptember 2021
Frissítés Dátuma: 1 Július 2024
Anonim
A 10 legfontosabb AI mítosz felszámolása - Technológia
A 10 legfontosabb AI mítosz felszámolása - Technológia

Tartalom


Forrás: Usa Pyon / Dreamstime.com

Elvitel:

Az AI egy forró technológia, de sokan félreértik a véleményüket, hogy pontosan mit jelent. Itt áttekintjük az AI-t körülvevő mítoszokat és megvizsgáljuk a tényeket.

Miért beszélnek mindenki az Ai-ról, még mindig nem látunk barátságos robotokat, mint például a "Star Trek" adatai az emberek között? Emléksztünk arra, hogy a RoboCop második miniszterelnökének a szkriptmintáit kiegészítettük, hogy képesek legyenek "megvédeni az ártatlanokat" az emberiség pusztításának helyett, amint teljes érzelmet szereznek?

Manapság sok a zavar az, hogy mi a mesterséges intelligencia (AI), a gépi tanulás és a mélyreható tanulás, mire képes az "intelligens gépek", és mi az AI technológiák jelenlegi állása. Ideje élvezni néhány jó öreg debunking-ot, tehát töröljük le az AI-vel kapcsolatos 10 leggyakoribb mítoszt. (Ha többet szeretne megtudni az AI lehetséges jövőjéről, nézd meg, hogy az AI forradalom szükségessé teszi-e az egyetemes jövedelmet?)


1. Az AI intelligens robotokból vagy androidokból áll, amelyek embernek tűnnek.

Túl sok "Blade Runner" mindenki számára itt, hm? Noha a robotika és az AI között sok általános zavar van, ezek két teljesen különféle tudományos terület, amelyek különböző célokat szolgálnak. A robotok olyan fizikai eszközök, amelyeket hajtóművek és érzékelők szolgálnak sokféle feladat elvégzésére, például termékek gyártására, szállítására vagy szétszerelésére a gyárakban.

Az AI olyan programmal van programozva, hogy elég autonóm ahhoz, hogy döntéseket hozzon és tanuljon a hibáiból. Bár néhány robotot az AI algoritmusok tovább javíthatnak, az "intelligencia" rész csak egy, az AI rendelkezésére álló további képesség.


2. Az AI, a gépi tanulás és a mély tanulás mind ugyanaz.

Habár mind ugyanazon nagyobb AI rendszer részei, három különböző dolog. Alapvetően a gépi tanulás az a módszer, amelyen keresztül az AI megtanul külső forrásokból, például algoritmusok felhasználásával az adatok megkülönböztetésére és a helyes viselkedésük meghatározására. A mély tanulás csak egy lehetséges módszer a gépi tanulás gyakorlati alkalmazásaihoz. Neurális hálózatokon (NN) alapul, és arra használják, hogy megmondják az AI-nek, milyen valószínűséggel hoz helyes döntést.

3. Az AI teljesen megtanul egyedül.

Annak ellenére, hogy az AI iránt túlzottan túlzó hipotézisek álltak, és amelyek állítólag önmagukban képesek voltak megtanulni, még mindig lehetetlen olyan AI-alapú rendszert találni, amely olyan valós alkalmazást tartalmaz, amely emberi segítség nélkül nulla tudásból növekszik. Bármely olyan rendszert, amelynek bármilyen rejtett információval vagy bizonytalansággal kell foglalkoznia, az AI nem tudja "megérteni", amelyet az embereknek továbbra is bemeneti adatokkal és adatokkal kell ellátniuk. Ezenkívül minden információnak egyértelmű célja van, olyasmi, amit az AI nem tud kitalálni külső források nélkül (legalábbis a kezdetben).

4. A chatbots az AI legalapvetőbb formája.

Még egyszer, még ha vannak olyan chatbotok is, amelyek kihasználják az AI többé-kevésbé kezdetleges formáit, ezek többsége nem más, mint alapvető programok, amelyek az emberekkel vagy a hang interfészek révén kölcsönhatásba lépnek. Ahelyett, hogy valóban "intelligens", a legtöbb csevegőbot előre programozott választ ad, amelyet a felhasználó bemeneti bizonyos kulcsszavaira adott válaszként ad meg. Ahhoz, hogy a chatbot valódi AI legyen, több olyan technológiával kell rendelkeznie, amelyek lehetővé teszik az ember megértését, megismerését igényeiről és ennek megfelelően történő reagálására. Szükség van hang- vagy felismerő szoftverre, érzelmi elemzésre, valamilyen gépi tanulási programra és természetes nyelvgenerációs technológiára. (Ha többet szeretne megtudni a chatbotokról, olvassa el a következő kérdést: IT-profik kérdeztük, hogyan fogják a vállalatok a jövőben használni a chatbotokat. Itt álltak:)

5. A jövőbeni mélyreható tanulási műveletek végrehajtásához szükséges erő nem fenntartható.

Vitathatatlan, hogy az AI sok további számítástechnikai energiát igényel a képzéshez és az összes összetett mélyreható művelet végrehajtásához. Egy olyan jövőben, ahol a legtöbb vállalkozás bizonyos mértékben használja az AI-t, ez a probléma epikus méretűvé válhat, és használata valószínűleg nem fenntartható. Az AI azonban valójában biztosíthat nekünk több energiatermelés az energiatermelés egyéves problémájának feloldásával: az energiahálózatok pazarlása és a hatékonyság. A közüzemi társaságok az energiafelhasználást a magánfelhasználóktól vásárolják, akik a termelésük felesleges villamosenergia-többségét is pazarolják, mivel a jelenlegi hálózatokat nem úgy építették be, hogy megfeleljenek a modernizáció modern szintjének. Az AI-t megmenthetjük úgy, hogy a régi hálózatokat új, intelligens, AI-hajtású mikrohálókkal cseréljük ki, amelyek pontosan tudják, hogyan kell a lehető leghatékonyabban elosztani az elektromos áramot valós időben.

Nincsenek hibák, nincs stressz - Az Ön életét megváltoztató szoftverek készítésének lépésről lépésre történő leírása az élet megsemmisítése nélkül

Nem javíthatja a programozási készségét, ha senki sem törődik a szoftver minőségével.

6. A vállalkozások számára könnyű bérelni az AI műveletek üzemanyagához szükséges számítási teljesítményt.

... ha az AWS, a Google, a Microsoft és az Alibaba Cloud jelenleg nem centralizálná a világon rendelkezésre álló számítási teljesítmény nagy részét. Tehát az AI fejlesztőinek jelenleg csak két lehetősége van: rendkívül magas áron bérelni, vagy saját szuper drága hardvereket vásárolni.

Van azonban esély arra, hogy ezt a mítosz-lerontást a közeljövőben ... leronthatjuk. Egy új Tatau nevű vállalat kifejlesztett egy blokklánc-alapú szuperszámítógépes platformot, amely megoldja a problémát. Megoldásuk lehetővé teszi a GPU-alapú gépek globálisan elosztott hálózatának összesített erőforrásainak összesítését és viszonteladását. Képzelje el a kriptovállalati bányászokat, játékosokat vagy más nagy teljesítményű számítógépeket, amelyek számítási teljesítményüket az AI fejlesztésére fordítják. Az AI-társaságok igénybe vehetik a GPU-k ezt a kihasználatlan forrását, hogy sokkal olcsóbb áron képezzék meg gépi tanulási modelljeiket. Vegye figyelembe, hogy ez az új platform választ adhat az 5. pontban kiemelt problémára is, mivel elősegíti a jelenleg ki nem használt erőforrások hatékony felhasználását.

7. Az AI kiképzéséhez hatalmas mennyiségű adatra van szüksége.

Nem feltétlenül. Persze, kell nagyon adat- és számítási teljesítmény az AI kiképzéséhez a semmiből. És bár kisebb mértékben, terabyte-os adatra van szüksége az AI kiképzéséhez olyan összetett feladat elvégzéséhez, mint például egy autó vezetése. Az AI alkalmazási területétől függően azonban az előre kiképzett neurális hálózatok elég rugalmasak ahhoz, hogy csak bizonyos területeken képesek legyenek átképzésre. Az alapadat-keret egy nagyobb, általánosabb adatkészletből származhat, és csak a hálózat utolsó részét kell kicserélni az adott felhasználási esetre jellemző "kitöltéshez".

8. Az AI felváltja a meglévő BI eszközöket, minden korábbi technológiát elavulttá téve.

Ez enyhén szólva egy kicsit hosszabb. A modern üzleti intelligencia (BI) megoldások többsége erősen skálázható és gyakran testreszabható, így bármilyen jövőbeli AI-alapú modell könnyen integrálható közvetlenül a platformjukba. A vállalatok mindig inkább csak azokat a megoldásokat alkalmazzák, amelyek nem járnak a munkafolyamat megszakításának kockázatával, és az AI technológiák alkalmazkodtak ehhez a szükséglethez. Ezért a legtöbb AI-platformot az interneten keresztül valósítják meg, így nincs szükség cserére, vagy a legrosszabb esetben a szakaszokban biztonságosan megvalósítható.

9. A neurális hálózatok olyanok, mint a biológiai hálózatok, de mechanikusak.

Egy idegi hálózat sem remélheti, hogy az emberi agy komplexitásának csak egy töredékét eléri. A sokéves klinikai és tudományos kutatás ellenére továbbra sem tudjuk teljes mértékben megérteni a biológiai ideghálózatokat, mivel az idegsejtek sok különböző feladatot látnak el az emberi testtel (gondolkodni kell az érzékszervi és motoros neuronok közötti különbségről), sőt az információkat továbbítják sok különböző útvonal (elektromosság, kémiai potenciál és neurotranszmitterek felhasználásával). A neurális hálózatok csak a nagyon egyszerű bemeneteket tudják megérteni a tipikus 1 vagy 0 ("igen" vagy "nem") gépen. Olyan, mintha egy katonai repülőgép bonyolultságát összehasonlítanák a sárkányral, csak azért, mert mindkettő repülni tud.

10. Az AI végül elég intelligens lesz ahhoz, hogy megértse, hogy az emberek veszélyesek, ezért meg kell semmisíteni.

Nos, ezt a mítoszot valójában nem szabad lerázni, mivel nem mítosz. Ez egy valóság. Fogja meg magát, mert az ellenállás hiábavaló!

Nem véve vicceket, egyszerűen fogalmazva: az AI-nek nincs közel olyan intelligenciája, amely ahhoz szükséges, hogy megértse a magát körülvevő világot, és autonóm, racionális döntéseket hozzon. Minden algoritmust egy feladat végrehajtására fejlesztettek ki, és ezen kívül kívül semmit sem képes megtenni, nem is beszélve az önálló gondolkodás képességének eléréséről. A számítógépek felsőbb számítási képességeik "brutális erőit" használják, hogy megoldást találjanak a viszonylag egyszerű kérdésekre, ám hiányzik a megértés, az észlelési mélység és a stratégiai bonyolultság, hogy valamelyik célja ne legyen a programozott.

Tehát pihenj egyszerűen, mert az AI csak nagyon sokáig lesz mesterséges segítőink és szolgáink.