בינה מלאכותית פשוטה

בינה מלאכותית מוסברת בפשטות. כיצד ניתן לעקוב אחר כמויות אדירות של נתונים, כמו ביג דאטה? זה אפשרי רק אם מכוונים את עצמכם לדפוסים מסוימים, או מאפשרים לעצמכם להיות מודרכים על ידם.

ניסוי אישי: יש לך תמונה ספציפית בראש. היום זה אמור להיות ארון אדום עם ידיות לבנות. מה אתה עושה?

אתה מזין "ארון אדום, ידיות לבנות" בחיפוש גוגל.

תשואה? צנועה.

ניסיון שני: אתם מזינים "ארון אדום, ידיות לבנות" בחיפוש גוגל.

התוצאה כבר טובה יותר, אבל היא בהחלט יכולה להיות אפילו טובה יותר.

שימוש בחיפוש בגוגל הוא הצעד הראשון בתכנות. איסוף שאילתות חיפוש והמרתן לאלגוריתמים וקוד יוצרים את הרשת הנוירונים.

למידת מכונה, כפי שמוצג בתמונה העליונה, אינה דבר שניתן ליישם במהירות. היא דורשת הרבה זמן ומאמץ. זה גם מסביר את עלויות הפיתוח המתאימות. עם זאת, כשחושבים על כך שבינה מלאכותית לא לוקחת חופשות, פורשת או חסרת היעדרויות טבעיות אחרות, התמונה משתנה לחלוטין.

אבל האם הארון האדום עם הידיות הלבנות עדיין יהיה אופנתי מחר? האם הוא עדיין יתאים לאורח החיים שלכם? טעמים משתנים. כאן בדיוק נכנסת לתמונה למידה עמוקה. אם נמשיך עם הדוגמה שלנו: כשאתם ממשיכים לחפש, הבינה המלאכותית לומדת ומזהה כיצד התנהגות החיפוש שלכם השתנתה בהתבסס על נושאים אחרים שמעניינים אתכם. לאחר מכן היא מפתחת באופן עצמאי אלגוריתמים חדשים כדי "לחזות" שבעוד שנה ייתכן שתהיו מעוניינים בארון ירוק עם ידיות כחולות למטבח שלכם.

נורא? עבור חלק, זה כן. אבל זה באמת לא. הפחד שלנו מהלא נודע משחק איתנו תעלולים. אם היינו שואלים קבוצת אנשים מה הם עשויים למצוא מעניין בטלוויזיה מחר, הייתם מקבלים מגוון רחב של תשובות. לא כולן יהיו זהות. עכשיו, אילו קריטריונים אתם משתמשים בהם כדי להחליט איזו הצעה הייתם מקבלים? האם זה התוכן או אולי האטרקטיביות של האדם המדובר?

אותו הדבר חל על בינה מלאכותית. התוצאות תלויות במידת החלשות או החוזק של "תוכנתה" הרשת הנוירונית. מדובר בניתוח תבניות, שאמור לעזור לנו לקבל החלטות טובות, לא לשלוט בנו. כי אם לא נצליח להשיג ניתוח תבניות בביג דאטה, ניהרס ללא רחם. וזהו תרחיש האימה האמיתי.