בינה מלאכותית צודקת
בחירת קול 📢
פורסם ב: 31 באוקטובר 2018 / עדכון מאת: 8 באפריל 2019 - מחבר: קונרד וולפנשטיין
בינה מלאכותית פשוט הסבירה. בקהל, למשל נתונים גדולים שומרים על סקירה כללית? זה אפשרי רק אם אתה מכוון או מכוון לדפוסים מסוימים.
בדיקה עצמית: יש לך תמונה מסוימת בראש שלך. אומרים שהוא ארון אדום עם ידיות לבנות היום. מה אתה עושה?
בחיפוש בגוגל "ארון אדום, ידיות לבנות".
תְשׁוּאָה? צָנוּעַ.
ניסיון 2: אתה נכנס ל"ארון אדום, ידיים לבנות "בחיפוש בגוגל.
התוצאה טובה יותר, אך בהחלט יכולה להיות טובה אפילו יותר.
עם החיפוש בגוגל, הצעד הראשון מתבצע בתכנות. אוסף החיפושים, ההמרה של זה לאלגוריתמים וקודים יוצרים את הרשת העצבית.
לומד מכונה כפי שמוצג בגרפיקה העליונה אינו מהווה דבר ליישום מהיר. יש הרבה זמן ועבודה בפנים. זה גם מסביר את עלויות הפיתוח המתאימות. אבל אם אתה מחשיב שה- AI אינו יודע חופשה, אין פנסיה או כישלונות טבעיים אחרים, הוא נראה שוב שונה מאוד.
אך האם הארון האדום עם ידיות לבנות עדיין מעודכן מחר? האם זה עדיין מתאים לאורח החיים? טעם משתנה. כאן בדיוק נכנס הלמידה העמוקה. להישאר עם הדוגמה שלנו: עם החיפוש הנוסף, ה- AI לומד, ועל סמך שאר הנושאים המעוניינים כיצד התנהגות החיפוש שלך השתנתה ועצמאי, מפתחת אלגוריתמים חדשים כדי "לחזות" כי ארון ירוק עם ידיות כחולות יכול להתעניין במטבח בשנה אחת.
נוֹרָא? זה מפחיד עבור חלקם. אבל זה למעשה לא. ואז הפחד מהלא נודע מגלם קונדס. אם נשאל קבוצה של אנשים שעשויים להתעניין בטלוויזיה מחר, תקבלו מגוון תשובות בהתאם. לא אחיד. ובכן, איזה דפוס אתה מחליט איזו הצעה תקבל? האם זו התרומה הטכנית או אז המראה האטרקטיבי של האדם הנוגע בדבר?
ככה זה עם ה- AI. תלוי כמה חלשה או חזקה הרשת העצבית "תוכנתה", ההצהרה היא בהתאם. מדובר בניתוח תבניות שאמור לעזור לנו לקבל החלטה טובה. לא לשלוט בנו. מכיוון שאם אנו לא יוצרים ניתוח מדגם בנתונים הגדולים, אנו עוברים ללא רחמים. וזה התרחיש האימה האמיתי.