कृत्रिम बुद्धिमत्ता को सरल बनाया गया

आर्टिफिशियल इंटेलिजेंस को सरलता से समझाया गया। बड़े पैमाने पर एक सिंहावलोकन बनाए रखना, उदाहरण के लिए बिग डेटा? यह तभी संभव है जब आप कुछ पैटर्न का पालन करें या खुद को निर्देशित होने दें।

एक आत्म-प्रयोग: आपके दिमाग में एक निश्चित छवि है। आज यह सफेद हैंडल वाली लाल कैबिनेट होनी चाहिए। आप क्या कर रहे हो?

Google खोज में "कैबिनेट लाल, सफेद हैंडल"।

उपज? मामूली।

प्रयास 2: आप Google खोज में "लाल कैबिनेट, सफेद हाथ" दर्ज करते हैं।

परिणाम पहले से बेहतर है, लेकिन निश्चित रूप से और भी बेहतर हो सकता है।

प्रोग्रामिंग में पहला कदम Google खोज के साथ उठाया जाता है। खोज क्वेरी का संग्रह और उन्हें एल्गोरिदम और कोड में परिवर्तित करना तंत्रिका नेटवर्क बनाता है।

मशीन लर्निंग, जैसा कि शीर्ष ग्राफ़िक में दिखाया गया है, इसलिए त्वरित कार्यान्वयन की चीज़ नहीं है। इसमें काफी समय और मेहनत लगती है. यह संबंधित विकास लागतों की भी व्याख्या करता है। लेकिन अगर आप इस बात पर विचार करें कि एआई के पास कोई छुट्टी नहीं है, कोई पेंशन या अन्य प्राकृतिक नुकसान नहीं है, तो चीजें पूरी तरह से अलग दिखती हैं।

लेकिन क्या सफेद हैंडल के साथ लाल कैबिनेट अभी भी आज तक अद्यतित है? क्या यह अभी भी जीवनशैली फिट है? स्वाद बदल जाता है। यह वही है जहाँ गहरी शिक्षा आती है। हमारे उदाहरण के साथ रहने के लिए: आगे की खोज के साथ, एआई सीखता है और, अन्य विषयों के आधार पर, जो आपके खोज व्यवहार में रुचि रखते हैं और स्वतंत्र रूप से रुचि रखते हैं, नए एल्गोरिदम को "भविष्यवाणी" करने के लिए विकसित करते हैं कि नीले हैंडल के साथ एक हरे रंग की कैबिनेट एक वर्ष में रसोई में रुचि रख सकती है।

भयानक? कुछ लोगों के लिए यह भयावह है. लेकिन वास्तव में ऐसा नहीं है. अज्ञात का डर हम पर चालें चलता है। यदि हम लोगों के एक समूह से पूछें कि कल टीवी पर आपकी क्या रुचि हो सकती है, तो आपको विभिन्न प्रकार के उत्तर मिलेंगे। एकरूप नहीं. अब, आप कैसे तय करेंगे कि आप कौन सा प्रस्ताव स्वीकार करेंगे? क्या यह पेशेवर योगदान है या संबंधित व्यक्ति का आकर्षक स्वरूप?

यह एआई के साथ है। तंत्रिका नेटवर्क को "प्रोग्राम" कितना कमजोर या मजबूत किया गया है, इसके आधार पर, कथन तदनुसार है। यह पैटर्न विश्लेषण के बारे में है जो हमें एक अच्छा निर्णय लेने में मदद करना चाहिए। हमें नियंत्रित करने के लिए नहीं। क्योंकि अगर हम बड़े डेटा में नमूना विश्लेषण नहीं बनाते हैं, तो हम निर्दयता से चलते हैं। और यह असली हॉरर परिदृश्य है।