人工知能について簡単に説明します。 ビッグデータなどの大量の概要を維持しますか? これは、特定のパターンに従うか、ガイドに従う場合にのみ可能です。
自己実験: 頭の中に特定のイメージがあります。 今日では、白いハンドルが付いた赤いキャビネットになるはずです。 何してるの?
Google検索で「赤いキャビネット、白いハンドル」と入力します。
収率? 控えめ。
2 回目の試行: Google 検索に「赤いキャビネット、白いハンドル」と入力します。
結果はすでに改善されていますが、さらに改善される可能性があります。
プログラミングへの最初の一歩は、Google 検索から始まります。 検索クエリのコレクションと、それらのアルゴリズムとコードへの変換により、ニューラル ネットワークが形成されます。
したがって、上の図に示されているように、機械学習はすぐに実装できるものではありません。 多くの時間と労力が費やされます。 これは、対応する開発コストも説明します。 しかし、AI には休暇、年金、その他の自然損失がないことを考慮すると、状況は完全に異なって見えます。
しかし、白いハンドルが付いた赤いキャビネットは明日も意味があるでしょうか? まだライフスタイルに合っていますか? 味が変わります。 まさにここでディープラーニングが活躍します。 先ほどの例で言えば、検索が続くと、AI は興味のある他のトピックに基づいて検索行動がどのように変化したかを学習して認識し、新しいアルゴリズムを独自に開発して、緑色の食器棚が部屋にあることを「予測」します。青いハンドルの年はキッチンで興味深いかもしれません。
ひどい? 一部の人にとって、これは恐ろしいことです。 しかし、実際にはそうではありません。 未知への恐怖は私たちを騙します。 もし私たちが人々のグループに明日のテレビで何に興味があるか尋ねたら、さまざまな答えが返ってくるでしょう。 均一ではありません。 さて、どの提案を受け入れるかをどのように決定しますか? それは専門的な貢献でしょうか、それとも本人の魅力的な外見でしょうか?
AIも同様です。 この声明は、ニューラル ネットワークがどの程度弱いか、または強いかによって「プログラム」されています。 それは、良い決断を下すのに役立つパターン分析に関するものです。 私たちをコントロールするためではありません。 ビッグデータのパターンを分析できなければ、容赦なく破滅してしまうからです。 そしてそれが本当の恐怖のシナリオです。