인공지능이 단순해진다

인공지능은 간단하게 설명했다. 빅 데이터 등의 전체 개요를 유지하고 계십니까? 이는 특정 패턴을 따르거나 스스로 안내를 받는 경우에만 가능합니다.

자기 실험: 당신의 머릿속에는 어떤 이미지가 있습니다. 오늘은 흰색 손잡이가 달린 빨간색 캐비닛이어야합니다. 뭐하세요?

Google 검색에서“캐비닛 빨간색, 흰색 손잡이”에서.

생산하다? 보통의.

시도 2 : Google 검색에 "빨간색 캐비닛, 흰색 손"을 입력합니다.

결과는 이미 좋아졌지만 확실히 더 좋아질 수도 있습니다.

프로그래밍의 첫 번째 단계는 Google 검색으로 이루어집니다. 검색어를 수집하고 이를 알고리즘과 코드로 변환하여 신경망을 형성합니다.

따라서 상단 그래픽에 표시된 것처럼 기계 학습은 빠른 구현을 위한 것이 아닙니다. 많은 시간과 노력이 소요됩니다. 이는 또한 해당 개발 비용을 설명합니다. 하지만 AI에는 휴가도 없고 연금이나 기타 자연적 손실도 없다는 점을 고려하면 상황은 완전히 달라 보입니다.

그러나 흰색 손잡이가있는 빨간색 캐비닛은 내일까지 최신 상태입니까? 여전히 라이프 스타일에 맞습니까? 맛이 변합니다. 딥 러닝이 등장하는 곳입니다. 우리의 예를 유지하려면 : 추가 검색을 통해 AI는 검색 동작이 어떻게 변하고 독립적으로 변하는 방법에 관심이있는 다른 주제를 배우고, 블루 핸들이있는 녹색 캐비닛이 1 년 안에 주방에 관심이있을 수 있음을“예측”하는 새로운 알고리즘을 개발합니다.

끔찍한? 어떤 사람들에게는 이것이 무서운 일입니다. 그러나 실제로는 그렇지 않습니다. 미지의 것에 대한 두려움은 우리를 속입니다. 일단의 사람들에게 내일 TV에서 당신이 관심을 가질 만한 것이 무엇인지 묻는다면, 당신은 다양한 대답을 얻게 될 것입니다. 균일하지 않습니다. 이제 어떤 제안을 받아들일지 어떻게 결정합니까? 직업적인 공헌인가, 아니면 그 사람의 매력적인 외모인가?

그것이 AI와 함께하는 방식입니다. 신경망이 얼마나 약하거나 강한 지에 따라, 그에 따라 진술은 그에 따라 적절합니다. 우리가 좋은 결정을 내리는 데 도움이되는 패턴 분석에 관한 것입니다. 우리를 통제하지 마십시오. 빅 데이터에서 샘플 분석을 만들지 않으면 무자비하게 진행됩니다. 그리고 그것이 진짜 공포 시나리오입니다.