Sztuczna inteligencja stała się prosta

Sztuczna inteligencja po prostu wyjaśniła. Utrzymać przegląd w masie, np. Big Data? Jest to możliwe tylko wtedy, gdy będziesz podążać za określonymi wzorami lub dać się prowadzić.

Eksperyment na sobie: Masz w głowie określony obraz. Dziś powinna to być czerwona szafka z białymi uchwytami. Co robisz?

W wyszukiwarce Google wpisujesz „czerwona szafka, białe uchwyty”.

Dawać? Skromny.

Druga próba: W wyszukiwarce Google wpisujesz „czerwona szafka, białe uchwyty”.

Wynik jest już lepszy, ale z pewnością mógłby być jeszcze lepszy.

Pierwszy krok w programowanie odbywa się za pomocą wyszukiwarki Google. Gromadzenie zapytań i ich konwersja na algorytmy i kody tworzą sieć neuronową.

Uczenie maszynowe, jak widać na górnej grafice, nie jest zatem rzeczą do szybkiego wdrożenia. Wkłada się w to dużo czasu i pracy. Wyjaśnia to również odpowiednie koszty rozwoju. Ale jeśli wziąć pod uwagę, że AI nie ma urlopu, emerytury ani innych naturalnych strat, sytuacja wygląda zupełnie inaczej.

Ale czy czerwona szafka z białymi uchwytami będzie jutro nadal aktualna? Czy nadal pasuje do stylu życia? Gusta się zmieniają. Właśnie w tym miejscu wchodzi w grę głębokie uczenie się. Pozostając przy naszym przykładzie: w miarę kontynuowania wyszukiwania sztuczna inteligencja uczy się i rozpoznaje, jak zmieniło się Twoje zachowanie podczas wyszukiwania, na podstawie innych tematów, które Cię interesują, i niezależnie opracowuje nowe algorytmy, aby „przewidywać”, że będziesz mieć zieloną szafkę w rok z niebieskimi uchwytami może być interesujący dla kuchni.

Straszny? Dla niektórych jest to przerażające. Ale tak naprawdę nie jest. Strach przed nieznanym płata nam figle. Gdybyśmy zapytali grupę ludzi, co może Cię zainteresować jutro w telewizji, otrzymalibyście różne odpowiedzi. Nie jednolite. Jak teraz zdecydować, którą propozycję przyjmiesz? Czy chodzi o wkład zawodowy, czy o atrakcyjny wygląd danej osoby?

Podobnie jest z AI. Stwierdzenie zależy od tego, jak słaba lub silna została „zaprogramowana” sieć neuronowa. Chodzi o analizę wzorców, która pomoże nam podjąć dobrą decyzję. Nie po to, żeby nas kontrolować. Bo jeśli nie uda nam się przeanalizować wzorców w big data, to bez litości upadniemy. I to jest prawdziwy scenariusz horroru.