Sztuczna inteligencja w prosty sposób

Opublikowano: 31 października 2018 r. / Zaktualizowano: 8 kwietnia 2019 r. – Autor: Konrad Wolfenstein

Sztuczna inteligencja w prostym ujęciu. Jak śledzić ogromne ilości danych, takie jak Big Data? Jest to możliwe tylko wtedy, gdy kierujesz się określonymi wzorcami lub pozwalasz, by tobą kierowały.

Sztuczna inteligencja (AI) – prosta składnia

Eksperyment osobisty: Masz w głowie konkretny obraz. Dzisiaj ma to być czerwona szafka z białymi uchwytami. Co robisz?

Wpisujesz w wyszukiwarkę Google frazę „czerwona szafka, białe uchwyty”.

Wydajność? Skromna.

Próba 2: Wpisujesz w wyszukiwarkę Google frazę „czerwona szafka, białe uchwyty”.

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

Korzystanie z wyszukiwarki Google to pierwszy krok w programowaniu. Zbieranie zapytań i przekształcanie ich w algorytmy i kod tworzy sieć neuronową.

Uczenie maszynowe, jak pokazano na górnym wykresie, nie jest zatem czymś, co można wdrożyć szybko. Wymaga dużo czasu i wysiłku. To również wyjaśnia związane z tym koszty rozwoju. Jednak biorąc pod uwagę, że sztuczna inteligencja nie bierze urlopów, nie przechodzi na emeryturę ani nie ma innych naturalnych nieobecności, obraz całkowicie się zmienia.

Ale czy ta czerwona szafka z białymi uchwytami będzie jutro nadal modna? Czy nadal będzie pasować do Twojego stylu życia? Gusta się zmieniają. Właśnie tu wkracza głębokie uczenie. Kontynuując nasz przykład: w miarę jak kontynuujesz wyszukiwanie, sztuczna inteligencja uczy się i rozpoznaje, jak zmieniły się Twoje zachowania w wyszukiwaniu na podstawie innych interesujących Cię tematów. Następnie samodzielnie opracowuje nowe algorytmy, aby „przewidzieć”, że za rok możesz być zainteresowany zieloną szafką z niebieskimi uchwytami do swojej kuchni.

Straszne? Dla niektórych tak. Ale tak naprawdę nie jest. Nasz strach przed nieznanym płata nam figle. Gdybyśmy zapytali grupę ludzi, co mogłoby ich zainteresować w telewizji jutro, otrzymalibyśmy wiele różnych odpowiedzi. Nie wszystkie byłyby takie same. A teraz, jakimi kryteriami kierujesz się, decydując, którą sugestię zaakceptujesz? Czy chodzi o treść, czy może o atrakcyjność danej osoby?

To samo dotyczy sztucznej inteligencji. Rezultaty zależą od tego, jak słabo lub mocno sieć neuronowa została „zaprogramowana”. Chodzi o analizę wzorców, która powinna pomagać nam podejmować trafne decyzje, a nie nas kontrolować. Bo jeśli nie uda nam się przeprowadzić analizy wzorców w dużych zbiorach danych, zostaniemy bezlitośnie zniszczeni. I to jest prawdziwy horror.