Điều gì xảy ra nếu bạn để trí thông minh nhân tạo không giám sát?

Nội dung:

AI độc lập

Mặc dù nó đã là một hình thức tồi tệ - để đề cập đến trận đấu Alpha Go năm ngoái của Alpha Go và một người trong đoạn đầu tiên, hãy để bắt đầu với ví dụ này. Anh ấy quan tâm đến chúng tôi bởi vì đây có lẽ là trường hợp đầy đủ đầu tiên của "AI tự học". Có nhiều ví dụ khác, nhưng cho đến ngày nay họ vẫn chưa rời khỏi phòng thí nghiệm và thường không được công chúng biết đến. Cốt lõi của việc tự học của AlphaGo là nhiều giờ chơi trò chơi với chính mình, cộng với việc nghiên cứu các trò chơi đã chơi.

Cuộc thi này của người đàn ông và xe hơi đã thu hút sự chú ý của tất cả các ấn phẩm lớn. Tôi, như mọi khi, phanh và không có thời gian cho chuyến tàu ghi nhớ tuyệt đẹp này của báo chí hiện đại. Nhưng cuộc đối đầu giữa thế kỷ, một cuộc tranh luận thú vị không chỉ bởi sự cường điệu xung quanh nó (một triệu đô la tiền thưởng, trao giải thưởng danh dự thứ 9 trong trò chơi cờ vây, một bước đột phá khoa học của năm theo Khoa học) và một hương vị khác biệt của tiểu thuyết Azimov. Bản chất của hành động ngắn gọn: cỗ máy trò chơi AlphaGo chiếm ưu thế và thắng 4 trong 5 trận đấu trong trò chơi cờ vây truyền thống phương Đông. Cô đã giành chiến thắng không phải ở một số người chơi xếp hạng đầu tiên, mà là tại 9 dan Lee Sedol chuyên nghiệp người Hàn Quốc (vị trí thứ 2 trong bảng xếp hạng quốc tế). Các chuyên gia nói rằng trường hợp này không giống như một trận đánh cờ của máy tính và Garry Kasparov, bởi vì vào năm 1997, máy tính đã được huấn luyện dưới sự giám sát của những người chơi cờ, họ tự viết chiến lược và huấn luyện cho anh ta. Để đào tạo người chơi AlphaGo, phương pháp vũ phu đã được sử dụng (cỗ máy đã xem một mẫu của hàng trăm ngàn bên) giống như các mô hình khoa học đang hoạt động phổ biến được gọi là GAN ​​(mạng đối thủ thế hệ). Chúng được đặc biệt quan tâm, bởi vì đại diện của nhóm AlphaGo đã nắm bắt được các mạng lưới thần kinh cạnh tranh này. Chúng tôi sẽ xem xét chúng trong bài viết này.

Cách tiếp cận như vậy để đào tạo trí tuệ nhân tạo không còn là tin tức nữa - các mạng cạnh tranh rộng rãi hoặc chỉ là GAN ​​xuất hiện lần đầu tiên vào năm 2014 với sự giúp đỡ của Ian Goodfellow. GAN làm việc rất đơn giản - như một bó luật sư, một cảnh sát xấu hoặc một nhà phê bình-tác giả. Một mạng (phân biệt đối xử, D) phân loại, đánh dấu dữ liệu đến là sai hoặc đúng. Một mạng cạnh tranh (máy phát, G) nghiên cứu các ước tính của người phân biệt đối xử và có thể tạo dữ liệu mới dựa trên các ước tính này. Các mạng lưới thần kinh lẫn nhau dạy cho nhau. Và điều thú vị nhất là các GAN cần các mẫu thông tin đào tạo rất nhỏ - chỉ mất vài trăm hình ảnh và ba hoặc bốn vòng lặp để máy phát điện bắt đầu tạo ra các phiên bản hình ảnh gốc của riêng mình (trước quá trình học các mạng thần kinh cần nhiều giờ và hàng triệu mẫu).

Một trong những người quan tâm nhất đến các mô hình AI của GAN là Facebook, thậm chí đã vội vàng đăng một bài viết về nó. Tại sao lại là Facebook? Bởi vì đây là người chơi công khai nhất trong thị trường công nghệ cao - cả Google và Amazon và Microsoft đang mua ồ ạt các đội và các công ty khởi nghiệp về trí tuệ nhân tạo để tạo ra sự phát triển của riêng họ. Nhưng họ chỉ kém Facebook một chút, có một mẫu đào tạo khổng lồ về đào tạo AI về hình ảnh (thị giác máy tính là một trong những phương pháp đào tạo AI phổ biến nhất) và một nhóm FAIR xuất sắc (nhóm Nghiên cứu trí tuệ nhân tạo Facebook).

Tóm tắt: mạng phân biệt đối xử học cách phân biệt ảnh thật với ảnh do máy tính tạo và trình tạo mạng tạo các ảnh thật không thể phân biệt được với ảnh gốc. Trong cuộc đua đào tạo này, cả hai mạng đều có cơ hội thành công như nhau (?). Điều gì sẽ xảy ra khi họ hoàn thành khóa đào tạo của họ?

Xu hướng

Trong những năm gần đây, học máy đang trải qua thời kỳ hoàng kim - sức mạnh của máy tính tăng lên, truy cập tức thời vào các mảng dữ liệu lớn khiến khu vực này trở nên rất nóng. Ngày nay, AI là một chiếc xe của Ford vào đầu thế kỷ trước hoặc các vệ tinh không gian trong thập niên 60 - một sự vội vàng nói chung, dự đoán chóng mặt và hiểu biết yếu về những gì cần làm với tất cả sự giàu có này. Dưới đây là các ví dụ về các công nghệ cao cấp mới nhất trong lĩnh vực AI.

Học tập một lần là đào tạo mạng lưới thần kinh trên một lượng nhỏ dữ liệu, lý tưởng nhất là với một ví dụ duy nhất và một mẫu nhỏ để đào tạo. Ngày càng có nhiều công ty khởi nghiệp đang làm việc về AI học nhanh.

Vì vậy, thuật toán trò chơi DeepStack đã không lặp lại số phận của Alpha Go, nhưng đã tiến rất gần đến việc đào tạo thành công trong các mẫu nhỏ. Vào cuối năm 2016, DeepStack đã thực hiện một loạt các trò chơi poker Texas học tập với 11 người chơi từ tổ chức poker quốc tế. Thuật toán đã lấy 3000 kết hợp với mỗi người chơi để hiển thị kết quả tốt - chiến thắng tự tin (trung bình 396 điểm) trên mười người chơi và chiến thắng sát nút thứ mười một (70 điểm, độ chính xác thống kê). Thuật toán không chỉ được học trong quá trình chơi mà còn sử dụng phương pháp giải lại (thích ứng với từng người chơi mới và từng tổ hợp thẻ mới). DeepStack là kết quả của việc chia sẻ các mạng thần kinh đệ quy sâu và GAN.

Dự án mạng thần kinh Microsoft ResNet được sử dụng để nhận dạng hình ảnh. Nếu bạn chụp công việc của mạng thần kinh trong khi sắp xếp và nhận dạng hình ảnh, bạn sẽ nhận được những hình ảnh sau:

Hướng quan điểm trong khoa học pháp y và nhiếp ảnh, Face Aging With GANs - một cặp tạo phân biệt đối xử sau khi tập luyện trên 5.000 bức ảnh khuôn mặt người ở các độ tuổi khác nhau có thể tái tạo, dự đoán sự thay đổi của các cá nhân theo độ tuổi. Nếu trình tạo tái tạo một người già, người phân biệt sẽ xác định kết quả khớp với bản gốc bao nhiêu.

Các nhà giao dịch của King of Goldman Sachs đã thay thế một số nhà giao dịch của họ bằng các thuật toán. Vị trí của 600 nhà giao dịch bình thường hiện đang bị chiếm đóng bởi 200 nhà phát triển và kỹ sư hỗ trợ các thuật toán giao dịch. Điều này được liên kết với một kế hoạch quản lý ngân hàng lớn (146 điểm) để tự động hóa các hoạt động môi giới đơn giản. Thương nhân có nhiều kinh nghiệm và nhân viên bán hàng có kinh nghiệm sẽ không bị ảnh hưởng bởi điều này.

Mặc dù trong một số quỹ phòng hộ (Sentient Technologies inc., Numerai, Emma hedge fund), các thuật toán thương nhân dựa trên AI đã thực hiện tất cả các công việc phân tích và dự báo kết quả. Thông thường, các chuyên gia về AI không hào hứng làm việc cho các tập đoàn tài chính, nhưng lợi ích của các tập dữ liệu lớn và cơ hội đào tạo AI vượt xa sự hoài nghi và không sẵn lòng làm việc cho nhà tư bản Molochs. Năm 2016 là năm sinh của một số quỹ phòng hộ cùng một lúc, trong đó trí tuệ nhân tạo được giao dịch.

Người anh em song sinh Trung Quốc "Google" cũng không ngủ. Hầu hết các phát triển của Trung Quốc trong lĩnh vực AI, học máy được phân phối miễn phí và bất kỳ ai cũng có thể kiểm tra và nghiên cứu chúng. Vào tháng 1 năm 2017, một phòng thí nghiệm thực tế nhân tạo đã mở tại Bắc Kinh, nơi Andrew Eun muốn kết bạn với thực tế ảo và công việc của các công cụ tìm kiếm.

Một sự phát triển đầy hứa hẹn khác của Yahoo là bot y tế Melody, có thể thực hiện một cuộc khảo sát bệnh nhân chính và đe dọa sẽ thay thế toàn bộ bộ phận đăng ký trong phòng khám đa khoa.

Dân chủ hóa AI - Ngày nay, các nhà nghiên cứu cần một lượng lớn thông tin và sức mạnh tính toán, vì vậy bây giờ chỉ có các công ty lớn và viện nghiên cứu có khả năng cạnh tranh trong lĩnh vực AI. Ngay khi các mô hình AI xuất hiện có thể nghiên cứu một lượng nhỏ thông tin, nó sẽ còn thú vị hơn nữa, bởi vì thậm chí nhiều người sẽ có thể đào tạo và khám phá AI. Có lẽ sẽ có các mạng xã hội (đã), nơi mọi người sẽ có thể chia sẻ tiến bộ trong việc đào tạo các tác nhân AI của họ.

Phân phối sẽ nhận được các cơ chế để tự động phát hiện tin tức giả, hình ảnh, video. Sự phát triển của IBR (kết xuất dựa trên hình ảnh), một công nghệ cho phép vẽ các khung mới dựa trên các khung hiện có (tương tự như các phương pháp đã được triển khai xen giữa hoặc nội suy chuyển động), chỉ cần yêu cầu sự xuất hiện của máy phân tích giả như vậy.

Một lời chào khác từ Trung Quốc huynh đệ là sự phát triển của nhận dạng khuôn mặt Face ++, cho phép bạn trả tiền bằng khuôn mặt của mình (thật khó để đếm xem có bao nhiêu lớp trong trò chơi chữ này). Kiểm tra sự phát triển dựa trên hệ thống thanh toán di động của Alipay: bây giờ bạn có thể thực hiện thanh toán bằng cách chỉ cung cấp khuôn mặt của chính bạn.

Trong lĩnh vực nhận dạng và tái tạo giọng nói, một số trường hợp được quan tâm: Trình bày Adobe Vocalo (Chuyển đổi giọng nói) "Photoshop for voice" - một ứng dụng cho Adobe Audition điều khiển mẫu gốc của lời nói của con người, thêm từ mới và ý nghĩa vào thông điệp gốc. Bây giờ, ventriloquization có ý nghĩa mới.

Một ví dụ điển hình về cách một nhà nghiên cứu độc lập có thể dạy ngôn ngữ AI là:

Chương trình dạy tiếng Anh:

Chương trình dạy tiếng Nhật:

Và điều gì sẽ xảy ra nếu bạn rời khỏi AI? Anh ấy sẽ tự học mà không dừng lại và ngày càng trở nên hoàn hảo hơn, ví dụ, trong âm nhạc:

Thuật toán mashup hoặc Stravinsky nhân tạo

Thay vì kết luận: Khi tôi nghe nói rằng những người trẻ tuổi có bằng MBA đang làm công việc khởi nghiệp AI, tôi đưa tay nắm lấy con chuột. Nếu chúng ta xem xét có bao nhiêu phần mềm miễn phí và máy tính mạnh mẽ có sẵn cho người bình thường ngày nay, thì thời trang trên AI không có gì đáng ngạc nhiên. Bất chấp HYIP xung quanh trí thông minh nhân tạo và học máy, những dự đoán tuyệt vời và những mánh khóe trẻ con như Rocket AI, bất chấp mọi tiến bộ trong lĩnh vực này, AI khó có thể được gọi là trí thông minh theo định nghĩa chính xác của từ này ("mọi người, mọi người ở mọi nơi" - tất cả đều hoạt động trên sự phát triển và hỗ trợ Trí tuệ nhân tạo hiện được thực hiện bởi con người, AI thậm chí không thể tự đặt tên, nó chỉ nói lên những gì các nhà khoa học đã đầu tư vào nó). Hầu hết các dịch vụ hoạt động trên cơ sở trí tuệ nhân tạo vẫn được các nhà phát triển hỗ trợ, chúng ta chỉ có thể nói về một phần rất nhỏ trong tự động hóa của máy móc thông minh. Cho đến nay, trí tuệ nhân tạo chỉ lặp lại và tái tạo thông tin giáo dục hoặc công việc - vâng, nó ngạc nhiên với sức mạnh tính toán và tốc độ học tập, nhưng đó là về nó. Nó quá sớm để nói về một cái gì đó tương tự như hoạt động thần kinh cao hơn của con người. "Có, và không nhất thiết," Larry Niven * sẽ nói.

Cập nhật 02,23,17: Facebook phát hành dự án Tiên tri, một công cụ dự báo kinh doanh tự động. Prophet sử dụng các mô hình phân tích hồi quy không tham số phụ gia cho các dự đoán của nó.

Dựa trên podcast với Ian Goodfellow và Richard Mallah.

* "Có những suy nghĩ khác biệt." Luật thứ 15 của Niven *. - "Có những suy nghĩ nghĩ giống như bạn. Chỉ theo một cách khác." Đạo luật 15 Niven.

Loading...

Để LạI Bình LuậN CủA BạN