2014 w informatyce: przełomy w sztucznej inteligencji

Święty Graal sztucznej inteligencji – tworzenie oprogramowania, które jest bliskie naśladowania ludzkiej inteligencji – pozostaje daleko. Jednak rok 2014 przyniósł znaczne postępy w oprogramowaniu do uczenia maszynowego, które może zdobywać umiejętności dzięki doświadczeniu. Firmy z sektorów od biotechnologii po informatykę korzystały z tych nowych technik, aby rozwiązywać trudne problemy lub opracowywać nowe produkty.

Najbardziej uderzające wyniki badań nad sztuczną inteligencją pochodziły z dziedziny głębokiego uczenia, które polega na wykorzystaniu surowych symulowanych neuronów do przetwarzania danych.

Praca w głębokim uczeniu często koncentruje się na obrazach, które są łatwe do zrozumienia dla ludzi, ale bardzo trudne do odszyfrowania przez oprogramowanie. Badacze z Facebooka wykorzystali to podejście do stworzenia systemu, który potrafi niemal równie dobrze jak człowiek stwierdzić, czy dwa różne zdjęcia przedstawiają tę samą osobę. Google zaprezentowało system, który potrafi opisywać sceny za pomocą krótkich zdań.

Wyniki tego typu skłoniły wiodące firmy komputerowe do zaciekłej rywalizacji o naukowców zajmujących się sztuczną inteligencją. Google zapłacił ponad 600 milionów dolarów za start-up uczenia maszynowego o nazwie DeepMind na początku roku. Kiedy Przegląd technologii MIT dogonił założyciela firmy, Demisa Hassabisa, później w tym samym roku, wyjaśnił, w jaki sposób praca DeepMind została ukształtowana przez przełomowe badania nad ludzkim mózgiem.

Wyszukiwarka Baidu, nazywana chińskim Google, również dużo wydała na sztuczną inteligencję. Utworzyła laboratorium w Dolinie Krzemowej, aby rozszerzyć dotychczasowe badania o głębokie uczenie i konkurować z Google i innymi podmiotami o talenty. Badacz Stanford AI i były współpracownik Google Andrew Ng został zatrudniony do poprowadzenia tego przedsięwzięcia. W naszym obszernym profilu wyjaśnił, w jaki sposób sztuczna inteligencja może zmienić osoby, które nigdy nie były w sieci, w użytkowników wyszukiwarki internetowej Baidu i innych usług.

Uczenie maszynowe było również źródłem nowych produktów w tym roku od gigantów komputerowych, małych start-upów i firm spoza branży komputerowej.

Microsoft wykorzystał swoje badania nad rozpoznawaniem mowy i rozumieniem języka, aby stworzyć swoją wirtualną asystentkę Cortana, która jest wbudowana w mobilną wersję systemu Windows. Aplikacja próbuje nawiązać z ludźmi dialog w obie strony. Ma to na celu zarówno uczynić go bardziej ujmującym, jak i pomóc mu dowiedzieć się, co poszło nie tak, gdy popełni błąd .

Startupy wprowadziły na rynek produkty, które wykorzystywały uczenie maszynowe do zadań tak różnorodnych, jak pomaganie w zajściu w ciążę , sterowanie urządzeniami domowymi za pomocą głosu i tworzenie planów za pośrednictwem wiadomości tekstowych .

Niektóre z najciekawszych zastosowań sztucznej inteligencji pojawiły się w opiece zdrowotnej. IBM jest teraz bliski zobaczenia wersji swojego Niebezpieczeństwo! zwycięskie oprogramowanie Watson pomaga lekarzom onkologom wykorzystywać dane genomowe do wybierania spersonalizowanych planów leczenia pacjentów . Zastosowanie uczenia maszynowego do genetycznej bazy danych umożliwiło pewnej firmie biotechnologicznej wynalezienie nieinwazyjnego testu, który zapobiega niepotrzebnym operacjom.

Wykorzystanie technik sztucznej inteligencji do danych genetycznych prawdopodobnie stanie się o wiele bardziej powszechne teraz, gdy Google, Amazon i inne duże firmy komputerowe rozpoczynają działalność polegającą na przechowywaniu zdigitalizowanych genomów .

Jednak najbardziej zaawansowane oprogramowanie do uczenia maszynowego musi być trenowane z dużymi zestawami danych, co jest bardzo energochłonne, nawet dla firm z wyrafinowaną infrastrukturą. To motywująca praca nad nowym rodzajem chipów neuromorficznych, luźno wzorowanych na pomysłach z neuronauki. Te chipy mogą wydajniej uruchamiać algorytmy uczenia maszynowego.

W tym roku IBM rozpoczął produkcję prototypowego chipa inspirowanego mózgiem, który, jak twierdzi, może być używany w dużych ilościach do budowy swego rodzaju superkomputera wyspecjalizowanego do uczenia się. Bardziej kompaktowy chip neuromorficzny, opracowany przez General Motors i należące do Boeinga laboratorium badawcze HRL, wzbił się w powietrze małym dronem.

Cały ten szybki postęp w sztucznej inteligencji skłonił niektórych ludzi do zastanowienia się nad możliwymi wadami i długofalowymi konsekwencjami tej technologii. Jeden z inżynierów oprogramowania, który od tego czasu dołączył do Google, ostrzegł, że nasze instynkty dotyczące prywatności muszą się zmienić teraz, gdy maszyny mogą odszyfrowywać obrazy .

Patrząc dalej w przyszłość, przedsiębiorca biotechnologiczny i satelitarny Martine Rothblatt przewidział, że nasze dane osobowe mogą zostać wykorzystane do stworzenia inteligentnych cyfrowych sobowtórów z własnym życiem. Neurobiolog Christof Koch, dyrektor naukowy Allen Institute for Brain Science w Seattle, ostrzegł, że chociaż inteligentne oprogramowanie nigdy nie może być świadome, to może nam zaszkodzić, jeśli nie zostanie prawidłowo zaprojektowane.

Tymczasem bardziej łagodny pogląd na daleką przyszłość wyszedł od autora science fiction Grega Egana. W przemyślanej odpowiedzi na film science-fiction Jej, zasugerował, że konwersacyjni towarzysze AI mogą sprawić, że będziemy lepsi w kontaktach z innymi ludźmi.

ukryć