211service.com
Pięć lekcji z historycznego zwycięstwa AlphaGo
AlphaGo z łatwością pokonało 18-krotnego mistrza świata w Go Lee Sedola 4-1 i dzięki temu nauczyło nas kilku interesujących lekcji na temat tego, gdzie są dzisiaj badania nad sztuczną inteligencją i dokąd zmierza.
W starych podejściach do sztucznej inteligencji jest życie
Fascynującą rzeczą w AlphaGo jest niezwykły sposób, w jaki została zaprojektowana. Oprogramowanie łączyło głębokie uczenie — najgorętszą obecnie technikę sztucznej inteligencji — ze znacznie starszym i znacznie mniej modnym podejściem. Głębokie uczenie polega na korzystaniu z bardzo dużych symulowanych sieci neuronowych i zwykle unika logiki lub manipulacji symbolami, których pionierami byli Marvin Minksy i John McCarthy. Ale AlphaGo łączy głębokie uczenie z czymś zwanym przeszukiwanie drzewa , technika wymyślona przez jednego ze współczesnych i współpracowników Minksy'ego, Claude'a Shannona. Być może zatem w przyszłości będziemy coraz częściej widzieć połączenie koneksjonistycznej i symbolicznej sztucznej inteligencji.
Paradoks Polanyiego nie stanowi problemu
Gra w Go, w której gracze próbują otoczyć i uchwycić nawzajem swoje pionki na dużej planszy, jest zgrabnym przykładem słynnego paradoksu Polanyiego: wiemy więcej, niż możemy powiedzieć.
W przeciwieństwie do szachów, nie ma prostych wskazówek dotyczących grania w tę grę lub mierzenia postępów, co jest jednym z powodów, dla których gra w Go była historycznie tak trudna dla komputerów. Uczenie maszynowe, w którym komputer nie jest zaprogramowany (w konwencjonalnym sensie), ale raczej generuje własny algorytm uczenia się na przykładach, oferuje komputerom sposób poruszania się po paradoksie Polanyiego. Wiele rzeczy, które robimy, na przykład prowadzenie samochodu lub rozpoznawanie twarzy, jest podobnych. Niektórzy ekonomiści podkreślili to jako ważny punkt. I jako artykuł w New York Times przedstawia , niektórzy uważają nawet triumf AlphaGo za przekonujący dowód na to, że komputery przejmą więcej zadań (i miejsc pracy), ponieważ uczenie maszynowe jest coraz szerzej stosowane.
AlphaGo nie jest tak naprawdę sztuczną inteligencją
Jednak nie tak szybko. Choć AlphaGo jest niesamowite, wciąż daleko mu do naprawdę inteligentnego. Jako ekspert AI i przedsiębiorca robotyki Jean-Christophe Baillie zwraca uwagę , prawdziwa inteligencja będzie wymagać nie tylko bardziej wyrafinowanego uczenia się, ale także rzeczy takich jak ucieleśnienie i umiejętność komunikowania się. Rzeczywiście, prowadzenie samochodu po ruchliwej ulicy miasta lub interakcja z kimś, kogo rozpoznajesz, jest o wiele bardziej złożona, niż mogłoby się nam wydawać. Tak więc, chociaż uczenie maszynowe może pozwolić komputerom na przejmowanie większej liczby zadań, minie dużo czasu, zanim będą mogły zastąpić wszystko, co robią ludzie.
AlphaGo jest dość nieefektywny
W porównaniu z człowiekiem AlphaGo uczy się szybko, zużywając dane z poprzednich gier i grając przeciwko sobie z krzemową szybkością. Ale jest znacznie mniej wydajny niż osoba ucząca się, ponieważ wymaga znacznie więcej przykładów gier Go, aby nauczyć się skutecznych technik. Jest to jeden z kluczowych problemów z głębokim uczeniem, który wiele osób próbuje rozwiązać, znajdując sposoby uczenia się z nowych rodzajów danych lub z mniejszej ilości danych .
Komercjalizacja nie jest oczywista
Umiejętności demonstrowane przez AlphaGo — subtelne rozpoznawanie wzorców, planowanie i podejmowanie decyzji — są oczywiście ważne. Ale mniej oczywiste jest, jak można je przekształcić w produkt opłacalny komercyjnie. Demis Hassabis, założyciel Google DeepMind, powiedział, że techniki opracowane dla AlphaGo można wykorzystać do zbudowania osobistego asystenta, który skuteczniej uczy się preferencji i nawyków swojego mistrza. Ale ludzki język jest o wiele bardziej złożony niż gra planszowa io wiele trudniejsze do nauczenia się. Innymi słowy, zastosowanie określonego zestawu umiejętności AlphaGo w bałaganiarskim świecie rzeczywistym może być trudne.
(Czytaj więcej: New York Times , Widmo IEEE , Natura , Brakujące ogniwo sztucznej inteligencji , Czy ten człowiek może uczynić sztuczną inteligencję bardziej ludzką? )