Živio je da vidimo trenutak kada umjetna inteligencija stvara vlastitu neurološku mrežu. Iako mnogi misle da je to ista stvar. No, u stvari nije sve tako jednostavno i sada ćemo pokušati shvatiti što je to i tko može stvoriti koga.
Inženjeri iz Google Brain divizije demonstrirali su AutoML ovog proljeća. Ova umjetna inteligencija u stanju je proizvesti vlastiti jedinstveni AI bez ljudske intervencije. Kao što se nedavno pokazalo, AutoML je prvi put uspio stvoriti NASNet, sustav računalnog vida. Ova tehnologija značajno nadmašuje sve analoge koje je čovjek prethodno stvorio. Ovaj sustav temeljen na umjetnoj inteligenciji može biti izvrstan pomoćnik u razvoju, recimo, autonomnih automobila. Također je primjenjivo u robotiziranju - roboti će moći dostići potpuno novu razinu.
Razvoj programa AutoML zasnovan je na jedinstvenom sustavu učenja ojačavanja. Govorimo o upravljaču neuronske mreže koji samostalno razvija potpuno nove neuronske mreže dizajnirane za određene određene zadatke. U našem slučaju AutoML želi stvoriti sustav koji prepoznaje objekte u video planu što je točnije moguće u stvarnom vremenu.
Sama umjetna inteligencija uspjela je osposobiti novu neurološku mrežu, nadgledajući pogreške i ispravljajući rad. Proces učenja ponavljao se mnogo puta (tisuće puta), dok sustav nije bio spreman za rad. Zanimljivo, uspjela je zaobići bilo koje slične neuronske mreže koje su trenutno dostupne, ali koje su ljudi razvili i obučili.
Istodobno, AutoML ocjenjuje performanse NASNeta i koristi ove informacije za poboljšanje pomoćne mreže; taj se postupak ponavlja tisućama puta. Kad su inženjeri testirali NASNet na skupovima slika ImageNet i COCO, on je nadmašio sve postojeće sustave računalnog vida.
Google je službeno objavio da NASNet to prepoznaje s točnošću od 82,7%. Rezultat je za 1,2% veći od prethodnog rekorda, koji su početkom ove jeseni postavili istraživači Momenta i stručnjaci iz Oxforda. NASNet je 4% učinkovitiji od svojih kolega s prosječnom točnošću od 43,1%.
Promotivni video:
Postoji i pojednostavljena verzija NASNeta koja je prilagođena mobilnim platformama. Premašuje analoge za nešto više od tri posto. U skoroj budućnosti ovaj će se sustav moći koristiti za proizvodnju autonomnih vozila za koja je važna dostupnost računalnog vida. AutoML nastavlja proizvoditi nove nasljedne neuronske mreže, težeći osvajanju još većih visina.
To, naravno, postavlja etička pitanja vezana za zabrinutost zbog AI-a: što ako AutoML izgradi sustave takvom brzinom da društvo jednostavno ne može držati korak s njima? Međutim, mnoge velike tvrtke pokušavaju uzeti u obzir sigurnosna pitanja AI. Na primjer, Amazon, Facebook, Apple i neke druge korporacije članovi su Partnerstva za AI u korist ljudi i društva. Institut za elektrotehniku i inženjerstvo (IEE) predložio je etičke standarde za AI, a DeepMind je, na primjer, najavio stvaranje grupe koja će se baviti moralnim i etičkim pitanjima vezanim uz primjenu umjetne inteligencije.
Međutim, mnoge velike tvrtke pokušavaju uzeti u obzir sigurnosna pitanja AI. To, naravno, postavlja etička pitanja vezana za zabrinutost zbog AI-a: što ako AutoML izgradi sustave takvom brzinom da društvo jednostavno ne može držati korak s njima? Institut za elektrotehniku i inženjerstvo (IEE) predložio je etičke standarde za AI, a DeepMind je, na primjer, najavio stvaranje grupe koja će se baviti moralnim i etičkim pitanjima vezanim uz primjenu umjetne inteligencije. Na primjer, Amazon, Facebook, Apple i neke druge korporacije članovi su Partnerstva za AI u korist ljudi i društva.
Što je umjetna inteligencija?
Izraz "umjetna inteligencija" skovao je John McCarthy, izumitelj jezika Lisp, osnivač funkcionalnog programiranja i dobitnik Turingove nagrade za svoj ogroman doprinos području istraživanja umjetne inteligencije.
Umjetna inteligencija način je da računalo, računalno upravljani robot ili program sposobni inteligentno razmišljati poput čovjeka.
AI istraživanje provodi se proučavanjem ljudske inteligencije, a zatim se rezultati ovog istraživanja koriste kao osnova za razvoj inteligentnih programa i sustava.
Što je neuronska mreža?
Ideja neuronske mreže je sastaviti složenu strukturu iz vrlo jednostavnih elemenata. Jedan se dio mozga teško može smatrati razumnim - ali ljudi obično rade iznenađujuće dobro na IQ testovima. Ipak, do sada se ideja stvaranja uma "iz ničega" obično ismijavala: šala o tisuću majmuna s pisaćim strojevima već je stotinu godina, a po želji kritika neuronskih mreža može se naći čak i kod Cicerona koji je sarkastično predložio bacanje tokena slovima u zrak dok ne postane plav, tako da prije ili kasnije dobijete smislen tekst. Međutim, u 21. stoljeću, ispostavilo se da su klasici uzaludno pljeskali: to je armija majmuna sa žetonima koja s dužnom upornošću mogu zauzeti svijet.
U stvari, neuronska mreža se može sastaviti i iz kutija za šibice: to je samo skup jednostavnih pravila pomoću kojih se informacije obrađuju. "Umjetni neuron" ili perceptron nije poseban uređaj, već samo nekoliko aritmetičkih operacija.
Perceptron ne djeluje nigdje lakše: prima nekoliko početnih brojeva, množi svaki s "vrijednošću" ovog broja (više o tome u nastavku), dodaje i, ovisno o rezultatu, daje 1 ili -1. Na primjer, fotografiramo otvoreno polje i pokažemo našem neuronu neku točku na ovoj slici - to jest, šaljemo mu nasumične koordinate kao dva signala. A onda se pitamo: "Dragi neurone, ima li neba ili zemlje?" "Minus jedan", odgovori lutka mirno gledajući oblak kumulusa. - Jasno je da je zemlja.
"Guranje prstom u nebo" glavno je zanimanje perceptrona. Od njega ne možete očekivati nikakvu točnost: možete jednako dobro baciti novčić. Čarolija započinje u sljedećoj fazi, koja se naziva strojno učenje. Napokon znamo točan odgovor - što znači da ga možemo upisati u svoj program. Tako ispada da za svaki pogrešan pogodak, perceptron doslovno prima kaznu, a za ispravni - premiju: "vrijednost" dolaznih signala povećava se ili smanjuje. Nakon toga program se vodi prema novoj formuli. Prije ili kasnije, neuron će neminovno "shvatiti" da je zemlja na fotografiji ispod, a nebo na vrhu - to jest, jednostavno će početi ignorirati signal iz kanala kroz koji se donose x-koordinate na njega. Ako stavite drugu fotografiju na takav sofisticirani robot, onda on možda neće naći liniju horizonta,ali vrh s dnom definitivno se neće zbuniti.
U stvarnom životu formule su malo složenije, ali princip ostaje isti. Percepptron može obaviti samo jedan zadatak: uzeti brojeve i staviti ih u dvije hrpe. Najzanimljivije započinje kada postoji nekoliko takvih elemenata, jer dolazni brojevi mogu biti signali s drugih "cigli"! Recimo da će jedan neuron pokušati razlikovati plave piksele od zelenih, drugi će nastaviti sititi koordinatama, a treći će pokušati prosuditi koji je od ova dva rezultata bliži istini. Ako na plave piksele postavite nekoliko neurona odjednom i zbrojite njihove rezultate, dobit ćete cijeli sloj u kojem će „najbolji učenici“dobiti dodatne bonuse. Prema tome, prilično raširena mreža može progutati čitavu planinu podataka i uzeti u obzir sve njene pogreške.
Neuronska mreža može se napraviti pomoću kutija za šibice - tada ćete imati trik u svom arsenalu kojim možete zabavljati goste na zabavama. Urednici MirF-a već su to isprobali - i ponizno priznaju superiornost umjetne inteligencije. Naučimo nerazumnu materiju igrati igru 11 štapova. Pravila su jednostavna: na stolu je 11 utakmica, a u svakom potezu možete uzeti jednu ili dvije. Pobjednik je onaj koji je uzeo posljednji. Kako to igrate protiv "računala"?
Jako jednostavno.
Uzimamo 10 kutija ili šalica. Na svaki napišemo broj od 2 do 11.
U svaku smo kutiju stavili dva kamena - crno i bijelo. Možete koristiti bilo koju stavku ako se razlikuju jedna od druge. To je to - imamo mrežu od deset neurona!
Neuronska mreža uvijek prvo ide. Prvo pogledajte koliko je preostalih šibica i uzmite kutiju s tim brojem. Pri prvom potezu to će biti okvir # 11. Izvadite bilo koji kamenčić iz potrebnog okvira. Možete zatvoriti oči ili baciti novčić, glavno je djelovati nasumično.
Ako je kamen bijel, neuronska mreža odluči uzeti dvije šibice. Ako je crno - jedno. Pored kutije stavite šljunak da ne zaboravite koji je "neuron" donio odluku. Nakon toga čovjek šeta - i tako sve dok ne ponestane šibica.
A sada počinje zabava: učenje. Ako mreža pobijedi u igri, onda mora biti nagrađena: baci jedan dodatni šljunak iste boje koji je pao tijekom igre u one "neurone" koji su sudjelovali u ovoj igri. Ako se mreža izgubi, uzmite posljednji upotrijebljeni okvir i uklonite neuspješni kamen odatle. Može se ispostaviti da je okvir već prazan - tada se prethodni sličan neuron smatra "posljednjim". Tijekom sljedeće igre, udarajući u prazan okvir, neuronska mreža automatski će se predati.
To je sve! Igrajte nekoliko ovakvih igara. U početku nećete primijetiti ništa sumnjivo, ali nakon svake pobjede mreža će činiti sve uspješnije - i nakon desetak igara shvatit ćete da ste stvorili čudovište koje ne možete pobijediti.