Kad vas aplikacija uvjeri da je pokreće "umjetna inteligencija", na trenutak vam se čini da ste u budućnosti. Ali što to zapravo znači? Bacamo velike glasine - umjetna inteligencija, strojno učenje, neuronske mreže - ali što oni zapravo znače i pomažu li zaista poboljšati aplikacije?
U novije vrijeme Google i Microsoft dodali su treninge neuronske mreže u svoje aplikacije za prevođenje. Google tvrdi da koristi strojno učenje kako bi ponudio popise za reprodukciju. Todoist kaže da koristi AI da pogodi kada biste trebali dovršiti zadatak. Any.do tvrdi da njegova umjetna inteligencija može napraviti neke zadatke za vas. I sve je bilo samo prošli tjedan. Neki od marketinških trikova zvuče impresivno i ostaju trikovi, ali ponekad su promjene neosporno korisne. "Umjetna inteligencija", "strojno učenje" i "neuronske mreže" opisuju načine na koji se računala koriste za ozbiljnije zadatke i učenje u procesu. I dok ste možda čuli da programeri aplikacija prihvaćaju tuđe sustave, u praksi se oni jako razlikuju.
Neuronske mreže analiziraju složene podatke koji oponašaju ljudski mozak
Umjetne neuronske mreže (ANN ili jednostavno "neuronske mreže") odnose se na određenu vrstu modela učenja koja oponaša kako sinapse rade u vašem mozgu. Tradicionalno računanje koristi niz logičkih operatera za izvršavanje zadatka. Neuronske mreže, s druge strane, koriste mrežu čvorova (koji djeluju poput neurona) i analoge sinapsi (rubova) za obradu podataka. Ulaz se prenosi kroz sustav i generira se izlaz.
Nalazi se zatim uspoređuju s poznatim podacima. Na primjer, recimo da želite obučiti računalo da prepozna sliku psa. Pregledavate milijune slika pasa po webu kako biste vidjeli koje slike je odabrala da izgledaju kao psi. Osoba tada potvrđuje koje su slike zapravo psi. Sustav daje prednost putu u neuronskoj mreži koji je doveo do točnog odgovora. S vremenom i nakon milijunskih ponavljanja ova će mreža s vremenom poboljšati točnost svojih rezultata.
Da biste vidjeli kako ovo djeluje, možete isprobati eksperiment Google Quick Draw!.. U ovom slučaju Google trenira web kako bi prepoznao doodles, brze skice. Ona uspoređuje crtež koji crtate sa primjerima drugih ljudi. Mreža uči prepoznati buduće doodle na temelju onoga što je vidjela u prošlosti. Čak i ako crtate kao petogodišnje dijete (poput mene), mreža vrlo brzo prepoznaje jednostavne oblike - podmornice, biljke, patke. Probajte, zabavno.
Neuronske mreže nisu panaceja, ali sjajne su u obradi složenih podataka. Google i Microsoft koriste neuronske mreže za obuku svojih aplikacija za prevođenje jer je prevođenje jezika teško. Mnogo smo vidjeli loše strojne prijevode, ali neuronske mreže su s vremenom osposobljene za poboljšanje tih prijevoda na temelju ispravnih prijevoda. Isto se događa s prijevodom govora u tekst. Od uvođenja neuronske mreže koju pokreće Google Voice, pogreške u prijevodu smanjile su se za 49%. Ti sustavi nisu savršeni, ali rade na sebi, a to je glavna stvar.
Promotivni video:
Strojno učenje uči računala poboljšati se u praksi
Strojno učenje širok je pojam koji pokriva sve trenutke kada pokušavate naučiti stroj da se samostalno poboljšava. To se posebno odnosi na bilo koji sustav u kojem se performanse računala u ispunjavanju zadatka poboljšavaju samo više iskustva s tim zadatkom. Neuronske mreže su primjer strojnog učenja, ali nisu jedini način da se obuči računalo.
Na primjer, jedna od alternativnih metoda strojnog učenja naziva se učvršćenjem učenja. U ovoj metodi računalo izvršava zadatak, a zatim procjenjuje svoj rezultat. Ako, na primjer, računalo pobijedi u šahu, tada dobitnu vrijednost dodjeljuje nizu poteza koje koristi tijekom igre. Nakon igranja milijuna igara, sustav može odrediti koji će koraci najvjerojatnije dovesti do pobjede na temelju rezultata prethodnih igara.
Iako su neuronske mreže dobre za stvari poput prepoznavanja uzoraka u slikama, druge vrste strojnog učenja mogu biti korisnije za razne zadatke poput identificiranja omiljene glazbe. Google tvrdi da će se u njegovoj aplikaciji za glazbu naći glazba koju želite slušati. To čini analizom vaših prethodnih popisa za reprodukciju. Ako vam se rezultat ne sviđa, stroj će to smatrati neuspjehom. Ali ako odaberete jedan od predloženih popisa, ona će to označiti kao uspjeh i analizirati pobjedničke poteze koji su je doveli do vašeg srca.
U takvim slučajevima nećete u potpunosti iskoristiti mašinsko učenje ako ne koristite često ovu značajku. Kada prvi put otvorite aplikaciju Google glazba, preporuke će najvjerojatnije biti kraj odjave. Ali što više ga koristite, to će biti bolji prijedlozi. Barem teoretski. Strojno učenje nije ni panaceja. Strojno učenje je nejasnije od neuronskih mreža, ali također podrazumijeva da će se softver koji koristite oslanjati na vaše povratne informacije kako bi poboljšao svoje performanse.
Umjetna inteligencija je sve s prefiksom "pametno"
Kao što su neuronske mreže oblik strojnog učenja, strojno je učenje oblik umjetne inteligencije. Ali kategorija "umjetne inteligencije" još je toliko loše definirana da ta fraza nema praktično značenje. Da, dočarava slike tehnološki napredne budućnosti, ali u stvarnosti je još uvijek nismo približili. OCR je nekad bio previše težak za stroj, ali sada aplikacija na vašem telefonu može skenirati dokumente i pretvoriti ih u tekst. Nazvati ga podvigom umjetne inteligencije nekako je neprimjereno.
Razlog što se osnovne mogućnosti telefonije mogu smatrati umjetnom inteligencijom je taj što zapravo postoje dvije vrste AI. Slabi ili usko ciljani AI opisuje bilo koji sustav dizajniran za izvođenje uskog popisa zadataka. Na primjer, Google Assistant ili Siri, budući da su prilično moćni AI, još uvijek obavljaju prilično uzak popis zadataka. Dobijaju glasovne naredbe i vraćaju odgovore ili pokreću aplikacije. Istraživanje umjetne inteligencije podstiče ove značajke, ali ih se smatra "slabima".
Suprotno tome, snažni AI - također poznat kao opća umjetna inteligencija ili "puni AI" - sustav je sposoban izvršiti bilo koji ljudski zadatak. I ne postoji. Stoga je svaka "pametna" aplikacija i dalje slaba umjetna inteligencija.
Iako bi implikacije mogle biti nejasne, praktično istraživanje umjetne inteligencije toliko je korisno da je vjerojatno već ušlo u vaš svakodnevni život. Svaki put kada vaš telefon automatski upiše mjesto na kojem ste parkirali, prepoznaje lica na vašim fotografijama, dobiva prijedloge za pretraživanje ili automatski grupira sve snimke vikenda, na taj ili onaj način dodirujete umjetnu inteligenciju. Do određene mjere "umjetna inteligencija" zapravo samo znači da će aplikacije biti malo pametnije nego na što smo navikli. Oznaka "AI" sada gotovo ništa praktično i ne znači sa praktičnog stajališta.
ILYA KHEL