Czy inteligentne algorytmy przyszłości będą wyglądać jak roboty ogólnego przeznaczenia, równie biegłe w bezczynnych przekomarzaniach i czytaniu map, jak przydatne w kuchni? A może nasi cyfrowi asystenci będą bardziej przypominać torbę ze specjalistycznymi gadżetami – mniej jednego gadatliwego szefa kuchni niż kuchnię pełną urządzeń?

Jeśli algorytm próbuje zrobić za dużo, wpada w kłopoty. Poniższy przepis został wygenerowany przez sztuczną sieć neuronową, rodzaj sztucznej inteligencji (AI), która uczy się na przykładach. Ten konkretny algorytm przeanalizował około 30,000 XNUMX przepisów z książek kucharskich wszelkiego rodzaju, od zup po ciasta i grilla, a następnie próbował wymyślić własne. Wyniki są, powiedzmy, nieco niekonwencjonalne:

(Uwaga redaktora: nie próbuj tych przepisów w domu, LOL)

Rozłóż ryż z kurczaka

ser/jajka, sałatki, sery

2 funtowe serca, z nasionami
1 szklanka posiekanej świeżej mięty lub ciasta malinowego
1/2 szklanki catrimas, startej
1 łyżka oleju roślinnego
1 sól
Pieprz 1
2 1/2 łyżki cukru, cukier

Połącz liście i mieszaj, aż mieszanina będzie gęsta. Następnie dodać jajka, cukier, miód i kminek i gotować na małym ogniu. Dodać syrop kukurydziany, oregano, rozmaryn i biały pieprz. Włóż krem ​​​​podgrzewając. Gotuj dodaj pozostałą 1 łyżeczkę proszku do pieczenia i sól. Piec w temperaturze 350 F przez 2 do 1 godziny. Podawać na gorąco.

Wydajność: porcje 6

Oto przykład przepisu wygenerowanego przez ten sam podstawowy algorytm – ale zamiast danych obejmujących wszelkiego rodzaju przepisy, dotyczył on tylko ciast. Przepis nie jest idealny, ale jest o wiele, wiele lepszy od poprzedniego:

Ciasto Marchewkowe (Vera Ladies)

ciasta, alkohol

1 op. żółtej mieszanki do ciasta
Mąka kubkowa 3
1 łyżeczka proszku do pieczenia
1 1/2 łyżeczki sody oczyszczonej
1 / 4 łyżeczka soli
1 łyżeczka mielonego cynamonu
1 łyżeczka mielonego imbiru
1 / 2 łyżeczki do ząbków
1 łyżeczka proszku do pieczenia
1 / 2 łyżeczka soli
1 łyżeczka wanilii
1 jajko o temperaturze pokojowej
1 szklanki cukru
1 łyżeczka wanilii
1 szklanka posiekanych orzechów pekan

Nagrzej piekarnik do 350 stopni. Nasmaruj 9-calową tortownicę.

Przygotowanie ciasta: Ubij jajka na wysokich obrotach, aż będą gęste i żółte, odłóż na bok. W osobnej misce ubij białka na sztywną pianę. Szybko włóż pierwszą mieszankę do przygotowanej patelni i wygładź ciasto. Piec w piekarniku przez około 40 minut lub do momentu, aż drewniana wykałaczka wbita w środek ciasta wyjdzie czysta. Schłodzić na patelni przez 10 minut. Wyjąć na metalową kratkę do całkowitego ostygnięcia.

Ciasto wyjąć z blaszki do całkowitego ostygnięcia. Podawaj na ciepło.

Książka kucharska HereCto (1989) Z kuchni i Hawn w kanadyjskim życiu

Wydajność: porcje 16

Jasne, jeśli przyjrzysz się uważniej instrukcji, otrzymasz tylko jedno upieczone żółtko. Ale i tak jest poprawa. Kiedy AI pozwolono się specjalizować, po prostu było o wiele mniej rzeczy do śledzenia. Nie musiał zastanawiać się, kiedy użyć czekolady, a kiedy ziemniaków, kiedy upiec, a kiedy ugotować. Jeśli pierwszy algorytm próbował być cudownym pudełkiem, które mogłoby produkować ryż, lody i ciasta, drugi algorytm próbował być czymś w rodzaju tostera – wyspecjalizowanego tylko do jednego zadania.

Deweloperzy, którzy szkolą algorytmy uczenia maszynowego, odkryli, że często sensowne jest budowanie tosterów zamiast cudownych pudełek. Może się to wydawać sprzeczne z intuicją, ponieważ sztuczna inteligencja zachodniej science fiction ma tendencję do przypominania C-3PO Gwiezdne Wojny czy WALL-E w tytułowym filmie – przykłady sztucznej inteligencji ogólnej (AGI), automatów, które mogą wchodzić w interakcje ze światem jak człowiek i wykonywać wiele różnych zadań. Jednak wiele firm w sposób niewidoczny – i skutecznie – wykorzystuje uczenie maszynowe do osiągania znacznie bardziej ograniczonych celów. Jednym z algorytmów może być chatbot obsługujący ograniczony zakres podstawowych pytań klientów dotyczących ich rachunku telefonicznego. Inna może przewidywać, o czym rozmawia klient, wyświetlając te prognozy przedstawicielowi człowieka, który odbierze telefon. To są przykłady sztucznych wąski inteligencja (ANI) – ograniczona do bardzo wąskich funkcji. Z drugiej strony Facebook niedawno wycofał swojego chatbota „M”, któremu nigdy nie udało się zrealizować swojego celu, jakim była obsługa rezerwacji hotelowych, rezerwacja biletów do teatru, organizowanie wizyt papug i nie tylko.

Powodem, dla którego mamy ANI na poziomie tostera zamiast AGI na poziomie WALL-E, jest to, że każdy algorytm, który próbuje uogólnić, dostaje gorzej w różnych zadaniach, przed którymi stoi.

W razie zamówieenia projektu przykład, oto algorytm przeszkolony do generowania obrazu na podstawie podpisu.

Jest to próba stworzenia obrazka z frazy: „ten ptak jest żółty z czarnym na głowie i ma bardzo krótki dziób”.

Kiedy został przeszkolony na zbiorze danych składającym się wyłącznie z ptaków, radził sobie całkiem dobrze (pomimo dziwnego rogu jednorożca):

Ale kiedy jego zadaniem było generowanie wszystko – od znaków stopu, przez łodzie, krowy, po ludzi – walczyło. Oto próba wygenerowania „obrazu dziewczyny jedzącej duży kawałek pizzy”:

Nie jesteśmy przyzwyczajeni do myślenia, że ​​istnieje tak wielka przepaść między algorytmem, który dobrze robi jedną rzecz, a algorytmem, który dobrze robi wiele rzeczy. Ale nasza współczesność Algorytmy mają bardzo ograniczoną moc umysłową w porównaniu z ludzkim mózgiem, a każde nowe zadanie sprawia, że ​​stają się cieńsi. Pomyśl o urządzeniu wielkości tostera: łatwo jest wbudować kilka gniazd i kilka cewek grzewczych, aby mogło opiekać chleb. Ale to pozostawia niewiele miejsca na cokolwiek innego. Jeśli spróbujesz dodać również funkcję gotowania na parze ryżu i robienia lodów, będziesz musiał przynajmniej zrezygnować z jednego z miejsc na chleb i prawdopodobnie nie będzie to nic dobrego.

Istnieją sztuczki, których używają programiści, aby wydobyć więcej z algorytmów ANI. Jednym z nich jest uczenie się transferowe: wytrenuj algorytm, aby wykonywał jedno zadanie, a po minimalnym przeszkoleniu może nauczyć się wykonywać inne, ale ściśle powiązane zadanie. Ludzie używają transferu uczenia się na przykład do trenowania algorytmów rozpoznawania obrazów. Algorytm, który nauczył się identyfikować zwierzęta, zdobył już wiele umiejętności wykrywania krawędzi i analizowania tekstury, które może przenieść do zadania identyfikowania owoców. Ale jeśli przeszkolisz algorytm, aby identyfikował owoce, pojawi się zjawisko zwane katastrofalne zapomnienie oznacza, że ​​nie będzie już pamiętać, jak identyfikować zwierzęta.

Kolejną sztuczką stosowaną przez dzisiejsze algorytmy jest modułowość. Zamiast pojedynczego algorytmu, który poradzi sobie z każdym problemem, sztuczna inteligencja przyszłości będzie prawdopodobnie zespołem wysoce wyspecjalizowanych instrumentów. Algorytm, który dowiedziałem na przykład do grania w grę wideo Doom miał oddzielne, dedykowane moduły wizyjne, kontrolera i pamięci. Połączone ze sobą moduły mogą również zapewnić redundancję na wypadek awarii oraz mechanizm głosowania nad najlepszym rozwiązaniem problemu w oparciu o wiele różnych podejść. Mogą być również sposobem na wykrywanie i rozwiązywanie błędów algorytmicznych. Zwykle trudno jest ustalić, w jaki sposób pojedynczy algorytm podejmuje decyzje, ale jeśli decyzja jest podejmowana przez współpracujące podalgorytmy, możemy przynajmniej spojrzeć na dane wyjściowe każdego podalgorytmu.

Kiedy wyobrażamy sobie sztuczną inteligencję z dalekiej przyszłości, być może WALL-E i C-3PO nie są droidami, których powinniśmy szukać. Zamiast tego możemy sobie wyobrazić coś bardziej jak smartfon pełen aplikacji lub szafkę kuchenną wypełnioną gadżetami. Przygotowując się na świat algorytmów, powinniśmy upewnić się, że nie planujemy myślących, uniwersalnych cudów, które być może nigdy nie zostaną zbudowane, ale raczej wysoce wyspecjalizowanych tosterów.

O autorze

Janelle Shane trenuje sieci neuronowe, aby pisać humorystycznie na stronie aiweirdness.com. Jest także naukowcem zajmującym się optyką i mieszka w Boulder w Kolorado.

Ten artykuł został pierwotnie opublikowany pod adresem Eon i został ponownie opublikowany na licencji Creative Commons.

Powiązane książki:

at Rynek wewnętrzny i Amazon