2018. 10. 25. - 09:20
Hogyan tesz minket okosabbá a mesterséges intelligencia?
A jövőt nem egyedül az ember vagy a gépek fogják meghatározni – hanem a kettő közösen, együttműködve. De hogyan tesz minket okosabbá a mesterséges intelligencia?
Egymással együttműködve határozza majd meg a jövőt az ember és a gépek. A technológiákat annak alapján alkotják meg, ahogy az emberi agy működik, s ezek már feltárták az ember képességeit. A jelenleginél csak nagyobb befolyást fognak gyakorolni, ahogyan a társadalom hozzászokik az egyre többet tudó gépekhez.
A technológiai optimisták olyan világot képzeltek el, amely növekvő emberi produktivitást és minőségi életet hoz, ahogyan a mesterséges intelligencia rendszerek átveszik az élet adminisztratív és robotoló részét – ebből pedig mindenkinek előnye származhat. A pesszimisták inkább azt látják benne, hogy nagy árat is fizethetünk ezért. A mesterséges intelligencia ütemét ugyanis valóban nehéz követni.
A mély tanulás és a mesterséges intelligencia rendszerek az emberi agyra működésére épülnek
Az emberek ugyanakkor nem túl jók a jövő elképzelését illetően – sem az utópia, sem a világvége nem valószínű.
Terrence Sejnowski, a Salk Biológiai Tanulmányok Intézetének Számítógépes Neurobiológiai Laboratóriumának igazgatója, valamint a San Diego-i Kaliforniai Egyetem Neurobiológiai Tanszékének professzora úgy véli: a mesterséges intelligencia okosabbá tesz bennünket, de olyan módon, ami meglepő lehet számunkra.
A mély tanulás a mesterséges intelligencia része, mely fejlett lépéseket tett olyan, összetett problémák megoldásában, mint a tárgyak azonosítása képeken, a beszéd felismerése több hangszóróból, vagy a szöveg feldolgozása annak alapján, ahogyan az emberek beszélnek vagy írnak. A mély tanulás már hasznosnak bizonyult abban, hogy meghökkentően nagy mennyiségű adatból azonosítson mintákat - melyeket érzékelők, orvostechnikai eszközök és tudományos eszközök generálnak.
A megközelítés célja, hogy módokat találjunk arra, miként tudja a számítógép a világ összetettségét ábrázolni és általánosítani korábbi tapasztalatokból – még ha ami történik a jövőben, nem is teljesen olyan, ami a múltban történt. Olyan ez, mint amikor egy ember azonosít egy állatot, amit nem látott korábban – mondjuk egy macskát -, a mély tanulási algoritmus ilyen esetben a „macskaságot” azonosítja, vagyis a tulajdonságokat, amelyekhez újabb képeket is társít macskákról.
A mély tanulás módszerei ezen az – emberi agyat is erősítő - elven alapulnak. Az agy egyidejűleg számos feldolgozóegységben kezeli a különböző típusú adatokat. Az idegsejteknek nagyon sok kapcsolatuk van egymással, ezek erősödnek vagy gyengülnek attól függően, milyen mértékben használják őket - az érzékszervi bemenetek és a koncepcionális kimenetek között.
A legsikeresebb mélytanulási hálózatot egy 1960-as évekbeli kutatásra alapozták, a vizuális kéreg szerkezete alapján – ez az agy azon része, amelyet a látásra, az algoritmusok tanulására használunk és az 1980-as években tárták fel. Akkoriban azonban a számítógépek még nem voltak elég gyorsak ahhoz, hogy megoldjanak a való világban problémákat. Mostmár azok.
A tanulási hálózatok egymás fölé rétegezettek, így a vizuális kéregben található rétegek hierarchiájához sokkal jobban hasonlító kapcsolódási hálózatokat hoztak létre. Ez a mesterséges és biológiai intelligencia közötti konvergencia része.
A cikket folytatjuk.
László Adrienn
