Inhoud
Bron: iLexx / iStockphoto
Afhaal:
Kunstmatige intelligentie kan ooit worden bereikt door kunstmatige neurale netwerken te gebruiken, maar er zijn verschillende belangrijke verschillen tussen deze opwindende technologieën.
Kunstmatige intelligentie (AI) en kunstmatige neurale netwerken (ANN) zijn twee spannende en met elkaar verweven velden in de informatica. Er zijn echter verschillende verschillen tussen de twee die het weten waard zijn.
Het belangrijkste verschil is dat neurale netwerken een springplank zijn in de zoektocht naar kunstmatige intelligentie.
Kunstmatige intelligentie is een enorm gebied dat tot doel heeft intelligente machines te maken, iets dat al vele malen is bereikt, afhankelijk van hoe u intelligentie definieert. Ondanks het feit dat we computers hebben die kunnen winnen bij "Jeopardy" en schaakkampioenen kunnen verslaan, wordt het doel van AI over het algemeen gezien als een zoektocht naar algemene intelligentie, of intelligentie die kan worden toegepast op diverse en niet-gerelateerde situatieproblemen.
Veel van de AI's die tot nu toe zijn opgebouwd, zijn gebouwd met een doel, zoals het runnen van een robot die pingpong speelt of domineert in "Jeopardy". Dit is het onvermijdelijke resultaat wanneer computerwetenschappers gaan zitten en iets maken om een specifieke taak uit te voeren - ze eindigen met iets dat die taak kan doen en niet veel anders.
Om dit probleem van taakgerichte AI's te omzeilen, begonnen computerwetenschappers te spelen met kunstmatige neurale netwerken. Onze over het algemeen intelligente hersenen bestaan uit biologische neurale netwerken die verbindingen maken op basis van onze waarnemingen en externe prikkels.
Een grof vereenvoudigd voorbeeld is de pijn van het verbranden. Wanneer dit voor de eerste keer gebeurt, wordt er een verbinding in je hersenen gemaakt die de sensorische informatie identificeert die bekend staat als vuur (vlammen, geur van rook, warmte) en deze in verband brengt met pijn. Dit is hoe je op zeer jonge leeftijd leert hoe je kunt voorkomen dat je je verbrandt. Via hetzelfde neurale netwerk kunnen we veel algemene lessen doen, zoals 'ijs smaakt goed' en zelfs deductieve sprongen maken zoals 'er zijn altijd wolken voor regen' of 'aandelen verzamelen altijd in december'. Deze sprongen zijn niet altijd correct (er is slecht ijs en er zijn aandelen die in december dalen), maar ze kunnen worden gecorrigeerd door ervaring, waardoor adaptief leren mogelijk is.
Kunstmatige neurale netwerken proberen dit leersysteem op computers opnieuw te creëren door een eenvoudig raamwerkprogramma te construeren om op een probleem te reageren en feedback te krijgen over hoe het werkt. Een computer kan zijn reactie optimaliseren door hetzelfde probleem duizenden keren te doen en zijn reactie aan te passen aan de feedback die hij ontvangt. De computer kan dan een ander probleem krijgen, dat hij op dezelfde manier kan benaderen als bij de vorige. Door de problemen te variëren en het aantal benaderingen om ze op te lossen dat de computer heeft geleerd, kunnen computerwetenschappers een computer leren een generalist te zijn.
Hoewel dit beelden oproept van computers die de wereld overnemen en mensen oogsten, zoals te zien in Hollywood-films als 'The Martrix', zijn we nog steeds een lange weg van neuraal netwerken naar kunstmatige intelligentie. De problemen die worden getest op neurale netwerken worden allemaal wiskundig uitgedrukt. Je kunt een bloem niet tegen een computer houden en zeggen dat hij de kleur moet raden aan de hand van de geur, omdat de geur zou moeten worden uitgedrukt in getallen en dan zou de computer die getallen in het geheugen moeten catalogiseren, samen met afbeeldingen van bloemen die geur verspreidt.
Geen bugs, geen stress - Uw stapsgewijze handleiding voor het creëren van levensveranderende software zonder uw leven te vernietigen
U kunt uw programmeervaardigheden niet verbeteren als niemand om softwarekwaliteit geeft.
Dat gezegd hebbende, kunstmatige neurale netwerken die meer input kunnen krijgen van dingen als geur - en het vermogen om te leren van al die inputs - zijn misschien op weg om de eerste kunstmatige intelligentie te produceren die voldoet aan de normen van zelfs de meest hardcore AI-enthousiast.
In wezen zijn kunstmatige neurale netwerken modellen van menselijke neurale netwerken die zijn ontworpen om computers te helpen leren. Kunstmatige intelligentie is de heilige graal die sommige computerwetenschappers proberen te bereiken met behulp van technieken zoals het nabootsen van neurale netwerken.