Mnamo 1956, wakati wa safari ya mwaka mzima kwenda London na katika miaka yake ya mapema ya 20, mwanabiolojia wa hisabati na nadharia Jack D. Cowan alimtembelea Wilfred Taylor na mpya yake ya kushangaza "mashine ya kujifunza”. Alipofika alishangazwa na "benki kubwa ya vifaa" iliyomkabili. Cowan angeweza tu kusimama na kutazama "mashine ikifanya mambo yake". Jambo lililoonekana kufanya ni kutekeleza "mpango wa kumbukumbu ya ushirika" - ilionekana kuwa na uwezo wa kujifunza jinsi ya kupata miunganisho na kurejesha data.
Huenda ilionekana kama vitalu vya saketi, vilivyouzwa pamoja kwa mkono katika wingi wa waya na masanduku, lakini kile Cowan alikuwa akishuhudia ni aina ya awali ya analogi ya mtandao wa neva - mtangulizi wa akili ya juu zaidi ya bandia ya leo, ikiwa ni pamoja na imejadiliwa sana GumzoGPT na uwezo wake wa kutoa maandishi kwa kujibu karibu amri yoyote. Teknolojia ya msingi ya ChatGPT ni mtandao wa neva.
Cowan na Taylor waliposimama na kutazama mashine ikifanya kazi, kwa kweli hawakujua jinsi inavyoweza kutekeleza kazi hii. Jibu la ubongo wa mashine ya siri ya Taylor linaweza kupatikana mahali fulani katika "nyuroni za analogi", katika uhusiano uliotengenezwa na kumbukumbu ya mashine yake na, muhimu zaidi, kwa ukweli kwamba utendakazi wake wa kiotomati haungeweza kuelezewa kikamilifu. Itachukua miongo kadhaa kwa mifumo hii kupata madhumuni yao na kwa nguvu hiyo kufunguliwa.
Neno mtandao wa neva linajumuisha mifumo mingi, lakini ya serikali kuu, kulingana na IBM, "mitandao hii ya neva - pia inajulikana kama mitandao ya neva bandia (ANNs) au mitandao ya neural iliyoiga (SNNs) - ni sehemu ndogo ya kujifunza kwa mashine na ndiyo kiini cha algoriti za kujifunza kwa kina". Muhimu sana, neno lenyewe na umbo lao na "muundo huchochewa na ubongo wa mwanadamu, kuiga jinsi nyuroni za kibaolojia zinaashiria".
Huenda kulikuwa na mashaka fulani ya mabaki ya thamani yao katika hatua zake za awali, lakini kadiri miaka inavyopita mitindo ya AI imeyumba kwa nguvu kuelekea mitandao ya neva. Sasa mara nyingi hueleweka kuwa mustakabali wa AI. Zina maana kubwa kwetu na kwa maana ya kuwa binadamu. Tumesikia mwangwi wa wasiwasi huu hivi karibuni pamoja na wito wa kusitisha maendeleo mapya ya AI kwa muda wa miezi sita ili kuhakikisha imani katika athari zao.
Kwa hakika itakuwa kosa kukataa mtandao wa neva kuwa unahusu tu vifaa vipya vinavyong'aa, vinavyovutia macho. Tayari wameimarishwa vyema katika maisha yetu. Baadhi wana nguvu katika utendaji wao. Kufikia 1989, timu iliyoongozwa na Yann LeCun katika Maabara ya AT&T Bell ilitumia mbinu za uenezaji nyuma kutoa mafunzo kwa mfumo wa tambua misimbo ya posta iliyoandikwa kwa mkono. Ya hivi karibuni tangazo la Microsoft kwamba utafutaji wa Bing utawezeshwa na AI, na kuifanya "rubani wako wa wavuti", inaonyesha jinsi vitu tunavyogundua na jinsi tunavyovielewa vitazidi kuwa bidhaa ya aina hii ya otomatiki.
Kuchora data kubwa ili kupata ruwaza AI vile vile inaweza kufunzwa kufanya mambo kama utambuzi wa picha kwa kasi - na kusababisha kujumuishwa katika kutambua usoni, kwa mfano. Uwezo huu wa kutambua ruwaza umesababisha matumizi mengine mengi, kama vile kutabiri masoko ya hisa.
Mitandao ya neva inabadilisha jinsi tunavyotafsiri na kuwasiliana pia. Imetengenezwa na majina ya kuvutia Timu ya Akili ya Google, Google Tafsiri ni utumizi mwingine maarufu wa mtandao wa neva.
Hautataka kucheza Chess au Shogi na moja pia. Ufahamu wao wa sheria na kukumbuka kwao mikakati na hatua zote zilizorekodiwa inamaanisha kuwa wao ni wazuri sana katika michezo (ingawa ChatGPT inaonekana mapambano na Wordle) Mifumo ambayo inasumbua wachezaji wa binadamu wa Go (Go ni mchezo wa ubao wa mkakati wa gumu) na wakuu wa Chess, ni imetengenezwa kutoka kwa mitandao ya neva.
Lakini ufikiaji wao huenda mbali zaidi ya matukio haya na unaendelea kupanuka. Utafutaji wa hataza uliozuiliwa kwa kutaja tu maneno kamili "mitandao ya neva" hutoa matokeo 135,828. Kwa upanuzi huu wa haraka na unaoendelea, nafasi za sisi kuweza kueleza kikamilifu ushawishi wa AI zinaweza kuwa nyembamba zaidi. Haya ni maswali ambayo nimekuwa nikiyachunguza katika utafiti wangu na kitabu changu kipya juu ya mawazo ya algorithmic.
Tabaka za ajabu za 'kutokujulikana'
Kuangalia nyuma katika historia ya mitandao ya neva hutuambia jambo muhimu kuhusu maamuzi ya kiotomatiki ambayo yanafafanua hali yetu ya sasa au yale ambayo yatakuwa na athari kubwa zaidi katika siku zijazo. Uwepo wao pia unatuambia kwamba tunaweza kuelewa maamuzi na athari za AI hata kidogo baada ya muda. Mifumo hii sio masanduku meusi tu, sio tu sehemu zilizofichwa za mfumo ambazo haziwezi kuonekana au kueleweka.
Ni kitu tofauti, kitu kilichojikita katika malengo na muundo wa mifumo hii yenyewe. Kuna harakati za muda mrefu za kutoelezeka. Kadiri mfumo ulivyo wazi zaidi, ndivyo mfumo unavyofikiriwa kuwa wa kweli na wa hali ya juu. Sio tu kuhusu mifumo kuwa ngumu zaidi au udhibiti wa mali miliki kuzuia ufikiaji (ingawa hizi ni sehemu yake). Badala yake ni kusema kwamba ethos inayowaendesha ina maslahi fulani na iliyoingia katika "kutokujulikana". Siri hiyo imewekwa hata katika muundo na mazungumzo ya mtandao wa neva. Wanakuja na tabaka zilizorundikana sana - kwa hivyo kifungu cha kujifunza kwa kina - na ndani ya kina hicho ni sauti ya ajabu zaidi "tabaka zilizofichwa". Siri za mifumo hii ni kirefu chini ya uso.
Kuna uwezekano mkubwa kwamba jinsi akili ya bandia inavyozidi kuwa na athari kubwa katika maisha yetu ndivyo tutakavyoelewa jinsi au kwa nini. Leo kuna msukumo mkali kwa AI ambao unaelezewa. Tunataka kujua jinsi inavyofanya kazi na jinsi inavyofikia maamuzi na matokeo. EU ina wasiwasi sana na uwezekano wa "hatari zisizokubalika" na hata maombi "hatari" hivi kwamba inaendelea kwa sasa. Sheria mpya ya AI iliyokusudiwa kuweka "kiwango cha kimataifa" kwa "maendeleo ya akili bandia salama, ya kuaminika na ya kimaadili".
Sheria hizo mpya zitatokana na hitaji la kueleweka, kudai hivyo "Kwa mifumo hatarishi ya AI, mahitaji ya data ya hali ya juu, uwekaji kumbukumbu na ufuatiliaji, uwazi, uangalizi wa binadamu, usahihi na uimara, ni muhimu sana ili kupunguza hatari kwa haki za kimsingi na usalama zinazoletwa na AI". Hili sio tu kuhusu mambo kama magari yanayojiendesha (ingawa mifumo inayohakikisha usalama inaangukia katika kitengo cha Umoja wa Ulaya cha AI yenye hatari kubwa), pia ni wasiwasi kwamba mifumo itaibuka katika siku zijazo ambayo itakuwa na athari kwa haki za binadamu.
Hii ni sehemu ya wito mpana zaidi wa uwazi katika AI ili shughuli zake ziweze kukaguliwa, kukaguliwa na kutathminiwa. Mfano mwingine utakuwa wa Royal Society muhtasari wa sera kuhusu AI inayoweza kuelezeka ambamo wanaonyesha kuwa "mijadala ya sera ulimwenguni kote inazidi kuona wito wa aina fulani ya AI kuelezeka, kama sehemu ya juhudi za kupachika kanuni za maadili katika muundo na uwekaji wa mifumo inayowezeshwa na AI".
Lakini hadithi ya mitandao ya neva inatuambia kwamba tunaweza kufika mbali zaidi na lengo hilo katika siku zijazo, badala ya kukaribia zaidi.
Imehamasishwa na ubongo wa mwanadamu
Mitandao hii ya neva inaweza kuwa mifumo changamano lakini ina kanuni za msingi. Wakiongozwa na ubongo wa mwanadamu, wanatafuta kunakili au kuiga aina za fikra za kibiolojia na za kibinadamu. Kwa upande wa muundo na muundo wao ni, kama IBM pia inaelezea, inayojumuisha "tabaka za nodi, zilizo na safu ya ingizo, safu moja au zaidi zilizofichwa, na safu ya pato". Ndani ya hili, "kila nodi, au neuroni ya bandia, inaunganishwa na nyingine". Kwa sababu wanahitaji pembejeo na maelezo ili kuunda matokeo "wanategemea data ya mafunzo ili kujifunza na kuboresha usahihi wao baada ya muda". Maelezo haya ya kiufundi yanajalisha lakini vivyo hivyo hamu ya kuiga mifumo hii juu ya ugumu wa ubongo wa mwanadamu.
Kuelewa nia ya mifumo hii ni muhimu katika kuelewa maelezo haya ya kiufundi yamemaanisha nini katika mazoezi. Ndani ya 1993 mahojiano, mwanasayansi wa mtandao wa neva Teuvo Kohonen alihitimisha kuwa mfumo wa "kujipanga" "ni ndoto yangu", inayofanya kazi "kitu kama kile mfumo wetu wa neva unafanya kwa asili". Kama mfano, Kohonen alionyesha jinsi mfumo wa "kujipanga", mfumo unaojisimamia na kujisimamia, "unaweza kutumika kama jopo la ufuatiliaji wa mashine yoyote ... katika kila ndege, ndege ya ndege, au kila kituo cha nguvu za nyuklia, au kila gari”. Hii, alifikiri, itamaanisha kwamba katika siku zijazo "unaweza kuona mara moja ni hali gani ya mfumo".
Lengo kuu lilikuwa kuwa na mfumo wenye uwezo wa kuendana na mazingira yake. Itakuwa ya papo hapo na ya uhuru, inayofanya kazi kwa mtindo wa mfumo wa neva. Hiyo ndiyo ilikuwa ndoto, kuwa na mifumo inayoweza kujiendesha yenyewe bila kuhitaji uingiliaji mwingi wa kibinadamu. Matatizo na mambo yasiyojulikana ya ubongo, mfumo wa neva na ulimwengu wa kweli ungekuja hivi karibuni ili kufahamisha maendeleo na muundo wa mitandao ya neva.
'Kuna kitu kibaya juu yake'
Lakini tukirudi nyuma hadi 1956 na mashine hiyo ya ajabu ya kujifunzia, ilikuwa ni mbinu ya mikono ambayo Taylor alikuwa amechukua wakati wa kuijenga ambayo ilivutia umakini wa Cowan mara moja. Alikuwa ametokwa na jasho waziwazi juu ya mkusanyiko wa vipande na vipande. Taylor, Cowan aliona wakati wa mahojiano kwa upande wake mwenyewe katika hadithi ya mifumo hii, "hakufanya kwa nadharia, na hakufanya kwenye kompyuta". Badala yake, akiwa na zana mkononi, "kweli alijenga vifaa". Ilikuwa ni kitu cha kimwili, mchanganyiko wa sehemu, labda hata ukandamizaji. Na "yote yalifanywa kwa mzunguko wa analogi" kuchukua Taylor, Cowan anabainisha, "miaka kadhaa kuijenga na kucheza nayo". Kesi ya majaribio na makosa.
Inaeleweka Cowan alitaka kufahamu alichokuwa akikiona. Alijaribu kumfanya Taylor amweleze mashine hii ya kujifunzia. Ufafanuzi haukuja. Cowan hakuweza kumfanya Taylor amweleze jinsi jambo hilo lilivyofanya kazi. Neuroni za analogi zilibaki kuwa siri. Tatizo la kushangaza zaidi, Cowan alifikiri, ni kwamba Taylor "hakuelewa mwenyewe kilichokuwa kikiendelea". Huu haukuwa tu mtafaruku wa muda mfupi wa mawasiliano kati ya wanasayansi hao wawili wenye taaluma tofauti, ilikuwa zaidi ya hapo.
Katika mahojiano kutoka katikati ya miaka ya 1990, akifikiria nyuma kwenye mashine ya Taylor, Cowan alifichua kwamba "hadi leo katika karatasi zilizochapishwa huwezi kuelewa vizuri jinsi inavyofanya kazi". Hitimisho hili linapendekeza jinsi kisichojulikana kimewekwa ndani ya mitandao ya neva. Kutoelezeka kwa mifumo hii ya neva kumekuwepo hata kutoka kwa hatua za kimsingi na za ukuzaji zilizoanzia karibu miongo saba.
Siri hii inabaki leo na inapatikana katika aina zinazoendelea za AI. Kutoeleweka kwa utendakazi wa vyama vilivyotengenezwa na mashine ya Taylor kulimfanya Cowan kujiuliza kama kulikuwa na "kitu kisicho sawa kuhusu hilo".
Mizizi ndefu na iliyochanganyika
Cowan alirejelea ziara yake fupi na Taylor alipoulizwa kuhusu mapokezi ya kazi yake mwenyewe miaka kadhaa baadaye. Katika miaka ya 1960 watu walikuwa, Cowan alitafakari, "mwepesi kidogo kuona uhakika wa mtandao wa neva wa analogi". Hii ilikuwa licha ya, Cowan anakumbuka, kazi ya Taylor ya miaka ya 1950 juu ya "kumbukumbu shirikishi" kuwa msingi wa "nyuroni za analogi". Mtaalamu wa mifumo ya neva aliyeshinda Tuzo ya Nobel, Leon N. Cooper, alihitimisha kwamba maendeleo karibu na utumiaji wa kielelezo cha ubongo katika miaka ya 1960, yalichukuliwa kuwa "miongoni mwa mafumbo mazito". Kwa sababu ya kutokuwa na hakika huku kulibaki kuwa na shaka juu ya kile ambacho mtandao wa neva unaweza kufikia. Lakini mambo yalianza kubadilika polepole.
Miaka 30 hivi iliyopita mwanasayansi wa neva Walter J. Freeman, ambaye alishangazwa na “ajabu” anuwai ya programu ambazo zilikuwa zimepatikana kwa mitandao ya neva, tayari alikuwa akitoa maoni juu ya ukweli kwamba hakuziona kama "aina mpya ya mashine". Walikuwa moto polepole, na teknolojia kuja kwanza na kisha maombi ya baadae kupatikana kwa ajili yake. Hii ilichukua muda. Hakika, ili kupata mizizi ya teknolojia ya mtandao wa neva tunaweza kurudi nyuma hata zaidi ya ziara ya Cowan kwenye mashine ya ajabu ya Taylor.
Mwanasayansi wa neural neural James Anderson na mwandishi wa habari za sayansi Edward Rosenfeld wamebainisha kwamba usuli wa mitandao ya neva unarudi nyuma katika miaka ya 1940 na majaribio kadhaa ya mapema, kama wanavyoelezea, "kuelewa mifumo ya neva ya binadamu na kuunda mifumo ya bandia ambayo hufanya kama tunavyofanya, angalau kidogo". Na kwa hiyo, katika miaka ya 1940, siri za mfumo wa neva wa binadamu pia zikawa siri za kufikiri ya computational na akili ya bandia.
Kwa muhtasari wa hadithi hii ndefu, mwandishi wa sayansi ya kompyuta Larry Hardesty amebainisha kwamba kujifunza kwa kina katika mfumo wa mitandao ya neva "imekuwa ikiingia na kutoka kwa mtindo kwa zaidi ya miaka 70". Hasa zaidi, anaongeza, "mitandao hii ya neural ilipendekezwa kwanza mnamo 1944 na Warren McCulloch na Walter Pitts, watafiti wawili wa Chuo Kikuu cha Chicago ambao walihamia MIT mnamo 1952 kama washiriki waanzilishi wa kile ambacho wakati mwingine huitwa idara ya sayansi ya utambuzi".
Mahali pengine, 1943 wakati mwingine ni tarehe iliyotolewa kama mwaka wa kwanza wa teknolojia. Vyovyote iwavyo, kwa takriban miaka 70 akaunti zinapendekeza kwamba mitandao ya neva imeingia na kutoka kwa mtindo, mara nyingi hupuuzwa lakini wakati mwingine hushikilia na kuhamia katika matumizi na mijadala ya kawaida zaidi. Kutokuwa na uhakika kuliendelea. Watengenezaji hao wa mapema mara kwa mara huelezea umuhimu wa utafiti wao kuwa hauzingatiwi, hadi ikapata madhumuni yake mara nyingi miaka na wakati mwingine miongo kadhaa baadaye.
Kuhama kutoka miaka ya 1960 hadi mwishoni mwa miaka ya 1970 tunaweza kupata hadithi zaidi za sifa zisizojulikana za mifumo hii. Hata wakati huo, baada ya miongo mitatu, mtandao wa neural ulikuwa bado wa kupata maana ya kusudi. David Rumelhart, ambaye alikuwa na historia ya saikolojia na alikuwa mwandishi mwenza wa seti ya vitabu vilivyochapishwa mnamo 1986 ambavyo baadaye vingerudisha umakini kwenye mitandao ya neva, alijikuta akishirikiana katika ukuzaji wa mitandao ya neva. akiwa na mwenzake Jay McClelland.
Pamoja na kuwa wenzake pia walikutana hivi karibuni katika mkutano huko Minnesota ambapo mazungumzo ya Rumelhart juu ya "uelewa wa hadithi" yalizua mjadala kati ya wajumbe.
Kufuatia mkutano huo McClelland alirejea akiwa na mawazo kuhusu jinsi ya kutengeneza mtandao wa neva ambao unaweza kuchanganya miundo ili kuingiliana zaidi. Cha muhimu hapa ni Kumbukumbu ya Rumelhart ya "saa na saa na saa za kuchezea kwenye kompyuta".
Tuliketi na kufanya haya yote kwenye kompyuta na tukajenga mifano hii ya kompyuta, na hatukuelewa tu. Hatukuelewa ni kwa nini walifanya kazi au kwa nini hawakufanya kazi au ni nini kilikuwa muhimu kuwahusu.
Kama Taylor, Rumelhart alijikuta akicheza na mfumo. Wao pia waliunda mtandao wa neva unaofanya kazi na, muhimu zaidi, hawakuwa na uhakika jinsi au kwa nini ulifanya kazi kwa njia ambayo ulifanya, ilionekana kujifunza kutoka kwa data na kutafuta vyama.
Kuiga ubongo - safu baada ya safu
Huenda tayari umegundua kuwa wakati wa kujadili asili ya mitandao ya neva taswira ya ubongo na ugumu unaoibua hii haiko mbali kamwe. Ubongo wa mwanadamu ulifanya kazi kama aina ya kiolezo cha mifumo hii. Katika hatua za mwanzo, hasa, ubongo - bado ni mojawapo ya haijulikani - ikawa mfano wa jinsi mtandao wa neural unaweza kufanya kazi.
Kwa hivyo mifumo hii mipya ya majaribio iliigwa kwa kitu ambacho utendakazi wake haukujulikana kwa kiasi kikubwa. Mhandisi wa kompyuta ya neva Carver Mead amesema kwa uwazi ya dhana ya "barafu ya utambuzi" ambayo aliipata kuwa ya kuvutia sana. Ni ncha tu ya jiwe la barafu la ufahamu ambalo tunafahamu na ambalo linaonekana. Kiwango na fomu ya wengine bado haijulikani chini ya uso.
Katika 1998, James anderson, ambaye amekuwa akifanya kazi kwa muda kwenye mitandao ya neva, alibainisha kwamba ilipofikia utafiti kuhusu ubongo “ugunduzi wetu mkuu unaonekana kuwa ufahamu kwamba kwa kweli hatujui kinachoendelea”.
Katika akaunti ya kina katika Financial Times mnamo 2018, mwandishi wa habari wa teknolojia Richard Waters alibainisha jinsi mitandao ya neural "inavyotengenezwa kwa nadharia kuhusu jinsi ubongo wa binadamu unavyofanya kazi, kupitisha data kupitia safu za nyuroni za bandia hadi muundo unaotambulika unatokea". Hii inazua tatizo, Waters alipendekeza, kama "tofauti na sakiti za mantiki zinazotumika katika programu ya kitamaduni, hakuna njia ya kufuatilia mchakato huu ili kubaini kwa nini kompyuta inakuja na jibu fulani". Hitimisho la Waters ni kwamba matokeo haya hayawezi kuondolewa. Utumiaji wa aina hii ya modeli ya ubongo, kuchukua data kupitia tabaka nyingi, inamaanisha kuwa jibu haliwezi kufuatiliwa kwa urahisi. Tabaka nyingi ni sehemu nzuri ya sababu ya hii.
Ugumu pia aliona mifumo hii "imeigwa kwa urahisi kwenye ubongo wa mwanadamu". Hii inaleta hamu ya kujenga katika uchangamano zaidi wa uchakataji ili kujaribu kuendana na ubongo. Matokeo ya lengo hili ni wavu wa neva ambao "una maelfu au hata mamilioni ya nodi rahisi za usindikaji ambazo zimeunganishwa sana". Data husogea kupitia nodi hizi katika mwelekeo mmoja tu. Hardesty aliona kuwa "nodi ya mtu binafsi inaweza kuunganishwa na nodi kadhaa kwenye safu iliyo chini yake, ambayo inapokea data, na nodi kadhaa kwenye safu iliyo juu yake, ambayo hutuma data".
Miundo ya ubongo wa mwanadamu ilikuwa sehemu ya jinsi mitandao hii ya neva ilibuniwa na kubuniwa tangu mwanzo. Hii inavutia sana tunapozingatia kwamba ubongo wenyewe ulikuwa siri ya wakati huo (na kwa njia nyingi bado ni).
'Kuzoea ni mchezo mzima'
Wanasayansi kama Mead na Kohonen walitaka kuunda mfumo ambao ungeweza kuendana na ulimwengu ambao ulijipata. Ingejibu masharti yake. Mead ilikuwa wazi kuwa thamani katika mitandao ya neural ilikuwa kwamba wanaweza kuwezesha aina hii ya urekebishaji. Wakati huo, na kutafakari juu ya tamaa hii, Mead aliongeza kwamba kuzalisha marekebisho "ni mchezo mzima". Marekebisho haya yanahitajika, alifikiri, "kwa sababu ya asili ya ulimwengu halisi", ambayo alihitimisha kuwa "ni tofauti sana kufanya chochote kabisa".
Tatizo hili lilihitaji kuzingatiwa hasa kama, alifikiri, hii ilikuwa kitu "mfumo wa neva ulifikiriwa muda mrefu uliopita". Sio tu kwamba wavumbuzi hawa walifanya kazi na picha ya ubongo na haijulikani, walikuwa wanachanganya hii na maono ya "ulimwengu halisi" na kutokuwa na uhakika, haijulikani na kutofautiana ambayo hii huleta. Mifumo, alifikiria Mead, ilihitaji kuweza kujibu na kuzoea hali bila ya maagizo.
Karibu wakati huo huo katika miaka ya 1990, Stephen Grossberg - mtaalam wa mifumo ya utambuzi anayefanya kazi katika hisabati, saikolojia na uhandisi wa matibabu - pia alibishana kwamba kukabiliana na hali hiyo itakuwa hatua muhimu kwa muda mrefu. Grossberg, alipokuwa akifanya kazi katika uundaji wa mtandao wa neva, alijiwazia kuwa yote ni "kuhusu jinsi mifumo ya kipimo na udhibiti wa kibaolojia imeundwa kuzoea haraka na kwa utulivu kwa wakati halisi kwa ulimwengu unaobadilika haraka". Kama tulivyoona hapo awali na "ndoto" ya Kohonen ya mfumo wa "kujipanga", dhana ya "ulimwengu halisi" inakuwa muktadha ambao mwitikio na urekebishaji unawekwa katika mifumo hii. Jinsi ulimwengu huo wa kweli unavyoeleweka na kuwaziwa bila shaka hutengeneza jinsi mifumo hii imeundwa kuzoea.
Tabaka zilizofichwa
Kadiri tabaka zilivyoongezeka, ujifunzaji wa kina uliboresha kina kipya. Mtandao wa neva unafunzwa kwa kutumia data ya mafunzo ambayo, Hardesty alielezea, "hulishwa kwa safu ya chini - safu ya pembejeo - na hupitia safu zinazofuata, kupata kuongezeka na kuongezwa pamoja kwa njia ngumu, mpaka hatimaye ifike, kubadilishwa kwa kiasi kikubwa, kwenye safu ya pato". Tabaka zaidi, mabadiliko makubwa zaidi na umbali mkubwa kutoka kwa pembejeo hadi pato. Ukuzaji wa Vitengo vya Uchakataji wa Graphics (GPUs), katika michezo ya kubahatisha kwa mfano, Hardesty aliongeza, "iliwezesha mitandao ya safu moja ya miaka ya 1960 na mitandao ya tabaka mbili hadi tatu ya miaka ya 1980 kuchanua hadi kumi, 15, au hata 50. -tabaka za mitandao ya leo”.
Mitandao ya neva inazidi kuwa ya kina. Hakika, ni kuongeza huku kwa tabaka, kulingana na Hardesty, hiyo ndiyo "kile 'kina' katika 'kujifunza kwa kina' kinarejelea". Hii ni muhimu, anapendekeza, kwa sababu "kwa sasa, kujifunza kwa kina kunawajibika kwa mifumo inayofanya kazi vizuri katika karibu kila eneo la utafiti wa akili ya bandia".
Lakini siri inazidi kuwa ya kina zaidi. Kadiri tabaka za mitandao ya neva zinavyozidi kuongezeka ugumu wao umekua. Pia imesababisha ukuzi katika kile kinachojulikana kuwa "tabaka zilizofichwa" ndani ya kina hiki. Majadiliano ya idadi kamili ya safu zilizofichwa katika mtandao wa neva yanaendelea. Mwananadharia wa vyombo vya habari Beatrice Fazi ameandika kwamba "kwa sababu ya jinsi mtandao wa neva wa kina unavyofanya kazi, ukitegemea tabaka za neva zilizofichwa zilizowekwa kati ya safu ya kwanza ya niuroni (safu ya uingizaji) na safu ya mwisho (safu ya pato), mbinu za kujifunza kwa kina mara nyingi hazieleweki au hazisomeki hata watengenezaji programu ambao waliziweka awali".
Kadiri tabaka zinavyoongezeka (pamoja na hizo tabaka zilizofichwa) huwa hazielezeki sana - hata, kama inavyotokea, tena, kwa wale wanaoziunda. Akitoa hoja kama hiyo, mwanafalsafa mpya wa vyombo vya habari maarufu na wa taaluma mbalimbali Katherine Hayles pia imebainika kwamba kuna mipaka ya "kiasi gani tunaweza kujua kuhusu mfumo, matokeo yanayohusiana na 'safu iliyofichwa' katika wavu wa neva na algoriti za kujifunza kwa kina".
Kufuatilia yasiyoelezeka
Kwa pamoja, maendeleo haya marefu ni sehemu ya kile mwanasosholojia wa teknolojia Taina Bucher ameita "tatizo la wasiojulikana". Kupanua utafiti wake wenye ushawishi juu ya maarifa ya kisayansi katika uwanja wa AI, Harry Collins amebainisha kuwa lengo la neti za neural ni kwamba zinaweza kuzalishwa na binadamu, mwanzoni angalau, lakini "programu inapoandikwa inaishi maisha yake yenyewe, kama ilivyokuwa; bila juhudi kubwa, jinsi programu inavyofanya kazi inaweza kubaki kuwa ya kushangaza." Hii ina mwangwi wa ndoto hizo za muda mrefu za mfumo wa kujipanga.
Ningeongeza kwa hili kwamba haijulikani na labda hata isiyojulikana yamefuatwa kama sehemu ya msingi ya mifumo hii tangu hatua zao za mwanzo. Kuna uwezekano mkubwa kwamba jinsi akili ya bandia inavyozidi kuwa na athari kubwa katika maisha yetu ndivyo tutakavyoelewa jinsi au kwa nini.
Lakini hilo haliwapendezi wengi leo. Tunataka kujua jinsi AI inavyofanya kazi na jinsi inavyofikia maamuzi na matokeo ambayo yanatuathiri. Maendeleo katika AI yanapoendelea kuunda ujuzi na uelewa wetu wa ulimwengu, kile tunachogundua, jinsi tunavyochukuliwa, jinsi tunavyojifunza, kutumia na kuingiliana, msukumo huu wa kuelewa utakua. Inapokuja kwa AI inayoeleweka na ya uwazi, hadithi ya mitandao ya neva inatuambia kwamba tunaweza kupata mbali zaidi na lengo hilo katika siku zijazo, badala ya kukaribia zaidi.
David Beer, Profesa wa Sociology, Chuo Kikuu cha York
Makala hii imechapishwa tena kutoka Mazungumzo chini ya leseni ya Creative Commons. Soma awali ya makala.
