Mashine za watu pamoja zitapita uwezo wa kipengee chochote peke yake. metamorworks / Shutterstock.com

Baadaye haitafanywa na wanadamu au mashine peke yao - lakini na wote wawili, kufanya kazi pamoja. Teknolojia zinazoonyeshwa juu ya jinsi akili za kibinadamu zinavyofanya kazi tayari zinaongeza uwezo wa watu, na zitapata ushawishi zaidi wakati jamii inazoea mashine hizi zinazidi kuwa na uwezo.

Watumaini wa teknolojia wamefikiria ulimwengu na kuongezeka tija ya binadamu na maisha bora kama mifumo ya akili ya bandia inachukua kazi ngumu na maisha, kumnufaisha kila mtu. Wenye tamaa, kwa upande mwingine, wameonya kuwa maendeleo haya yanaweza kuja gharama kubwa katika kazi zilizopotea na kuvuruga maisha. Na wafanyabiashara wa manyoya wana wasiwasi kuwa AI inaweza hatimaye fanya wanadamu wapunguke.

Walakini, watu sio wazuri sana kufikiria siku zijazo. Hakuna utopia wala siku ya mwisho inayowezekana. Katika kitabu changu kipya, "Mapinduzi ya kina ya Kujifunza, ”Lengo langu lilikuwa kuelezea yaliyopita, ya sasa na ya baadaye ya eneo hili linalokua haraka la sayansi na teknolojia. Hitimisho langu ni kwamba AI itakufanya uwe nadhifu, lakini kwa njia ambazo zitakushangaza.

Kutambua mifumo

Kujifunza kwa kina ni sehemu ya AI ambayo imefanya maendeleo zaidi katika kutatua shida ngumu kama kutambua vitu kwenye picha, kutambua hotuba kutoka kwa spika nyingi na kuchakata maandishi jinsi watu wanavyozungumza au kuiandika. Mafunzo ya kina pia yamethibitishwa kuwa muhimu kwa kutambua mifumo katika seti kubwa za data ambazo zinazalishwa kutoka sensorer, vifaa vya matibabu na vyombo vya kisayansi.

Lengo la njia hii ni kutafuta njia ambazo kompyuta inaweza kuwakilisha ugumu wa ulimwengu na kujumlisha uzoefu wa hapo awali - hata ikiwa kinachotokea baadaye sio sawa kabisa na kile kilichotokea hapo awali. Kama vile mtu anaweza kutambua kwamba mnyama maalum ambaye hajawahi kuona hapo awali ni paka, algorithms ya kina ya kujifunza inaweza kutambua mambo ya kile kinachoweza kuitwa "paka-ness" na dondoa sifa hizo kutoka kwenye picha mpya za paka.

Mifumo ya kina ya kujifunza inaweza kujua ni ipi kati ya hizi ni paka. Gelpi / Shutterstock.com

Njia za ujifunzaji wa kina zinategemea kanuni zile zile zinazoumiza ubongo wa binadamu. Kwa mfano, ubongo hushughulikia data nyingi za aina anuwai katika vitengo vingi vya usindikaji kwa wakati mmoja. Neurons zina uhusiano mwingi kwa kila mmoja, na viungo hivyo huimarisha au kudhoofisha kulingana na ni kiasi gani kinatumika, kuanzisha vyama kati ya pembejeo za hisia na matokeo ya dhana.

The mtandao wenye mafanikio zaidi ya kujifunza kwa kina ni msingi wa utafiti wa 1960 juu ya usanifu wa gamba la kuona, sehemu ya ubongo ambayo tunatumia kuona, na kujifunza algorithms ambazo zilibuniwa miaka ya 1980. Nyuma wakati huo, kompyuta zilikuwa hazijafunga vya kutosha kutatua shida za ulimwengu. Sasa, ingawa, wako.

Kwa kuongezea, mitandao ya ujifunzaji imekuwa laini juu ya kila mmoja, na kuunda wavuti za unganisho kwa karibu zaidi inafanana na safu ya tabaka inayopatikana kwenye gamba la kuona. Hii ni sehemu ya muunganiko unafanyika kati ya akili ya bandia na ya kibaolojia.

Mtandao wa neva wenye safu nne unakubali pembejeo kutoka kushoto, hupitisha pato la safu ya kwanza hadi safu inayofuata, hadi inayofuata na inayofuata - kabla ya kutoa pato. Sin314 / Shutterstock.com

Mafunzo ya kina katika maisha halisi

Kujifunza kwa kina tayari kunaongeza uwezo wa kibinadamu. Ikiwa unatumia huduma za Google kutafuta wavuti, au kutumia programu zake kutafsiri kutoka lugha moja kwenda nyingine au kugeuza hotuba kuwa maandishi, teknolojia imekufanya uwe nadhifu, au uwe na ufanisi zaidi. Hivi karibuni akiwa safarini kwenda China, rafiki yake alizungumza Kiingereza kwa simu yake ya Android, ambayo ilitafsiriwa kuwa Kichina inayozungumzwa kwa dereva wa teksi - kama vile mtafsiri wa ulimwengu wote kwenye "Star Trek".

Jaribio la kifaa halisi cha utafsiri wa wakati halisi.

{youtube}Nu-nlQqFCKg{/youtube}

Mifumo hii na mingine mingi tayari iko kazini, ikikusaidia katika maisha yako ya kila siku hata ikiwa hauifahamu. Kwa mfano, ujifunzaji wa kina umeanza kuchukua kusoma kwa picha za X-ray na picha za vidonda vya ngozi kwa kugundua saratani. Daktari wako wa karibu ataweza kuona shida ambazo zinaonekana leo kwa wataalam bora tu.

Hata wakati unajua kuna mashine inayohusika, huenda usingeelewa ugumu wa kile wanachofanya kweli: Nyuma ya Alexa ya Amazon ni bevy ya mitandao ya kina ya kujifunza inayotambua ombi lakopepeta data ili ujibu maswali yako na uchukue hatua kwa niaba yako.

Kuendeleza kujifunza

Kujifunza kwa kina imekuwa na ufanisi mkubwa katika kutatua shida za utambuzi wa muundo, lakini kupita zaidi ya hii inahitaji mifumo mingine ya ubongo. Wakati mnyama atalipwa kwa tendo, ni uwezekano mkubwa wa kuchukua hatua kama hizo katika siku zijazo. Neuroni za Dopamine kwenye genge la msingi la ubongo huripoti tofauti kati ya tuzo zinazotarajiwa na zilizopokelewa inaitwa kosa la utabiri wa malipo, ambayo hutumiwa kubadilisha nguvu za unganisho kwenye ubongo ambazo hutabiri malipo ya baadaye.

Kuunganisha njia hii, inayoitwa ujifunzaji wa uimarishaji, na ujifunzaji wa kina inaweza kutoa kompyuta nguvu ya kutambua uwezekano usiyotarajiwa. Kwa kutambua muundo na kisha kuijibu kwa njia ambayo inatoa thawabu, mashine zinaweza kukaribia tabia kwa njia ya kile kinachoweza kuitwa ubunifu wa kibinadamu. Njia hii iliyojumuishwa ni jinsi DeepMind ilivyotengeneza a mpango unaoitwa AlphaGo, ambayo ndani 2016 alishinda bibi Lee Sedol na mwaka uliofuata kumpiga bingwa wa dunia Go, Ke Jie.

Michezo sio mbaya kama ulimwengu wa kweli, ambao umejaa kutokuwa na uhakika wa kuhama. Massimo Vergassola katika Chuo Kikuu cha California, San Diego, na mimi hivi karibuni nilitumia ujifunzaji wa kuimarisha kufundisha mtembezi kwenye uwanja jinsi ya kuongezeka kama ndege katika joto kali. Sensorer zinaweza kushikamana na ndege halisi kujaribu ikiwa wanatumia alama sawa na kujibu kwa njia ile ile.

Licha ya mafanikio haya, watafiti bado hawaelewi kabisa jinsi ujifunzaji wa kina unasuluhisha shida hizi. Kwa kweli, hatujui jinsi ubongo hutatua pia.

Wakati utendaji wa ndani wa ubongo unaweza kubaki kuwa ngumu, ni suala la muda tu kabla ya watafiti kukuza nadharia ya ujifunzaji wa kina. Tofauti ni kwamba wakati wa kusoma kompyuta, watafiti wanapata kila unganisho na muundo wa shughuli kwenye mtandao. Kasi ya maendeleo ni ya haraka, na karatasi za utafiti zinaonekana kila siku arXiv. Maendeleo ya kushangaza yanatarajiwa kwa hamu Desemba hii katika Mkutano wa Mifumo ya Usindikaji Habari wa Neural huko Montreal, ambayo kuuzwa tikiti 8,000 katika dakika 11, na kuacha wasajiliwa 9,000 wenye matumaini kwenye orodha ya kusubiri.

Kuna njia ndefu ya kwenda kabla ya kompyuta kufikia akili ya jumla ya mwanadamu. Mtandao mkubwa zaidi wa kujifunza leo una nguvu tu ya kipande cha gamba la neva ya binadamu saizi ya nafaka ya mchele. Na bado hatujui jinsi ubongo hupanga mwingiliano kati ya maeneo makubwa ya ubongo.

Asili tayari ina kiwango hicho cha ujumuishaji, ikitengeneza mifumo mikubwa ya ubongo inayoweza kufanya kazi katika nyanja zote za mwili wa mwanadamu wakati wa kutafakari maswali ya kina na kumaliza kazi ngumu. Mwishowe, mifumo ya uhuru inaweza kuwa ngumu sana, ikijiunga na viumbe hai elfu nyingi kwenye sayari yetu.

Kuhusu Mwandishi

Terrence Sejnowski, Francis Crick Profesa na Mkurugenzi wa Maabara ya Kompyuta ya Neurobiolojia katika Taasisi ya Salk ya Mafunzo ya Biolojia, na Profesa mashuhuri wa Neurobiology, Chuo Kikuu cha California San Diego

Makala hii imechapishwa tena kutoka Mazungumzo chini ya leseni ya Creative Commons. Soma awali ya makala.

Vitabu kuhusiana

at InnerSelf Market na Amazon