Dyrektor techniczny IBM Watson mówił o trudnościach w uczeniu się sztucznej inteligencji

Dyrektor techniczny IBM Watson mówił o trudnościach w uczeniu się sztucznej inteligencji

Dyrektor techniczny IBM Watson Rob Hai, głównym zadaniem w uczeniu maszynowym jest zmniejszenie ilości danych potrzebnych do szkolenia algorytmów sztucznej inteligencji. "To jest wyzwanie, to jest cel i istnieją powody, by sądzić, że jest to możliwe", powiedział w wywiadzie dla TechCrunch na Mobile World Congress w Barcelonie

<

div class=”article-blocks-list”>

Inni przedstawiciele branży podzielają opinię Haya. Nie tak dawno temu szef Google AI John Giannandrea potwierdził, że poszukiwawczy gigant jest również zajęty rozwiązywaniem tego problemu. Zazwyczaj potrzebny jest duży zestaw danych, aby utworzyć model uczenia maszynowego, ale dla wielu zadań po prostu nie istnieją.

Cześć, jednak jest przekonana, że ​​jest to zadanie, które można rozwiązać, ponieważ z ludzie nauczyli się z tym radzić. Kiedy napotykają na nowy problem, wykorzystuje się całe zgromadzone doświadczenie i kontekst. Również transferowa technologia uczenia się może pomóc, to jest możliwość wzięcia już wyszkolonego systemu sztucznej inteligencji i wykorzystania jego danych do rozpoczęcia nauki innej sieci neuronowej, dla której dane są znacznie mniejsze.

Jednak sztuczna inteligencja napotyka inne trudności, zwłaszcza jeśli chodzi o naturalną mowę. "Ludzie wpływają na siebie nawzajem nie tylko słowami, ale także tym, jak wymawiamy te słowa, jakie modulacje, intonacje, tempo, nastrój, mimikę i gesty używamy", mówi Huy. Nie wierzy, że sztuczna inteligencja powinna naśladować człowieka we wszystkich tych parametrach, ale potrzebuje dodatkowych kanałów przekazywania informacji, na przykład wizualnych. Jednocześnie większość sztucznej inteligencji musi lepiej zrozumieć naturę problemów i kontekst, w jaki sposób ta kwestia jest powiązana z poprzednimi.

Jeśli chodzi o stronniczość AI, to Hai wyróżnił dwie strony problemu: z jednym, dane mogą rzeczywiście powstać niepoprawnie oraz tych, którzy są zaangażowani w to zadanie, należy ściśle monitorować, czy biorą pod uwagę interesy wszystkich warstw kulturowych i demograficznych. Z drugiej strony, czasami dane są celowo wybierane selektywnie, ponieważ zadanie jest ustawione. Jako przykład, Hai przytacza algorytm I wyszkolony przez IBM dla Sloan Kettering Cancer Center, którego lekarze stosują specyficzne podejście do leczenia raka, i ta filozofia powinna znaleźć odzwierciedlenie w sztucznej inteligencji stworzonej dla nich

<

div class=”article-block link”>

Powiązane wiadomości