Recientemente, las redes neuronales se han mostrado excelentes en muchas aplicaciones. Buscaron patrones en los datos que se utilizaron para la clasificación y el pronóstico. Las redes neuronales con aparente facilidad reconocieron objetos en imágenes digitales o, después de "leer" un pasaje de texto, resumieron su tema. Sin embargo, nadie podía decir qué transformaciones pasaron los datos de entrada para obtener una u otra solución. Incluso los autores de las redes poseían datos de entrada e información de salida. Y si consideramos los datos visuales, a veces incluso es posible automatizar experimentos para descubrir a qué componentes de las imágenes responde la red neuronal. Y con los sistemas de procesamiento de texto, el proceso es más complicado. ¿Cuál es la dificultad de entender un lenguaje humano con una máquina? Puedes leerlo a continuación.CSAIL ( )
, « » . . . : , , 95% . , , , .
, ? , , ? ? , , , . , , .
, , . , , — . — , . . , : , , . , . .
. .
— ?
El nombre de "redes neuronales artificiales" sugiere que estas estructuras se comportan más o menos como las estructuras del cerebro humano. La unidad constitutiva de dicha red es un nodo de procesamiento que, como una neurona, por sí solo puede realizar operaciones simples. El poder llega cuando muchos nodos se combinan en una gran red. La mayor parte del trabajo desconocido tiene lugar en una neurona. Esto es todo, una caja negra. Los datos de entrada y salida se pueden encontrar. Durante el entrenamiento, las operaciones realizadas por los nodos individuales cambian constantemente para obtener buenos resultados en todo el conjunto de ejemplos de entrenamiento. Al final del proceso, el programador de la red no sabe qué nodos están configurados actualmente. Incluso si estos datos estuvieran allí, sería difícil entender esta información de bajo nivel para poder traducirla a un idioma que la gente entienda.
En el proceso de aprendizaje profundo, los datos ingresan a los nodos de entrada de la red, que los transforman y los transmiten a los siguientes nodos. La última acción se repite muchas veces. El proceso se detiene cuando los valores llegan a los nodos de salida de la red. La información se correlaciona con el área de datos en la que se lleva a cabo la capacitación. Pueden ser objetos en la imagen o el tema del artículo.Cómo el proceso se volvió transparente
Para comprender cómo una red neuronal toma decisiones, los investigadores decidieron entrenarla en datos textuales. En el laboratorio del instituto, un equipo de especialistas dividió la red creada en dos partes. Uno tenía la intención de extraer fragmentos de texto de los datos de entrenamiento y evaluarlos por longitud y secuencia. Cuanto más corto sea el pasaje y la mayor parte del mismo consista en líneas de palabras consecutivas, mayor será el puntaje.Otros pasajes llegaron en la segunda parte. La segunda parte de la red neuronal predijo el tema del pasaje o trató de clasificar el texto. Para la prueba, utilizamos reseñas en línea del sitio de calificación de cerveza. Una red de científicos intentó calificar las cervezas en una escala de cinco estrellas en función de factores como el aroma, el sabor, la apariencia y las reseñas escritas. Después de entrenar el sistema, los investigadores descubrieron que su red neuronal evalúa el aroma y la apariencia, así como las personas reales: 95% y 96%, respectivamente. Según una característica más subjetiva del gusto, la red neuronal "estuvo de acuerdo" con las personas en el 80% de los casos.Los módulos fueron entrenados juntos, y el objetivo del entrenamiento era maximizar la evaluación de los segmentos seleccionados y la precisión de la predicción o clasificación.
. , , . . , .
. .
?
« , .»
, — 4: .— . , , .
, « ». , of India, of milk, of your. , . , , .
1. "El tiempo vuela como una flecha".2. "La fruta vuela como un plátano".Si alguien no conoce estos acertijos lingüísticos en inglés, intente traducir las oraciones usted mismo de varias maneras.El tiempo vuela como una flecha.Las moscas del tiempo aman algún tipo de flecha.Mide la velocidad de las moscas mientras mides la velocidad de una flecha.La fruta vuela como un plátano.Drosophila ama el plátano.La misma excusa puede significar cosas diferentes. Especialmente la preposición CON."Comí porrige con frutas". Comí gachas de avena con frutas, que eran parte del plato."Desayuné con cuchara". Desayuné con una cuchara, que era una herramienta."Desayuné con mi madre". Desayuné con mi madre, que participó en la acción.El uso de redes neuronales.
. , .
. - . , . , . : , , , , , (), , .
. , . .
, ( ), , , . , , , . , , , , (Cortana, Siri), , . . — , .
Facilita significativamente la vida de los expertos en seguridad y los sistemas de seguridad: aquí las redes neuronales se dedican a identificar a las personas por huellas digitales, voces, firmas y rostros. Para los geólogos, las redes analizan datos sísmicos y buscan minerales utilizando técnicas asociativas.? , , , , ? , , , . . , . , , ?.. — , . , , .
Lo mismo en el camino. Es imperdonable que una máquina derribe a una persona, al igual que es imperdonable que otra persona que infringe las reglas haga daño. ¿La persona culpable siempre recibe un castigo objetivo? Las cuestiones de moralidad permanecerán eternas. Probablemente, no hay una respuesta general. Cuando los automóviles sin conductor de BMW o Google se vuelven rutinarios en las calles de la ciudad, las personas se arriesgarán con las máquinas. Y aunque en algunos casos la muerte es causada por una computadora con conductor, el número total de accidentes y víctimas disminuirá dramáticamente gracias a los robots.Sobre todo por la ética.Las redes neuronales son compañías de lucha que producen automóviles con autogobierno. Pregunta: ¿qué debe hacer un piloto automático cuando dos niños juegan una pelota frente a él justo en la intersección? ¿Quién debe estar expuesto al peligro: niños o pasajeros del automóvil que infringen las reglas a sabiendas (!).Este ejemplo se asemeja a una tarea ética clásica en la que usted es el operador de una flecha de tráfico, en un camino un grupo de personas y en el otro alguien solo. La decisión siempre será injusta para la víctima, sus familiares y salvará al resto. Aunque las personas que sobreviven a este precio también pueden no ser felices.Semejanza cerebral evolutiva
. , . , , . , . . . , , , -,
. .
, « », - ( ). , . - , . , . , . . , « ».
? , , ? , . , , «» , , . ? ? . , — . , , , , , , . . . , - , .
, -. , .
. - . — .
« , , .»
, .
« , .»
El científico propone investigar si es posible que los microtúbulos creen estados cuánticos estables que unan la actividad celular en todo el cerebro, generando conciencia. La simulación por computadora de este estado es imposible.