कृत्रिम बुद्धि, मजबूत और बहुत नहीं

4 से 7 अप्रैल तक, NVIDIA द्वारा आयोजित एक सम्मेलन, समानांतर कंप्यूटिंग और कृत्रिम बुद्धिमत्ता के लिए समर्पित, सैन जोस में आयोजित किया गया था। इसके बाद, मैं इस घटना से प्रेरित होकर एआई के क्षेत्र में राज्य और विकास की संभावनाओं पर अपने विचार साझा करना चाहूंगा।

कृत्रिम बुद्धिमत्ता के बारे में तर्क को दो प्रकारों में विभाजित किया जा सकता है। पहला प्रकार इस बारे में बात कर रहा है कि क्या होगा जब सोचने वाले कंप्यूटर दिखाई देंगे और मानव प्रजातियों का भाग्य क्या होगा। आदमी और सोच की मशीन के रिश्ते के लिए संभावित विकल्पों की पड़ताल। मानव चेतना के कंप्यूटर शेल के संभावित हस्तांतरण से संबंधित अमरता के विषयों पर चर्चा की जाती है। शायद मुख्य सवाल उठाया जा रहा है - अगर कोई व्यक्ति अपने से कहीं बेहतर दिमाग बनाता है, तो वह इस दिमाग के साथ कौन होगा? मास्टर, दास, विकास की मृत-अंत शाखा या सहजीवन में एक भागीदार?
दूसरा प्रकार उन तरीकों की चर्चा है, जो सिद्धांत रूप में, पूर्ण रूप से कृत्रिम बुद्धिमत्ता और उन तरीकों के निर्माण की ओर ले जाना चाहिए जो पहले से ही अब जटिल बौद्धिक समस्याओं को हल करने में मदद करते हैं।

मुख्य वाटरशेड मशीनों की "तर्कसंगतता के मानदंड" से होकर गुजरता है। इसे मजबूत और कमजोर में कृत्रिम बुद्धि का विभाजन कहा जाता है। कमजोर AI का अर्थ है कंप्यूटर की जानकारी की समस्याओं को हल करना, उदाहरण के लिए, यह निर्धारित करने के लिए कि चित्र में क्या दिखाया गया है या किसी ध्वनि की ध्वनि को संबंधित पाठ में अनुवाद करना। मजबूत एआई का तात्पर्य है कि एक कंप्यूटर केवल सूचना पर काम नहीं करता है, बल्कि एक डिग्री या दूसरे तक, इसका अर्थ समझता है। उदाहरण के लिए, यदि कोई कंप्यूटर अनुवादक एक भाषा से दूसरी भाषा में पूर्वनिर्धारित अपरिवर्तित नियमों के अनुसार एक शब्द को दूसरे के साथ बदल देता है, तो यह एक कमजोर AI है, लेकिन यदि यह वाक्यांशों के अर्थ को समझने से आता है, तो यह पहले से ही मजबूत के करीब है।

मजबूत एआई के लिए कसौटी प्रसिद्ध ट्यूरिंग परीक्षण है। यदि, एक अनाम संचार चैनल के माध्यम से कंप्यूटर के साथ संचार करते समय, आप समझ नहीं सकते हैं कि लाइन के दूसरे छोर पर कौन है, एक व्यक्ति या एक मशीन, तो हम यह मान सकते हैं कि इस तरह का एक इंटरलाक्यूटर कंप्यूटर वास्तव में सोचता है। इस परीक्षण का सार यह है कि कितने लोगों को उन सवालों के जवाब याद नहीं हैं जो लोग कुछ प्रश्नों को देते हैं और कितने कुछ ऐसे वाक्यांशों को जमा नहीं करते हैं जो कुछ निश्चित क्षणों में प्रासंगिक होते हैं, हमेशा एक ऐसी स्थिति होगी जहां एक "यांत्रिक" उत्तर असंभव होगा।

"परीक्षण पास करने में विफलता" का एक हालिया उदाहरण Microsoft Tay से एक चैटबॉट है। आप ट्विटर या संदेशवाहक किक और GroupMe के माध्यम से उसके साथ चैट कर सकते हैं। उपयोगकर्ताओं के साथ संचार के एक दिन बाद, चैट बॉट आक्रामक हो गया, हिटलर की प्रशंसा करना और यहूदियों को डांटना शुरू कर दिया।



इस व्यवहार का कारण यह नहीं है कि उससे बात करने वाले लोगों ने "उसकी आँखें खोल दीं"। कारण - अभी तक मशीनों की अक्षमता वाक्यांशों के अर्थ को समझने के करीब आएगी। जब चैटबोट को वर्तमान बातचीत के समान कुछ याद आता है, तो वह उन वाक्यांशों का उपयोग कर सकता है जो लोगों ने ऐसी स्थितियों में कहा था, कुछ उचित पाने की उम्मीद में। या रोबोट बातचीत के विषय को निर्धारित करने की कोशिश कर सकता है, उदाहरण के लिए, वार्ताकार द्वारा इस्तेमाल किए गए शब्द और शब्द एक या दूसरे विषय को कैसे सलाह देते हैं। बातचीत के विषय को निर्धारित करने के बाद, वह एक समान विषय के साथ बातचीत से वाक्यांशों का चयन करने की कोशिश कर सकता है या इस क्षेत्र में ज्ञान का उपयोग कर सकता है या इंटरनेट से चमक सकता है। यह रणनीति आपको एक उचित वार्तालाप की उपस्थिति बनाने की अनुमति देती है, लेकिन केवल दृश्यता। हालांकि, शायद यह बुरा नहीं है। कभी-कभी पांचवें या छठे समय के बाद किसी कंपनी में,जब संचार के लिए यह आवश्यक नहीं है कि आप जिस व्यक्ति से बात कर रहे हैं, उसे ध्यान से सुनें और यदि इस समय किसी को चैटबॉट द्वारा प्रतिस्थापित किया जाता है, तो शायद यह तुरंत ध्यान नहीं दिया जाएगा।

एक स्वतंत्र विषय पर बात करने से बेहतर है, कंप्यूटर कमांड और औपचारिक प्रश्नों को समझ सकते हैं। यदि मशीन बहुत निश्चित उपचार की उम्मीद करती है, तो कार्य बहुत सरल है। इस सिद्धांत के अनुसार, सिरी और ओके, Google दोनों सफलतापूर्वक काम करते हैं।

इस सम्मेलन में आईबीएम वॉटसन सुपरकंप्यूटर को समर्पित बहुत सारी गतिविधि थी। वाटसन का मुख्य विचार एक प्राकृतिक भाषा में बातचीत को समझना है, इसे कंप्यूटर के अनुकूल विवरण में अनुवाद करना है, पर्याप्त उत्तर खोजने के लिए विभिन्न क्षेत्रों में ज्ञान के आधारों का उपयोग करना है।



फरवरी 2011 में, वाटसन ने जपानी टीवी शो जीता! (रूसी समकक्ष "मेरा खेल" है)। इसके अलावा, उन्होंने न केवल प्रतिद्वंद्वियों को हराया, बल्कि दो चैंपियन, ब्रैड रटर - कार्यक्रम में सबसे बड़ी जीत के मालिक, और केन जेनिंग्स - एक जीत-जीत श्रृंखला की अवधि के लिए रिकॉर्ड धारक। कंप्यूटर ने $ 1 मिलियन का पुरस्कार अर्जित किया। NVIDIA ने जीतने के बारे में कहा कि वे नहीं जानते कि कंप्यूटर एक मिलियन के साथ क्या करेगा, लेकिन सुदृढीकरण प्रशिक्षण पद्धति के दृष्टिकोण से, यह कहा जाना चाहिए कि यह एक अच्छा सुदृढीकरण है। यह विशेष रूप से ध्यान दिया गया था कि वाटसन इस अर्थ में खिलाड़ियों के साथ बराबरी पर था कि वह इंटरनेट से जुड़ा नहीं था। वाटसन की याद में, "पूरे इंटरनेट" को पहले से अपलोड किया गया था, कम से कम 4 टेराबाइट्स के आकार का एक महत्वपूर्ण हिस्सा। संरचित आंकड़ों के लिए, यह काफी है, यह ध्यान में रखना पर्याप्त है कि पूरे विकिपीडिया में 17 गीगाबाइट हैं।



खेल में सबसे महत्वपूर्ण बात यह थी कि प्रश्न बिना किसी सरलीकरण और अतिरिक्त स्पष्टीकरण के पूछे गए थे। इसका मतलब यह है कि कंप्यूटर वास्तव में कुछ मामलों में यह निर्धारित करने में सक्षम था कि इसकी आवश्यकता क्या है और इसे अपने ज्ञान के आधार में ढूंढें। लेकिन क्या वाटसन ने वास्तव में पूछे गए सवालों के सार को समझा? नहीं, मुझे समझ में नहीं आया, कम से कम उस तरीके से नहीं जिसे लोग समझते हैं। लड़ाई का सार क्या था? लोगों ने पूछे गए हर सवाल को समझा, लेकिन हमेशा उनकी याद में जवाब नहीं मिला। कंप्यूटर ने प्रश्नों के अर्थ को नहीं समझा, लेकिन, एल्गोरिदम का उपयोग करते हुए, उन्हें एक निश्चित खोज रूप में अनुवादित किया, जिसके द्वारा इसकी संरचित स्मृति में काफी सटीक मिलान पाया गया। वॉटसन की जीत ने दिखाया कि एल्गोरिथ्म और अच्छी स्मृति समझ और खराब स्मृति की तुलना में सही उत्तरों का अधिक प्रतिशत दे सकती है।यदि लोगों को इंटरनेट तक पहुंच दी गई और एक तंग समय सीमा निर्धारित नहीं की गई, तो खेल का परिणाम अलग होगा।

आईबीएम वाटसन को अभी तक एक मजबूत एआई के लिए जिम्मेदार नहीं ठहराया जा सकता है, लेकिन यह इसके गुणों से अलग नहीं होता है। प्राकृतिक भाषा को समझने से जुड़ी मुख्य समस्या व्याख्याओं की बहुलता है जो वाक्यांश के संदर्भ के आधार पर एक ही शब्द में हो सकती है। लेकिन अगर बातचीत अधिक विशेष क्षेत्र में जाती है, तो यह पता चलता है कि कई क्षेत्र लगभग एकमात्र संभावित व्याख्याएं निर्धारित करते हैं। और इस बिंदु पर, कंप्यूटर की सफलता काफी बढ़ जाती है। यह महसूस करते हुए, वाटसन के डेवलपर्स ने व्यक्तिगत विषयों पर ध्यान केंद्रित किया। उदाहरण के लिए, शायद आईबीएम से सुपर कंप्यूटर की सबसे बड़ी सफलता चिकित्सा निदान से संबंधित है। एक प्राकृतिक भाषा में एक चिकित्सा विषय पर बातचीत वाटसन को काफी आसानी से दी जाती है, क्योंकि जो कुछ भी कहा जाता है वह विशेष रूप से एक चिकित्सा अर्थ में व्याख्यायित होता है। मेडिकल रिकॉर्ड के विशाल डेटाबेस के साथ,निदान और उपचार के पाठ्यक्रमों में, कंप्यूटर खुद को अच्छे डॉक्टरों के स्तर पर और कुछ क्षेत्रों में, उदाहरण के लिए, ऑन्कोलॉजी में, उत्कृष्ट स्तर पर दिखाने में सक्षम था। इसका मतलब यह नहीं है कि जीवित डॉक्टरों को अब नजरअंदाज किया जाना चाहिए, बल्कि इसे समझना चाहिए ताकि डॉक्टरों को अपने निष्कर्षों की जांच करने या वाटसन के साथ परामर्श करके अतिरिक्त विचार प्राप्त करने का एक मूल्यवान अवसर मिला। मैं बाइक को विषय पर लाऊंगा।

मास्को। अस्सी का दशक।
चिकित्सा में कंप्यूटर के उपयोग पर एक चिकित्सा सम्मेलन। सभी प्रतिभागियों ने सहमति व्यक्त की कि जल्द ही कंप्यूटर डॉक्टरों की जगह लेंगे ... वे निदान करेंगे, और लोगों के पास केवल प्रक्रियात्मक उपाय होंगे।
और सम्मेलन के अंत में, एक बहुत बुजुर्ग चिकित्सक ने बोलने की इच्छा व्यक्त की, इसके अलावा, एक शिक्षाविद और चिकित्सक थे। जोर से तालियां बजाने के लिए, वह मुश्किल से पोडियम पर गए ... इवेंट में मौजूद पार्टी तत्वों ने माना कि एक सम्मानित डॉक्टर द्वारा इस तरह के नवाचार का समर्थन एक अच्छा संकेत होगा ... उन्होंने बाहर आकर कहा: "शुरुआती बिसवां दशा में, एक बहुत ही महत्वपूर्ण पत्नी को मेरे शिक्षक को परीक्षा के लिए लाया गया था। पार्टी के लोग कमिसार। यह एक बहुत ही मुश्किल मामला था, आठ पिछले डॉक्टर मरीज का निदान नहीं कर सके। इस महिला पर एक नज़र मेरे शिक्षक के लिए पर्याप्त थी, उन्होंने तुरंत वास्समैन की प्रतिक्रिया का विश्लेषण करने का आदेश दिया। तो मुझे बताओ, प्रिय सहयोगियों, किस प्रकार का कंप्यूटर केवल एक प्रकार के रोगी * में सिफलिस का तुरंत निदान कर सकता है?

वॉटसन की वापसी। आईबीएम ने सृजन का रास्ता अपनाया हैएक खुला एपीआई जहां कोई भी अपने व्यवसाय में एकीकृत करने के लिए वाटसन के ज्ञान और प्राकृतिक भाषा इंटरफ़ेस का उपयोग कर सकता है। आईबीएम कई संज्ञानात्मक सेवाएं बनाने की कोशिश कर रहा है जैसे कि भाषण और छवि मान्यता, एक प्राकृतिक भाषा में एक क्वेरी वर्गीकरण सेवा, किसी अन्य भाषा में अनुवाद, भाषण और ग्रंथों के भावनात्मक रंग का निर्धारण, आदि। भविष्य में, वे देखते हैं कि कई कंपनियां अपने अधिकांश वॉयस ग्राहक सहायता को वॉटसन की तकनीक में स्थानांतरित करने में सक्षम होंगी, और इससे भारी बचत होती है। संक्षेप में, कॉल सेंटर के बहुत से भारतीय बिना काम के रह सकते हैं।

यह विचार कि एआई बहुत बेहतर काम करना शुरू करता है जब एक विशेष कार्य के लिए स्थानांतरित करना संभव होता है जो व्याख्या अंतरिक्ष को बढ़ाता है, न केवल प्राकृतिक भाषा विश्लेषण पर लागू होता है, बल्कि उदाहरण के लिए, छवि विश्लेषण के लिए भी। सिद्धांत रूप में, यह ड्राइवर के बिना कार नियंत्रण प्रणाली के निर्माण का आधार है। जब कृत्रिम दृष्टि की प्रणाली को एक तस्वीर दिखाई जाती है, और यह निर्धारित करता है कि इस तस्वीर में क्या है, तो निर्धारण कुछ संभावना के साथ होता है। और एक बाघ के केप वाले कुत्ते के बारे में, सिस्टम कह सकता है कि यह एक बाघ है। सड़क पर सब कुछ आसान है, मिलने वाली वस्तुओं की संख्या बड़ी नहीं है, जिसका अर्थ है कि विकल्प और व्याख्याएं बहुत सीमित हैं: एक पैदल यात्री, कार, बस, सड़क पर हस्ताक्षर, अंकन, लेकिन एक बाघ नहीं, एक व्हेल नहीं और एक शादी का केक नहीं।

मानव रहित वाहन नियंत्रण कई तकनीकों का उपयोग करता है, यहाँ उनमें से कुछ हैं:

• पैटर्न मान्यता, यह सड़क पर विभिन्न वस्तुओं को पहचानने के लिए जिम्मेदार है;
• एक ऑफसेट के साथ छवियों की एक श्रृंखला को संसाधित करना, यह आपको दूसरों की पृष्ठभूमि के खिलाफ व्यक्तिगत वस्तुओं का चयन करने की अनुमति देता है;
• स्टीरियोस्कोपिक छवि प्रसंस्करण आपको गहराई और दूरी का नक्शा बनाने की अनुमति देता है;
• लिडार के उपयोग से एक दूरी के नक्शे के निर्माण का पूरक होता है या आप इसे खरोंच से निर्माण कर सकते हैं, उदाहरण के लिए, पूर्ण अंधेरे में। दूसरे दिन फोर्ड ने खुद को अलग किया ;
• प्रबलित प्रशिक्षण, ड्राइविंग और ड्राइविंग नियमों पर प्रशिक्षण प्रदान करता है।

सम्मेलन के हॉल में ऑडी, वोल्वो और बीएमडब्ल्यू से तीन मानव रहित वाहन थे। उन सभी को, और न केवल उन्हें, NVIDIA DRIVE समाधान पर निर्मित नियंत्रण है । समाधान में तीन घटक होते हैं:

• NVIDIA DRIVE PX - ऑटोपायलट प्लेटफॉर्म;
• NVIDIA DRIVE CX - एक नेविगेशन प्रणाली के साथ एक ऑन-बोर्ड कंप्यूटर, अगर पीएक्स को पता है कि कैसे जाना है, तो सीएक्स जानता है कि कहां जाना है और कैसे यात्री का मनोरंजन करना है;
• NVIDIA DIGITS DEV BOX एक गहरी शिक्षा प्रणाली है जो आपको पीएक्स के लिए तंत्रिका नेटवर्क को प्रशिक्षित करने की अनुमति देती है।

स्वचालित ड्राइविंग एक मजबूत धारणा बनाती है। इसकी महिमा में ए.आई. मुझे विशेष रूप से वह वीडियो पसंद आया जो टोयोटा ने दिखाया था कि वे अपनी मानव रहित कार को कैसे चलाना सीखें। पहले तो उन्होंने एक अंधे बिल्ली के बच्चे की तरह सभी दिशाओं में घूमा और लगातार ब्रेक लगाया, फिर वे और अधिक आत्मविश्वास से आगे बढ़े और आखिरकार, 3000 मील की दौड़ के बाद वह किसी भी सड़कों पर काफी आत्मविश्वास से चलने लगे।



टोयोटा का टोयोटा रिसर्च इंस्टीट्यूट के माध्यम से सम्मेलन में प्रतिनिधित्व किया गया था। संस्थान के सीईओ गिल प्रैट ने घोषणा की कि वाहन निर्माता एआई-संबंधित अनुसंधान में अगले पांच वर्षों में $ 1 बिलियन का निवेश करने का इरादा रखता है। टोयोटा का दृष्टिकोण दिलचस्प है। वे कहते हैं कि वे पूर्ण ऑटोपायलट को सर्वोच्च प्राथमिकता नहीं मानते हैं। अब, ऑटोपायलट, उदाहरण के लिए, टेस्ला में, "स्टीयरिंग व्हील पर हाथ" मोड की आवश्यकता है। यही है, वह ड्राइव कर सकता है, लेकिन ड्राइवर द्वारा निरंतर निगरानी की आवश्यकता होती है। यह विधा यात्रा में आनंद जोड़ने की बजाय कष्टप्रद है। टोयोटा ड्राइवर सहायता प्रणालियों पर ध्यान केंद्रित करती है, अर्थात, ऑटोपायलट नियंत्रण में हस्तक्षेप नहीं करता है जबकि सब कुछ ठीक चल रहा है, लेकिन अगर स्थिति नियंत्रण से बाहर हो जाती है, तो ऑटोपायलट सब कुछ अपने हाथों में लेता है और स्थिति को बचाता है। कुछ ड्राइवरों को चरम स्थितियों में ड्राइविंग का अनुभव होता है,एक सामान्य स्थिति में सामान्य ड्राइविंग का कोई लेना देना नहीं है। ऑटोपायलट ऐसे मामलों के लिए बहुत अच्छी तरह से प्रशिक्षित किया जा सकता है। सालाना 1,200,000 सड़क मौतें - ग्रह पृथ्वी पर ऐसे आंकड़े। टोयोटा के अनुसार, उनका सिस्टम इस आंकड़े को लगभग शून्य कर देगा। जैसा कि गिल प्रैट (याद करते हैं) याद करते हैं: "हमारी प्रणाली की मांग को कारों के लिए नहीं माना जाना चाहिए, जिन उपभोक्ताओं को इसकी सख्त जरूरत है, वे एक वर्ष में 1,200,000 लोग हैं।""कारों के लिए हमारे सिस्टम की मांग पर विचार नहीं किया जाना चाहिए, जिन उपभोक्ताओं को इसकी सख्त जरूरत है, वे सालाना 1,200,000 लोग हैं।""कारों के लिए हमारे सिस्टम की मांग पर विचार नहीं किया जाना चाहिए, जिन उपभोक्ताओं को इसकी सख्त जरूरत है, वे सालाना 1,200,000 लोग हैं।"

लेकिन एक ऑटोपायलट, बिना ड्राइवर के यात्रा करने वाली कार कितना भी आश्चर्यचकित हो, एक मजबूत एआई नहीं है। अब तक - यह अच्छे तरीकों और एल्गोरिदम का एक सेट है। यह संभव है कि इस कार्य के लिए अधिक आवश्यकता नहीं है।
मानव रहित ड्राइविंग जैसे कई कार्यों को मजबूत एआई का उपयोग किए बिना सफलतापूर्वक हल किया जा सकता है। गहरी सीखने (या गहरी शिक्षा, यदि आप डीप लर्निंग के ऐसे अनुवाद को पसंद करते हैं) के साथ तंत्रिका नेटवर्क काफी अच्छी तरह से अनुकूल हैं, जहां "माथे में प्रोग्रामिंग" एक ठहराव के लिए आता है और यह पता चलता है कि प्रशिक्षण के उदाहरणों और विषयों की एक विशाल सरणी के साथ एक तंत्रिका नेटवर्क को "फ़ीड" करना बहुत आसान है। इस तरह उसे सभी पैटर्न और उन पर प्रतिक्रिया देने की कोशिश करने की तुलना में सही वर्गीकरण सिखाने के लिए।

लेकिन चमत्कार नहीं होते हैं, परिणाम प्राप्त करने की सरलता को प्रशिक्षण की जटिलता से मुआवजा दिया जाता है। उदाहरणों की एक बड़ी संख्या पर तत्वों की एक बड़ी संख्या के तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए बड़ी मात्रा में गणना की आवश्यकता होती है। पारंपरिक सीपीयू ऐसी गणनाओं के लिए बहुत धीमी हैं। एकमात्र उद्धार बड़े पैमाने पर गणना के समानांतर है, क्योंकि तंत्रिका नेटवर्क इस पर बहुत अच्छे हैं। मूल रूप से ग्राफिक चित्र बनाने के लिए बनाए गए जीपीयू ऐसे उद्देश्यों के लिए लगभग सही थे। तंत्रिका नेटवर्क के बाजार में मांग ने GPU निर्माताओं को लोहे की वास्तुकला में इस तरह के एक आवेदन की विशेषताओं को ध्यान में रखने के लिए मजबूर किया और उन्हें उपयुक्त सॉफ्टवेयर बनाने के लिए प्रेरित किया जो डेवलपर्स के लिए जीवन को आसान बनाता है। सम्मेलन में, GPU के मुख्य निर्माता के रूप में NVIDIA, ने सभी को समझाने की कोशिश कीउन्होंने तंत्रिका नेटवर्क के विकास के सभी चरणों के समर्थन के लिए आवश्यक सॉफ्टवेयर का एक पूरा ढेर बनाया।

जैसा कि मैंने पहले ही लिखा था , सम्मेलन में, NVIDIA ने डीजीएक्स -1 सुपरकंप्यूटर - गहरे तंत्रिका नेटवर्क के प्रशिक्षण के क्षेत्र में एक सफलता प्रस्तुत की। एक सफलता अपने पूर्ववर्तियों की तुलना में सीखने के कार्यों पर उत्पादकता में 12 गुना वृद्धि है।



तदनुसार, पारिस्थितिकी तंत्र में न केवल लोहा शामिल है, बल्कि गहरी सीखने के लिए अनुकूलित कार्यक्रमों का एक पूरा सेट (https://developer.nvidia.com/deep-learning#source=pr) भी शामिल है। डीजीएक्स
-1 सॉफ्टवेयर सूट में डीप न्यूरल नेटवर्क (डीएनएन) बनाने के लिए एक संपूर्ण इंटरैक्टिव सिस्टम एनवीआईडीआईपी डीप लर्निंग जीपीयू ट्रेनिंग सिस्टम (डीआईजीआईटीएस), साथ ही डीएनएन बनाने के लिए प्राइमेटिक्स का जीपीयू-त्वरित पुस्तकालय - एनवीआईडीआईए यूयूडीए डीप न्यूरल नेटवर्क (cuDNN) संस्करण 5 शामिल है। ।
इसके अलावा, सिस्टम में कई व्यापक रूप से इस्तेमाल किए जाने वाले गहरे शिक्षण ढांचे - कैफ, थीनो और टॉर्च के अनुकूलित संस्करण शामिल हैं। DGX-1 क्लाउड-आधारित प्रबंधन टूल, सॉफ़्टवेयर अपडेट और कंटेनर एप्लिकेशन बैंक तक भी पहुंच प्रदान करता है। ”

सामान्य तौर पर, सम्मेलन में, एनवीआईडीआईए ने स्पष्ट रूप से सभी को यह बताने की कोशिश की कि वे लंबे समय से केवल विशेष चिप्स के निर्माता नहीं हैं, लेकिन एक कंपनी जिसमें सामान्य रूप से प्रौद्योगिकी की दृष्टि है और एकीकृत समाधान प्रदान करता है जिसमें लोहा केवल एक है और तथ्य यह नहीं है कि सबसे मुख्य घटक।

संक्षेप में, AI छलांग और सीमा से टकराता है। लेकिन अभी के लिए, यह सब एक कमजोर एअर इंडिया है। कमजोर शब्द को नकारात्मक मूल्यांकन के रूप में नहीं लिया जाना चाहिए। यह सिर्फ इस्तेमाल की जाने वाली तकनीक का परिशोधन है। कंप्यूटर ट्रांसलेशन सिस्टम द्वारा हम एक मजबूत AI से कितनी दूर का न्याय करना आसान है। जबकि तकनीकी या अन्य अच्छी तरह से व्याख्या किए गए पाठ का अनुवाद किया जा रहा है, मशीन अनुवादक बराबर है। लेकिन यह एक उदाहरण देने के लायक है जो वाक्यांश के अर्थ की समझ की आवश्यकता है, सही अनुवाद कैसे मौका का विषय बन जाता है और कोई सांख्यिकीय तरीके स्थिति को नहीं बचाते हैं।

आईबीएम के डीप ब्लू ने 1997 में विश्व चैंपियन गैरी कास्परोव के खिलाफ 6 मैचों का शतरंज खेल जीता। Google के AlphaGo ने हाल ही में दुनिया के सबसे मजबूत गो खिलाड़ी को हराया। यह कितना मजबूत एआई के निकट आने वाले युग का संकेत देता है? एक रोबोट के लिए एक बड़ा कदम, लेकिन मानवता के लिए बहुत कम प्रगति। हम सुदृढीकरण के साथ शिक्षण विधियों का एक अच्छा काम देखते हैं, लेकिन एक महत्वपूर्ण "लेकिन" के साथ। तथ्य यह है कि शतरंज और गो दोनों ही स्थिति का काफी सरल और सटीक वर्णन करते हैं। व्यवहार की रणनीति इस समझ के साथ बनाई गई है कि स्थिति हमें एक डिग्री या किसी अन्य से परिचित है और हम निर्णय लेने के लिए हमारे द्वारा प्राप्त अनुभव का उपयोग कर सकते हैं। सभी विकल्पों की गणना नहीं करने के लिए, स्थिति की गुणवत्ता का आकलन अंत तक पेश किया जाता है, जो आपको संभावित निरंतरता के लिए विकल्पों की गणना किए बिना स्थिति का मूल्यांकन करने की अनुमति देता है। दोनों स्थितियों में, यह पता चला हैएक स्थिति के औपचारिक विवरण से इसके मूल्यांकन को प्रभावित करने वाले सभी अर्थ तत्वों को प्राप्त करने में सक्षम होना सबसे महत्वपूर्ण है। शतरंज और गुओ के लिए, हालांकि यह आसान नहीं है, इसने काम किया। जीवन में, सब कुछ बहुत अधिक जटिल है। जो कुछ हो रहा है उसका एक बाहरी "कच्चा" विवरण एक व्यवहार रणनीति निर्धारित करने और स्थिति की गुणवत्ता का आकलन करने में बहुत मदद नहीं करता है। आप कुछ संकेतों के संयोग से स्थितियों की समानता का न्याय नहीं कर सकते। यह क्या हो रहा है के अर्थ की समझ की आवश्यकता है। क्या हो रहा है, यह निर्धारित करने के लिए कोई भी मामूली विवरण महत्वपूर्ण हो सकता है। इसलिए, यदि कोई बाधाएं नहीं हैं, तो Google-मोबाइल सड़क पर चलता रहेगा, यातायात नियमों का उल्लंघन नहीं होता है और मार्ग का अनुसरण किया जाता है। और वह या तो क्षितिज पर परमाणु मशरूम से भ्रमित नहीं होगा, या लाशों की भीड़ तंत्रिका किनारे पर खड़ी होगी।लेकिन यह निकला। जीवन में, सब कुछ बहुत अधिक जटिल है। जो कुछ हो रहा है उसका एक बाहरी "कच्चा" विवरण एक व्यवहार रणनीति निर्धारित करने और स्थिति की गुणवत्ता का आकलन करने में बहुत मदद नहीं करता है। आप कुछ संकेतों के संयोग से स्थितियों की समानता का न्याय नहीं कर सकते। यह क्या हो रहा है के अर्थ की समझ की आवश्यकता है। क्या हो रहा है, यह निर्धारित करने के लिए कोई भी मामूली विवरण महत्वपूर्ण हो सकता है। इसलिए, यदि कोई बाधाएं नहीं हैं, तो Google-मोबाइल सड़क पर चलता रहेगा, यातायात नियमों का उल्लंघन नहीं होता है और मार्ग का अनुसरण किया जाता है। और वह या तो क्षितिज पर परमाणु मशरूम से भ्रमित नहीं होगा, या लाशों की भीड़ तंत्रिका किनारे पर खड़ी होगी।लेकिन यह निकला। जीवन में, सब कुछ बहुत अधिक जटिल है। जो कुछ हो रहा है उसका एक बाहरी "कच्चा" विवरण एक व्यवहार रणनीति निर्धारित करने और स्थिति की गुणवत्ता का आकलन करने में बहुत मदद नहीं करता है। आप कुछ संकेतों के संयोग से स्थितियों की समानता का न्याय नहीं कर सकते। यह क्या हो रहा है के अर्थ की समझ की आवश्यकता है। क्या हो रहा है, यह निर्धारित करने के लिए कोई भी मामूली विवरण महत्वपूर्ण हो सकता है। इसलिए, यदि कोई बाधाएं नहीं हैं, तो Google-मोबाइल सड़क पर चलता रहेगा, यातायात नियमों का उल्लंघन नहीं होता है और मार्ग का अनुसरण किया जाता है। और वह या तो क्षितिज पर परमाणु मशरूम से भ्रमित नहीं होगा, या लाशों की भीड़ तंत्रिका किनारे पर खड़ी होगी।क्या हो रहा है, यह निर्धारित करने के लिए कोई भी मामूली विवरण महत्वपूर्ण हो सकता है। इसलिए, यदि कोई बाधाएं नहीं हैं, तो Google-मोबाइल सड़क पर चलता रहेगा, यातायात नियमों का उल्लंघन नहीं होता है और मार्ग का अनुसरण किया जाता है। और वह या तो क्षितिज पर परमाणु मशरूम से भ्रमित नहीं होगा, या लाशों की भीड़ तंत्रिका किनारे पर खड़ी होगी।क्या हो रहा है, यह निर्धारित करने के लिए कोई भी मामूली विवरण महत्वपूर्ण हो सकता है। इसलिए, यदि कोई बाधाएं नहीं हैं, तो Google-मोबाइल सड़क पर चलता रहेगा, यातायात नियमों का उल्लंघन नहीं होता है और मार्ग का अनुसरण किया जाता है। और वह या तो क्षितिज पर परमाणु मशरूम से भ्रमित नहीं होगा, या लाशों की भीड़ तंत्रिका किनारे पर खड़ी होगी।

एक मजबूत एआई बनाना सीधे न केवल एल्गोरिदमिक रूप से (पारंपरिक तरीकों का उपयोग करके) जानकारी के साथ संचालित होता है, बल्कि इसके अर्थ को समझने की क्षमता के साथ जुड़ा हुआ है। यह कार्य कठिन लगता है, खासकर जब से यह सीधे मस्तिष्क के काम को समझने से संबंधित है, क्योंकि यह तंत्र अर्थ के साथ काम करने में सक्षम है। क्या जल्द ही मजबूत AI आएगा? शायद बहुत जल्द। अगले लेख में मैं अर्थ की अवधारणा के गणितीय औपचारिकता और इसके आधार पर एक मॉडल के निर्माण के बारे में हमारे समूह के विकास का वर्णन करूंगा, जो मस्तिष्क का बहुत अच्छा वर्णन करने का दावा करता है, और इसलिए कि यह एक अच्छा काम करने का नमूना दिखाता है। इसलिए, शायद जल्द ही स्टोर में आप इस तरह के एक संवाद को सुनेंगे:

विक्रेता: यह एक नवीनता है, एक मस्तिष्क प्रत्यारोपण है, जो मानसिक भार का आधा भाग निकालता है।
खरीदार: बढ़िया! मुझे एक दो बेचो।

Source: https://habr.com/ru/post/hi393071/