एआई और एमओ: कुछ रुझान और रुझान

आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग दो प्रौद्योगिकियां हैं जिनके कार्यान्वयन और / या मानव समाज में उनका व्युत्पत्ति अनिवार्य रूप से मौलिक रूप से इसे बदल देगा। क्या रुझान अब विशेष रूप से ध्यान देने योग्य हैं, दुनिया भर के वैज्ञानिक क्या कर रहे हैं, और अभी क्या हो रहा है - इस लेख में।

1. प्राकृतिक भाषाओं के साथ काम करना

सभी भाषा अनुवाद और पाठ मान्यता प्रणालियों ने प्रशिक्षित तंत्रिका नेटवर्क के आधार पर काम करना शुरू किया। तथ्य की बात के रूप में, यह पहले से ही समान Google अनुवाद द्वारा स्पष्ट रूप से दिखाई दे रहा है, जिसके अनुवाद की गुणवत्ता बढ़ रही है, कोई कह सकता है, दैनिक। जाहिरा तौर पर, बहुत कम समय बचा है जब तक कि मशीन शब्द प्रसंस्करण के परिणाम लाइव अनुवादकों के काम की गुणवत्ता के साथ तुलनीय नहीं हो जाते हैं, विशेष रूप से इस वर्ष के बाद से कई अनुसंधान दल बहुभाषी परिसरों को विकसित करने जा रहे हैं। इसलिए, यह बहुत स्पष्ट नहीं है कि क्या, उदाहरण के लिए, अभी कुछ चीनी सीखना शुरू हो रहा है।

2. लोगों की जातियां

एक विशिष्ट व्यक्ति, उसके व्यवहार और आदतों को अनुकरण करने के लिए तंत्रिका नेटवर्क के प्रशिक्षण पर बुरी प्रगति नहीं की जा रही है। अब तक, मुख्य समस्या यह है कि यह पूरी तरह से स्पष्ट नहीं है कि एआई को किस तरह के डेटा की आवश्यकता है ताकि वह, एक विकल्प के रूप में, एक विशिष्ट चरित्र का मज़बूती से अनुकरण कर सके, उदाहरण के लिए, इंटरनेट पर संचार में ताकि लोग जो उसे अच्छी तरह से जानते हैं, वह नकली पहचान न कर सके। लेकिन इस काम के कुछ पहलुओं में पहले से ही गंभीर उपलब्धियां हैं, सभी एआई द्वारा निर्णय लेने से जल्द ही एक विशेष लेखक की साहित्यिक शैली को पुन: पेश किया जा सकेगा। इस समय, सभी संपादकों को बहुत मेहनत करनी होगी, हालाँकि दूसरी ओर, शायद उस समय तक, कार्य के साथ-साथ कार्यशैली भी कॉपीराइट का उद्देश्य बन जाएगी।

3. कंप्यूटर दृष्टि

हाल तक तक, तंत्रिका नेटवर्क को वस्तुओं को पहचानने के लिए प्रशिक्षित करने के लिए, उन्हें मैन्युअल रूप से लेबल करना पड़ता था, जो इसे हल्के ढंग से लगाने के लिए, बहुत तेज़ नहीं था और बहुत प्रभावी नहीं था। हालांकि, पिछले साल इस क्षेत्र में एक सफलता थी, और अब एआई बहुत कम या कोई सुराग के साथ सीखने में सक्षम है। उसी समय, तंत्रिका नेटवर्क ने सीखा कि छवियों को विशेष विशेषज्ञता के बिना तस्वीरों से अप्रभेद्य कैसे उत्पन्न किया जाए, और एनवीडिया ने एक तंत्रिका नेटवर्क बनाया जो ऐसा करने में सक्षम है, लेकिन वीडियो के साथ। इस तथ्य के कारण कि एआई के साथ संचार करने में एक महत्वपूर्ण महत्वपूर्ण भूमिका "वस्तुओं" के बजाय "अवधारणाओं" द्वारा निभाई जाती है (उदाहरण के लिए, "बड़ा कछुआ" एक अवधारणा है, और "इस तरह के समन्वय के साथ छवि क्षेत्र एक वस्तु है"), जल्द ही, समय में। यह पूरी तरह से कृत्रिम वीडियो सामग्री बनाना संभव होगा, वास्तव में "उंगलियों पर" एआई को समझाते हुए कि उससे क्या आवश्यक है।

इंटरनेट तुरंत उन घटनाओं के वीडियो सबूत से भर जाएगा जो कभी नहीं हुई थी, और यह समझना कि दुनिया में वास्तव में क्या हो रहा है और भी मुश्किल हो जाएगा।

4. व्यावहारिक उपयोग

स्टेज जब मुख्य रूप से AI को कृत्रिम समस्याओं को हल करने के लिए प्रशिक्षित किया जाता है, जैसे कि गो खेलना, शतरंज जुआ खेलने या अप्राकृतिक एल्गोरिदम और केवल उनके प्रशिक्षण के लिए डिज़ाइन की गई घटनाओं का विश्लेषण करना लगभग पूरा हो गया है। मॉडलिंग गतिविधियों के आदान-प्रदान और शहरी यातायात प्रबंधन से लेकर जीनोम विश्लेषण और औषधि विकास तक, मानव गतिविधि के वास्तविक पहलुओं में तंत्रिका नेटवर्क को पेश करने का चरण शुरू हो गया है। वे वित्तीय क्षेत्र में तंत्रिका नेटवर्क शुरू करने पर भी सक्रिय रूप से काम कर रहे हैं, एआई जल्द ही किसी भी व्यापारी के लिए एक वफादार सहायक बन जाएगा, और भविष्य में, जब किसी विशिष्ट व्यक्ति के व्यवहार पैटर्न में तंत्रिका नेटवर्क का प्रशिक्षण आदर्श बन जाएगा, तो वह एक व्यक्ति के लिए उसी तरह से व्यापार करने में सक्षम होगा जैसे वह खुद - केवल बेहतर और बेहतर होगा। दिन में 24 घंटे।

बहुत जल्द, ये प्रणालियां अपने क्षेत्रों के उत्तरदायित्व को अनुकूलित करने के लिए पर्याप्त जानकारी प्राप्त करेंगी, और हमारा जीवन इतने सारे पहलुओं में नाटकीय रूप से बदलना शुरू कर देगा। ऐसा नहीं है कि यह डिब्बाबंद सामान और मैचों पर स्टॉक करने के लिए समझ में आता है, लेकिन सभी विशेषज्ञों को यकीन नहीं है कि तंत्रिका नेटवर्क सुरक्षित होने की गारंटी है, क्योंकि एआई की व्याख्या के साथ बहुत गंभीर समस्याएं पहले ही शुरू हो चुकी हैं।

5. एआई की व्याख्या

हाल के वर्षों में, तंत्रिका नेटवर्क के अनुसंधान और विकास में भारी धन का निवेश किया गया है, इसलिए यह आश्चर्यजनक नहीं है कि जबरदस्त प्रगति हुई है। हालांकि, यह वह था जिसने समस्या का निर्माण किया, जिसे अब वैज्ञानिक समुदाय के सीमांत विंग (बोलने के लिए) के बहुत से नहीं माना जाता है और चर्चा के लिए लाया गया है: एआई की व्याख्या की समस्या।

मोटे तौर पर, यहां तक ​​कि कई मामलों में विशेषज्ञ या तो अच्छी तरह से समझ नहीं पाते हैं या बिल्कुल भी समझ में नहीं आता है कि वास्तव में कार्यात्मक रूप से उपयोगी तंत्रिका नेटवर्क डेटा को कैसे बनाते हैं और परिणाम उत्पन्न करते हैं। AI अक्सर एक ब्लैक बॉक्स में बदल जाता है, और कुछ कंपनियां (वही Google, उदाहरण के लिए, जो इस समस्या की अत्यधिक गंभीरता की बात करती हैं) वर्तमान में अनुसंधान कर रही हैं, जिसका एकमात्र उद्देश्य एक साधारण तथ्य को समझना है: विकासशील एआई को जारी रखना और इसे शुरू करना कितना सुरक्षित है। वास्तविक जीवन में बिन किम के साथ इस विषय पर एक उत्कृष्ट साक्षात्कार है, वह Google ब्रेन शोधकर्ता है, वह इस मुद्दे से निपट रही है और, वह जो कहती है, उसे देखते हुए, उसे और उसके सहयोगियों को थोड़ा विश्वास है कि AI निश्चित रूप से सुरक्षित है।

6. एआई की नैतिकता

खैर, वास्तव में, कृत्रिम बुद्धि में शामिल विशेषज्ञों द्वारा उपरोक्त को अच्छी तरह से समझा जाता है, इसलिए सभी ने अचानक और सर्वसम्मति से "एआई की नैतिकता" का ध्यान रखा, अर्थात्, यह कैसे सुनिश्चित करें कि यह समझ से बाहर की चीज अचानक किसी बुरे सपने के लिए दक्षता प्रदर्शन करना शुरू नहीं करती है। । सच है, अब तक, जाहिरा तौर पर, इस उद्योग में अग्रणी खिलाड़ियों द्वारा मान्यता के अलावा कि हाँ, तंत्रिका नेटवर्क के लिए किसी प्रकार की विशेष नैतिकता और नैतिकता को विकसित करने और लागू करने के लिए आवश्यक है, चीजों में कोई बदलाव नहीं आया है।

सामान्य तौर पर, यह अजीमोव को फिर से पढ़ने का समय है।