आधुनिक कृत्रिम बुद्धिमत्ता के मूल सिद्धांत: यह कैसे काम करता है, और क्या यह इस साल हमारे समाज को नष्ट कर देगा?

आज का एआई तकनीकी रूप से "कमजोर" है - हालांकि, यह जटिल है और समाज को महत्वपूर्ण रूप से प्रभावित कर सकता है

आपको यह जानने के लिए साइरस डली होने की आवश्यकता नहीं है कि एक बुद्धिमान खुफिया कितना भयावह हो सकता है [एक अमेरिकी अभिनेता जिसने फिल्म "स्पेस ओडिसी 2001" में लगभग अंतरिक्ष यात्री डेव बोमैन की भूमिका निभाई / लगभग। ट्रांस।]

एआई या कृत्रिम बुद्धि, अब ज्ञान के सबसे महत्वपूर्ण क्षेत्रों में से एक है। "अनसॉल्वेबल" समस्याओं को हल किया जा रहा है, अरबों डॉलर का निवेश किया जा रहा है, और माइक्रोसॉफ्ट ने भी कॉमन को हमें काव्यात्मक शांत में बताने के लिए काम पर रखा है , यह एक अद्भुत बात है - एआई। यह सही है।

और, किसी भी नई तकनीक के साथ, यह सब प्रचार के माध्यम से प्राप्त करना मुश्किल हो सकता है। मैं सालों से ड्रोन और एआई के क्षेत्र में शोध कर रहा हूं, लेकिन यहां तक ​​कि मेरे लिए यह सब साथ रखना मुश्किल हो सकता है। हाल के वर्षों में, मैंने बहुत से सरल प्रश्नों के उत्तर की तलाश में अपना समय बिताया:

• "एआई" कहने से लोगों को क्या मतलब है?
• AI, मशीन लर्निंग और डीप लर्निंग में क्या अंतर है?
• गहरी शिक्षा के बारे में इतना महान क्या है?
• कौन से पूर्व कठिन कार्य अब हल करना आसान है, और क्या अभी भी मुश्किल है?

मुझे पता है कि ऐसी चीजों में किसी की दिलचस्पी नहीं है। इसलिए, यदि आप रुचि रखते हैं कि एआई के बारे में ये सभी उत्साह सबसे सरल स्तर पर जुड़े हुए हैं, तो यह पर्दे के पीछे देखने का समय है। यदि आप एक एआई विशेषज्ञ हैं और मनोरंजन के लिए न्यूरोलॉजिकल सूचना प्रसंस्करण (एनआईपीएस) पर एक सम्मेलन से रिपोर्ट पढ़ते हैं, तो लेख आपके लिए कुछ भी नया नहीं होगा - हालांकि, हम टिप्पणियों में आपसे स्पष्टीकरण और सुधार की उम्मीद करते हैं।

AI क्या है?

कंप्यूटर विज्ञान में इस तरह का एक पुराना मज़ाक है: AI और स्वचालन में क्या अंतर है? स्वचालन एक ऐसी चीज़ है जो कंप्यूटर का उपयोग करके की जा सकती है, और AI ऐसी चीज़ है जिसे हम करना चाहते हैं। जैसे ही हम कुछ करना सीखते हैं, यह AI के क्षेत्र से स्वचालन की श्रेणी में चला जाता है।

यह मजाक आज वैध है, क्योंकि एआई स्पष्ट रूप से पर्याप्त रूप से परिभाषित नहीं है। आर्टिफिशियल इंटेलिजेंस बस एक तकनीकी शब्द नहीं है। यदि आप विकिपीडिया पर चढ़ते हैं, तो यह कहता है कि AI "लोगों और अन्य जानवरों द्वारा प्रदर्शित प्राकृतिक बुद्धिमत्ता के विपरीत मशीनों द्वारा प्रदर्शित की जाने वाली बुद्धिमत्ता है।" आप कम स्पष्ट रूप से नहीं कह सकते।

सामान्य तौर पर, दो प्रकार के एआई होते हैं: मजबूत और कमजोर। जब वे एआई के बारे में सुनते हैं, तो ज्यादातर लोग एक मजबूत एआई की कल्पना करते हैं - यह स्काइनेट या हैल 9000 जैसी किसी प्रकार की ईश्वरवादी बुद्धि है, जो अपनी क्षमताओं से अधिक होने पर भी तर्क और मानव की तुलना करने में सक्षम है।

कमजोर एआई अत्यधिक विशिष्ट एल्गोरिदम हैं जो संकीर्ण रूप से परिभाषित क्षेत्रों में विशिष्ट उपयोगी सवालों के जवाब देने के लिए डिज़ाइन किए गए हैं। उदाहरण के लिए, एक बहुत अच्छा शतरंज कार्यक्रम इस श्रेणी में आता है। सॉफ्टवेयर के बारे में भी यही कहा जा सकता है कि यह बीमा भुगतानों को बहुत सटीक रूप से समायोजित करता है। अपने क्षेत्र में, ऐसे एआई प्रभावशाली परिणाम प्राप्त करते हैं, लेकिन सामान्य तौर पर वे बहुत सीमित होते हैं।

हॉलीवुड के विरोध के अपवाद के साथ, आज हम एक मजबूत एआई के करीब भी नहीं आए हैं। अब तक, कोई भी एआई कमजोर है, और इस क्षेत्र के अधिकांश शोधकर्ता इस बात से सहमत हैं कि हमने जिन तकनीकों का आविष्कार किया है, वे कमजोर एआई बनाने के लिए हमें मजबूत एआई बनाने के करीब लाने की संभावना नहीं हैं।

इसलिए आज का एआई तकनीकी से ज्यादा मार्केटिंग शब्द है। कंपनियां स्वचालन के बजाय अपने AI का विज्ञापन करती हैं क्योंकि वे हॉलीवुड एआई को जनता के दिमाग में लाना चाहती हैं। हालाँकि, यह इतना बुरा नहीं है। यदि इसे बहुत सख्ती से नहीं लिया जाता है, तो कंपनियां केवल यह कहना चाहती हैं, हालांकि हम अभी भी एक मजबूत एआई से बहुत दूर हैं, लेकिन आज का कमजोर एआई कई साल पहले की तुलना में बहुत अधिक सक्षम है।

और अगर आप मार्केटिंग से विचलित होते हैं, तो ऐसा है। कुछ क्षेत्रों में, मशीनों की क्षमताओं में नाटकीय रूप से वृद्धि हुई है, और मुख्य रूप से दो और वाक्यांशों के लिए धन्यवाद जो अब फैशनेबल हैं: मशीन सीखने और गहन सीखने।


फेसबुक इंजीनियरों के एक लघु वीडियो से दिखाया गया है कि वास्तविक समय एआई बिल्लियों को कैसे पहचानता है (एक कार्य जिसे इंटरनेट की पवित्र कब्र के रूप में भी जाना जाता है)

मशीन सीखने

एमओ मशीन इंटेलिजेंस बनाने का एक विशेष तरीका है। मान लीजिए आप एक रॉकेट लॉन्च करना चाहते हैं, और भविष्यवाणी करें कि यह कहां जाएगा। सामान्य तौर पर, यह इतना मुश्किल नहीं है: गुरुत्वाकर्षण बहुत अच्छी तरह से अध्ययन किया जाता है, आप समीकरणों को लिख सकते हैं और गणना कर सकते हैं कि यह कहां जाएगा, यह कई चर के आधार पर होगा - जैसे गति और प्रारंभिक स्थिति।

हालाँकि, यह दृष्टिकोण अजीब हो जाता है अगर हम एक ऐसे क्षेत्र की ओर रुख करते हैं जिसके नियम इतने अच्छे और स्पष्ट नहीं हैं। मान लीजिए कि आप चाहते हैं कि कंप्यूटर आपको बताए कि क्या कुछ छवियों पर कोई बिल्लियों हैं। मूंछों और कानों के सभी संभावित संयोजनों पर दृश्य के सभी संभावित बिंदुओं में दृश्य का वर्णन करने वाले नियमों को आप कैसे लिखेंगे?

आज, एमओ दृष्टिकोण अच्छी तरह से जाना जाता है: सभी नियमों को लिखने की कोशिश करने के बजाय, आप एक ऐसी प्रणाली बनाते हैं जो बड़ी संख्या में उदाहरणों का अध्ययन करने के बाद स्वतंत्र रूप से आंतरिक नियमों के एक सेट को प्राप्त कर सकता है। बिल्लियों का वर्णन करने के बजाय, आप बस अपने एआई को बिल्लियों की तस्वीरों का एक गुच्छा दिखाते हैं, और उसे अपने दम पर समझने देते हैं कि एक बिल्ली क्या है और क्या नहीं है।

और आज यह सही तरीका है। डेटा पर आधारित एक स्व-शिक्षण प्रणाली को केवल डेटा जोड़कर सुधार किया जा सकता है। और अगर हमारी प्रजाति कुछ अच्छी तरह से करने में सक्षम है, तो यह डेटा उत्पन्न करना, स्टोर करना और प्रबंधित करना है। सीखना चाहते हैं कि बिल्लियों को बेहतर तरीके से कैसे पहचाना जाए? इंटरनेट इस समय लाखों उदाहरणों का निर्माण कर रहा है।

हाल के दिनों में एमओ एल्गोरिदम की विस्फोटक वृद्धि का एक कारण डेटा का बढ़ता प्रवाह है। अन्य कारण इस डेटा के उपयोग से संबंधित हैं।

डेटा के अलावा, मास्को क्षेत्र के लिए इससे संबंधित दो और मुद्दे हैं:

• मुझे क्या याद है कि मैंने क्या सीखा है? कंप्यूटर पर संचार और नियमों को कैसे संग्रहीत और प्रस्तुत करना है जो मैंने डेटा से घटाया है?
• मैं कैसे सीखूं? नए उदाहरणों के जवाब में संग्रहीत प्रतिनिधित्व को कैसे बदलें, और सुधार करें?

दूसरे शब्दों में, इस सभी डेटा के आधार पर वास्तव में क्या प्रशिक्षित किया जा रहा है?

एमओ में, हमारे द्वारा संग्रहीत प्रशिक्षण का कम्प्यूटेशनल प्रतिनिधित्व एक मॉडल है। उपयोग किए गए मॉडल का प्रकार बहुत महत्वपूर्ण है: यह निर्धारित करता है कि आपका एआई कैसे सीखता है, यह किस डेटा से सीख सकता है, और आप इसे क्या प्रश्न पूछ सकते हैं।

आइए एक बहुत ही सरल उदाहरण देखें। मान लीजिए कि हम एक किराने की दुकान पर अंजीर खरीदते हैं और एमओ के साथ एक एआई बनाना चाहते हैं जो हमें बताएगा कि क्या यह परिपक्व है। यह करना आसान होना चाहिए, क्योंकि अंजीर के मामले में, मीठा मीठा।

हम पके और अपंग अंजीर के कई नमूने ले सकते हैं, देखें कि वे कितने मीठे हैं, और फिर उन्हें चार्ट पर रखें और इसके लिए सीधी रेखा को समायोजित करें। यह लाइन हमारी मॉडल होगी।


"मीठा मीठा" के रूप में भ्रूण एअर इंडिया


नए डेटा को जोड़ने के साथ, कार्य अधिक जटिल हो जाता है।

देख लो! सीधी रेखा का तात्पर्य इस विचार से है कि "वे जितने नरम हैं, उतने ही मधुर", और हमें कुछ भी लिखने की जरूरत नहीं थी। हमारे एआई भ्रूण को चीनी सामग्री या पकने वाले फल के बारे में कुछ भी नहीं पता है, लेकिन एक फल की मिठास को निचोड़कर भविष्यवाणी कर सकते हैं।

किसी मॉडल को बेहतर बनाने के लिए उसे कैसे प्रशिक्षित किया जाए? हम और भी नमूने एकत्र कर सकते हैं और अधिक सटीक भविष्यवाणियां प्राप्त करने के लिए एक और सीधी रेखा खींच सकते हैं (जैसा कि ऊपर की दूसरी तस्वीर में है)। हालांकि, समस्याएं तुरंत स्पष्ट हो जाती हैं। अब तक, हम अपने अंजीर को गुणवत्ता वाले जामुन पर प्रशिक्षित कर रहे हैं - क्या होगा अगर हम बाग से डेटा लेते हैं? अचानक, हम न केवल पके हुए हैं, बल्कि सड़े हुए फल भी हैं। वे बहुत नरम हैं, लेकिन निश्चित रूप से खाने के लिए उपयुक्त नहीं हैं।

हम क्या करें? खैर, चूंकि यह एक एमओ मॉडल है, हम सिर्फ उसे और अधिक डेटा खिला सकते हैं, है ना?

नीचे दी गई पहली तस्वीर के रूप में, इस मामले में हम पूरी तरह से अर्थहीन परिणाम प्राप्त करेंगे। लाइन केवल यह बताने के लिए उपयुक्त नहीं है कि जब फल बहुत अधिक परिपक्व हो जाता है तो क्या होता है। हमारा मॉडल अब डेटा संरचना में फिट नहीं बैठता है।

इसके बजाय, हमें इसे बदलना होगा, और बेहतर और अधिक जटिल मॉडल का उपयोग करना होगा - शायद एक परबोला, या कुछ इसी तरह का। यह परिवर्तन सीखने को जटिल बनाता है क्योंकि ड्राइंग कर्व्स को एक सीधी रेखा खींचने की तुलना में अधिक परिष्कृत गणित की आवश्यकता होती है।


ठीक है, शायद एक जटिल एआई के लिए एक सीधी रेखा का उपयोग करने का विचार बहुत सफल नहीं था


अधिक जटिल गणित की आवश्यकता है

उदाहरण बल्कि मूर्खता है, लेकिन यह दर्शाता है कि मॉडल का चुनाव सीखने की संभावनाओं को निर्धारित करता है। अंजीर के मामले में, डेटा सरल है, और मॉडल सरल हो सकते हैं। लेकिन अगर आप कुछ अधिक जटिल सीखने की कोशिश कर रहे हैं, तो अधिक जटिल मॉडल की आवश्यकता है। जिस तरह डेटा की कोई भी मात्रा रैखिक मॉडल को सड़े हुए जामुन के व्यवहार को दर्शाती है, कंप्यूटर विज़न एल्गोरिथ्म बनाने के लिए चित्रों के एक समूह के लिए एक सरल वक्र का चयन करना असंभव है।

इसलिए, एमओ के लिए कठिनाई संगत कार्यों के लिए सही मॉडल बनाने और चुनने की है। हमें एक मॉडल की आवश्यकता है जो वास्तव में जटिल संबंधों और संरचनाओं का वर्णन करने के लिए पर्याप्त है, लेकिन सरल इतना है कि आप इसके साथ काम कर सकते हैं और इसे प्रशिक्षित कर सकते हैं। इसलिए, हालांकि इंटरनेट, स्मार्टफोन, और इतने पर से सीखने के लिए डेटा के अविश्वसनीय पहाड़ों का निर्माण किया गया है, फिर भी हमें इस डेटा का लाभ उठाने के लिए सही मॉडल की आवश्यकता है।

यह वह जगह है जहाँ गहरी शिक्षा खेल में आती है।

गहरी सीख

डीप लर्निंग मशीन लर्निंग है जो एक निश्चित प्रकार के मॉडल का उपयोग करता है: गहरे तंत्रिका नेटवर्क।

तंत्रिका नेटवर्क एमओ मॉडल का एक प्रकार है जो गणना और भविष्यवाणियों के लिए मस्तिष्क में न्यूरॉन्स के समान एक संरचना का उपयोग करता है। तंत्रिका नेटवर्क में न्यूरॉन्स परतों में व्यवस्थित होते हैं: प्रत्येक परत सरल गणनाओं का एक सेट करती है और अगले का जवाब देती है।

स्तरित मॉडल अधिक जटिल गणनाओं के लिए अनुमति देता है। एक छोटी संख्या में न्यूरॉन परतों के साथ एक सरल नेटवर्क सीधी रेखा या परबोला को पुन: पेश करने के लिए पर्याप्त है जो हमने ऊपर इस्तेमाल किया था। गहरी तंत्रिका नेटवर्क एक बड़ी संख्या में परतें, दर्जनों या सैकड़ों के साथ तंत्रिका नेटवर्क हैं; इसलिए उनका नाम। इतनी सारी परतों के साथ, आप अविश्वसनीय रूप से शक्तिशाली मॉडल बना सकते हैं।

यह अवसर हाल के दिनों में गहरे तंत्रिका नेटवर्क की भारी लोकप्रियता का एक मुख्य कारण है। वे मानव शोधकर्ता को किसी भी नियमों को परिभाषित करने के लिए मजबूर किए बिना विभिन्न जटिल चीजें सीख सकते हैं, और इसने हमें एल्गोरिदम बनाने की अनुमति दी है जो विभिन्न प्रकार की समस्याओं को हल कर सकता है जो कंप्यूटर पहले दृष्टिकोण नहीं कर सकते थे।

हालांकि, एक और पहलू ने तंत्रिका नेटवर्क की सफलता में योगदान दिया: प्रशिक्षण।

एक मॉडल की "मेमोरी" संख्यात्मक मापदंडों का एक समूह है जो यह निर्धारित करती है कि यह पूछे जाने वाले प्रश्नों के उत्तर कैसे प्रदान करता है। एक मॉडल को प्रशिक्षित करने का मतलब इन मापदंडों को ठीक करना है ताकि मॉडल सर्वोत्तम उत्तर दे सके।

अंजीर के साथ हमारे मॉडल में, हमने रेखा के समीकरण की खोज की। यह एक सरल प्रतिगमन कार्य है, और ऐसे सूत्र हैं जो आपको एक चरण में उत्तर देंगे।


सरल तंत्रिका नेटवर्क और गहरे तंत्रिका नेटवर्क

अधिक जटिल मॉडल के साथ, चीजें इतनी सरल नहीं हैं। एक सीधी रेखा और एक परबोला को आसानी से कई संख्याओं द्वारा दर्शाया जा सकता है, लेकिन एक गहरे तंत्रिका नेटवर्क में लाखों पैरामीटर हो सकते हैं, और इसके प्रशिक्षण के लिए निर्धारित डेटा में लाखों उदाहरण भी हो सकते हैं। एक चरण में एक विश्लेषणात्मक समाधान मौजूद नहीं है।

सौभाग्य से, एक अजीब चाल है: आप एक खराब तंत्रिका नेटवर्क के साथ शुरू कर सकते हैं, और फिर इसे क्रमिक tweaks के साथ सुधार सकते हैं।

इस तरह से एमओ मॉडल सीखना, परीक्षण का उपयोग करने वाले छात्र के परीक्षण के समान है। हर बार प्रशिक्षण डेटा में "सही" उत्तरों के साथ मॉडल की राय में क्या जवाब होना चाहिए, इसकी तुलना करके हमें एक आकलन मिलता है। फिर हम एक सुधार करते हैं और फिर से परीक्षण चलाते हैं।

हम कैसे जानते हैं कि किन मापदंडों को समायोजित करना है, और कितना? तंत्रिका नेटवर्क में ऐसी शांत विशेषता होती है जब कई प्रकार के प्रशिक्षण के लिए आप न केवल परीक्षण में एक आकलन प्राप्त कर सकते हैं, बल्कि यह भी गणना कर सकते हैं कि प्रत्येक पैरामीटर में परिवर्तन के जवाब में यह कितना बदल जाएगा। गणितीय शब्दों में, एक अनुमान मूल्य का एक फ़ंक्शन है, और इनमें से अधिकांश कार्यों के लिए हम पैरामीटर स्पेस के संबंध में इस फ़ंक्शन के ग्रेडिएंट की आसानी से गणना कर सकते हैं।

अब हम जानते हैं कि स्कोर बढ़ाने के लिए हमें मापदंडों को समायोजित करने के लिए किस तरह की आवश्यकता है, और हम नेटवर्क को सभी सबसे अच्छे और बेहतरीन "दिशाओं" में क्रमिक चरणों द्वारा समायोजित कर सकते हैं जब तक कि आप एक बिंदु तक नहीं पहुंचते जहां कुछ भी सुधार नहीं किया जा सकता। इसे अक्सर पहाड़ी पर चढ़ने के रूप में संदर्भित किया जाता है, क्योंकि यह वास्तव में एक पहाड़ी को हिलाने जैसा है: यदि आप लगातार ऊपर जाते हैं, तो आप शीर्ष पर समाप्त हो जाएंगे।


तुमने देखा है? शीर्ष!

इसके लिए धन्यवाद, तंत्रिका नेटवर्क में सुधार करना आसान है। यदि आपके नेटवर्क में एक अच्छी संरचना है, तो नया डेटा प्राप्त करने के बाद, आपको स्क्रैच से शुरू करने की आवश्यकता नहीं है। आप उपलब्ध मापदंडों से शुरू कर सकते हैं, और नए डेटा से फिर से सीख सकते हैं। आपका नेटवर्क धीरे-धीरे सुधर जाएगा। आज के एआई में सबसे प्रमुख - फेसबुक पर बिल्ली की मान्यता से लेकर उन प्रौद्योगिकियों तक जो अमेज़ॅन (शायद) विक्रेताओं के बिना दुकानों में उपयोग करती हैं - इस सरल तथ्य पर बनाई गई हैं।

यह एक और कारण है कि जीओ इतनी तेज़ी से और इतने व्यापक रूप से फैल गया है: एक पहाड़ी पर चढ़ना आपको एक तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए कुछ कार्य करने की अनुमति देता है और दूसरे को प्रदर्शन करने के लिए फिर से तैयार करता है, लेकिन एक समान। यदि आपने बिल्लियों को अच्छी तरह से पहचानने के लिए एआई को प्रशिक्षित किया है, तो इस नेटवर्क का उपयोग एआई को प्रशिक्षित करने के लिए किया जा सकता है जो खरोंच के बिना शुरू करने के लिए कुत्तों या जिराफ को पहचानता है। बिल्लियों के लिए एआई के साथ शुरू करें, कुत्ते की मान्यता की गुणवत्ता से इसका मूल्यांकन करें, और फिर पहाड़ी पर चढ़कर, नेटवर्क में सुधार करें!

इसलिए, पिछले 5-6 वर्षों में, AI की क्षमताओं में तेज सुधार हुआ है। पहेली के कई टुकड़े एक समरूप तरीके से एक साथ आए: इंटरनेट ने इससे सीखने के लिए बड़ी मात्रा में डेटा उत्पन्न किया। गणनाओं, विशेष रूप से GPUs पर समानांतर संगणना, इन विशाल सेटों को संसाधित करना संभव बनाती है। अंत में, गहरे तंत्रिका नेटवर्क ने इन किटों का लाभ उठाना और अविश्वसनीय रूप से शक्तिशाली एमओ मॉडल बनाना संभव बना दिया।

और इसका मतलब यह है कि कुछ चीजें जो पहले बेहद कठिन थीं अब उन्हें करना बहुत आसान है।

और अब हम क्या कर सकते हैं? पैटर्न मान्यता

शायद सबसे गहरी (दंड के लिए खेद है) और सबसे प्रारंभिक प्रभाव गहरी शिक्षा कंप्यूटर दृष्टि के क्षेत्र पर - विशेष रूप से, तस्वीरों में वस्तुओं की मान्यता पर था। कुछ साल पहले, इस xkcd कॉमिक ने कंप्यूटर विज्ञान के अत्याधुनिक पहलुओं का पूरी तरह वर्णन किया:



आज, पक्षियों की मान्यता और यहां तक ​​कि कुछ प्रकार के पक्षी एक तुच्छ कार्य है जो एक सही ढंग से प्रेरित हाई स्कूल के छात्र हल कर सकते हैं। क्या बदल गया है?

वस्तुओं की दृश्य पहचान के विचार का वर्णन करना आसान है, लेकिन इसे लागू करना मुश्किल है: जटिल वस्तुओं में सरल के सेट होते हैं, जो सरल आकार और रेखाओं से मिलकर होते हैं। चेहरे में आंखें, नाक और मुंह होते हैं, और वे मंडलियों और रेखाओं से मिलकर होते हैं, और इसी तरह।

इसलिए, चेहरा पहचान पैटर्न को पहचानने का एक मामला बन जाता है जिसमें आंखें और मुंह स्थित होते हैं, जिसे लाइनों और सर्कल से आंख और मुंह के आकार की पहचान की आवश्यकता हो सकती है।

इन पैटर्न को विशेषताएं कहा जाता है, और मान्यता के लिए गहन सीखने से पहले, सभी सुविधाओं को मैन्युअल रूप से वर्णन करना और उन्हें खोजने के लिए कंप्यूटर को प्रोग्राम करना आवश्यक था। उदाहरण के लिए, प्रसिद्ध वियोला-जोन्स चेहरा पहचान एल्गोरिथ्म है, इस तथ्य पर आधारित है कि भौहें और नाक आमतौर पर आंखों के सॉकेट की तुलना में हल्के होते हैं, इसलिए वे दो अंधेरे बिंदुओं के साथ एक उज्ज्वल टी-आकार बनाते हैं। एल्गोरिथ्म, वास्तव में, समान टी-आकृतियों की तलाश में है।

वायोला-जोन्स विधि अच्छी तरह से काम करती है और आश्चर्यजनक रूप से तेज है, और सस्ते कैमरों आदि में चेहरे की पहचान के आधार के रूप में कार्य करती है। लेकिन, जाहिर है, प्रत्येक वस्तु जिसे आपको पहचानने की आवश्यकता है, वह इस तरह के सरलीकरण के लिए खुद को उधार देता है, और लोग तेजी से जटिल और निम्न-स्तरीय पैटर्न के साथ आए। एल्गोरिदम को सही तरीके से काम करने के लिए, विज्ञान के डॉक्टरों की एक टीम की आवश्यकता थी, वे बहुत संवेदनशील थे और विफलता के लिए प्रवण थे।

नागरिक सुरक्षा और विशेष रूप से एक निश्चित प्रकार के तंत्रिका नेटवर्क के लिए धन्यवाद के बारे में बड़ी सफलता मिली, जिसे तंत्रिका संबंधी नेटवर्क कहा जाता है। संवेदी तंत्रिका नेटवर्क, एसएनएस एक निश्चित संरचना के साथ गहरे नेटवर्क हैं, जो स्तनधारी मस्तिष्क के दृश्य प्रांतस्था की संरचना से प्रेरित हैं। यह संरचना एसएनए को स्वतंत्र रूप से वस्तुओं को पहचानने के लिए लाइनों और पैटर्न के पदानुक्रम को सीखने की अनुमति देती है, बजाय इसके कि वे वर्षों तक शोध करने के लिए विज्ञान के डॉक्टरों की प्रतीक्षा करें जो इसके लिए सबसे उपयुक्त हैं। उदाहरण के लिए, चेहरों पर प्रशिक्षित SNA, आँखों और कानों और नाक पर बनने वाली रेखाओं और वृत्तों का अपना आंतरिक प्रतिनिधित्व सीखेगा, और इसी तरह।


पुराने दृश्य एल्गोरिदम (वियोला-जोन्स विधि, बाएं) मैन्युअल रूप से चयनित सुविधाओं पर भरोसा करते हैं, और अधिक जटिल सुविधाओं के अपने स्वयं के पदानुक्रम पर सरल तंत्रिका नेटवर्क (दाएं) पर निर्भर करते हैं

SNA कंप्यूटर दृष्टि के लिए आश्चर्यजनक रूप से अच्छा था, और जल्द ही शोधकर्ता उन्हें दृश्य मान्यता पर सभी प्रकार के कार्यों को करने में सक्षम थे, फोटो में बिल्लियों को खोजने से लेकर पैदल चलने वालों की पहचान करने के लिए जो एक रोबोट के कैमरे में मिला।

यह सब अद्भुत है, लेकिन एसएनए के इस तरह के तेजी से और व्यापक प्रसार का एक और कारण है - यह है कि वे कितनी आसानी से अनुकूलित करते हैं। पहाड़ी पर चढ़ना याद है?यदि हमारे उच्च विद्यालय के छात्र एक निश्चित पक्षी को पहचानना चाहते हैं, तो वह खुले कोड के साथ कई दृश्य नेटवर्क ले सकता है, और इसे अपने डेटा सेट पर प्रशिक्षित कर सकता है, यहां तक ​​कि यह समझने के बिना कि यह गणित कैसे काम करता है।

स्वाभाविक रूप से, इसे और भी विस्तारित किया जा सकता है।

वहां कौन है? (चेहरे की पहचान)

मान लीजिए कि आप एक ऐसे नेटवर्क को प्रशिक्षित करना चाहते हैं जो न केवल चेहरे को पहचानता है, बल्कि एक विशिष्ट चेहरा है। आप किसी विशिष्ट व्यक्ति को पहचानने के लिए नेटवर्क को प्रशिक्षित कर सकते हैं, फिर कोई अन्य व्यक्ति, और इसी तरह। हालांकि, नेटवर्क को प्रशिक्षित करने में समय लगता है, और इसका मतलब यह होगा कि प्रत्येक नए व्यक्ति के लिए, नेटवर्क को फिर से सिखाना आवश्यक होगा। नहीं, सच में।

इसके बजाय, हम सामान्य रूप से चेहरे को पहचानने के लिए प्रशिक्षित नेटवर्क से शुरू कर सकते हैं। उसके न्यूरॉन्स चेहरे की सभी संरचनाओं को पहचानने के लिए कॉन्फ़िगर किए गए हैं: आंखें, कान, मुंह, और इसी तरह। फिर आप सिर्फ आउटपुट बदलते हैं: उसे कुछ चेहरों को पहचानने के लिए मजबूर करने के बजाय, आप उसे सैंकड़ों की संख्या में चेहरे का वर्णन देने की आज्ञा देते हैं, जो नाक की वक्रता या आंखों के आकार का वर्णन करता है, और इसी तरह। नेटवर्क ऐसा कर सकता है क्योंकि यह पहले से ही जानता है कि चेहरे में कौन से घटक होते हैं।

बेशक, आप सीधे यह सब परिभाषित नहीं करते हैं। इसके बजाय, आप इसे चेहरे का एक सेट दिखाकर नेटवर्क को प्रशिक्षित करते हैं, और फिर आउटपुट की तुलना करते हैं। आप उसे भी सिखाते हैं ताकि वह एक ही व्यक्ति के एक-दूसरे के समान विवरण दे, और अलग-अलग व्यक्तियों के एक-दूसरे विवरण से बहुत अलग हो। गणितीय रूप से, आप सुविधाओं के एक स्थान में एक बिंदु के चेहरों की छवियों के साथ एक पत्राचार बनाने के लिए एक नेटवर्क को प्रशिक्षित करते हैं, जहां बिंदुओं के बीच कार्टेशियन दूरी का उपयोग उनकी समानता को निर्धारित करने के लिए किया जा सकता है।


न्यूरल नेटवर्क को फेस रिकग्निशन (बाईं ओर) से चेहरों के विवरण (दाईं ओर) में बदलना केवल आउटपुट डेटा के प्रारूप को बदलने की आवश्यकता है, इसके आधार को बदले बिना। अब आप न्यूरल नेटवर्क द्वारा बनाए गए प्रत्येक चेहरे के विवरण की तुलना करके चेहरों को पहचान सकते हैं ।




नेटवर्क को प्रशिक्षित करने के बाद, आप आसानी से चेहरे को पहचान सकते हैं। आप मूल व्यक्ति को लेते हैं और उसका विवरण प्राप्त करते हैं। फिर एक नया चेहरा लें और अपने मूल के साथ नेटवर्क द्वारा प्रदान किए गए विवरण की तुलना करें। यदि वे काफी करीब हैं, तो आप कहते हैं कि यह एक और एक ही व्यक्ति है। और अब आप किसी भी चेहरे को पहचानने के लिए एक चेहरे को पहचानने में सक्षम नेटवर्क से चले गए हैं!

यह संरचनात्मक लचीलापन गहरे तंत्रिका नेटवर्क की उपयोगिता का एक और कारण है। कंप्यूटर विज़न के लिए बहुत सारे एमओ मॉडल पहले ही विकसित किए जा चुके हैं, और हालांकि वे बहुत अलग दिशाओं में विकसित हो रहे हैं, उनमें से कई की मूल संरचना एलेक्सनेट और रेसनेट जैसे शुरुआती एसएनए पर आधारित है।

मैंने समय श्रृंखला डेटा या सेंसर माप के साथ काम करने के लिए दृश्य तंत्रिका नेटवर्क का उपयोग करने वाले लोगों के बारे में कहानियां भी सुनीं। डेटा प्रवाह का विश्लेषण करने के लिए एक विशेष नेटवर्क बनाने के बजाय, उन्होंने कंप्यूटर पर दृष्टि के लिए डिज़ाइन किए गए एक ओपन-सोर्स न्यूरल नेटवर्क को प्रशिक्षित किया, जो वास्तव में लाइन ग्राफ़ के आकार को देखते हैं।

इस तरह की लचीलापन एक अच्छी बात है, लेकिन अनंत नहीं। कुछ अन्य समस्याओं को हल करने के लिए, आपको अन्य प्रकार के नेटवर्क का उपयोग करने की आवश्यकता है।


और इस बिंदु पर भी, आभासी सहायकों को बहुत लंबा समय लगा

क्या कहा आपने (भाषण की मान्यता)

इमेज कैटलॉगिंग और कंप्यूटर विज़न एआई पुनरुत्थान के एकमात्र क्षेत्र नहीं हैं। एक और क्षेत्र जिसमें कंप्यूटर बहुत दूर आ गए हैं, भाषण मान्यता है, विशेष रूप से भाषण को लिखने में अनुवाद करना।

भाषण मान्यता में मूल विचार कंप्यूटर दृष्टि के सिद्धांत के समान है: सरल चीजों के सेट के रूप में जटिल चीजों को पहचानना। भाषण के मामले में, वाक्यों और वाक्यांशों की मान्यता शब्दों की मान्यता पर आधारित होती है, जो शब्दांश की मान्यता पर आधारित होती है, या, अधिक सटीक होने के लिए, ध्वनि। इसलिए जब कोई कहता है "बॉन्ड, जेम्स बॉन्ड," हम वास्तव में BON + DUH + JAY + MMS + BON + DUH सुनते हैं।

दृष्टि में, सुविधाएँ स्थानिक रूप से व्यवस्थित होती हैं, और SNA इस संरचना को संसाधित करता है। अफवाह में, इन सुविधाओं को समय में आयोजित किया जाता है। भाषण की स्पष्ट शुरुआत और समाप्ति के बिना लोग जल्दी या धीरे-धीरे बोल सकते हैं। हमें एक मॉडल की आवश्यकता है जो ध्वनियों को महसूस करने में सक्षम है क्योंकि यह एक व्यक्ति के रूप में आता है, बजाय इंतजार करने और उनमें पूर्ण वाक्यों की तलाश के। हम भौतिकी में नहीं कह सकते हैं कि अंतरिक्ष और समय एक हैं और एक ही हैं।

व्यक्तिगत सिलेबल्स को पहचानना काफी आसान है, लेकिन उन्हें अलग करना मुश्किल है। उदाहरण के लिए, "हेलो वहाँ" ध्वनि की तरह लग सकता है "नर्क नो वे" ... तो ध्वनियों के किसी भी क्रम के लिए आमतौर पर कई शब्दांश संयोजन वास्तव में बोले जाते हैं।

यह सब समझने के लिए, हमें एक निश्चित संदर्भ में अनुक्रम का अध्ययन करने का अवसर चाहिए। अगर मुझे कोई आवाज़ सुनाई देती है, तो इस बात की अधिक संभावना है कि उस व्यक्ति ने कहा "नमस्ते वहाँ प्रिय" या "नरक नहीं वे हिरण हैं?" यहाँ फिर से, मशीन लर्निंग बचाव के लिए आता है। बोले गए शब्दों के पैटर्न के पर्याप्त बड़े सेट के साथ, आप सबसे संभावित वाक्यांश सीख सकते हैं। और जितने अधिक उदाहरण हैं, उतना ही बेहतर होगा।

इसके लिए, लोग आवर्तक तंत्रिका नेटवर्क, आरएनएस का उपयोग करते हैं। अधिकांश प्रकार के तंत्रिका नेटवर्क में, जैसे कि कंप्यूटर विज़न में शामिल SNA, न्यूरोन्स के बीच संबंध एक दिशा में काम करते हैं, इनपुट से आउटपुट तक (गणितीय रूप से बोलते हुए, ये चक्रीय रेखांकन हैं)। आरएनएस में, न्यूरॉन्स के उत्पादन को उसी स्तर के न्यूरॉन्स पर वापस निर्देशित किया जा सकता है, खुद को या आगे भी। यह आरएनएस को अपनी स्मृति रखने की अनुमति देता है (यदि आप द्विआधारी तर्क से परिचित हैं, तो यह स्थिति ट्रिगर्स के संचालन के समान है)।

एसएनए एक दृष्टिकोण के लिए काम करता है: हम उसे एक छवि खिलाते हैं, और वह कुछ विवरण देती है। आरएनएस आंतरिक मेमोरी को बनाए रखता है जो उसे पहले दिया गया था, और जो उसने पहले ही देखा है, उसके आधार पर उत्तर देता है, साथ ही वह अब क्या देखता है।



आरएनएस में स्मृति की यह संपत्ति उन्हें न केवल "सुन" करने की अनुमति देती है जो एक-एक करके इसके सिलेबल्स में आती हैं। यह नेटवर्क को यह जानने की अनुमति देता है कि शब्द बनाने के लिए कौन से सिलेबल्स एक साथ चलते हैं, और कुछ निश्चित सीक्वेंस कितने संभावित हैं।

आरएनएस का उपयोग करना, मानव भाषण का बहुत अच्छा प्रतिलेखन प्राप्त करना संभव है - इस हद तक कि कंप्यूटर अब प्रतिलेखन सटीकता के कुछ मापों में मनुष्यों को पछाड़ सकते हैं। बेशक, ध्वनियां एकमात्र क्षेत्र नहीं हैं जहां अनुक्रम दिखाई देते हैं। आज, आरएनएस का उपयोग वीडियो पर कार्यों को पहचानने के लिए आंदोलनों के अनुक्रमों को निर्धारित करने के लिए भी किया जाता है।

मुझे दिखाओ कि आप कैसे आगे बढ़ सकते हैं (डीप फ़ेक और जेनेरिक नेटवर्क)

अब तक, हम पहचान के लिए डिज़ाइन किए गए एमओ मॉडल के बारे में बात कर रहे हैं: मुझे बताओ कि तस्वीर में क्या दिखाया गया है, मुझे बताओ कि उस व्यक्ति ने क्या कहा। लेकिन ये मॉडल अधिक सक्षम हैं - आज के जीओ मॉडल का उपयोग सामग्री बनाने के लिए भी किया जा सकता है।

यह तब होता है जब लोग डीपफेक के बारे में बात करते हैं - जीओ का उपयोग करके अविश्वसनीय रूप से यथार्थवादी नकली वीडियो और चित्र। कुछ समय पहले, एक जर्मन टेलीविजन अधिकारी ने एक नकली वीडियो बनाकर व्यापक राजनीतिक चर्चा को उकसायाजिसमें यूनानी वित्त मंत्री ने जर्मनी को मध्यमा उंगली दिखाई। इस वीडियो को बनाने के लिए, हमें संपादकों की एक टीम की जरूरत थी, जो एक टीवी शो बनाने के लिए काम करती हो, लेकिन आधुनिक दुनिया में, यह कुछ ही मिनटों में मध्यम आकार के गेमिंग कंप्यूटर तक पहुंच के साथ किया जा सकता है।

यह सब बल्कि दुखद है, लेकिन इस क्षेत्र में इतना उदास नहीं है - इस तकनीक के विषय पर मेरा पसंदीदा वीडियो शीर्ष पर दिखाया गया है।

इस टीम ने एक मॉडल को एक व्यक्ति के डांसिंग आंदोलनों के साथ वीडियो को संसाधित करने और दूसरे व्यक्ति के साथ एक वीडियो बनाने में सक्षम बनाया, जो इन आंदोलनों को दोहराता है, विशेषज्ञ स्तर पर जादुई प्रदर्शन करता है। साथ के वैज्ञानिक कार्यों को पढ़ना भी दिलचस्प है ।

कोई कल्पना कर सकता है कि हमारे द्वारा चर्चा की गई सभी तकनीकों का उपयोग करके, एक नेटवर्क को प्रशिक्षित करना संभव है जो एक नर्तक की छवि प्राप्त करता है और बताता है कि उसके हाथ और पैर कहां हैं। और इस मामले में, स्पष्ट रूप से, किसी स्तर पर, नेटवर्क ने सीखा कि छवि में पिक्सेल को मानव अंगों के स्थान के साथ कैसे जोड़ा जाए। यह देखते हुए कि एक तंत्रिका नेटवर्क सिर्फ एक कंप्यूटर पर संग्रहीत डेटा है, जैविक मस्तिष्क नहीं है, इस डेटा को लेना और विपरीत दिशा में जाना संभव होना चाहिए - पिक्सेल को अंगों के स्थान के अनुरूप प्राप्त करना।

एक नेटवर्क से शुरू करें जो लोगों की छवियों से पोज़ करता है।

एमओ मॉडल जो ऐसा कर सकते हैं उन्हें जेनेरिक मॉडल कहा जाता है। उत्पन्न - उत्पन्न, उत्पादन, निर्माण / लगभग। ट्रांस।]। पिछले सभी मॉडल जिन पर हमने विचार किया है, उन्हें भेदभावपूर्ण [eng] कहा जाता है। भेद करना - to diffish / approx। ट्रांस।]। उनके बीच के अंतर की कल्पना इस प्रकार की जा सकती है: बिल्लियों के लिए एक भेदभावपूर्ण मॉडल तस्वीरों को देखता है और उन तस्वीरों और तस्वीरों के बीच अंतर करता है जहां वे नहीं हैं। जेनेरिक मॉडल बिल्लियों के चित्र बनाता है, जो कहता है कि एक बिल्ली की तरह क्या होना चाहिए, इसका वर्णन है।



उन वस्तुओं को पहचानने के लिए उपयोग किए जाने वाले मॉडल के रूप में समान SNA संरचनाओं का उपयोग करके वस्तुओं के चित्र "आकर्षित" करने वाली पीढ़ीगत मॉडल बनाए जाते हैं। और इन मॉडलों को अन्य एमओ मॉडल की तरह ही प्रशिक्षित किया जा सकता है।

हालांकि, चाल उनके प्रशिक्षण के लिए एक "मूल्यांकन" के साथ आने के लिए है। एक भेदभावपूर्ण मॉडल को प्रशिक्षित करते समय, उत्तर की शुद्धता और गलतता का मूल्यांकन करने का एक सरल तरीका है - जैसे कि क्या नेटवर्क ने बिल्ली से कुत्ते को सही ढंग से अलग किया। हालांकि, परिणामी बिल्ली की तस्वीर की गुणवत्ता, या इसकी सटीकता का मूल्यांकन कैसे करें?

और यहां एक ऐसे व्यक्ति के लिए जो षड्यंत्र के सिद्धांतों से प्यार करता है और मानता है कि हम सभी बर्बाद हैं, स्थिति थोड़ी डरावनी हो जाती है। आप देखते हैं, जेनेरिक नेटवर्क सीखने के लिए हमने जो सबसे अच्छा तरीका ईजाद किया है, वह खुद ऐसा नहीं है। इसके लिए, हम बस एक अलग तंत्रिका नेटवर्क का उपयोग करते हैं।

इस तकनीक को एक जनन प्रतिकूल नेटवर्क, या GSS कहा जाता है। आप दो तंत्रिका नेटवर्क को एक दूसरे के साथ प्रतिस्पर्धा करने के लिए मजबूर करते हैं: एक नेटवर्क पुरानी मुद्राओं के आधार पर एक नया डांसर ड्राइंग करके, उदाहरण के लिए, नकली बनाने की कोशिश कर रहा है। एक अन्य नेटवर्क को वास्तविक नर्तक उदाहरणों के एक समूह का उपयोग करके वास्तविक और नकली उदाहरणों के बीच अंतर खोजने के लिए प्रशिक्षित किया जाता है।

और ये दोनों नेटवर्क एक प्रतिस्पर्धी खेल खेलते हैं। इसलिए शीर्षक में "प्रतिकूल" शब्द। जेनेटिक नेटवर्क को ठोस बनाने की कोशिश करता है, और भेदभावपूर्ण नेटवर्क यह समझने की कोशिश करता है कि नकली कहां है और असली चीज कहां है।

एक नर्तक के साथ एक वीडियो के मामले में, प्रशिक्षण प्रक्रिया के दौरान एक अलग भेदभावपूर्ण नेटवर्क बनाया गया था, जिसमें सरल हां / ना में जवाब दिया गया था। उसने व्यक्ति की छवि और उसके अंगों की स्थिति का विवरण देखा, और यह तय किया कि क्या छवि एक वास्तविक तस्वीर थी या एक जनरेटिव मॉडल द्वारा खींची गई तस्वीर थी।


जीएसएस दो नेटवर्क को एक-दूसरे के साथ प्रतिस्पर्धा करने के लिए मजबूर करते हैं: एक नकली पैदा करता है, और दूसरा मूल से नकली को अलग करने की कोशिश करता है।


अंतिम सिमुलेशन वर्कफ़्लो में, केवल एक जेनेरिक मॉडल का उपयोग किया जाता है जो आवश्यक चित्र बनाता है।

प्रशिक्षण के दोहराया दौर के दौरान, मॉडल बेहतर और बेहतर हो गए। यह एक आभूषण विशेषज्ञ और मूल्यांकन के विशेषज्ञ के बीच एक प्रतियोगिता के समान है - एक मजबूत प्रतिद्वंद्वी के साथ प्रतिस्पर्धा करना, उनमें से प्रत्येक मजबूत और स्मार्ट हो जाता है। अंत में, जब मॉडल अच्छी तरह से काम करते हैं, तो आप एक पीढ़ी मॉडल ले सकते हैं और इसे अलग से उपयोग कर सकते हैं।

सामग्री बनाने के लिए पोस्ट-ट्रेनिंग जेनेरेटिव मॉडल बहुत उपयोगी हो सकते हैं। उदाहरण के लिए, वे चेहरे की छवियों को उत्पन्न कर सकते हैं (जिनका उपयोग चेहरा पहचान कार्यक्रमों को प्रशिक्षित करने के लिए किया जा सकता है), या वीडियो गेम के लिए पृष्ठभूमि।

इन सभी को सही ढंग से काम करने के लिए, समायोजन और सुधार पर बहुत सारे काम करने की आवश्यकता होती है, लेकिन संक्षेप में यहाँ व्यक्ति एक मध्यस्थ के रूप में कार्य करता है। यह AI है जो एक-दूसरे के खिलाफ काम करता है, जिससे बड़े सुधार होते हैं।

, Skynet Hal 9000?

अंत में प्रकृति के बारे में प्रत्येक वृत्तचित्र में एक एपिसोड है जहां लेखक इस बारे में बात करते हैं कि यह सब भव्य सुंदरता जल्द ही गायब हो जाएगी कि लोग कितने भयानक हैं। मुझे लगता है कि एक ही भावना में, एआई के बारे में प्रत्येक जिम्मेदार चर्चा में इसकी सीमाओं और सामाजिक परिणामों पर एक अनुभाग शामिल होना चाहिए।

सबसे पहले, आइए की वर्तमान सीमाओं पर एक बार फिर से जोर दें: मुख्य विचार जो मुझे लगता है कि आपने इस लेख को पढ़ने से सीखा है, यह है कि एमओ या एआई की सफलता हमारे द्वारा चुने गए प्रशिक्षण मॉडल पर बहुत निर्भर है। यदि लोग नेटवर्क को अच्छी तरह से व्यवस्थित नहीं करते हैं या प्रशिक्षण के लिए अनुपयुक्त सामग्रियों का उपयोग नहीं करते हैं, तो ये विकृतियां सभी के लिए बहुत स्पष्ट हो सकती हैं।

गहरे तंत्रिका नेटवर्क अविश्वसनीय रूप से लचीले और शक्तिशाली होते हैं, लेकिन इनमें जादुई गुण नहीं होते हैं। इस तथ्य के बावजूद कि आप आरएनएस और एसएनए के लिए गहरे तंत्रिका नेटवर्क का उपयोग करते हैं, उनकी संरचना बहुत अलग है, और इसलिए, लोगों को इसे वैसे भी निर्धारित करना चाहिए। यहां तक ​​कि अगर आप कारों के लिए SNA ले सकते हैं और पक्षी मान्यता के लिए इसे वापस ले सकते हैं, तो आप इस मॉडल को नहीं ले सकते हैं और भाषण मान्यता के लिए इसे वापस ले सकते हैं।

यदि हम इसे मानवीय शब्दों में वर्णित करते हैं, तो सब कुछ दिखता है जैसे कि हम समझ गए कि दृश्य कॉर्टेक्स और श्रवण प्रांतस्था कैसे काम करते हैं, लेकिन हमें यह पता नहीं है कि सेरेब्रल कॉर्टेक्स कैसे काम करता है, और हम इसे कहां तक ​​पहुंचाना शुरू कर सकते हैं।

इसका मतलब है कि निकट भविष्य में, हम शायद हॉलीवुड के देवता जैसे एआई को नहीं देखेंगे। लेकिन इसका मतलब यह नहीं है कि अपने मौजूदा स्वरूप में, एआई समाज पर गंभीर प्रभाव नहीं डाल सकता है।

हम अक्सर कल्पना करते हैं कि एआई हमें कैसे प्रतिस्थापित करता है, यानी रोबोट कैसे सचमुच हमारे काम करते हैं, लेकिन वास्तव में ऐसा नहीं होगा। उदाहरण के लिए, रेडियोलॉजी पर एक नज़र डालें: कभी-कभी लोग, कंप्यूटर दृष्टि की सफलता को देखते हुए कहते हैं कि एआई रेडियोलॉजिस्ट की जगह लेगा। शायद हम उस बिंदु तक नहीं पहुंचेंगे जहाँ हमारे पास एक भी मानव रेडियोलॉजिस्ट नहीं होगा। लेकिन एक भविष्य काफी संभव है, जिसमें आज के सौ रेडियोलॉजिस्ट में से, एआई उनमें से पांच से दस को बाकी सभी के काम करने की अनुमति देगा। अगर ऐसे परिदृश्य का एहसास होता है, तो शेष 90 डॉक्टर कहां जाएंगे?

यहां तक ​​कि अगर एआई की आधुनिक पीढ़ी अपने सबसे आशावादी समर्थकों की उम्मीदों पर खरा नहीं उतरती है, तब भी यह बहुत व्यापक परिणाम देगा। और हमें इन समस्याओं को हल करना होगा, इसलिए एक अच्छी शुरुआत शायद इस क्षेत्र की मूल बातों में महारत हासिल करना होगा।