Maskiner som lærer ting er ikke noe nytt i det hele tatt. Skriv inn noen instruksjoner i en batchfil, og du kan instruere datamaskinen til å gjøre omtrent alt med programmene du kjører. Få et webkamera- og ansiktsgjenkjenningssoftware, og du kan tydeligvis se at datamaskinen din er i stand til å gjenkjenne ansiktet ditt. Imidlertid er alle de tingene som er beskrevet her, ikke resultater av datamaskinens "tanker". I beste fall kan dagens gjennomsnittlige hjemmedatamaskin etterligne tanke. Men det er folk der ute i lag rundt om i verden, utvikler måter å reprodusere menneskelig tenkning i maskiner, til og med kombinere det beste fra begge verdener, for å skape en ny form for læring som imiterer den intuitive måten vi fanger verden rundt oss.

Selv om mange av oss er redd for implikasjonene av kunstig intelligens, er det ingen tvil om at alle holder den i ærbødighet som hoveden for utviklingen av maskinen. Hvor langt har vi kommet i vår hensikt å skape maskiner som kan komme nær menneskets intuisjon og abstrakt tanke? Vi skal se på hva Google Brain-teamet gjør, og hvordan kunstige nevrale nettverk kan påvirke måten teknologien samhandler med oss ​​på daglig basis i nær fremtid.

Hva er et kunstig neuralt nettverk?

Et kunstig nevralt nettverk, enkelt sagt, er et system som bruker en algoritme som er inspirert av hvordan mennesker lærer ting. I dag er datamaskiner vane med vane. De vil nøye følge en enkelt linje til de når slutten av det, uansett om resultatene gir mening. For eksempel kan et datasystem som analyserer forbrukeradferd på et nettsted vise at et stort antall besøkende klikker på en kobling øverst til høyre på hver side, men det kan ikke forklare hvorfor det skjer. Det kan ikke tilpasse metodene sine for å grave dypere og ekstrapolere betydningen av de rå dataene som det går gjennom.

Et "perfekt" kunstig nevralt nettverk vil kunne tilpasse måten det behandler informasjon for å passe de dataene den konfronteres med. Dette er spesielt nyttig med audiovisuell behandling der regelbasert programmering er svært ineffektiv. Mens en amerikaner vil ha lite problemer med å forstå en australsk aksent på svært lite tid, kan datamaskiner ha mye mer problemer med å gjøre samme oppgave. Kunstige nevrale nettverk er utformet på en slik måte at en datamaskin kan tolke forskjeller i hvordan australierne snakker på samme måte som vi gjør - ved å plukke opp svingninger i tone og uttale, bygge sammen kontekst og fylle hull med andre informasjon formidlet i setningen. Å gjøre dette med enkel programmering er mye vanskeligere enn det ser ut til.

Hva er Google Brain?

Google Brain er et prosjekt som fokuserer på stor dyp læring. Prosjektet innebærer en enorm mengde maskiner, med 16.000 av CPU-kjernene i deres datasentre jobber alle sammen for å skape en maskin som effektivt kan "lære" og "forstå" ting. Bildet ovenfor er faktisk en "tegning" som nettverket gjorde. Det "kopierte" ikke designet fra hvor som helst; det bare bygget det abstrakt som enhver maleren ville.

En av de mest bemerkelsesverdige prestasjonene i dette prosjektet er nettverks evne til å oppdage katter. Moderne datamaskiner kan enkelt vise en video med en katt for underholdning, men de kan ikke forstå hva de viser deg. Ingen forventer at datamaskinene skal vite hva en katt er . Likevel viser de videoer av disse fuzzy små skapninger millioner av ganger om dagen rundt om i verden, helt uvitende om deres eksistens. Datamaskinen du leser dette fra, er trolig ikke mer enn en glorifisert interaktiv tv. Google klarte å lage et system som kunne påpeke katten i et stillbilde (uten tidligere instruksjoner om hva en katt er). Dette er en enestående prestasjon som kan ta oss alle et skritt videre i informasjonsalderen.

Søknader for Neural Networks

Tenk deg å ha en robot med deg som ikke bare kan kjøre deg til jobb, men kan også tjene som medisin når du er skadet. Bare det enkle faktum at en datamaskin kan skille mellom hva en katt er når den er omgitt av andre gjenstander, har store implikasjoner. Du må kanskje vente en stund (16.000 CPU-kjerner er svært vanskelig for øyeblikket å passe i en liten plass), men å skille et sår fra huden rundt den (og identifisere typen av sår) betyr at en "medisinsk modul" på en robot kan hjelpe det med å få suturer på kroppen din. Når du tar litt tid til å tenke på det, kan kunstige nevrale nettverk føre til teknologiske fakta som vi ikke har trodd vi ville se i våre liv. Kanskje en dag ikke for langt fra nå tar vi roboter sammen som sykkelkammerater og spiller fotball med dem, alt takket være måten de kan tilpasse seg og lære akkurat som oss.

Hva tror du? Er det altfor optimistisk å tenke at vi kan gå fra "cat detector" til "robot doctor" på et tidspunkt i våre liv? Fortell oss nedenfor i en kommentar!