Čo sa stane, ak necháte umelú inteligenciu bez dozoru?

Obsah:

Nezávislá AI

Hoci je už zlá forma - spomenúť minuloročný zápas Alpha Go a osobu v prvom odseku, začnime s týmto príkladom. Zaujíma sa o nás, pretože je to pravdepodobne prvý adekvátny prípad "samoštúdia AI". Existuje mnoho ďalších príkladov, ale dodnes neopustili laboratóriá a sú všeobecne známe širokej verejnosti. Jadrom samoštúdia spoločnosti AlphaGo bolo mnoho hodín hrania hier so sebou, plus štúdium hraných hier.

Táto súťaž človeka a auta priťahovala pozornosť všetkých významných publikácií. Ja, ako vždy, brzdím a nemám čas na tento nádherný záznam modernej žurnalistiky. Ale „konfrontácia storočia“ je zaujímavá nielen humbukom okolo neho (milión dolárov v prize money, udelenie čestného 9. dan v hre go go, vedecký prielom roka podľa Science) a výrazná chuť Azimovskej beletrie. Podstata akcie v skratke: hrací automat AlphaGo dominoval a vyhral 4 z 5 zápasov v tradičnej orientálnej hre go. Ona vyhrala nie na nejakom prvom mieste hráč, ale na kórejský go-professional 9 dan Lee Sedol (2. miesto v medzinárodnom hodnotení). Odborníci hovoria, že tento prípad nevyzerá ako šachová bitka počítača a Garry Kasparov, pretože v roku 1997 bol počítač trénovaný pod dozorom šachistov, ktorí sami napísali stratégie a trénovali ho. Na tréning hráča AlphaGo sa použila metóda hrubou silou (stroj si pozrel vzorku stoviek tisíc strán) vzdialene pripomínajúcich pracujúce vedecké modely, ktoré sú všeobecne známe ako GAN (generatívne sporné siete). Sú obzvlášť zaujímavé, pretože zástupcovia tímu AlphaGo sa s týmito konkurenčnými neurónovými sieťami stretli. V tomto článku ich zvážime.

Takýto prístup k odbornej príprave umelej inteligencie už nie je novinkou - generatívne konkurenčné siete alebo len GAN sa prvýkrát objavili v roku 2014 s pomocou Iana Goodfellowa. GAN pracujú veľmi jednoducho - ako zväz advokáta, zlého policajta alebo kritického autora. Jedna sieť (diskriminátor, D) klasifikuje, označuje prichádzajúce údaje ako nepravdivé alebo pravdivé. Konkurenčná sieť (generátor, G) študuje odhady diskriminátora a môže na základe týchto odhadov vytvoriť nové údaje. Tieto neurónové siete sa navzájom učia. A čo je najzaujímavejšie, GAN potrebujú veľmi malé vzorky tréningových informácií - trvá len niekoľko stoviek obrázkov a tri alebo štyri kolá opakovaní, aby generátor začal vytvárať vlastné verzie pôvodných obrázkov (predtým, ako proces učenia neurónových sietí vyžadoval mnoho hodín a milióny vzoriek).

Jedným z najzaujímavejších o modely GAN AI bol Facebook, ktorý sa o tom ešte ponáhľal publikovať. Prečo Facebook? Vzhľadom k tomu, že je najviac verejný hráč na high-tech trhu - a to ako Google, a Amazon, a Microsoft sú masívne nákupy tímov a startupov v umelej inteligencii, aby sa ich vlastný vývoj. Sú však trochu pozadu za Facebookom, ktorý má obrovskú vzdelávaciu vzorku pre tréning AI na obrázkoch (počítačové videnie je jednou z najpopulárnejších tréningových metód AI) a výborným FAIR tímom (Facebook Artificial Intelligence Research group).

Zhrnutie: sieť diskriminátorov sa naučí rozlišovať skutočné fotografie z fotografií vytvorených počítačom a vlaky generátora siete vytvárajú realistické fotografie nerozoznateľné od originálu. V tomto tréningovom závode majú obe siete rovnaké (?) Šance na úspech. Čo sa stane, keď dokončia svoje vzdelávanie?

Trendopad

V posledných rokoch strojové učenie zažíva len zlatý vek - zvýšený výkon počítačov, okamžitý prístup k veľkým súborom údajov robí túto oblasť veľmi horúcou. Dnes, AI je auto Ford na začiatku minulého storočia, alebo vesmírne satelity v 60. rokoch - všeobecné zhone, závratné predpovede a slabé pochopenie toho, čo robiť so všetkým týmto bohatstvom. Nižšie sú uvedené príklady najnovších špičkových technológií v oblasti umelej inteligencie.

Jednorazové učenie je tréning neurónových sietí na malom množstve dát, ideálne s jedným príkladom a malou vzorkou na tréning. Stále viac startupov pracuje na rýchlom učení AI.

Takže, algoritmus hry DeepStack neopakoval osud Alpha Go, ale prišiel veľmi blízko k úspešnému tréningu v malých vzorkách. Na konci roka 2016 DeepStack zrealizoval sériu 11 pokerových hier s medzinárodnými pokerovými organizáciami. Algoritmus si vzal 3000 kombinácií s každým hráčom, aby preukázal slušné výsledky - presvedčený (priemerne 396 bodov) víťazstvo nad desiatimi hráčmi a blízke víťazstvo nad jedenástym (70 bodov, štatistická presnosť). Algoritmus sa nenaučil len v procese hier, ale použil metódu opätovného riešenia (prispôsobenie každému novému hráčovi a každej novej kombinácii kariet). DeepStack je výsledkom zdieľania hlbokých rekurzívnych neurónových sietí a GAN.

Na rozpoznávanie obrazu sa používa projekt neurónovej siete Microsoft ResNet. Ak pri triedení a rozpoznávaní obrázkov zachytíte prácu neurónovej siete, získate tieto obrázky:

Smer pohľadu v forenznej vede a fotografii, Starnutie tváre S GANs - pár diskriminátor-generátor po tréningu na 5000 fotografiách ľudských tvárí rôznych vekových kategórií môže reprodukovať, predpovedať zmeny jednotlivcov s vekom. Ak generátor reprodukuje starnú osobu, diskriminátor určí, koľko výsledok zodpovedá originálu.

Kráľ obchodníkov Goldman Sachs nahradil niektorých svojich obchodníkov algoritmami. Miesto 600 bežných obchodníkov teraz zamestnáva 200 vývojárov a inžinierov, ktorí podporujú obchodné algoritmy. To súvisí s veľkým (146 bodovým) plánom riadenia bánk na automatizáciu jednoduchých sprostredkovateľských operácií. Obchodníci s rozsiahlymi skúsenosťami a skúsení predajcovia tým nebudú ovplyvnení.

Aj keď v niektorých hedžových fondoch (Sentient Technologies inc., Numerai, Emma hedgový fond), algoritmy obchodníkov na báze AI už vykonávajú všetku prácu s výsledkami analýz a prognózovania. Typicky, špecialisti v AI nie sú nadšení z práce pre finančné korporácie, ale výhody veľkých dátových súborov a príležitostí na tréning AI prevažujú nad skepticizmom a neochotou pracovať pre kapitalistických Molochov. Rok 2016 bol rokom narodenia viacerých hedžových fondov naraz, v ktorých sa obchoduje s umelou inteligenciou.

Čínsky dvojča "Google" Baidu tiež nespí. Väčšina čínskeho vývoja v oblasti umelej inteligencie, strojového učenia sa distribuuje bezplatne a každý ich môže testovať a študovať. V januári 2017 sa v Pekingu otvorilo laboratórium umelej reality, kde chce Andrew Eun spoznať virtuálnu realitu a prácu vyhľadávačov.

Ďalším sľubným vývojom Baidu je medicínsky bot Melody, ktorý je schopný viesť primárny prieskum pacientov a hrozí, že nahradí celé registračné oddelenie v poliklinike.

Demokratizácia AI - výskumníci dnes potrebujú veľké množstvo informačných a výpočtových kapacít, takže v súčasnosti sú v oblasti AI konkurencieschopné len veľké spoločnosti a výskumné ústavy. Akonáhle sa objavia modely AI, ktoré sú schopné študovať na malom množstve informácií, bude to ešte zaujímavejšie, pretože ešte viac ľudí bude schopných trénovať a skúmať AI. Možno budú existovať sociálne siete (už), kde budú ľudia schopní zdieľať pokrok vo vzdelávaní svojich agentov AI.

Distribúcia dostane mechanizmy na automatickú detekciu falošných správ, fotografií, videí. Vývoj IBR (zobrazovanie na báze obrazu), technológie, ktorá umožňuje kreslenie nových snímok na základe existujúcich (niečo podobné metódam, ktoré už boli implementované medzi nimi alebo interpoláciou pohybu), jednoducho vyžaduje vzhľad takéhoto falošného analyzátora.

Ďalším pozdravom z bratskej Číny je vývoj rozpoznávania tváre Face ++, ktoré vám umožní platiť tvárou (je ťažké spočítať, koľko vrstiev je v tejto slovnej hračke). Testovanie vývoja je založené na mobilnom platobnom systéme Alipay: teraz môžete vykonávať platby poskytnutím iba svojej vlastnej tváre.

V oblasti rozpoznávania a reprodukcie reči je zaujímavých niekoľko prípadov: Adobe Voco (Voice Conversion) prezentácia "Photoshop for voice" - aplikácia pre Adobe Audition, ktorá manipuluje s pôvodnou vzorkou ľudskej reči, pridáva k pôvodnej správe nové slová a významy. Teraz ventriloquizácia nadobúda nové významy.

Dobrým príkladom toho, ako môže nezávislý výskumník vyučovať jazyky AI, je:

Program učí angličtinu:

Program učí japončinu:

A čo sa stane, ak necháte AI bez dozoru? Bude samoštúdium bez toho, aby zastavil a stal sa čoraz dokonalejším, napríklad v hudbe:

Algoritmické mashup alebo umelé Stravinsky

Namiesto záverov: keď počujem, že mladí ľudia s titulom MBA robia AI startupy, moja ruka siahne po myši. Ak vezmeme do úvahy, koľko voľného softvéru a výkonných počítačov sú dnes k dispozícii bežným ľuďom, potom by móda na AI nemala byť prekvapujúca. Cez HYIP okolo umelej inteligencie a strojového učenia, úžasné predpovede a detské triky ako Rocket AI, napriek všetkým pokrokom v tejto oblasti, AI možno len ťažko nazvať inteligenciou v presnej definícii tohto slova („ľudia, ľudia všade“ - všetky práce na vývoji a podpore Umelá inteligencia je teraz vykonávaná ľuďmi, AI sa ani nevie pomenovať, len hovorí, čo do nej vedci investovali. Väčšina služieb, ktoré fungujú na základe umelej inteligencie, sú stále podporované vývojármi, môžeme hovoriť len o veľmi malej časti automatizácie inteligentných strojov. Doteraz umelá inteligencia len opakuje a reprodukuje vzdelávacie alebo pracovné informácie - áno, ohromuje výpočtovým výkonom a rýchlosťou učenia, ale to je o tom. Je príliš skoro hovoriť o niečom podobnom ľudskej vyššej nervovej aktivite. "Áno, a nie nevyhnutne," povedal Larry Niven *.

Aktualizácia 02.23.17: Facebook vydal projekt Prophet, automatický nástroj na prognózovanie podnikania. Prophet používa pre svoje predpovede modely aditívnej neparametrovej regresnej analýzy.

Na základe podcastu s Ianom Goodfellowom a Richardom Mallahom.

* "Existujú mysle, ktoré si myslia inak." 15. zákon Niven *. - "Existujú mysle, ktoré myslia rovnako ako vy. Len iným spôsobom." 15 Nivenov zákon.

Zanechajte Svoj Komentár