Anonim
מהי בינה מלאכותית?

בספטמבר 1955, ג'ון מקארתי, עוזר פרופסור למתמטיקה צעיר במכללת דארטמות ', הציע באומץ ש"כל היבט של למידה או כל מאפיין אחר של אינטליגנציה ניתן לתאר באופן מדויק כל כך מדויק שניתן ליצור מכונה כדי לדמות זאת. "

מקארתי כינה את תחום המחקר החדש הזה "בינה מלאכותית", והציע כי מאמץ של חודשיים של קבוצה של 10 מדענים יכול היה להתקדם משמעותית בפיתוח מכונות שיכולות "להשתמש בשפה, ליצור הפשטות ומושגים, לפתור סוגים של בעיות ששמורות כעת. עבור בני אדם, ומשפרים את עצמם. "

באותה תקופה, מדענים האמינו באופן אופטימי שבקרוב יהיה לנו מכונות חשיבה שיעשו כל עבודה שאדם יכול לעשות. כעת, יותר משישה עשורים לאחר מכן, ההתקדמות במדעי המחשב והרובוטיקה סייעה לנו להפוך את המשימות לרבות מהמטלות שדרשו בעבר עבודה פיזית וקוגניטיבית של בני אדם.

אבל אינטליגנציה מלאכותית אמיתית, כפי שהגה אותה מקארתי, ממשיכה לחמוק מאיתנו.

מה בדיוק AI?

אתגר גדול עם בינה מלאכותית הוא שמדובר במונח רחב, ואין הסכמה ברורה לגבי הגדרתו.

כאמור, מקארתי הציע ש- AI יפתור בעיות כפי שבני אדם עושים: "המאמץ האולטימטיבי הוא ליצור תוכנות מחשב שיכולות לפתור בעיות ולהשיג יעדים בעולם כמו גם בני אדם", אמר מקארתי.

אנדרו מור, דיקן מדעי המחשב באוניברסיטת קרנגי מלון, סיפק הגדרה מודרנית יותר למונח בראיון לשנת 2017 עם פורבס: "בינה מלאכותית היא המדע וההנדסה של יצירת מחשבים להתנהג בדרכים שעד לא מזמן חשבנו שדרוש אנוש אינטליגנציה."

אל תצפו מ- AI שישחק כמו אדם But our understanding of "human intelligence" and our expectations of technology are constantly evolving. Zachary Lipton, the editor of Approximately Correct, describes the term AI as "aspirational, a moving target based on those capabilities that humans possess but which machines do not." In other words, the things we ask of AI change over time.

For instance, In the 1950s, scientists viewed chess and checkers as great challenges for artificial intelligence. But today, very few would consider chess-playing machines to be AI. Computers are already tackling much more complicated problems, including detecting cancer, driving cars, and processing voice commands.

Narrow AI vs. General AI

The first generation of AI scientists and visionaries believed we would eventually be able to create human-level intelligence.

But several decades of AI research have shown that replicating the complex problem-solving and abstract thinking of the human brain is supremely difficult. For one thing, we humans are very good at generalizing knowledge and applying concepts we learn in one field to another. We can also make relatively reliable decisions based on intuition and with little information. Over the years, human-level AI has become known as artificial general intelligence (AGI) or strong AI.

The initial hype and excitement surrounding AI drew interest and funding from government agencies and large companies. But it soon became evident that contrary to early perceptions, human-level intelligence was not right around the corner, and scientists were hard-pressed to reproduce the most basic functionalities of the human mind. In the 1970s, unfulfilled promises and expectations eventually led to the "AI winter, " a long period during which public interest and funding in AI dampened.

It took many years of innovation and a revolution in deep-learning technology to revive interest in AI. But even now, despite enormous advances in artificial intelligence, none of the current approaches to AI can solve problems in the same way the human mind does, and most experts believe AGI is at least decades away.

' Today's Mathletes - AI Math Equations' The flipside, narrow or weak AI doesn' t aim to reproduce the functionality of the human brain, and instead focuses on optimizing a single task. Narrow AI has>

מדענים רבים מאמינים שבסופו של דבר ניצור AGI, אך לחלקם יש חזון דיסטופי לגבי עידן מכונות החשיבה. בשנת 2014 תיאר הפיזיקאי האנגלי הנודע סטיבן הוקינג את ה- AI כאיום קיומי על המין האנושי, והזהיר כי "בינה מלאכותית מלאה עשויה לאיית את סוף המין האנושי."

בשנת 2015 הקימו נשיא Y Combinator, סם אלטמן ומנכ"ל טסלה, אלון מאסק, שני מאמינים אחרים ב- AGI, את OpenAI, מעבדת מחקר ללא מטרות רווח שמטרתה ליצור אינטליגנציה כללית מלאכותית באופן המועיל לכל המין האנושי. (מאסק הלך מאז.)

אחרים מאמינים כי אינטליגנציה כללית מלאכותית היא מטרה חסרת טעם. "איננו צריכים לשכפל בני אדם. זו הסיבה שאני מתמקד בבחירת כלים שיעזרו לנו במקום לשכפל את מה שאנחנו כבר יודעים לעשות. אנחנו רוצים שבני אדם ומכונות ישתפו פעולה ויעשו משהו שהם לא יכולים לעשות בעצמם, " אומר פיטר נורוויג, מנהל המחקר בגוגל.

מדענים כמו נורוויג מאמינים כי AI צר יכול לעזור לאוטומטי של משימות חוזרות ועמלניות ולעזור לבני אדם להיות פרודוקטיביים יותר. לדוגמה, רופאים יכולים להשתמש באלגוריתמים של AI לבחינת סריקות רנטגן במהירות גבוהה, מה שמאפשר להם לראות יותר חולים. דוגמה נוספת ל- AI צרה נלחמת בסכנות סייבר: אנליסטים באבטחה יכולים להשתמש ב- AI בכדי למצוא אותות על הפרות נתונים בג'יגה-בייט של נתונים המועברים דרך רשתות החברות שלהם.

AI מבוסס כללים לעומת למידת מכונה

מאמצי היצירה הראשונית של AI התמקדו בהפיכת הידע והאינטליגנציה האנושית לכללים סטטיים. המתכנתים נאלצו לכתוב בקפדנות קוד (אם הצהרות אם-אז) עבור כל כלל שהגדיר את התנהגות ה- AI. היתרון של AI מבוסס כללי, שלימים התפרסם כ"אינטליגנציה מלאכותית טובה ומיושנת "(GOFAI), הוא שלבני אדם יש שליטה מלאה על העיצוב וההתנהגות של המערכת שהם מפתחים.

AI מבוסס כללי הוא עדיין פופולרי מאוד בתחומים שבהם הכללים ניתנים. דוגמא אחת היא משחקי וידאו, בהם המפתחים רוצים שה- AI יביא חווית משתמש צפויה.

הבעיה ב- GOFAI היא שבניגוד להנחת היסוד הראשונית של מקארתי, איננו יכולים לתאר במדויק כל היבט של למידה והתנהגות בדרכים שניתן להפוך לכללי מחשב. למשל, הגדרת כללים לוגיים לזיהוי קולות ותמונות - הישג מורכב שבני האדם משיגים באופן אינסטינקטיבי - היא תחום בו נאבק היסטורי ב- AI הקלאסי.

עתיד AI An alternative approach to creating artificial intelligence is machine learning. Instead of developing rules for AI manually, machine-learning engineers "train" their models by providing them with a massive amount of samples. The machine-learning algorithm analyzes and finds patterns in the training data, then develops its own behavior. For instance, a machine-learning model can train on large volumes of historical sales data for a company and then make sales forecasts.

Deep learning, a subset of machine learning, has become very popular in the past few years. It' s especially good at processing unstructured data such as images, video, audio, and text documents. For instance, you can create a deep-learning image classifier and train it on millions>

אחד האתגרים במודלים של למידה עמוקה הוא שהם מפתחים התנהגות משלהם על סמך נתוני אימונים, מה שהופך אותם למורכבים ואטומים. לעתים קרובות, אפילו מומחים ללימוד עמוק מתקשים להסביר את ההחלטות והעבודה הפנימית של דגמי ה- AI שהם יוצרים.

מהן דוגמאות לבינה מלאכותית?

הנה כמה מהדרכים בהן AI מביא שינויים אדירים בתחומים שונים.

מכוניות בנהיגה עצמית: ההתקדמות בבינה מלאכותית קירבה אותנו מאוד להפוך את החלום בן עשרות שנים של נהיגה אוטונומית למציאות. אלגוריתמים של AI הם אחד המרכיבים העיקריים המאפשרים למכוניות בנהיגה עצמית להבין את הסביבה שלהם, לקלוט הזנות ממצלמות המותקנות סביב הרכב וגילוי חפצים כמו כבישים, תמרורים, מכוניות אחרות ואנשים.

עוזרים דיגיטליים ורמקולים חכמים: Siri, Alexa, Cortana ו- Google Assistant משתמשים בבינה מלאכותית כדי להפוך מילים מדוברות לטקסט ולמפות את הטקסט לפקודות ספציפיות. AI עוזר לעוזרים דיגיטליים לחוש בניואנסים שונים בשפה המדוברת ולסנתז קולות דמויי אדם.

כיצד להשתמש באפליקציית Google Translate The Future of AI

In our quest to crack the code of AI and create thinking machines, we' ve learned a lot about the meaning of intelligence and reasoning. And thanks to advances in AI, we are accomplishing tasks alongside our computers that were once considered the>

חלק מהתחומים המתעוררים בהם AI עושה דרכים כוללים מוזיקה ואומנות, בהם האלגוריתמים של AI מבטאים את היצירתיות המיוחדת שלהם. יש גם תקווה שה- AI יסייע להילחם בשינויי אקלים, לטפל בקשישים ובסופו של דבר ליצור עתיד אוטופי בו בני אדם אינם צריכים לעבוד כלל.

קשורים

  • מה יגרום לך לסמוך על עוזר AI? מה דעתך על פרצוף? מה יגרום לך לסמוך על עוזר AI? מה דעתך על פרצוף?
  • כיצד AI משנה את המחשב כיצד AI משנה את המחשב
  • היכן משתמשים ב- AI הכי הרבה? בתחום אבטחת הרשת היכן משתמשים ב- AI הכי הרבה? בתחום הסייבר

קיים גם חשש כי AI יגרום לאבטלה המונית, ישבש את האיזון הכלכלי, יפעיל מלחמת עולם נוספת ובסופו של דבר יביא את בני האדם לעבדות.

אנחנו עדיין לא יודעים לאיזה כיוון AI ייקח. אך ככל שהמדע והטכנולוגיה של בינה מלאכותית ממשיכים להשתפר בקצב קבוע, הציפיות וההגדרה שלנו לגבי AI ישתנו, ומה שאנו רואים כ- AI היום עשוי להפוך לתפקודים השגרתיים של המחשבים של מחר.