Mesterséges intelligencia - A deep learningnek további képzés kell
Igazi fekete doboz lenne a mély tanulás, azaz a deep learning? Bár valóban egy forradalom kapujában állunk, a modern mesterséges intelligencia szakemberek szerint egyelőre lehetnek korlátai.
A mesterséges intelligencia terén jelentős előrelépés történt az utóbbi évtizedben. A Google vezérigazgatója, Sundar Pichai ugyanakkor azt mondja: forradalmat ígérnek nekünk, ám a mesterséges intelligencia határai közelebb vannak, mint hinnénk.
Pichai szerint a mesterséges intelligencia behatóbb, mint az elektromosság vagy a tűz "feltalálása" volt. Andrew Ng, aki a Google Brain-t létrehozta és most mesterséges intelligencia startup-okba ruház be, azt írta a közelmúltban: „Ha egy ember meg tud csinálni egy mentális feladatot kevesebb, mint egy másodperces gondolattal, azt a mesterséges intelligencia is le tudja másolni most vagy a közeljövőben."
Jelentős fejlesztések vannak a MI terén: ma hang által is vezérelhetünk dolgokat, megkérhetjük a Facebookot, hogy számolja össze a tag-eket a fotókon, a Google fordító pedig közelít a tökéleteshez.
A deep learning dollármilliókat hoz - de nem biztos, hogy mindent meg tud oldani
Az elmúlt fél évtizedben dollármilliókat ruháztak be a mesterséges intelligencia fejlesztésébe.
A MIT Media Lab és a Stanford esetében ezek a leginkább népszerű kurzusok. A Szilikon-völgy mesterséges intelligencia-specialistái szintén dollármilliókat keresnek.
Ugyanakkor, jelenleg még számos dolog van, amit az ember hamarabb megcsinál, mint az okos eszközök. A természetes nyelv magasabb szinten van, mint a deep learning avagy mély tanulás – az új helyzetek, szituációk terhelik a mesterséges intelligenciát.
A deep learning ma domináns technika a mesterséges intelligencia terén, ám egyelőre önmagában nem valószínű, hogy hétköznapi emberi tevékenységeket automatizálna – hangsúlyozta Sundar Pichai.
Az, ha látjuk, miben jó a mesterséges intelligencia ma és miben nem, segít megérteni, hogyan működik a deep learning, amely alapvetően matematika: statisztikai módszer, amelyben a számítógépek megtanulják a neurális hálózatok segítségével osztályozni, besorolni a mintákat, sémákat, szokásokat.
Azért „mély”, mert több réteggel rendelkezik, számos bemenetellel és kimenetellel, sok-sok csatlakozással, összeköttetéssel - akár az agyunkban levő neuronok.
A deep learning ún. backpropagation algoritmust használ, mely a matematikai súlyokat a csomópontok között állítja be, vagyis a bemenet megfelelő kimenethez vezet.
A mély tanulás felügyelt dolog, a neurális hálózatokat arra képezik és „edzik”, hogy felismerjenek fényképeket, fonémákat, több milliárd, korábban fáradtságos munkával felcímkézett dolgot.
Mesterséges intelligencia - bizony szituációk nehéz helyzetbe hozhatják
Tulajdonképpen a deep learning mintafelismerés eredménye: a neurális hálózatok memorizálják a dolgokat, és többé-kevésbé sikerrel felismerik, ha újra találkoznak vele.
„Az azonban naiv elgondolás az emberek részéről, hogy ha a mesterséges intelligencia deep learningjét 100-szor több réteggel és 1000-szer több adattal látják el, akkor a neurális hálózat képes lesz bármit megcsinálni, amit az ember” – fogalmazott a Google kutatója, François Chollet.
Gary Marcus, a NYU kognitív pszichológia professzora és Uber AI laborjának aligazgatója szintén úgy véli, hogy a mély tanulás egy eszköz a sok közül, s szüksége van még új megközelítésekre.
Yann LeCun, a Facebook mesterséges intelligencia kutatásának igazgatója nem ért egyet az érvekkel, ahogyan a Torontói Egyetem professzora emeritusa, Geoffrey Hinton sem, a backpropagation atyja. Szerintük az akadályokra nincs bizonyíték.
Marcus azonban úgy véli: a deep learning hatalmas mennyiségű képzési adatot igényel, s a mesterséges intelligencia még szembesülhet olyan helyzetekkel, amire nem kapott képzést.
Vagyis egyelőre afféle „fekete doboz”, melyek kimenetele jelenleg még nem megmagyarázható.
B.A.
