Sun'iy intellekt: Mashinada o'rganish va chuqur o'rganish o'rtasidagi farq

Sun'iy intellekt yoki AI zamonaviy jamiyatimizning muhim va ajralmas qismiga aylandi. Forbes ma'lumotlariga ko'ra, bundan ikki yil oldin, 2017 yilda, zamonaviy korxonalarning 51 foizi allaqachon AIni amalga oshirgan, ushbu sohaning o'zi 16 milliard dollarga baholangan. Ushbu ko'rsatkich 2025 yilda 190 milliard dollarga yetib, keyinchalik yanada o'sishi kutilmoqda.

Bugungi kunda AIning eng ta'sirchan turlaridan ikkitasi - bu mashinalarni o'rganish va chuqur o'rganish tizimlari. Ammo bu ikkisi aniq nima? Va bu masala bo'yicha, bu ikkala kontekstda sun'iy intellektni qanday aniqlaymiz?

Sun'iy intellekt nima?

Oksford lug'atining 2019 yilgi rasmiy kirishida sun'iy intellekt bu "inson zakovati talab qiladigan vazifalarni bajara oladigan kompyuter tizimlarining nazariyasi va rivojlanishi" dir.

Boshqacha qilib aytganda, AI ma'lumotni siz va menga o'xshash tarzda, rasmni aniqlash, nutqni aniqlash yoki boshqa avtomatlashtirilgan, qarorlarni qabul qilish tizimi uchun kerak bo'ladigan tarzda izohlaydi. AI ning juda oddiy bir misoli - bu video o'yin kompyuterining raqibi. U o'yinchini jalb qilish uchun qarorlar va topshiriqlar ketma-ketligini yaratish uchun o'yin ma'lumotlarini, shuningdek pleyerning ma'lumotlarini ishlatadi. AI 1950 yillarda paydo bo'lgan, ammo u faqat 70-80-yillarda shaxsiy kompyuterlar va o'yin pristavkalari AI rivojlanishini uning faoliyatidagi asosiy talabga aylantirgan paytdan boshlab haqiqatan ham boshlangan.

Kundalik hayotimizda AIning boshqa misollari quyidagilardan iborat bo'lishi mumkin:

  1. Simulyatorlar
  2. Aqlli qurilmalar
  3. Birjadagi botlar
  4. Ma'lumotni aniqlash (nutq, ovoz, yuz va boshqalar)

Bugungi kunda ko'plab AI tizimlari boshqarish dasturlari, tavsiyalar algoritmlari, media-tahlillar yoki hatto ovozli yordamchilar kabi ma'lumotlardan foydalanadigan deyarli har qanday dasturda qo'llaniladi. Aslida, hatto oddiy kuzatuv dasturlari hozirda AI-dan foydalanmoqda. Qoida tariqasida, agar odamning bevosita aralashuvisiz muntazam ravishda bajarilishi kerak bo'lgan nisbatan murakkab vazifalarni bajarish jarayoni bo'lsa, unda unda AI bor edi.

Mashinani o'rganish nima?

Mashinada o'qitish bu berilgan ma'lumotlardan moslashish va etarli darajada aqlli qarorlar qabul qilish uchun ularni tahlil qilish va tahlil qilishga ixtisoslashgan sun'iy intellektning bir turi (shuning uchun uning bir qismi). Sodda qilib aytganda, ushbu AI ko'p narsalarni kuzatish va payqash uchun, so'ngra olingan ma'lumotlarga asoslanib bir yoki bir nechta harakatlar kursini o'tkazish uchun qilingan.

Mashinani o'qitishning odatiy vazifalari bugungi kunda quyidagilarga ega bo'lishi mumkin

  1. Tavsiyalarni bog'lang
  2. Tarkibni boshqarish
  3. Qidiruv natijalarini ko'rsatish
  4. Davolash vaqti (ijtimoiy tarmoqlarda)

Mashinalarni o'qitish tizimi qisqa vaqt ichida juda katta miqdordagi ma'lumotlarni tahlil qilishga, undan echimlar yoki xulosalar chiqarishga qodir. U aniq izohlarni berish uchun o'z algoritmini optimallashtiradi, bu odamlar bir vaqtning cheklovlari bilan nima qila olishidan ko'ra ko'proq. Masalan, biz ma'lum elektron pochtaning spam yoki yo'qligini avtomatik ravishda aniqlashni xohlaymiz. Mashinalarni o'qitish tizimi spam-elektron pochtani aniqlashga yordam beradigan naqshlarni topish uchun minglab minglab elektron pochtalarni elakdan o'tkazadi. Keyin u spam yoki oddiy elektron pochtalarning aniq tasnifini beradi, ma'lumotlar undan tahlilni yanada takomillashtirishga yordam beradigan yanada aniq naqshlarni topish uchun yana foydalanadi.

Ma'lumotlarning yangi va yangi to'plamlari berilganda, mashina o'qitish tizimlari o'zlarining algoritmlarini bajargan narsalarini yanada yaxshilash uchun moslashtirishlari va yangilashlari mumkin edi. Yoki hech bo'lmaganda, xatolar ehtimolini minimallashtiring. Bu bizning ma'lumotlarga asoslangan hozirgi davrimizda mashina o'rganishni juda muhim qiladi.

Chuqur o'rganish nima?

Chuqur o'rganish, yana bir narsa, bu mashina o'rganish vaqti. Chuqur o'rganish tizimlarining asosiy dizayni organik miyaga asoslangan. Neyron naqshlarining murakkab to'ridan foydalangan holda yangi xotiralarni shakllantirgan bo'lsak, bunday tizim son-sanoqsiz algoritmik qatlamlardan tashkil topgan sun'iy neyron tarmog'idan foydalanib, o'zining murakkab qarorlar to'rini to'qiydi.

Bir qator e'tiborga loyiq chuqur o'rganish tizimlari:

  1. Uotson ("Jeopardy" da qatnashgan raqiblar!)
  2. AlphaGo (2016 yil mart oyida professional Go o'yinchisi Li Sedolni mag'lub etdi)
  3. Deepfake (juda haqiqiy, ammo haqiqiy odamlarning sun'iy namoyishini keltirib chiqaradi)
  4. OpenAI Five (o'yinlarni chuqur o'rganish bo'yicha loyiha, DOTA o'yinchisi Dendi o'tgan 2017 yilda mag'lub bo'lgan)

Oddiy mashinadagi o'qitish tizimlaridan farqli o'laroq, ular hatto nisbatan sodda ma'lumot to'plamlarini ham yaxshi bajara oladi, boshlang'ich chuqur o'rganish tizimi noldan boshlanadi. U o'zining “sustlashadigan davri” bilan tavsiflanadi, unda AI ning dastlabki bir necha avlodlari moslashuv davridan so'ng son-sanoqsiz muvaffaqiyatsiz avlodlardan haqiqiy natijalarini bera boshlaydilar.

Agar u samaradorlikning juda murakkab darajasiga etganda, chuqur o'rganish tizimlari undan oldingi hamma narsadan ustun kela boshlaydi. Masalan, DeepMind-ning AlphaGo o'zining 160 millionga yaqin amatör Go o'yinlaridan foydalana boshladi, bu o'z-o'zidan millionlab marotaba o'ynab, professional Go futbolchilarini kaltaklash yo'liga tushib qolishidan oldin.

Chuqur o'rganish tizimlari, ilgari ishlab chiqilgan boshqa mashina o'qitish tizimlaridan farqli o'laroq, ma'lumotlarni ishlab chiqarish uchun matritsali ko'paytmalarga juda ko'p ishonadilar. Shunday qilib, tijorat GPUlari odatda ushbu tizimlar uchun eng yaxshi uskuna hisoblanadi, chunki ular operatsionlikni ta'minlash uchun zarur bo'lgan yuqori darajadagi parallel ishlov berish talablarini bajarishga qodir.

Standart AI va mashinani o'rganish

Garchi sun'iy intellekt va mashina o'rganish ko'pgina umumiy dasturlar uchun bir-birining o'rnida ishlatilishi mumkin bo'lsa-da, mashinani o'qitish bitta o'ziga xos xususiyatga ega: moslashuv. Bu degani, u o'rganadi. Oldindan yaratilgan AIdan farqli o'laroq, u juda ko'p boshlang'ich xatolarga yo'l qo'yishi mumkin, ammo u ulardan o'rganish, ulardan tuzish va oxir-oqibat optimallashtirish uchun mo'ljallangan narsalarni almashtirish uchun mo'ljallangan.

Dizayn jihatidan, mashinani o'rganish ham dastlabki tuzilishi bilan chalkashmaslik afzalliklariga ega. Oddiy AIga ishlab chiqaruvchi oldindan ko'ra oladigan har bir vaziyat uchun maxsus kodlash yoki aniq ko'rsatmalar kerak bo'lishi mumkin. Ammo mashinani o'rganish tizimi shunchaki qarorlar daraxti ustida ishlashi mumkin, bunga qo'shimcha ravishda ikkita yoki ikkita o'quv standarti, shuningdek kerakli ishlov berish qobiliyati va keyin o'z vazifasi bo'yicha yaxshilanishi kerak.

Mashinalarni o'qitish tizimlarini farqlashning ahamiyati shundan kelib chiqadiki, biz ushbu tizimlarning standart, muntazam AI-larini bugungi kunda boshqa ahamiyatsiz vazifalar va topshiriqlarga ishlatmoqdamiz. Oxir oqibat, oddiygina fayllarni boshqarish bo'yicha qarorlarni avtomatlashtirish uchun sizga mashina o'rganish tizimlari kerak bo'lmaydi. Xuddi shu tarzda, nutqni aniqlash tizimi kabi murakkab narsalarni "shunchaki AI" deb toifalash to'g'ri bo'lmasligi mumkin va shuning uchun biz uni to'g'ri tasniflaymiz.

Mashinalarni o'rganish va chuqur o'rganish

Ehtimol, biz o'rganishimiz kerak bo'lgan muhim farq bu mashinani o'rganish va chuqur o'rganish o'rtasidagi farqdir. Avvalo, yuqorida ta'kidlab o'tilganidek, texnik jihatdan bitta turdagi yoki uning bir qismidan iborat bo'lgan IS avtomatlashtirishni chuqur o'rganish. Mashinada o'qitish har doim ham chuqur o'rganish emas. Farq asosan, ikkalasini qurish usuliga bog'liq.

Mashinada o'qitish so'nggi bir necha o'n yilliklar davomida bizning ko'plab dasturiy ta'minotlarimiz kabi bir xil kompyuter muhitida ishlab chiqilgan. Shunday qilib, u bir tekis, chiziqli va hatto Mur qonuniga moslashish uchun qurilgan bo'lsa ham, u haligacha qaror daraxtlari va algoritmlari bilan cheklangan. O'z navbatida, chuqur o'rganish, uning barcha algoritmlarini neyron tarmog'iga birlashtiradi. Bu yuqori darajadagi parallel hisoblash uchun mo'ljallangan bo'lib, biz hozirda mashinalarni o'rganishda keyingi avlod sifatida ko'rib chiqamiz.

Chuqur o'rganish tizimi ishlatilayotganligini aniqlashning ishonchli usullaridan biri bu AI vazifasining murakkabligini baholashdir. Odatda, ko'p sonli bo'lmagan, ixtiyoriy o'zgaruvchilarni hisobga olish kerak, bu chuqur o'rganish tizimi bo'lishi ehtimoli ko'proq. Masalan, Netflix tavsiyalari til tarjimasi kabi murakkab emas, garchi ular butun Internet foydalanuvchisi bazasida to'plangan ma'lumotlardan o'rgansalar ham. Ushbu farq ikkita o'xshash vazifani bajarishi mumkin, masalan ikkita alohida o'zini o'zi boshqarish tizimi. Sensor ma'lumotlarini siqib chiqarishga ko'proq ishonadigan narsa bu umumiy mashina o'rganish tizimi bo'lishi kerak, chuqur o'rganish esa ko'proq Tesla hozirgi paytda rivojlanayotgan narsaga o'xshab ko'rinadigan atrof-muhitga ko'proq e'tibor berish kerak.

Farqlash aniq yoki ravshan bo'lmasin, chuqur o'rganish kelajakdir. Ammo bizning maqsadlarimiz uchun, chuqur o'rganish AIni oddiy mashina o'qitish AIdan ajratish uning haqiqatan ham qanchalik farqli ekanligini va aslida qanchalik rivojlanganligini tushunishda muhimdir. Bugungi kunda rivojlanish bosqichida bo'lganiga qaramay, u deyarli undan oldin bo'lgan hamma narsalar bilan taqqoslanmaydi.

Barak Obama soxta fonda bir nechta qisqa jumlalarni bayon qilgani oddiy tomoshabin uchun tushunarsiz bo'lib tuyulishi mumkin, ammo farqni anglaganlar uchun biz bu o'yinni o'zgartirish texnologiyasining keng imkoniyatlaridan biri ekanligini bilamiz. .

Vetnam AI Grand Challenge

Sun'iy intellekt haqida ko'proq bilishni xohlaysizmi? Kambria Vetnam AI Grand Challenge 2019 xakerxon seriyasini boshqarib, uning vazifasi yosh AI ishlab chiquvchilarini o'qitishdir. Vetnam hukumati, McKinsey & Company va VietnamAI bilan hamkorlikda Grand Challenge mamlakatning eng yaxshi AI qobiliyatini Vetnamdagi korporatsiyalarni qo'llab-quvvatlash va global miqyosda AIning virtual yordamchisini loyihalashda qo'llab-quvvatlaydi.

Qanday ishtirok etish kerak:
 Kambria platformasida ro'yxatdan o'ting: https://bounty.kambria.io/
 2. "Challenge" ning Facebook-dagi sahifasini barcha bo'lajak voqealar haqida ma'lumot uchun kuzatib boring: https://www.facebook.com/VietnamAIGC/

2019 yil 1-iyun, shanba kuni Kambriyada Da Nangda "Virtual AI yordamchisini yarating" deb nomlangan seminar bo'lib o'tadi va Vetnam AI Grand Challenge qatnashchilariga ta'lim va ta'lim beradi. Seminar haqida qo'shimcha ma'lumot olish uchun bu erni bosing. Bo'sh joy 40 ishtirokchi bilan cheklangan, shuning uchun tez orada ro'yxatdan o'ting!

Dastlab Kambriyada nashr etilgan.