Dlaczego sztuczna inteligencja uczy się przepisać swój kod?

Ostatnio jedna firma , która samochodem skutecznie uczyć się na przykładach w małej ilości i doskonalić swoją wiedzę w miarę nowych przykładów. Można ją zastosować wszędzie, na przykład, uczyć smartfon rozpoznać preferencje użytkownika lub pomocy autonomicznych silnik systemów szybko określić przeszkody.

Stare powiedzenie "powtarzanie jest matką nauki" doskonale stosuje się do maszyn. Wiele nowoczesnych systemów sztucznej inteligencji, pracujące w urządzeniach, polegają na powtórkę w procesie uczenia się. Algorytmy głębokiego uczenia się pozwalają urządzeń AI czerpać wiedzę z zestawów danych, a następnie zastosować to, czego nauczyli się w konkretnych sytuacjach. Na przykład, jeśli nakarmić systemie AI dane o tym, że niebo jest zwykle niebieskie, później zacznie poznawać niebo wśród obrazów.

Za pomocą tej metody można przeprowadzić kompleksową pracę, ale ona, oczywiście, pozostawia wiele do życzenia. Ale można byłoby uzyskać takie same wyniki, jeśli pominąć system głębokiego uczenia SI przez mniejszą liczbę przykładów? Boston starcie Gamalon opracował nową technologię, aby spróbować odpowiedzieć na to pytanie, i w tym tygodniu wprowadziła dwa produktów wykorzystujących nowe podejście.

Gamalon wykorzystuje technikę bayesowskiego programowania, oprogramowania syntezy. W jej podstaw leży matematyka z 18 wieku, opracowany przez matematyk Thomas Байесом. Bayesowskie prawdopodobieństwo służy do dystyngowanych prognoz o świecie za pomocą doświadczenia. Ta forma вероятностного programowania — gdy kod wykorzystuje prawdopodobne, a nie konkretne wartości — wymaga mniejszej liczby przykładów, aby stwierdzić na przykład, że niebo jest niebieskie z plam, białych chmur. Program precyzuje swoją wiedzę studiując przykładów, a jej kod można zmienić, aby poprawić prawdopodobieństwa.

Probabilistyczne programowanie

Podczas gdy ten nowy podejście do programowania nadal ma swoje problemy, które trzeba rozwiązać, ma znaczący potencjał do automatyzacji projektowania algorytmów uczenia maszynowego. "Probabilistyczne programowanie ułatwi maszynowe szkolenia dla naukowców i praktyków", wyjaśnia Brendan Lake, pracownik naukowy uniwersytetu nowojorskiego, który pracował nad вероятностными metodami programowania w 2015 roku. "Ma możliwość samodzielnie dbać o skomplikowanych częściach programowania".

Dyrektor generalny CEO i współzałożyciel Ben Вигода pokazał MIT Technology Review demo aplikacji do rysowania, która wykorzystuje je w nowy sposób. To wygląda na to, że Google wypuścił w zeszłym roku, tym, co przepowiada, że człowiek stara się narysować. Więcej . Ale w odróżnieniu od wersji Google, która polega na szkice, już widziane wcześniej, aplikacja Gamalon polega na probabilistyczne programowanie w celu określenia kluczowych cech obiektu. Tak więc, nawet jeśli narysować kształt, który różni się od tych, które są dostępne w bazie danych aplikacji, gdy jest w stanie określić konkretne cechy — np. kwadrat z trójkątem na górze (dom) — to będzie robić dobre prognozy.

Dwa przedstawionych Gamalon produktu wskazują, że ich metody mogą znaleźć komercyjne zastosowanie już w najbliższym czasie. Produkt Gamalon Structure wykorzystuje bayesa programowa synteza rozpoznawania pojęć z tekstu i już omija skuteczności inne programy. Na przykład, po otrzymaniu opis telewizora od producenta, może określić jego markę, nazwę produktu, rozdzielczość ekranu, wielkość i inne cechy. Inną aplikację — Gamalon Match — dystrybuuje produkty i ceny w magazynie sklepu. W obu przypadkach system szybko uczy się rozpoznawać różnice akronimów i skrótów.

Вигода zauważa, że istnieją inne możliwe zastosowania. Na przykład, jeśli wyposażyć байесовской modelem uczenia maszynowego smartfony czy laptopy, nie musisz dzielić się danymi osobowymi z dużymi firmami, aby określić interesy użytkowników; obliczenia można będzie skutecznie przeprowadzać wewnątrz urządzenia. Autonomiczne maszyny też mogą nauczyć się dostosować do środowiska o wiele szybciej, korzystając z tej metody nauczania.

Jeśli nauczyć sztuczna inteligencja uczyć się samodzielnie, nie musi być na smyczy.