J:
Kādi ir daži faktori, kas veicina AI “novirzīšanos”?
A:“Mākslīgā intelekta novirze” ir samērā neskaidrs termins, un jūs neredzēsit, ka tas daudz piemin tiešsaistes tehnoloģiju literatūrā. Tomēr tas ir kaut kas tāds, par ko domā inženieri un citi, domājot par mākslīgā intelekta attīstību uz spēcīgākiem un visaptverošākiem rezultātiem.
Mākslīgā intelekta novirze notiek, kad sarežģītas AI vienības, neatkarīgi no tā, vai tās ir tērzēšanas roboti, roboti vai digitālās konstrukcijas, kas izveidotas, lai izturētu Tjūringa testu, sāk atkāpties no to sākotnējā programmēšanas direktīvām un norādījumiem pret atbildes veidiem un darbībām, kuras, iespējams, nav paredzējušas viņu cilvēku apstrādātāji.
Jūs varat redzēt šīs dreifēšanas piemērus nesenos projektos, piemēram, kur divi Facebook tērzēšanas roboti slavenā veidā sāka komunicēt savā starpā ar to, ko IT speciālisti raksturoja kā “slepeno kodu”. Būtībā tehnoloģijas attīstījās tiktāl, ka viņi nolēma izmantot dažādi saziņas līdzekļi, tādu, kuru programmētāji nav ieteikuši vai pieprasījuši.
Mākslīgā intelekta novirzīšanās ir faktori, kas pēdējās desmitgadēs ir izraisījuši spēcīgu mākslīgā intelekta paradigmu attīstību. Viens no tiem ir vāji savienoti mašīnmācīšanās algoritmi, kas ir ļoti interpretējami un dod šīm tehnoloģijām iespēju augt un attīstīties. Mašīnmācība būtiski maina skaitļošanas sistēmu darbību - tā vietā, lai koncentrētos tikai uz kvantitatīvi izmērāmiem datiem un stingriem skaitļošanas uzdevumiem, kā to darīja tradicionālās tehnoloģijas, mākslīgais intelekts virzās uz paškoriģējošiem un pašattīstības rīkiem, kas atspoguļojas mašīnmācībā un dziļas mācīšanās stratēģijās, un ideja par neironu tīklu, kas daudz ietilpīgāk imitē cilvēka domas un intelektu.
Vēl viens AI novirzīšanās un mākslīgā intelekta attīstības faktors ir daudzdaļīgas tehnoloģijas, kas atkal darbojas uz sadarbības pamata, lai modelētu sarežģītāku intelektu. Daži IT speciālisti tos dēvē par “dziļi spītīgiem tīkliem” vai tehnoloģijām, kas satur gan ģenerējošu, gan diskriminējošu komponentu. Tā kā šīs un citas atsevišķas entītijas daudzu entītiju paradigmās strādā viena ar otru, tās izstrādā to, ko tehnoloģija var darīt, un virza to uz brīvāku rezultātu, kuru mazāk ierobežo tās sākotnējā programmēšana. Tā ir mākslīgā intelekta attīstības ideja, un tā ir šī mākslīgā intelekta dreifa koncepcija - ka skaitļošanas sistēmas var mainīt vai mainīt sevi pēc sākotnējās programmas izpildes vienkārši tāpēc, ka šo progresīvo faktoru dēļ viņi to var.
