خپل بلی ته ووایاست چې تاسو دننه څه فکر کوئ - د تور بکس اغیز
دا حقیقت چې پرمختللي AI الګوریتمونه د تور بکس په څیر دي (1) چې پرته له دې چې څرګنده کړي چې دا څنګه رامینځته کیږي ځینې یې اندیښنه لري او نور یې خپه کوي.
په 2015 کې، د نیویارک په ماونټ سینا روغتون کې د څیړنې ټیم څخه وغوښتل شول چې دا طریقه وکاروي ترڅو د ځایی ناروغانو پراخه ډیټابیس تحلیل کړي (2). پدې پراخه ټولګه کې د ناروغانو معلوماتو بحر ، د ازموینې پایلې ، نسخې او نور ډیر څه شامل دي.
ساینس پوهانو د کار په جریان کې رامینځته شوی تحلیلي برنامه وبلله. دا د شاوخوا 700 خلکو څخه د معلوماتو په اړه روزل شوي. انسان، او کله چې په نوي راجسترونو کې ازمول شوي، دا د ناروغۍ په وړاندوینه کې خورا اغیزمن ثابت شوي. د بشري متخصصینو له مرستې پرته، هغه د روغتون په ریکارډونو کې داسې نمونې کشف کړې چې دا په ګوته کوي چې کوم ناروغ د ناروغۍ په لاره کې دی، لکه د ځيګر سرطان. د کارپوهانو په وینا، د سیسټم د تشخیص او تشخیص موثریت د نورو پیژندل شویو میتودونو په پرتله خورا لوړ و.
2. د ناروغانو د ډیټابیس پر بنسټ د طبي مصنوعي استخباراتو سیسټم
په ورته وخت کې، څیړونکو ولیدل چې دا په پراسرار ډول کار کوي. دا معلومه شوه، د بیلګې په توګه، دا د دې لپاره مثالی دی د رواني اختلالاتو پیژندللکه شیزوفرینیا، کوم چې د ډاکټرانو لپاره خورا ستونزمن دی. دا د حیرانتیا خبره وه، په ځانګړې توګه ځکه چې هیڅوک نه پوهیږي چې څنګه د AI سیسټم یوازې د ناروغ د طبي ریکارډونو پر بنسټ رواني ناروغۍ لیدلی شي. هو، متخصصین د داسې اغیزمن ماشین تشخیص کونکي په مرسته ډیر خوښ وو، مګر دوی به ډیر خوښ وي که دوی پوه شي چې AI څنګه پایلې ته رسیږي.
د مصنوعي نیورون پرتونه
له پیل څخه، دا د هغه شیبې څخه چې د مصنوعي استخباراتو مفهوم پیژندل شوی، د AI په اړه دوه نظرونه شتون لري. لومړی وړاندیز وکړ چې دا به خورا معقول وي چې داسې ماشینونه رامینځته کړي چې د پیژندل شوي اصولو او انساني منطق سره سم استدلال کوي ، د دوی داخلي کارونه هرچا ته شفاف کړي. نورو باور درلود چې استخبارات به په اسانۍ سره راڅرګند شي که ماشینونه د مشاهدې او تکرار تجربې له لارې زده کړي.
وروستنۍ معنی د عادي کمپیوټر برنامه کولو بدلول دي. د دې پر ځای چې پروګرامر د یوې ستونزې د حل لپاره امرونه لیکي، برنامه تولیدوي خپل الګوریتم د نمونې ډاټا او مطلوب پایلې پراساس. د ماشین زده کړې میتودونه چې وروسته د نن ورځې پیژندل شوي خورا پیاوړي AI سیسټمونو ته وده ورکړل شوې ، په حقیقت کې ، ماشین پخپله پروګرام کوي.
دا طریقه په 60s او 70s کې د AI سیسټمونو څیړنې په حاشیو کې پاتې شوه. یوازې د تیرې لسیزې په پیل کې، د ځینو مخکښو بدلونونو او پرمختګونو وروسته، "ژور" عصبي شبکې د اتوماتیک ادراک په وړتیاو کې د بنسټیز پرمختګ ښودلو پیل وکړ.
د ماشین ژورې زده کړې کمپیوټر ته غیر معمولي وړتیاوې ورکړي، لکه د انسان په څیر د ویل شوي کلمو پیژندلو وړتیا. دا یو ډیر پیچلی مهارت دی چې د وخت څخه مخکې پروګرام وکړي. ماشین باید د دې وړتیا ولري چې خپل "برنامه" رامینځته کړي د لوی ډیټاسیټونو روزنه.
ژورې زده کړې د کمپیوټر عکس پیژندنه هم بدله کړې او د ماشین ژباړې کیفیت یې خورا ښه کړی. نن ورځ، دا د درملو، مالي، تولید، او نورو کې د هر ډول کلیدي پریکړو کولو لپاره کارول کیږي.
په هرصورت، د دې ټولو سره تاسو نشئ کولی یوازې د ژور عصبي شبکې دننه وګورئ ترڅو وګورئ چې څنګه "اندرون" کار کوي. د شبکې استدلال پروسې د زرګونو نقل شوي نیورونونو چلند کې ځای په ځای شوي ، په لسګونو یا حتی په سلګونو پیچلي یو له بل سره وصل شوي پرتونو کې تنظیم شوي..
په لومړي پرت کې هر یو نیورون یو انپټ ترلاسه کوي، لکه په عکس کې د پکسل شدت، او بیا د محصول د تولید کولو دمخه محاسبه ترسره کوي. دوی په پیچلي شبکه کې د راتلونکي پرت نیورونونو ته لیږدول کیږي - او داسې نور، د وروستي محصول سیګنال پورې. برسېره پردې، د انفرادي نیورونونو لخوا ترسره شوي محاسبې تنظیم کولو په نوم پیژندل شوي پروسې شتون لري ترڅو د روزنې شبکه مطلوب پایله تولید کړي.
د سپي د عکس پیژندنې پورې اړوند په یوه بیان شوي مثال کې، د AI ټیټې کچې ساده ځانګړتیاوې لکه شکل یا رنګ تحلیلوي. لوړې څوکې د ډیرو پیچلو مسلو سره معامله کوي لکه فر یا سترګې. یوازې پورتنۍ پرت دا ټول یوځای راوړي، د سپي په توګه د معلوماتو بشپړ سیټ پیژني.
ورته چلند د نورو ډولونو ان پټونو باندې هم پلي کیدی شي چې ماشین ته د ځان زده کولو ځواک ورکوي: غږونه چې په وینا کې کلمې جوړوي، حروف او کلمې چې په لیکل شوي متن کې جملې جوړوي، یا د سټیرینګ ویل، د بیلګې په توګه. د موټر چلولو لپاره اړین حرکتونه.
موټر هیڅ شی نه پریږدي.
هڅه کیږي چې تشریح کړي چې واقعیا په داسې سیسټمونو کې څه پیښیږي. په 2015 کې، په ګوګل کې څیړونکو د ژورې زده کړې انځور پیژندنې الګوریتم بدل کړ ترڅو په عکسونو کې د شیانو لیدلو پرځای، دوی تولید یا بدل کړي. د الګوریتم شاته په چلولو سره، دوی غوښتل هغه ځانګړتیاوې ومومي چې برنامه یې د مرغۍ یا ودانۍ پیژندلو لپاره کاروي.
دا تجربې چې په عامه توګه د سرلیک په نوم پیژندل شوي، د (3) عجیب، عجیب حیواناتو، منظرو او کرکټرونو حیرانتیا انځورونه تولید کړل. د ماشین د ادراک د ځینو رازونو په ښکاره کولو سره، لکه دا حقیقت چې ځینې نمونې په مکرر ډول بیرته راستانه کیږي او تکرار کیږي، دوی دا هم وښودله چې د ماشین زده کړه د انسان له ادراک څخه څومره توپیر لري - د بیلګې په توګه، دا په دې معنی چې دا هغه آثار پراخوي او نقل کوي چې موږ یې له پامه غورځوو. زموږ د ادراک پروسې کې پرته له فکر کولو. .
3. په پروژه کې جوړ شوی انځور
په لاره کې، له بلې خوا، دې تجربو زموږ د خپل ادراکي میکانیزمونو راز رابرسیره کړی دی. شاید دا زموږ په انګیرنې کې وي چې مختلف نه پوهیدونکي اجزا شتون لري چې موږ په سمدستي توګه یو څه درک کوو او له پامه غورځوو ، پداسې حال کې چې ماشین په صبر سره خپل تکرارونه په "غیر مهم" شیانو کې تکراروي.
نورې ازموینې او مطالعات د ماشین "پوهیدو" په هڅه کې ترسره شوي. جیسن یوسینسکي هغه یوه وسیله جوړه کړه چې په مغز کې د یوې څیړنې په څیر عمل کوي، کوم مصنوعي نیورون په نښه کوي او د هغه عکس په لټه کې دي چې دا خورا پیاوړي فعالوي. په وروستي تجربه کې، لنډیز انځورونه د شبکې سره د "څیړنې" په پایله کې راڅرګند شول، کوم چې په سیسټم کې د ترسره کولو پروسې نور هم پراسرار کړي.
په هرصورت، د ډیری ساینس پوهانو لپاره، دا ډول مطالعه یو غلط فهم دی، ځکه چې د دوی په نظر، د سیسټم د پوهیدو لپاره، د پیچلو پریکړو کولو د لوړ ترتیب نمونې او میکانیزمونه پیژندل، ټول کمپیوټري تعاملات د ژورې عصبي شبکې دننه. دا د ریاضیاتي دندو او متغیرونو لوی بھولبلییا ده. په اوس وخت کې، دا زموږ لپاره د پوهیدو وړ نه ده.
کمپیوټر به نه پیل شي؟ ولې؟
ولې د پرمختللي مصنوعي استخباراتو سیسټمونو د پریکړې کولو میکانیزمونو پوهیدل مهم دي؟ د ریاضیاتو ماډلونه دمخه کارول کیږي ترڅو معلومه کړي چې کوم بندیان په پیرول خوشې کیدی شي ، چا ته پور ورکړل کیدی شي ، او څوک دنده ترلاسه کولی شي. هغه څوک چې لیوالتیا لري غواړي پوه شي چې ولې دا او بله پریکړه نه ده شوې، د هغې اساسات او میکانیزم څه دي.
هغه د اپریل په 2017 کې د MIT ټیکنالوژۍ بیاکتنې کې اعتراف وکړ. ټامي یااکولا، د MIT پروفیسور د ماشین زده کړې لپاره غوښتنلیکونو باندې کار کوي. -.
حتی یو قانوني او پالیسي دریځ شتون لري چې د AI سیسټمونو د پریکړې کولو میکانیزم د ارزونې او پوهیدو وړتیا یو اساسي بشري حق دی.
د 2018 راهیسې، EU په دې کار کوي چې شرکتونو ته اړتیا ولري ترڅو خپلو پیرودونکو ته د اتوماتیک سیسټمونو لخوا د پریکړو په اړه توضیحات وړاندې کړي. دا معلومه شوه چې دا ځینې وختونه حتی د سیسټمونو سره ممکن ندي چې نسبتا ساده ښکاري، لکه ایپس او ویب پاڼې چې د اعلاناتو ښودلو یا سندرو وړاندیز کولو لپاره ژور ساینس کاروي.
هغه کمپیوټرونه چې د دې خدماتو پروګرام پخپله پرمخ وړي، او دوی دا په داسې طریقه ترسره کوي چې موږ یې نه پوهیږو ... حتی هغه انجینران چې دا غوښتنلیکونه جوړوي په بشپړه توګه نشي تشریح کولی چې دا څنګه کار کوي.
