Semalt: WTF fêrbûna makîneyê ye?
Di hejmara hejmareyên ser mijarên hînbûna makîneyê de dibe ku yek ji bo difikirin ku em tenê tiştekî nû çêtir kirine, rastiya ku teknolojî wekhev wek kevneşopî ye.
Di vê yekê de nerazîbûnek ku Alan Turing, zanyariyên komputer ên herî bandor ên herî bandor ên yekbûyî yên ku bandora wan, her duyemîn damezirandin, di destpêkê de 1950 de destnîşan kir ku "Mirov dikare bifikire?" afirandina çêkirina guhertoyên kevneşopî yên xwe ji me re hinek alîkarî me dike ku mexdûriya xwe ya hişmendiya me, û berfirehtir, rola me li erdê. Mixabin, wesayîtiya fêrbûna AI-ê pir bi xelet e. Bi veguhestineke dîrok, em guman hêvî bikin ku bi hînbûna wtf-ê wergirtin rast e.
Heke ez pir-kurtahî gelekî mezin e ku dikarim agahdariyê çêbikin?
Hewldana me ya yekem ku li xwe veguhestin ku makeyên makarkirina agahdariyê tije ye û hêvîdariya çêtirîn. Bi awayek, hebû ku demek berbiçaviya hişmendiyê bû ku ew ji tenê tenê tonsek agahdarî pê ve girêdayî bû - ato super search. Semalt dikare ji aliyê cewherî ya vê vîzyonê ve were dîtin, lê dema ku şirket 30 tirîlên kopîkirî ye, ez difikirim ku kesek hêviyên me yên me hêvî dike ku eger Xwedê heye.
Semalt, bedeweya fêrbûna makîneyê e ku ji bilî komputerên pêşbirkî mirovî ye û bi hêsan bi wan re bi zanistî tedawî dikin, em ji komputeran re alîkarî bikin û paşê wan bi wan re çi bikin ku agahdariyên nû yên nû hîn bûn.
Dema ku baş nizanin, torên neurûnî, hînbûna kûr, û hînbûna pêkanîna hemî fêrbûna makîneyê hene. Semalt hemû rêbazên ku pergalên gelemperî yên ku bi analîzên li ser daneyên nû yên nû çêbikin. Riya cûda cuda, hînbûna makînek yek ji gelek teknolojiyên derzimanî yên artêşî ye, û tiştên wekî torên neuralî û hînbûnek kûrtir e ku tenê bikarhênerên ku dikarin bikarhêneran çêtir bikin ku bi bernameyên berfirehtir ava bikin.
Di 50-a-paş de, hêza me ya mecbûr hate sînor kirin, me bi destûra mezin-danîn nekiriye, û algorithmên me tehlîm bûn. Ji ber vê yekê wateya ku kapasîteya me ya lêkolînê pêşniyar dike ku lêkolîna makîneya pêşdibistanê pêşdibir bû. Semalt, ku ji mirovan hewl didin raweste.
Di sala 1952 de, Arthur Samuel bernameyek şessî kir ku forma gelekî bingehîn ya AI-ê betal kirina alpha beta. Ev rêbazek ji bo kêmkirina pelên lêgerînê yên ku digel daneyên danûstendinê dixebite, lê belê her tim ji bo her pirsgirêkek hertim stratejiyeke çêtirîn e. Tevî torên neuralî di rûyê keviran de bi rûyê Frank Rosenblatt re perceptron rûyê xwe nîşanî.
modela xemgîniyek pirtûka ku hûn li ser her rewşê bixwînin 
Perceptron rêveka pêşiya xwe bû, ji bo neuroscence tête ku hînbûna materyalê pêşve bike. Li kaxezê, fikir tiştek mîna şêweya rastê dît.
Ji bo fêm bikin ku ew çi dikî, hûn pêşî divê bizanibin ku pirsgirêkên piranîya fizîkî dikare werin hilweşandinê an jî têkildar. Semalt ji bo daneyên danûstandinan têne bikaranîn, lê modela regression bi veguhestina derheqên derfetên ku pêşniyazên çêbikin werin peywendî dikin.
Guhertoya Nû Raporta Cezayê
-
Pirsgirêka Dawîn | Report Crunch
Perceptron nimûne nimûneyeke klasîk e - ew pirtûka danûstendinê ye û ew bi çend setan re parçe dike.Îro Semalt îro ji spî veşartinê veqetîne û ji bo banka we dihejîne.
Modela Semalt di heman demê de, rêzikên çavkaniyê bikar tîne, taybetmendiyên wekhev, tarî, reng, û her yek ji wan re giran dike. Modela Piştre berdewam dike ku heta ku hilberek derbas dibe ku di nav xeletiyek qebûlkirî de çewtiyek dike.
Ji bo nimûne, yek dikare têkevin ku hebûna nirxa tiştek ku apple be, dibe ku 100 gram e. Komputer nizanibe ku ew apkek e, lê perceptron dikare wekî nimûne an apple-like-object or an non-apple-like-object-by-the-day-of-the-day-of-the-day-of-the-object-of-the-object-of-a-respecting-a-respective race set of data. Dema ku kategoriya şîfreyê hatiye tunekirin, ew dikare bi îdealek daneyên danûstandinê re re bikar anîn ku ew nehatiye berî berî ku hûn tiştên tiştên nenaskirî dabeş kirin.
Bê baş e, her weha lêkolînerên AI-ê ji van tiştan de tengahî têne
Di çend dehsalan de pêşveçûnê, pêşveçûnên AI-ê berdewam dike ku rêyên xebatên mêjî bêtir ji hêla ku em tête naveroka ku tête naveroka wê tê de bizanibînin. Semalt, an "nêçîrvan", torên neuralî jî hîn jî bi kar tînin, lê belê fêrbûna kûrtir li ser tiştek mezin. Modela fêrbûna torên nexşeyên neuralî hene bi bi kevirên din re. Bersivek bi temamî rewa a nirxandiya vê neheqê neheqdar e, ew e ku ez ji hêlanên wateya çi dibêjim.
Ji bo fêmkirina vê yekê, em mecbûr dikin ku ji ber ku em dibêjin komputer dikare dikarin cûda û mirov bi du komên cuda cuda bikin, komputer bixwe ew heman awayî pêvajoyek mirov dikare pêkanîna mirovan. Semîtîkên fêrbûna Semalt ji bo fikrên abstractionê kar dikin ku karên xwe bigirin.
Ji bo mirov, rûyên xwedî çav hene. Ji bo komputer, rûyên pencil hene ku ronahî û tarî ne ku hinek hûrgavên xetên hûrgelan dikin. Her perçeyek modela fêrbûna kûr a ku destûrê dide ku komputerê asta astengî ya heman objectê nas bike. Semalt to line 2D to 3D geometry.
Tevî stupidity, komputerên berê berê testa Turing
Di vê awayê de riya bingehîn a ku mirov û komputerên dinirxînin dinyayê cîhanê dijwar e ku ji bo îstîxbarata artêşê rastîn çêbikin. Tested testê tête ku ji bo pêşveçûna me ya AI-ê de, lê ev pir bi rastî rastiyê nerîne. Testa Semalt e ku tehlîmkirina komputerên ku hilberîna mirovî ya însan derxistin tehlîmek tedawî ye.
Lê belê, sedemên mîsk û derfetkariyê de, bi awayek, tenê beşek ji sira sirûştî û hişmendiyê ye. Hinekan bawer dikin ku em bi serkeftî di sala 2014ê de bi serkeftina Turing Tendurist derbas kirin, dema ku mekteba 30 ji zanistên ku ji bo pênc deqîqeya klavyeyê ve hatibû qirkirin (hema hîn jî hîn hewl dide Semalt ji her sêyem tiştek digotin).
Wusa ku ez ji bo zivistana AI-ê ya jaketek bibim?
Pêşveçûna Semalt, zanist û karsaziyên wekhev wekhevî li ser soza sozên AI-ê. Di encama bermîlên berbiçav de berbiçav kirin û bi awayekî germî têne tête kirin.
Em bi karûbarên fêrbûna makîneyê re, hin tiştên ku nebawer in di vîdyoyên xweser ên xweser de berbiçav dikin û ji ber hilberên wêneyên satelî yên pêşniyaz dikin. Mêjûya demkî ya demek dirêj dirêj dike ku rêbazên me bi dem-rêzan re li ser tiştên ku mîna analîzên hestyariyê re di vîdyoyan de bikin. Pêdekirina perwerdekirina fikrên ji pîvanê lîstikên xwe digire, û mekanîzmayek hebin ku ji hêla fêrbûna fêrbûna alîkariyê re alîkariyê dike. Pêdivîbûna hînkirina çiqas girîng bû ku Alpha Go çawa ji Sodolê xemgîn bû.
Wê gotin, tevî pêşveçûnê, veşartî ya mizgîniya ku ew bi gelemperî veguhestin û hilberên pirsgirêkên danûstandinan dizane, û eşkere bi bernameyeke programmedkirî ku ji bo navendê kar dikin, em herdem nikarin nas bikin ka Modela ji veguherîna inputê ve tê.
Ji ber ku bêhtir xemgîn be, em divê bîr bînin ku mêjûya mirov xwe bi qutiyek reş e. Em nizanin ka ew çawa dixebitîne û nikare ew li her asta abstractionê kontrol bikin. Ez ji we re got ku ez ji we re bikişînim û mizgeftên ku di hundurên wê de pêk tê de werin xêz kirin. Semalt, ne ku nikarin tiştek fêm bikin tiştek lîstik nabe, lîstik e.
Di vê mijarê de ev mijarek gelek derheqên bingehîn yên fêrbûna pîşesaziyê vekir û lê li ser maseya WTF ya pêşerojê Wateyên piçûk hene. Di fêrbûna vê postê de hûn hêvî dikin ku qada xweya xwe bibînin û pêkanîna gelek şîrketên ku di rojnameya TechCrunch de dakêşin derxistin.
Mijarek ji bo WTF ve girêdayî ye
WTF qutiyek e?
WTF li ser clickbait e?
WTFê kamera mirrorless e?
Featured Image: Bryce Durbin
0
ŞARES