Όταν ακούμε τεχνητή νοημοσύνη και μηχανική μάθηση, φανταζόμαστε έναν υπολογιστή που μπορεί να σκεφτεί και να μάθει μόνος του. Δηλαδή πρακτικά ως άνθρωπος.
Αντιλαμβανόμαστε τον κόσμο μέσω ενός συνδυασμού πολλών αισθήσεων, όπως η όραση, η ακοή και η αναγνώριση ομιλίας. Αλλά οι μηχανές ερμηνεύουν τον κόσμο με τη βοήθεια δεδομένων που επεξεργάζονται από αλγόριθμους. Δηλαδή, όταν το μηχάνημα βλέπει μια φωτογραφία, τη μεταφράζει σε ένα σύνολο μεταδεδομένων που χρησιμοποιεί για να εκτελέσει την εργασία. Και αν περιπλέκετε την εργασία, δηλαδή όπου θα υπάρχει ήχος εκτός από την εικόνα, τότε το AI αρχίζει να χάνεται.
«Το κύριο πρόβλημα εδώ είναι πώς μπορεί ένα μηχάνημα να συμβιβάσει αυτούς τους διαφορετικούς τρόπους; Είναι εύκολο για εμάς τους ανθρώπους. Βλέπουμε ένα αυτοκίνητο και μετά ακούμε τον ήχο ενός αυτοκινήτου που περνάει και ξέρουμε ότι είναι το ίδιο πράγμα. Αλλά για τη μηχανική μάθηση, όλα δεν είναι τόσο απλά", — είπε ο Oleksandr Liu, μεταπτυχιακός φοιτητής στο Computer Science and Artificial Intelligence Laboratory (CSAIL) και ο πρώτος συγγραφέας μιας εργασίας αφιερωμένης σε αυτό το πρόβλημα.
Ο Liu και οι συνεργάτες του ανέπτυξαν μια μέθοδο τεχνητής νοημοσύνης που μαθαίνει να αναπαριστά δεδομένα με τρόπο που αποτυπώνει έννοιες που είναι κοινές σε οπτικές και ακουστικές μεθόδους. Για παράδειγμα, η μέθοδός τους μπορεί να μάθει ότι η δράση ενός παιδιού που κλαίει σε ένα βίντεο σχετίζεται με τη λέξη "κλαίει" σε ένα ηχητικό κλιπ. Χρησιμοποιώντας αυτή τη γνώση, το μοντέλο μηχανικής εκμάθησης μπορεί να προσδιορίσει πού συμβαίνει μια συγκεκριμένη ενέργεια σε ένα βίντεο και να την εντοπίσει.
Αυτή η μέθοδος μπορεί μια μέρα να χρησιμοποιηθεί για να βοηθήσει τα ρομπότ να μάθουν για τις έννοιες στον κόσμο μέσω της αντίληψης, περισσότερο σαν το πώς κάνουν οι άνθρωποι. Το μοντέλο εξακολουθεί να έχει κάποιους περιορισμούς που οι επιστήμονες ελπίζουν να αντιμετωπίσουν σε μελλοντική εργασία. Μέχρι στιγμής, η έρευνά τους έχει επικεντρωθεί σε δεδομένα από δύο τρόπους ταυτόχρονα, αλλά στον πραγματικό κόσμο, οι άνθρωποι έρχονται ταυτόχρονα αντιμέτωποι με πολλές ροές δεδομένων που επεξεργάζονται χωρίς να σκέφτονται. Οι μηχανές δεν το έχουν μάθει ακόμα.
Μπορείτε να βοηθήσετε την Ουκρανία να πολεμήσει ενάντια στους Ρώσους εισβολείς. Ο καλύτερος τρόπος για να γίνει αυτό είναι να δωρίσετε χρήματα στις Ένοπλες Δυνάμεις της Ουκρανίας μέσω Savelife ή μέσω της επίσημης σελίδας NBU.
Διαβάστε επίσης: