İşte yapay zeka hakkında bilmeniz gerekenler
[ad_1]
Ağustos 1955’te bir grup bilim adamı, New Hampshire’daki Dartmouth College’da bir yaz atölyesine ev sahipliği yapmak için 13.500 ABD Doları tutarında bir fon talebinde bulundu. Keşfetmeyi önerdikleri alan yapay zekaydı (AI).
Finansman talebi mütevazı olsa da, araştırmacıların varsayımı değildi“Öğrenmenin her yönü veya zekanın diğer herhangi bir özelliği ilke olarak o kadar kesin bir şekilde tanımlanabilir ki, onu simüle edecek bir makine yapılabilir”.
Bu mütevazi başlangıçlardan bu yana, filmler ve medya yapay zekayı romantikleştirdi veya onu bir kötü adam olarak gösterdi. Yine de çoğu insan için yapay zeka, bilinçli yaşanmış bir deneyimin parçası değil, bir tartışma konusu olarak kaldı.
AI hayatımıza girdi
Geçen ayın sonlarında, AI, ChatGPT biçiminde, bilim kurgu spekülasyonlarından ve araştırma laboratuvarlarından kurtularak halkın masaüstü bilgisayarlarına ve telefonlarına ulaştı. Bu, “üretken yapay zeka” olarak bilinen şeydir – aniden, akıllıca yazılmış bir bilgi istemi bir makale yazabilir veya bir yemek tarifi ve alışveriş listesi hazırlayabilir veya Elvis Presley tarzında bir şiir yazabilir.
ChatGPT, üretken yapay zeka başarısıyla geçen bir yılda en dramatik katılımcı olsa da, benzer sistemler, canlı görüntüler oluşturmak için kullanılan metinden görüntüye istemlerle, yeni içerik oluşturmak için daha da geniş bir potansiyel göstermiştir. sanat yarışmalarını bile kazandık.
Yapay zeka henüz yaşayan bir bilince veya bilim kurgu filmlerinde ve romanlarında popüler olan bir zihin kuramına sahip olmayabilir, ancak en azından yapay zeka sistemlerinin yapabileceğini düşündüğümüz şeyi bozmaya yaklaşıyor.
Bu sistemlerle yakın çalışan araştırmacılar bayıldı duyarlılık beklentisi, Google’ın büyük dil modeli (LLM) LaMDA’sında olduğu gibi. LLM, doğal dili işlemek ve oluşturmak için eğitilmiş bir modeldir.
Üretken yapay zeka ayrıca intihal, model oluşturmak için kullanılan orijinal içeriğin kullanılması, bilgi manipülasyonu etiği ve güvenin kötüye kullanılması ve hatta “programlamanın sonu”.
Tüm bunların merkezinde, Dartmouth yaz atölyesinden bu yana aciliyet kazanan soru var: AI, insan zekasından farklı mı?
‘AI’ aslında ne anlama geliyor?
Yapay zeka olarak kalifiye olmak için, bir sistemin bir düzeyde öğrenme ve uyum sağlaması gerekir. Bu nedenle karar verme sistemleri, otomasyon ve istatistikler yapay zeka değildir.
AI genel olarak iki kategoride tanımlanır: yapay dar zeka (ANI) ve yapay genel zeka (AGI). Bugüne kadar AGI mevcut değil.
Genel bir yapay zeka yaratmanın temel zorluğu, dünyayı tüm bilgi bütünlüğüyle tutarlı ve yararlı bir şekilde yeterince modellemektir. Bu, en azından söylemek gerekirse, büyük bir girişim.
Bugün AI olarak bildiklerimizin çoğu, belirli bir sistemin belirli bir sorunu ele aldığı dar zekaya sahiptir. İnsan zekasının aksine, bu kadar dar AI zekası etkilidir bir tek eğitim aldığı alanda: örneğin dolandırıcılık tespiti, yüz tanıma veya sosyal tavsiyeler.
Ancak AGI, insanlar gibi işlev görecektir. Şimdilik, bunu başarmaya çalışmanın en dikkate değer örneği, sinir ağlarının kullanılması ve çok büyük miktarda veri üzerinde eğitilmiş “derin öğrenme”dir.
Sinir ağları, insan beyninin çalışma şeklinden esinlenmiştir. Eğitim verileri üzerinde hesaplamalar yapan çoğu makine öğrenimi modelinden farklı olarak sinir ağları, her veri noktasını birbirine bağlı bir ağ üzerinden birer birer besleyerek ve her seferinde parametreleri ayarlayarak çalışır.
Ağ üzerinden giderek daha fazla veri beslendikçe, parametreler sabitlenir; nihai sonuç, daha sonra yeni veriler üzerinde istenen çıktıyı üretebilen “eğitimli” sinir ağıdır – örneğin, bir görüntünün bir kedi mi yoksa bir köpek mi içerdiğini tanımak.
Bugün yapay zekadaki önemli sıçrama, büyük bulut bilgi işlem altyapılarının yetenekleri sayesinde her çalıştırmada çok sayıda parametreyi yeniden ayarlayarak büyük sinir ağlarını eğitme yöntemimizdeki teknolojik gelişmelerden kaynaklanmaktadır. Örneğin, GPT-3 (ChatGPT’ye güç sağlayan yapay zeka sistemi) büyük bir sinir ağıdır. 175 milyar parametre ile.
AI’nın çalışması için neye ihtiyacı var?
AI başarılı olmak için üç şeye ihtiyaç duyar.
İlk olarak, ihtiyacı var yüksek kaliteli, tarafsız verive birçoğu. Sinir ağları oluşturan araştırmacılar, toplum dijitalleştikçe ortaya çıkan büyük veri kümelerini kullanır.
Co-Pilot, insan programcıları artırmak için, verilerini GitHub’da paylaşılan milyarlarca kod satırından alır. ChatGPT ve diğer büyük dil modelleri, çevrimiçi depolanan milyarlarca web sitesini ve metin belgesini kullanır.
Stable Diffusion, DALLE-2 ve Midjourney gibi metinden görüntüye araçlar, aşağıdakiler gibi veri kümelerinden görüntü-metin çiftlerini kullanır: LAION-5B. Yapay zeka modelleri, hayatımızı daha fazla dijitalleştirdikçe ve onlara simüle edilmiş veriler veya aşağıdakiler gibi oyun ayarlarından veriler gibi alternatif veri kaynakları sağladıkça karmaşıklık ve etki açısından gelişmeye devam edecek: minecraft.
AI’nın da ihtiyacı var hesaplama altyapısı etkili eğitim için. Bilgisayarlar daha güçlü hale geldikçe, artık yoğun çaba ve büyük ölçekli bilgi işlem gerektiren modeller yakın gelecekte yerel olarak ele alınabilir. Örneğin Stable Difusion, bulut ortamları yerine yerel bilgisayarlarda zaten çalıştırılabilir.
Yapay zeka için üçüncü ihtiyaç geliştirilmiş modeller ve algoritmalar. Veriye dayalı sistemler hızla gelişmeye devam ediyor etki alanından sonra etki alanı bir zamanlar insan bilişinin alanı olduğu düşünülürdü.
Ancak, etrafımızdaki dünya sürekli değiştiğinden, yapay zeka sistemlerinin yeni veriler kullanılarak sürekli olarak yeniden eğitilmesi gerekir. Bu kritik adım olmadan yapay zeka sistemleri, gerçekte yanlış olan veya eğitildiklerinden beri ortaya çıkan yeni bilgileri dikkate almayan yanıtlar üretecektir.
Sinir ağları yapay zekaya tek yaklaşım değildir. Yapay zeka araştırmalarında öne çıkan bir diğer kamp da sembolik yapay zeka – devasa veri kümelerini sindirmek yerine, belirli fenomenlerin dahili sembolik temsillerini oluşturan insan sürecine benzer kurallara ve bilgiye dayanır.
Ancak güç dengesi, modern derin öğrenmenin “kurucu babaları” ile son on yılda büyük ölçüde veri odaklı yaklaşımlara yöneldi. yakın zamanda Turing Ödülü’ne layık görüldübilgisayar bilimindeki Nobel Ödülü’nün eşdeğeri.
Veri, hesaplama ve algoritmalar yapay zekanın geleceğinin temelini oluşturur. Tüm göstergeler, yakın gelecekte her üç kategoride de hızlı ilerleme kaydedileceğine işaret etmektedir.
Bu makale şu adresten yeniden yayınlanmıştır: Konuşma Creative Commons lisansı altında. Okumak orijinal makale.
[ad_2]