Szóval általános mesterséges intelligenciát akarunk csinálni, mert az jól megoldja majd minden problémánkat. A kérdés az, hogy hogyan, persze azon kívül, hogy számítógéppel? Az idők során rengeteg ügyes kis algoritmust kitaláltak, ezekből nagyon sok meg is jelent, jó nagy korpusz összegyűlt velük, valószínűleg egyszer még hasznosak lesznek, amikor már több részlet ismert lesz a kirakósból, lehet, a megfelelő reprezentációval jobb eredményt hoznak majd mint a most népszerű rendszerek. Tekintve, hogy most beindult az, hogy a rendszer önmaga végezzen kísérleteket, sőt, csak szöveg alapján implementáljon algoritmusokat, azt hiszem, beindul nagyüzemben a múltbéli kincsek feltárása. Erre azért is van esély, mert ezek az algoritmusok sokkal limitáltabb környezetben bizonyítottak, tehát van bennük valami tudás, amit nem igazán értünk, már azon kívül, hogy egy bizonyos esetben jól működtek, ezért megjelentek, de más esetekben nem működtek jól, ezért nem foglalkoztak velük tovább, de lehet, hogy nem rajtuk múlt az, hogy nem működtek jól, hanem azokon, akik tesztelték őket.
Mindenesetre most a neurális hálók a menők. Ezekkel kapcsolatban három érdekes dolgot szeretnék most megjegyezni. Az első, hogy ezek úgy alakultak ki, hogy egyes emberek (Walter és Pitts) direkt az emberi agy neuronjait próbálták modellezni, tehát nem valami légből kapott modell, hanem a valóság modellezése, annak minden előnyével és hátrányával. Aztán persze elméletileg igazolták, hogy ez is csak egy számítógép (pontosabban számítási modell) és mint ilyen, általános, annak minden előnyével és hátrányával. A második dolog az, hogy a neurális rendszerek teljesen szembementek a statisztika törvényeivel, ami szerint a kevés paraméter és a jó modell a megoldás, itt sok a paraméter és buta a modell és egy ideig úgy tűnt, hogy a statisztikának lesz igaza, ezek a rendszerek nem működtek olyan jól, mint amit az ember kitalált vért izzadva. Amíg el nem jött a gpuk kora, ami a tudás transzferre az érdekes példa, ugyanis a gpukat arra találták ki, hogy a számítógépes játékok egyre látványosabbak legyenek és erre egy párhuzamos programozási modellt találtak ki és egyszer csak oda fejlődött a technológia, hogy arra lehetett alkalmazni, hogy ezeket a neurális hálókat (amelynek az alapalgoritmusa pár sor, úgy hívják, hogy sztochasztikus gradiens minimizálás (descent-re ez jobb, mint a süllyedés)) tanítsuk gpuval és még több paramétert tegyünk be és hoppá, ez megvert minden okos algoritmust. Az első sikerek (2010-es évek eleje) óta már kialakult egy olyan vélemény is, hogy semmit nem kell csinálni, csak még nagyobb hálót kell tanítani, persze még nagyobb számítógépen és minden problémát ez megold magától. Eddig senki sem tudta ennek az ellenkezőjét bizonyítani, de az azért látszik, hogy most már a számítógépeket dollár milliárdokban mérik és lassan kifutunk a pénzből, úgyhogy jobb lesz valami okosabbal is előállni, mint az, hogy egyre nagyobb gépet használjunk. A vicces az, hogy a gpuk térhódítását nem nagyon látta előre senki, illetve benne volt a levegőben, főként azért is, mert a párhuzamos programozás nem modern találmány és akik csinálták, azok tisztában voltak a potenciáljával abban, hogy tovább vigye az egyre gyorsuló számítógépe fáklyáját, de azért a legtöbb "szakértő" nem mert rá szavazni. Jó sok pénzt lehetett volna keresni, főként, ha nem elhanyagolható összeget tett volna rá az ember.
Szóval a lényeg az, hogy most olyan módszer a menő, ami a számítógépben számmal reprezentált adatokkal rengeteg mátrixszorzást végez és a végén kijön az a szám, ami a választ reprezentálja és gyakran hasonlít az elvárt válaszhoz. Ezzel csak az a baj, hogy senki nem érti, pontosan hogy miért is mindig a jó szám lesz az eredmény, amíg az emberek tervezték az algoritmusok lépéseit, addig el tudták mondani, hogy mit miért tesznek, de most, hogy csak az a lényeg, hogy még több mátrix szorzás, néha vegyítve a számok sorrendjének manipulálásával és az értékek levágásával egy bizonyos szint alatt teljesen értelmezhetetlen az emberek számára. Akik persze azt hiszik, hogy tudják hogy gondolkodnak, pedig a neurális folyamataikat nem érzékelik, ők is csak az eredményt látják, ami néha olyan formát vesz, mint az előző eredmények, ha eleget sulykolják őket. Szerintem a gondolkodás nem logikus, még akkor is, ha be lehet tanítani az agyat arra, hogy logikai levezetést is produkáljon az eredmény mellé, igazából fogalmunk sincs, hogy hogyan jött létre az eredmény, amit már látunk, az sok évnyi neurális manipuláció eredménye. Amúgy a logika (és az egész matematika) elég új keletű dolog az emberi gondolkodás történetében, bár biztosan van visszacsatolás, azért a neurális mechanizmusokra még biztos nem volt lehetőségük hatást gyakorolni (arról nem is beszélve, hogy a helyes gondolkodás nem biztos, hogy jó túlélési stratégia, főként nem mostanában, amikor már egyre inkább mások gondolkodnak helyettünk). Szóval az a kritika, hogy a neurális hálózatok nem úgy gondolkodnak, mint az emberek (logikusan), tehát rosszul gondolkodnak, szerintem elég nagy butaság. Azt hiszem, hogy ez lesz a következő téma, hogy a gép tud-e "jobban" gondolkodni mint az ember.
Demó.
Nincsenek megjegyzések:
Megjegyzés küldése