Rahasia Kepandaian Buatan yang Tidak Terungkap. Perubahan yang saat ini disebutkan “AI” mayoritas ada di sektor tehnik yang berkaitan dengan pengenalan skema tingkat rendah dan kontrol pergerakan, dan di bagian statistik – disiplin yang fokus pada temukan skema dalam data dan mengenai membuat perkiraan yang berargumen, pengetesan tesis dan keputusan.
Mayoritas atas sesuatu yang disebutkan “AI” sekarang ini, terutamanya di ruang umum, ialah apa yang disebutkan “Evaluasi Mesin” (ML) sepanjang beberapa dasawarsa paling akhir. Yang pertama ia sebutkan “kuat” karena membuat pengakuan yang semakin kuat: menyimpulkan suatu hal yang spesial terjadi pada mesin yang melebihi semua kekuatannya yang bisa kita tes – sikap mesin “AI yang kurang kuat” akan sama persis dengan a mesin “AI yang kuat”, tapi yang paling akhir akan mempunyai pengalaman sadar subjektif.
Tunjuk anggota firma hukum atau departemen hukum Anda yang bisa bertindak selaku ahli materi pelajaran team Anda mengenai AI ke Pusat Keunggulan AI Anda. Pernyataan “Pengetahuan Data” mulai dipakai untuk mengarah pada peristiwa ini, menggambarkan keperluan ahli algoritma ML untuk berpartner dengan ahli pangkalan data dan mekanisme terbagi untuk membuat mekanisme ML yang bisa diskalakan dan kuat, dan menggambarkan lingkup sosial dan lingkungan yang lebih besar dibanding mekanisme yang dibuat.
Simpatisan AC yakin ialah kemungkinan untuk membuat mekanisme (misalkan, mekanisme computer) yang bisa mengikuti interoperasi NCC ini. Share pimpinan ekonomi Lyft dan Uber, dan pendatang baru bisa secara mudah manfaatkan mobil otonom untuk memberikan fasilitas memperoleh kendaraan dari 1 konsumen setia penyewaan mobil ke lainnya.
Ada cerita berlainan yang dapat dikisahkan mengenai zaman sekarang ini. Sementara rintangan ini dilihat oleh sebagian orang sebagai runduk pada pembuatan “kepandaian buatan”, itu dapat disaksikan lebih biasa – tapi dengan rasa hormat yang tidak kalah – sebagai pembuatan cabang tehnik baru.
Apa kita akan pahami “kepandaian” dalam kurun waktu dekat atau mungkin tidak, kita mempunyai rintangan besar pada tangan kita dalam menjadikan satu computer dan manusia secara tingkatkan kehidupan manusia. Vernor Vinge sudah merekomendasikan jika cuma dalam sekian tahun, computer mendadak bisa menjadi beberapa ribu atau juta-an kali lebih pintar dibanding manusia. Mengharap jika pembaca akan mentolerir satu akronim paling akhir, silahkan kita pahami secara luas disiplin “Infrastruktur Pintar” (II), di mana terdapat jaringan komputasi, data, dan substansi fisik yang membuat lingkungan manusia lebih memberikan dukungan, menarik, dan aman.
Apa saja yang kami terlewat ialah disiplin tehnik dengan konsep analitis dan bentuknya. Sama dengan tehnik sipil dan tehnik kimia dalam beberapa dasawarsa paling akhir, disiplin baru ini mempunyai tujuan untuk kumpulkan kemampuan dari beberapa gagasan kunci, bawa sumber daya dan kekuatan baru ke beberapa orang, dan melakukan dengan aman.
Karena kelompok data dan sumber daya komputasi berkembang cepat sepanjang dua dasawarsa selanjutnya, jadi terang jika ML akan selekasnya mendayagunakan bukan hanya Amazon tapi pada intinya perusahaan mana saja di mana keputusan bisa dihubungkan dengan data bertaraf besar. Dua dasawarsa paling akhir sudah kelihatan perkembangan besar – dalam industri dan akademiki – dalam inspirasi pendamping AI tiruan manusia yang kerap dikatakan sebagai “Intelligence Augmentation” (IA).
Rahasia Kepandaian Buatan yang Tidak Terungkap. Di lain sisi, bila warga dekati AI dengan pemikiran yang lebih terbuka, tehnologi yang ada dari lapangan bisa mengganti warga secara dalam jadi lebih baik pada beberapa dasawarsa kedepan. Ke-2 , dan yang lebih bernilai, kesuksesan dalam domain ini tidaklah cukup dan tak perlu untuk menuntaskan permasalahan IA dan II yang perlu. Ke-2 , walau kami yakin jika AI akan menolong pecahkan permasalahan sosial yang lebih besar, kami harus menyaksikan ke masa datang ini dengan penglihatan krisis.
Dan, sayang, kami tidak pintar memperhitungkan apa yang hendak jadi kekurangan serius selanjutnya. Dan, sayang, itu mengusik kita. Dan, walau seorang bisa memprediksi banyak permasalahan yang ada dalam mekanisme semacam itu – yang mengikutsertakan permasalahan privacy, permasalahan pertanggungjawaban, permasalahan keamanan, dan lain-lain – permasalahan ini harus dilihat sebagai rintangan, bukan penghenti atraksi. Sebuah mesin perayap bisa disaksikan sebagai contoh IA (itu menambahkan memory manusia dan pengetahuan faktual), seperti terjemahan bahasa alami (itu menambahkan kekuatan manusia untuk berbicara).
Dan terpikirkan oleh saya jika peningkatan beberapa prinsip itu – yang hendak diperlukan bukan hanya di bagian klinis tapi juga di bagian seperti perdagangan, transportasi, dan pengajaran – minimal sama keutamaan dengan membuat mekanisme AI yang bisa membuat kita kagum. ketrampilan bermain games atau sensorimotor mereka. Disamping itu, secara krisis, kami tidak berevolusi untuk lakukan tipe ambil keputusan jumlah besar yang perlu ditemui oleh mekanisme II kekinian, atau untuk menangani tipe ketidakjelasan yang ada dalam kerangka II. Tapi manusia sebetulnya tidak pintar dalam beberapa macam penalaran – kita mempunyai penyelewengan, bias, dan kebatasan.
Sementara service seperti ini kemungkinan mengikutsertakan penalaran dan pertimbangan tingkat tinggi, sekarang ini tidak – mereka umumnya lakukan beragam tipe operasi pencocokan string dan numerik yang tangkap skema yang bisa dipakai manusia. Sudah pasti, tehnologi terbaik tidak bisa banyak menolong Anda bila Anda tidak mempunyai taktik langkah memakainya. Semenjak tahun 1960-an banyak perkembangan sudah diraih, tapi hal tersebut dapat disebut tidak ada dari pemburuan AI tiruan manusia.
Rahasia Kepandaian Buatan yang Tidak Terungkap. Kita saat ini sampai pada permasalahan krisis: Apa kerjakan AI tiruan manusia classic ialah langkah terbaik atau salah satu untuk konsentrasi pada rintangan yang semakin lebih besar ini? Pikirkan narasi berikut, yang mengikutsertakan manusia, computer, data, dan keputusan hidup atau mati, tapi konsentrasinya ialah suatu hal selainnya fantasi kepandaian-dalam-silikon.
Permasalahannya tidak cukup dengan analitis data semata-mata, tapi dengan yang oleh periset database disebutkan “aslinya” – secara luas, darimanakah data ada, ringkasan apa yang dari data, dan berapa berkaitan ringkasan itu dengan keadaan sekarang ini? Pandio dibuat untuk menangani permasalahan ini.
Bahkan juga lebih masalah: bila arah kita ialah membuat pabrik kimia, haruskah kita lebih dulu membuat pakar kimia buatan yang selanjutnya akan pikirkan langkah membuat pabrik kimia? Kemampuannya untuk menganalisa data dimensi tinggi dengan jumlah yang besar sekali membuat evaluasi dalam pas untuk mekanisme perawatan protektif supercharging, sama seperti yang diperlihatkan McKinsey dalam Catatan from the AI frontier: Applications and nilai of deep learning: “Melapis data tambahan, seperti data audio dan gambar, dari sensor lain – terhitung yang relatif murah seperti mikrofon dan camera – jaringan saraf bisa tingkatkan dan kemungkinan gantikan sistem yang lebih tradisionil.
Ini akan lebih kompleks dibanding mekanisme kontrol jalan raya udara sekarang ini, terutamanya dalam pemakaian data dengan jumlah besar dan pemodelan statistik adaptive untuk memberitahukan keputusan yang terinci. Tapi saya memerhatikan jika mesin pencitraan yang dipakai dalam pengetesan kami mempunyai beberapa ratus pixel per inch persegi semakin banyak dibanding mesin yang dipakai dalam riset di Inggris.
Tatap muka gagasan dan trend tehnologi ini sudah ganti nama jadi “AI” sepanjang tahun-tahun ini. Secara bersejarah, frasa “AI” dibuat di akhir 1950-an untuk mengarah pada inspirasi yang memabukkan untuk merealisasikan dalam perangkat lunak dan perangkat keras satu substansi yang mempunyai kepandaian tingkat manusia.
Perkembangan bisa terjadi di dalam rumah perangkat lunak dan pengembang perangkat keras yang menghasilkan produk AI dan di perusahaan besar yang meningkatkan kekuatan AI mereka sendiri. IDA berhubungan dengan database Angkatan Laut dan berbicara dengan beberapa pelaut lewat diskusi e-mail bahasa alami sekalian patuhi sebagian besar peraturan Angkatan Laut.
Mekanisme AI bukan hanya akan mengikuti kepandaian manusia, tapi juga “melakukan perbaikan”, dan akan menskalakan permasalahan besar yang semena-mena. Ini akan menolong jaga ide mengenai keterkaitan, asal dan keunggulan, dengan mekanisme perbankan sekarang ini fokus pada rintangan semacam itu dalam domain keuangan dan pembayaran.
Munculnya ini terkadang ada dalam pembicaraan mengenai “Internet of Things”, tapi usaha itu biasanya mengarah pada permasalahan hanya untuk masukkan “suatu hal” ke Internet – tidak pada rintangan yang lebih besar yang berkaitan dengan “benda” yang sanggup menganalisanya. saluran data untuk temukan bukti mengenai dunia, dan berhubungan sama manusia dan “benda” yang lain dengan tingkat abstraksi yang lebih tinggi dibanding bit semata.