ש:
כיצד גישה משוקללת או פרובליסטית עוזרת ל- AI לעבור מעבר לגישה מבוססת כללים או דטרמיניסטים בלבד?
ת:למידת מכונה ועקרונות בינה מלאכותית משנים במהירות את אופן פעולת המחשוב. אחת הדרכים המרכזיות שזה קורה היא עם תשומות משוקללות או הסתברותיות שמשנות תשומות ממערכת דטרמיניסטית באמת למשהו מופשט יותר.
ברשתות עצביות מלאכותיות, עצבים או יחידות נפרדים מקבלים תשומות הסתברותיות. לאחר מכן הם קובעים את התוצאה או התוצאה. על זה מדברים אנשי מקצוע כאשר הם מדברים על החלפת העולם הישן של תכנות בעולם חדש של מחשבים "הכשרה" או "הוראה".
באופן מסורתי, ברירת המחדל הייתה להשתמש בתכנות כדי להשיג תוצאות מחשוב. תכנות היא קבוצה קבועה של תשומות דטרמיניסטיות - כללים שהמחשב יפעל בהם נאמנה.
לעומת זאת, מתן תשומות הסתברותיות הוא הפשטה של כללים אלה, סוג של "שחרור המושכות" כדי לשחרר את המחשב לקבלת החלטות מתקדמות יותר. מבחינה מסוימת, לא ניתן לדעת את התשומות ההסתברותיות מבחינה חיצונית ואינן קבועות מראש. זה קרוב יותר לאופן שבו המוח שלנו עובד, וזו הסיבה שמאיישים את האלגוריתמים של למידת מכונות וביון מלאכותי בגישה זו כגבול הבא להתפתחות קוגניטיבית מלאכותית.
הנה דרך קלה לחשוב על תשומות משוקללות או הסתברותיות. בתכנות מסורתית היה לך סוג של אמירה "אם / אז" האומרת בדרך כלל: אם זה, אז זה.
מעבר מעבר לגישה מבוססת הכלל כרוך בשינוי מה זה. בגישה מבוססת כללים, זהו קלט טקסט או כלל: אם אתה חושב על זה כבינארי - אנו יודעים אם זה נכון או לא, וכך גם המחשב. כך שתוכלו לחזות את תגובת המחשב לכל קלט נתון.
בגישה החדשה, זהו למעשה אוסף קלט שעשוי להיות במצב נתון. לכן מכיוון שמשקיף מבחוץ לא יוכל בקלות לדגמן ממה זה מורכב, הוא או היא לא יכלו לחזות במדויק מה תהיה התוצאה.
חשבו על עיקרון זה המוחל על כל מיני תחומים ותעשיות, החל מפלח שוק לאימות פיננסי לבידור ועד ניהול מים וביוב, ויש לכם את הכוח האמיתי של למידת מכונה, למידה עמוקה ובינה מלאכותית להפנות ענייני אנוש בחדשה מאוד חדשה. דרך. לדוגמה, בתחום ניהול הונאות, מומחים מציינים כי מערכות שמיועדות לחוקים בלבד אינן טובות להבין את ההבדל בין התנהגות חשודה או מסוכנת להתנהגות רגילה - מערכות למידת מכונות חמושים במודלי קלט מתוחכמים מסוגלות יותר לקבל החלטות. לגבי איזו פעילות עשויה להיות בספק.
דרך נוספת לחשוב על זה היא שהעולם עבר עידן של זיהוי קוד כגבול חדש ללימוד וקבלת החלטות. כשלעצמו, תוצאות מבוססות-דטרמיניסטיות היו עוצמתיות מבחינת דוגמנות כל מיני פעילויות והחלטות אנושיות. יישמנו את כל הרעיונות האלה על שיווק, מכירות, ניהול ציבורי וכו '. אבל עכשיו, מומחים מדברים על "סוף קידוד", כמו בקטע מאוד תובנה ומלמד ב Wired. הרעיון השולט כאן הוא אותו רעיון, שבעידן הבא, במקום קידוד, תהיה לנו מערכת בה אנו מאמנים מחשבים לחשוב בדרכים הקרובות יותר לאיך שאנחנו חושבים, להיות מסוגלים ללמוד לאורך זמן ולעשות החלטות בהתאם. חלק גדול מכך הושג על ידי מעבר מגישת מחשוב דטרמיניסטית לגישה המופשטת עם תשומות מתוחכמות יותר.
