Maaari pa bang Makipagkumpitensya ang Artipisyal na Intelligence?

Maaari pa bang Makipagkumpitensya ang Artipisyal na Intelligence? Ang limitadong data ay nangangahulugang limitadong pagbabago. Larawan ng Phonlamai Sam valadi / Flickr, CC BY-SA

Ang Opisina ng Patent ng Europa kamakailan naka-down isang application para sa isang patent na naglalarawan ng isang lalagyan ng pagkain. Hindi ito dahil sa imbensyon ay hindi nobela o kapaki-pakinabang, ngunit dahil nilikha ito ng artipisyal na katalinuhan (AI). Ayon sa batas, ang mga imbentor ay kailangang maging tunay na tao. Hindi ito ang unang imbensyon ng AI - ang mga makina ay gumawa ng mga makabagong buhat mula sa pang-agham na mga papeles at mga libro sa mga bagong materyales at musika.

Sinabi nito, ang pagiging malikhain ay malinaw na isa sa mga pinaka kapansin-pansin na ugali ng tao. Kung wala ito, walang magiging tula, walang internet at walang paglalakbay sa espasyo. Ngunit maaari bang tumugma ang AI o kahit na malampasan tayo? Tingnan natin ang pananaliksik.

Mula sa isang teoretikal na pananaw, pagkamalikhain at pagbabago ay isang proseso ng paghahanap at kumbinasyon. Nagsisimula kami mula sa isang piraso ng kaalaman at ikinonekta ito sa isa pang piraso ng kaalaman sa isang bagay na bago at kapaki-pakinabang. Sa prinsipyo, ito rin ay isang bagay na maaaring gawin ng mga makina - sa katunayan, sila ay nanguna sa pag-iimbak, pagproseso at paggawa ng mga koneksyon sa loob ng data.

Ang mga makina ay may mga makabagong ideya sa pamamagitan ng paggamit ng mga pamamaraan ng pagbuo. Ngunit paano ito gumagana nang eksakto? Mayroong magkakaibang pamamaraan, ngunit tinawag ang estado ng sining nakakabunga na mga network ng mga adversarial. Bilang isang halimbawa, isaalang-alang ang isang makina na dapat na lumikha ng isang bagong larawan ng isang tao. Ang mga pagbubuo ng mga network ng kaaway ay nakakaharap sa gawaing ito ng paglikha sa pamamagitan ng pagsasama ng dalawang mga sub-gawain.

Ang unang bahagi ay ang generator, na gumagawa ng mga bagong imahe na nagsisimula mula sa isang random na pamamahagi ng mga pixel. Ang pangalawang bahagi ay ang discriminator, na nagsasabi sa generator kung gaano kalapit ito sa aktwal na paggawa ng isang tunay na naghahanap ng larawan.

Paano nalalaman ng discriminator kung ano ang hitsura ng isang tao? Well, pinapakain mo ito ng maraming mga halimbawa ng mga larawan ng tunay na tao bago mo simulan ang gawain. Batay sa puna ng discriminator, pinapabuti ng generator ang algorithm at nagmumungkahi ng isang bagong larawan. Patuloy ang prosesong ito hanggang sa nagpasiya ang discriminator na ang mga larawan ay mukhang malapit sa mga larawan ng natutunan. Ang mga nabuong larawan ay darating sobrang lapit sa totoong tao.

Ngunit kahit na ang mga makina ay maaaring lumikha ng mga makabagong ideya mula sa data, hindi ito nangangahulugan na malamang na nakawin nila ang lahat ng spark ng pagkamalikhain ng tao anumang oras sa lalong madaling panahon. Ang Innovation ay isang proseso ng paglutas ng problema - para mangyari ang pagbabago, ang mga problema ay pinagsama sa mga solusyon. Ang mga tao ay maaaring pumunta sa alinman sa direksyon - magsisimula sila sa isang problema at malutas ito, o kumuha sila ng isang solusyon at subukan makahanap ng mga bagong problema para dito.


Kunin ang Pinakabagong Mula sa InnerSelf


Ang isang halimbawa para sa huli na uri ng pagbabago ay ang malagkit tala. Ang isang inhinyero ay gumawa ng malagkit na sobrang mahina at nakaupo sa kanyang mesa. Kalaunan lamang natanto ng isang kasamahan na ang solusyon na ito ay makakatulong upang maiwasan ang kanyang mga tala na bumagsak sa kanyang mga marka sa panahon ng kasanayan ng koro.

Ang paggamit ng data bilang isang input at code bilang malinaw na pagbabalangkas ng problema, ang mga makina ay maaari ring magbigay ng mga solusyon sa mga problema. Ang problema sa paghahanap, gayunpaman, mahirap para sa mga makina, dahil ang mga problema ay madalas na wala sa mga hangganan ng data pool na binago ng mga makina.

Ano pa, ang pagbabago ay madalas na batay sa mga pangangailangan na hindi namin alam na mayroon kami. Isipin ang Walkman. Kahit na walang consumer ang nagbigkas ng nais na makinig sa musika habang naglalakad, ang makabagong ito ay isang malaking tagumpay. Dahil ang mga likas na pangangailangan ay mahirap mabalangkas at gumawa ng malinaw, hindi rin nila maaasahang makahanap ng kanilang paraan papunta sa data pool na kailangan ng mga makina para sa pagbabago.

Ang mga tao at machine ay mayroon ding iba't ibang mga hilaw na materyal na ginagamit nila bilang input para sa pagbabago. Kung saan ang mga tao ay gumuhit sa isang buhay ng malawak na karanasan upang lumikha ng mga ideya mula sa, ang mga makina ay higit sa lahat ay pinigilan ang data na pinapakain namin ang mga ito. Ang mga makina ay maaaring mabilis na makabuo ng hindi mabilang na mga makabagong pagbabago sa mga anyo ng mga bagong bersyon batay sa data ng pag-input. Gayunman, ang pagbagsak ng tagumpay ay hindi malamang na lumabas sa mga makina dahil madalas itong batay pagkonekta ng mga patlang na malayo o hindi magkakaugnay sa bawat isa. Isipin ang pag-imbento ng snowboard, na nag-uugnay sa mga mundo ng skiing at surfing.

Gayundin, ang pagkamalikhain ay hindi lamang tungkol sa pagiging bago, ito rin ay tungkol sa pagiging kapaki-pakinabang. Habang ang mga makina ay malinaw na makalikha ng isang bagay na bagong bago, hindi ito nangangahulugang kapaki-pakinabang ang mga nilikha na ito. Ang pagiging kapaki-pakinabang ay tinukoy sa mata ng mga potensyal na gumagamit ng mga makabagong ideya at mahirap hatulan para sa mga makina. Gayunman, ang mga tao ay maaaring makisalamuha sa ibang mga tao at higit na maunawaan ang kanilang mga pangangailangan.

Sa wakas, ang mga ideya ng malikhaing nilikha ng AI ay maaaring mas gustuhin ng mga mamimili dahil lamang nilikha ito ng isang makina. Ang mga tao ay maaaring mag-diskwento ng mga ideya mula sa AI dahil naramdaman nila ang mga ideyang ito hindi gaanong tunay or nagbabanta pa. O kaya mas gusto nila ang mga ideya ng kanilang uri, isang epekto na napansin sa ibang mga larangan bago.

Sa ngayon, maraming mga aspeto ng pagkamalikhain ang nananatiling uncontested terrain para sa mga makina at AI. Gayunpaman, mayroong mga disclaimer. Kahit na ang mga makina ay hindi maaaring palitan ang mga tao sa malikhaing domain, sila malaking tulong upang makadagdag sa pagkamalikhain ng tao. Halimbawa, maaari tayong magtanong ng mga bagong katanungan o makilala ang mga bagong problema na malutas namin nang magkasama sa pag-aaral ng makina.

Bilang karagdagan, ang aming pagsusuri ay batay sa katotohanan na ang mga makina ay halos magbago sa makitid na mga database. Ang AI ay maaaring maging mas malikhain kung maaari nitong pagsamahin ang malaki, mayaman at kung hindi man ay na-disconnect ang data.

Gayundin, ang mga makina ay maaaring makakuha ng mas mahusay sa pagkamalikhain kapag sila ay makakuha ng mas mahusay sa uri ng malawak na katalinuhan na tinatanggap ng mga tao - isang bagay na tinatawag nating "pangkalahatang katalinuhan". At ito ay maaaring hindi masyadong malayo sa hinaharap - ilang mga eksperto tasahin na mayroong isang 50% na pagkakataon ang mga makina ay umaabot sa katalinuhan sa antas ng tao sa loob ng susunod na 50 taon.Ang pag-uusap

Tungkol sa May-akda

Tim Schweisfurth, Kaakibat na Propesor para sa Teknolohiya at Pamamahala sa Pag-unawa, University of Southern Denmark at René Chester Goduscheit, Propesor ng Teknolohiya at pag-aaral ng Innovation, Aarhus University

Ang artikulong ito ay muling nai-publish mula sa Ang pag-uusap sa ilalim ng lisensya ng Creative Commons. Basahin ang ang orihinal na artikulo.

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

sundin ang InnerSelf sa

facebook-icontwitter-iconrss-icon

Kumuha ng Pinakabagong Sa pamamagitan ng Email

{Emailcloak = off}

MOST READ

Paano Pinahinto ang Iyong Aso Pagkuha ng Heatstroke
Paano Pinahinto ang Iyong Aso Pagkuha ng Heatstroke
by Sina Anne Carter at Emily J Hall

MULA SA EDITOR

Bakit Maaaring Pinakamalaking Natalo sa Kasaysayan ni Donald Trump
by Robert Jennings, InnerSelf.com
Nai-update Hulyo 2, 20020 - Ang buong coronavirus pandemic na ito ay nagkakahalaga ng isang kapalaran, marahil 2 o 3 o 4 na kapalaran, lahat ng hindi kilalang sukat. Oh oo, at, daan-daang libo, marahil isang milyon, ng mga tao ang mamamatay ...
Mga Blue-Eyes vs Brown Mata: Paano Natuturo ang Rismismo
by Marie T. Russell, InnerSelf
Sa episode ng Oprah Show noong 1992, ang nanalong award-anti-rasism activist at tagapagturo na si Jane Elliott ay nagturo sa madla ng isang matigas na aralin tungkol sa rasismo sa pamamagitan ng pagpapakita kung gaano kadali ang matuto ng pagkiling.
Isang Pagbabago Ay Gonna Halika ...
by Marie T. Russell, InnerSelf
(Mayo 30, 2020) Habang pinapanood ko ang balita sa mga kaganapan sa Philadephia at iba pang mga lungsod sa bansa, nasasaktan ang aking puso sa kung ano ang nagaganap. Alam ko na ito ay bahagi ng mas malaking pagbabago na isinasagawa ...
Ang Isang Kanta ay Makakapukaw sa Puso at Kaluluwa
by Marie T. Russell, InnerSelf
Mayroon akong maraming mga paraan na ginagamit ko upang malinis ang kadiliman mula sa aking isipan kapag nalaman kong mayroon itong crept in. Ang isa ay ang paghahardin, o paggugol ng oras sa kalikasan. Ang isa pa ay katahimikan. Ang isa pang paraan ay ang pagbabasa. At isa na ...
Maskot para sa Pandemya at Kanta ng Tema para sa Panlipunan at Pagkahiwalay ng Panlipunan
by Marie T. Russell, InnerSelf
Nakakita ako ng isang kanta kamakailan at habang nakikinig ako sa mga lyrics, naisip ko na ito ay isang perpektong kanta bilang isang "theme song" para sa mga panahong ito ng paghihiwalay ng lipunan. (Lyrics sa ibaba ng video.)