Innehåll
Källa: iLexx / iStockphoto
Hämtmat:
Konstgjord intelligens kan en dag uppnås genom att använda konstgjorda neurala nätverk, men det finns flera viktiga skillnader mellan dessa spännande tekniker.
Artificiell intelligens (AI) och artificiella neurala nätverk (ANN) är två spännande och sammanflätade områden inom datavetenskap. Det finns dock flera skillnader mellan de två som är värda att veta om.
Den viktigaste skillnaden är att neurala nätverk är en springbrett i jakten på artificiell intelligens.
Konstgjord intelligens är ett stort fält som har som mål att skapa intelligenta maskiner, något som har uppnåtts många gånger beroende på hur du definierar intelligens. Trots det faktum att vi har datorer som kan vinna på "Jeopardy" och slå schackmästare, ses målet för AI i allmänhet som en strävan efter allmän intelligens, eller intelligens som kan tillämpas på olika och oberoende situationella problem.
Många av de AI: er som byggts upp till denna punkt har byggts med ett syfte, till exempel att köra en robot som spelar ping pong eller dominerar vid “Jeopardy.” Detta är det oundvikliga resultatet när datavetare sätter sig ner och skapar något för att göra en specifik uppgift - De slutar med något som kan göra den uppgiften och inte mycket annat.
För att komma runt detta problem med arbetsinriktade AI: er började datavetare leka med konstgjorda neurala nätverk. Våra generellt intelligenta hjärnor består av biologiska neurala nätverk som gör anslutningar baserade på våra uppfattningar och utanför stimulans.
Ett grovt förenklat exempel är smärtan från att bli bränd. När detta händer för första gången skapas en anslutning i din hjärna som identifierar den sensoriska informationen känd som eld (lågor, lukt av rök, värme) och förknippar den med smärta. Så här lär du dig i en mycket ung ålder hur du undviker att bli bränd. Genom samma neurala nätverk kan vi göra mycket generellt lärande som "glass smakar bra" och till och med göra deduktiva språng som "det finns alltid moln före regn" eller "lager rally alltid i december." Dessa hopp är inte alltid korrekta (det finns dålig glass och det finns lager som sjunker i december), men de kan korrigeras genom erfarenhet, vilket möjliggör adaptivt lärande.
Konstgjorda neurala nätverk försöker återskapa detta inlärningssystem på datorer genom att konstruera ett enkelt ramprogram för att svara på ett problem och få feedback om hur det gör det. En dator kan optimera sitt svar genom att göra samma problem tusentals gånger och justera sitt svar enligt den feedback som den får. Datoren kan sedan få ett annat problem, som den kan närma sig på samma sätt som den lärde sig från den föregående. Genom att variera problemen och antalet metoder för att lösa dem som datorn har lärt sig kan datavetare lära en dator att vara generalist.
Även om detta framkallar bilder av datorer som tar över världen och skördar människor som ses i Hollywood-filmer som "The Martrix", är vi fortfarande långt från neuralt nätverk till vår artificiell intelligens. Problemen som testas i neurala nätverk uttrycks alla matematiskt. Du kan inte hålla en blomma upp till en dator och säga den att gissa färgen vid lukten, eftersom lukten måste uttryckas i siffror och sedan måste datorn katalogisera dessa nummer i minnet, tillsammans med bilder av blommor avger den lukten.
Inga buggar, ingen stress - din steg-för-steg-guide för att skapa livsförändrad programvara utan att förstöra ditt liv
Du kan inte förbättra dina programmeringsfärdigheter när ingen bryr sig om mjukvarukvalitet.
Som sagt, konstgjorda neurala nätverk som kan ges mer input av saker som lukt - och förmågan att lära av alla dessa input - kan vara på väg att producera den första konstgjorda intelligensen som uppfyller standarderna för även den mest hardcore AI-entusiasten.
I huvudsak är konstgjorda neurala nätverk modeller av mänskliga neurala nätverk som är utformade för att hjälpa datorer att lära sig. Konstgjord intelligens är den heliga gralen som vissa datavetare försöker uppnå med hjälp av tekniker som efterliknar neurala nätverk.