אנשים פלוס מכונות יעלו על היכולות של שני האלמנטים בלבד. metamorworks / Shutterstock.com
העתיד לא ייוצר על ידי בני אדם ולא מכונות בלבד - אלא על ידי שניהם, לעבוד יחד. טכנולוגיות שמבוססות על אופן פעולתן של מוח אנושי כבר מגדילות את יכולותיהם של אנשים, ורק ישפיעו יותר ככל שהחברה מתרגלת למכונות המסוגלות יותר ויותר.
אופטימיסטים טכנולוגיים דמיינו עולם בעלייה תפוקה אנושית ואיכות חיים כשמערכות בינה מלאכותית משתלטות על עבודת האדמה והניהול של החיים, מיטיב עם כולם. פסימיסטים, לעומת זאת, הזהירו כי ההתקדמות הזו עשויה להגיע עלות גדולה בעבודות שאבדו ושיבושים בחיים. וגורמי הפחד חוששים שמא AI עלול בסופו של דבר להפוך את בני האדם למיושנים.
עם זאת, אנשים אינם טובים במיוחד בדמיונם של העתיד. לא סביר שלא אוטופיה ולא יום הדין. בספרי החדש, "מהפכת הלמידה העמוקה"המטרה שלי הייתה להסביר את העבר, ההווה והעתיד של תחום מדע וטכנולוגיה שצומח במהירות. המסקנה שלי היא ש- AI יהפוך אותך לחכם יותר, אך בדרכים שיפתיעו אותך.
זיהוי דפוסים
למידה מעמיקה היא החלק ב- AI שהביא את ההתקדמות הגדולה ביותר בתחום פתרון בעיות מורכבות כמו זיהוי אובייקטים בתמונות, זיהוי דיבור מרמקולים מרובים ועיבוד טקסט באופן שבו אנשים מדברים או כותבים אותו. למידה עמוקה הוכיחה אותה גם כמועילה לזיהוי דפוסים במערכי הנתונים הגדולים יותר ויותר שנוצרים מהם חיישנים, מכשירים רפואיים ומכשירים מדעיים.
מטרת גישה זו היא למצוא דרכים בהן מחשב יכול לייצג את מורכבות העולם ולהכליל מנסיון קודם - גם אם מה שקורה בהמשך אינו זהה למה שקרה קודם. בדיוק כמו שאדם יכול לזהות שחיה ספציפית שמעולם לא ראתה בעבר היא למעשה חתול, אלגוריתמי למידה עמוקה יכולים לזהות היבטים של מה שאפשר לכנות "חתוליות" ולחלץ את התכונות הללו מתמונות חדשות של חתולים.
מערכות למידה עמוקה יכולות לדעת מי מהן הוא חתול. גלפי/Shutterstock.com
השיטות ללימוד עמוק מבוססות על אותם עקרונות המניעים את המוח האנושי. לדוגמה, המוח מטפל בהמון נתונים מסוגים שונים ביחידות עיבוד רבות במקביל. לנוירונים קשרים רבים זה לזה, והקישורים האלה מתחזקים או נחלשים בהתאם לכמות השימוש בהם, הקמת אסוציאציות בין תשומות חושיות לבין תפוקות רעיוניות.
אל האני רשת הלמידה העמוקה המוצלחת ביותר מבוסס על מחקר משנות ה -1960 על הארכיטקטורה של קליפת המוח החזותית, חלק במוח שאנו משתמשים בו לראות, ועל אלגוריתמי למידה שהומצאו בשנות השמונים. אז המחשבים עדיין לא היו מהירים מספיק כדי לפתור בעיות בעולם האמיתי. אבל עכשיו הם כן.
בנוסף, רשתות הלמידה שכבו זו על גבי זו ויצרו רשתות של קשרים מקרוב יותר הדומה להיררכיית השכבות הנמצאת בקליפת המוח החזותית. זה חלק מ- התכנסות מתרחש בין בינה מלאכותית וביולוגית.
רשת עצבית בעלת ארבע שכבות מקבלת קלט משמאל, מעבירה את תפוקת השכבה הראשונה לשכבה הבאה, לשכנה הבאה לשנייה - לפני שהיא מספקת פלט. Sin314/Shutterstock.com
למידה עמוקה בחיים האמיתיים
למידה עמוקה כבר מוסיפה ליכולות האנושיות. אם אתה משתמש בשירותי Google כדי לחפש באינטרנט, או משתמש באפליקציות שלה כדי לתרגם משפה אחת לשפה אחרת או להפוך דיבור לטקסט, הטכנולוגיה הפכה אותך לחכם יותר או יעיל יותר. לאחרונה בטיול לסין, חבר דיבר אנגלית לטלפון האנדרואיד שלו, שתרגם אותו לסינית מדוברת עבור נהג מונית - בדיוק כמו מתרגם אוניברסלי על "מסע בין כוכבים".
מבחן של מכשיר תרגום אמיתי בזמן אמת.
{youtube}Nu-nlQqFCKg{/youtube}
מערכות אלה ורבות אחרות כבר פועלות, ועוזרות לך בחיי היומיום שלך גם אם אינך מודע להן. למשל, למידה עמוקה מתחילה להשתלט על ה קריאת תמונות רנטגן ותצלומים של נגעים בעור לגילוי סרטן. הרופא המקומי שלך יוכל בקרוב לאתר בעיות הניכרות כיום רק למומחים הטובים ביותר.
גם כאשר אתה יודע שיש מכונה מעורבת, ייתכן שלא תבין את המורכבות של מה שהם עושים בפועל: מאחורי Alexa של אמזון יש המון רשתות למידה עמוקה שמזהות את בקשתך, נפה נתונים כדי לענות על שאלותיך ולנקוט בפעולות בשמך.
קידום למידה
למידה מעמיקה הייתה יעילה ביותר בפתרון בעיות זיהוי תבניות, אך כדי לעבור מעבר לכך נדרשות מערכות מוח אחרות. כשחיה מתוגמלת על פעולה, כך היא נוטים יותר לנקוט בפעולות דומות בעתיד. נוירונים דופמינים בגרעינים הבסיסיים של המוח מדווחים על ההבדל בין תגמולים צפויים לתמורה, נקרא שגיאת חיזוי תגמול, המשמש לשינוי חוזקות הקשרים במוח המנבאים תגמולים עתידיים.
צימוד גישה זו, הנקראת למידת חיזוק, עם למידה עמוקה יכול לתת למחשבים את הכוח לזהות אפשרויות בלתי צפויות. על ידי זיהוי דפוס ואז מענה אליו באופן שמניב תגמולים, מכונות עשויות להתקרב להתנהגויות בסגנון מה שאפשר לכנות יצירתיות אנושית. גישה משולבת זו היא כיצד DeepMind פיתחה תוכנית בשם AlphaGo, אשר ב 2016 ניצח את סנדמסטר לי סדול והשנה שלאחר מכן ניצח את אלוף העולם בגו, קי ג'י.
משחקים אינם מבולגנים כמו העולם האמיתי, שמלא בחוסר וודאות משתנה. מאסימו ורגאסולה באוניברסיטת קליפורניה, סן דייגו, ואני השתמשתי לאחרונה בלמידת חיזוק כדי ללמד רחפן בשטח איך להמריא כמו ציפור בתרמימות סוערות. ניתן לחבר חיישנים לציפורים בפועל כדי לבדוק אם הם משתמשים באותם סימנים ומגיבים באותו אופן.
למרות ההצלחות הללו, החוקרים עדיין לא מבינים עד כמה הלמידה העמוקה פותרת את הבעיות הללו. כמובן, איננו יודעים כיצד המוח פותר גם אותם.
אף שהפעולה הפנימית של המוח עשויה להישאר חמקמקה, זה רק עניין של זמן עד שהחוקרים יפתחו תיאוריה של למידה עמוקה. ההבדל הוא שכאשר חוקרים מחשבים, לחוקרים יש גישה לכל חיבור ודפוס פעילות ברשת. קצב ההתקדמות הוא מהיר, עם עבודות מחקר המופיעות מדי יום arXiv. הצפיות המפתיעות צפויות בשקיקה בדצמבר הקרוב כנס מערכות עיבוד מידע עצבי במונטריאול, אשר מכרו 8,000 כרטיסים תוך 11 דקות והשאיר 9,000 נרשמים מלאי תקווה ברשימת ההמתנה.
יש דרך ארוכה לפני שמחשבים משיגים אינטליגנציה אנושית כללית. לרשת הלמידה העמוקה הגדולה ביותר כיום יש רק כוח של פיסת קליפת המוח העצבית האנושית בגודל של גרגר אורז. ואנחנו עדיין לא יודעים כיצד המוח מארגן באופן דינמי אינטראקציות בין אזורי מוח גדולים יותר.
לטבע כבר יש את אותה רמת אינטגרציה, ויוצרים מערכות מוח רחבות היקף המסוגלות להפעיל את כל ההיבטים של גוף האדם תוך הרהור בשאלות עמוקות והשלמת משימות מורכבות. בסופו של דבר, מערכות אוטונומיות עשויות להיות מורכבות לא פחות, ומצטרפות אל אינספור היצורים החיים על הפלנטה שלנו.
על המחבר
טרנס סיינובסקי, פרופסור קריק פרופסור ומנהל המעבדה לנוירוביולוגיה חישובית במכון סאלק ללימודים ביולוגיים, ופרופסור מכובד לנוירוביולוגיה, אוניברסיטת קליפורניה בסן דייגו
מאמר זה פורסם מחדש מתוך שיחה תחת רישיון Creative Commons. קרא את ה מאמר מקורי.
ספרים קשורים
at InnerSelf Market ואמזון
