אלון מאסק - האנושות היא הכנה ל AI
- avihuli
- חבר שלא מהעולם הזה
- הודעות: 8415
- הצטרף: אוגוסט 2011
- נתן תודות: 1376 פעמים
- קיבל תודות: 1230 פעמים
- ufffnick
- גורו
- הודעות: 4623
- הצטרף: ספטמבר 2008
- מיקום: Fiat 500 שחוטה (כשר), ברחוב סומסום
- נתן תודות: 127 פעמים
- קיבל תודות: 466 פעמים
@dudib
·
אלה 33 דקות של בולשיט שאיבדתי מהחיים סתם.
אשכרה צפיתי בתקווה שייגעו בנזקים האמיתיים של ה"AI" שכבר חווים אותם בשני העשורים האחרונים, אבל המניפסט הניואייג'י עמוס בשטויות שמנותקות מהמציאות הסבירו עצמן כשהבנתי מי הדמות המובילה של הסרטון.
כדי להגיע לסינגולריטי, אם בכלל, צריך לשבור מעגל "קסם" שהוא די טריוויאלי -
שהמכונה תדע ללמוד בעצמה, לאבחן בין תפל ועיקר במידע, בעצמה, להסתגל לשינויים סינגולריים גדולים במציאות כלומר להגיב למצב שלא נתקלה בו מעולם ותוך כדי הנתהלות בסיטואציה לבצע מהלך אמידה ולמידה (דבר שאנחנו עושים על בסיס יומיומי מבלי לשים לב) ומעל לכל זה - מערכת ששולטת ומנתבת מקבילית את ההתמודדות עם כל המרכיבים של התפיסה (ואני לא מתחיל להיכנס לאיך בכלל בונים מכונה שבאה עם התכונות הבסיסיות שלה להתמודדות עם המציאות - מה שאצל בעלי החיים נקרא תוכנות מולדות).
רמז - אין מכונה כזו וגם לא תהיה בעתיד הנראה לעין. למה? אתן תשובה הכי סתומה לזה - כי נדרש מליארדי שנים של אבולוציה כדי להביא את המחשבים הכי חזקים על כדוה"א (בדמות בע"ח) המותאמים לסביבה שלהם בצורה אידיאלית בכדי לשרוד ולתפק, תוך יכולת פנומנלית (ועיקרית) לפתור סיטואציות שלא נתקלו בהם בעבר.
היום, וגם בעוד כמה עשורים (כי אין מיקוד מסביב לזה) מכונה מסוגלת ללמוד את מה שמלמדים אותה, מסוגלת לייצר תהליך למידה בתחום מציאות שלא משתנה מחוץ למרחב שהוגדר לה. כדי שמכונה תתמודד עם מצב שהיא לא למדה איתו, נדרש להקפיץ את האלגוריתמיקה שנות אור קדימה ועוד יותר את כוח המיחשוב. זה ממש מד"ב.
כיום, אפשר לייצר מכונה לומדת שתטפל בבעיה ספציפית מאוד - לשחק שחמט זו המורכבות הכי גבוהה שהגיעו אליה, וגם שם מחשב העל הטוב בעולם מצליח להשתוות לאדם, קשה לבוא ולומר בודאות שמתעלה עליו.
סתם כדי לסבר את האוזן -
כדי לאמן רשת נוירונים לזיהוי חפצים בתמונה נדרש אימון של מספר שבועות על array של GPUs.
התוצאה היא שאותה רשת נוירונים יכולה לזהות בהסתברויות משתנות (בהתאם לתמונה) את העצמים שבתמונה.
כלומר היא יודעת להוציא וקטור ספרסי שמורכב מהמון אפסים ומספר אחדים, שמייצג עבורה עצם כלשהו, כי ככה המתכנת קבע שהוא ייוצג. המכונה לא מבינה מה הוא העצם, ובטח שלא לשייך אותו לקבוצות שיוך.
אבל בזה העניין מסתכם.
אתם יודעים כמה זמן לוקח לילד ללמוד זאת + להבין משמעות + לשייך לקבוצות שיוך? ימים שכלל הלמידה במצטברת היא בין דקות לשעות. יתרה מכך ילד נדרש למספר תמונות בודדות כדי להשליך הלאה לצורות גוונים וגדלים שונים של כלבים שלא נראים בתמונות, מכונה הרבה פחות יעלה בזה, וכדי שתתחיל להשליך, היא צריכה כמה מליונים של תמונות בלמידה. זה ההבדל בין הבנת המשמעות של העצם בתמונה (כוס, כלי קיבול, שותים עם זה) לבין זיהוי גראפי של עצם בתמונה.
כל הקישקוש הזה על מודעות של מכונה פשוט מנותק מהמציאות האלגוריתמית, וכמו בימי הביניים, כשמשהו קשה להסביר להמונים, הדמיון מפליג רחוק מידי.
רוצים לדבר על הנזקים של מכונה לומדת?
תקראו על המונחים echo chambers ועל conformation bias - שניהם נוגעים בנטיה שלנו לחפש אישור חיצוני לדעות שלנו, שנקבל מהאנשים שמקיפים אותנו, שהם לרוב בעלי דעות דומות לשלנו, ועל כן נמצא את עצמנו מרוצים עד השמיים מהדעות ההולכות ומקצינות שיוצרות שבטיות שהחיכוך בין השבטים רק הולך ועולה כי כל שבט חי בעולם באישור הפנימי שלו לדעותיו.
איך קשור למכונה? היא תמיד תמליץ על אנשים בעלי תכונות דומות ותחומי עניין דומים ו... דעות דומות לנו ולאנשים בחוג שלנו. והרי לכן שבט הומוגני שמזין עצמו בדיעותיו, מאשר אותן בשיח שמקצין עצמו ומרחיק משמעותית משבט אחר השונה ממנו. מה נראה לכם שיקרה באינטראקציה בין שני אנשים משבטים שונים...?
וכן תעיינו במושג filter bubble - שזהו המצב בו הפיד של המידע שאנחנו ניזונים ממנו מגיע ממקורות של מידע שנוח לנו לקבל אותם. מכאן שיש המון מידע שמסונן החוצה, שיכל להיות בעל ערך גבוה בין אם באופן אישי ובין אם לשיח חברתי, שנגרע מאותו צרכן מידע. כי המכונה למדה שמקורות וסוג מסויים של מידע פשוט לסנן החוצה, ללא קשר למשמעות שהמידע הזה מחזיק.
והופ - עכשיו פתאום אפשר להבין איך בעצם הפייק-ניוז עשה ועושה עבודה מעולה בהגדלת הבורות וחיזוק אמונות שמאושררות ע"י אותם שבטים וירטואליים.
·
אלה 33 דקות של בולשיט שאיבדתי מהחיים סתם.
אשכרה צפיתי בתקווה שייגעו בנזקים האמיתיים של ה"AI" שכבר חווים אותם בשני העשורים האחרונים, אבל המניפסט הניואייג'י עמוס בשטויות שמנותקות מהמציאות הסבירו עצמן כשהבנתי מי הדמות המובילה של הסרטון.
כדי להגיע לסינגולריטי, אם בכלל, צריך לשבור מעגל "קסם" שהוא די טריוויאלי -
שהמכונה תדע ללמוד בעצמה, לאבחן בין תפל ועיקר במידע, בעצמה, להסתגל לשינויים סינגולריים גדולים במציאות כלומר להגיב למצב שלא נתקלה בו מעולם ותוך כדי הנתהלות בסיטואציה לבצע מהלך אמידה ולמידה (דבר שאנחנו עושים על בסיס יומיומי מבלי לשים לב) ומעל לכל זה - מערכת ששולטת ומנתבת מקבילית את ההתמודדות עם כל המרכיבים של התפיסה (ואני לא מתחיל להיכנס לאיך בכלל בונים מכונה שבאה עם התכונות הבסיסיות שלה להתמודדות עם המציאות - מה שאצל בעלי החיים נקרא תוכנות מולדות).
רמז - אין מכונה כזו וגם לא תהיה בעתיד הנראה לעין. למה? אתן תשובה הכי סתומה לזה - כי נדרש מליארדי שנים של אבולוציה כדי להביא את המחשבים הכי חזקים על כדוה"א (בדמות בע"ח) המותאמים לסביבה שלהם בצורה אידיאלית בכדי לשרוד ולתפק, תוך יכולת פנומנלית (ועיקרית) לפתור סיטואציות שלא נתקלו בהם בעבר.
היום, וגם בעוד כמה עשורים (כי אין מיקוד מסביב לזה) מכונה מסוגלת ללמוד את מה שמלמדים אותה, מסוגלת לייצר תהליך למידה בתחום מציאות שלא משתנה מחוץ למרחב שהוגדר לה. כדי שמכונה תתמודד עם מצב שהיא לא למדה איתו, נדרש להקפיץ את האלגוריתמיקה שנות אור קדימה ועוד יותר את כוח המיחשוב. זה ממש מד"ב.
כיום, אפשר לייצר מכונה לומדת שתטפל בבעיה ספציפית מאוד - לשחק שחמט זו המורכבות הכי גבוהה שהגיעו אליה, וגם שם מחשב העל הטוב בעולם מצליח להשתוות לאדם, קשה לבוא ולומר בודאות שמתעלה עליו.
סתם כדי לסבר את האוזן -
כדי לאמן רשת נוירונים לזיהוי חפצים בתמונה נדרש אימון של מספר שבועות על array של GPUs.
התוצאה היא שאותה רשת נוירונים יכולה לזהות בהסתברויות משתנות (בהתאם לתמונה) את העצמים שבתמונה.
כלומר היא יודעת להוציא וקטור ספרסי שמורכב מהמון אפסים ומספר אחדים, שמייצג עבורה עצם כלשהו, כי ככה המתכנת קבע שהוא ייוצג. המכונה לא מבינה מה הוא העצם, ובטח שלא לשייך אותו לקבוצות שיוך.
אבל בזה העניין מסתכם.
אתם יודעים כמה זמן לוקח לילד ללמוד זאת + להבין משמעות + לשייך לקבוצות שיוך? ימים שכלל הלמידה במצטברת היא בין דקות לשעות. יתרה מכך ילד נדרש למספר תמונות בודדות כדי להשליך הלאה לצורות גוונים וגדלים שונים של כלבים שלא נראים בתמונות, מכונה הרבה פחות יעלה בזה, וכדי שתתחיל להשליך, היא צריכה כמה מליונים של תמונות בלמידה. זה ההבדל בין הבנת המשמעות של העצם בתמונה (כוס, כלי קיבול, שותים עם זה) לבין זיהוי גראפי של עצם בתמונה.
כל הקישקוש הזה על מודעות של מכונה פשוט מנותק מהמציאות האלגוריתמית, וכמו בימי הביניים, כשמשהו קשה להסביר להמונים, הדמיון מפליג רחוק מידי.
רוצים לדבר על הנזקים של מכונה לומדת?
תקראו על המונחים echo chambers ועל conformation bias - שניהם נוגעים בנטיה שלנו לחפש אישור חיצוני לדעות שלנו, שנקבל מהאנשים שמקיפים אותנו, שהם לרוב בעלי דעות דומות לשלנו, ועל כן נמצא את עצמנו מרוצים עד השמיים מהדעות ההולכות ומקצינות שיוצרות שבטיות שהחיכוך בין השבטים רק הולך ועולה כי כל שבט חי בעולם באישור הפנימי שלו לדעותיו.
איך קשור למכונה? היא תמיד תמליץ על אנשים בעלי תכונות דומות ותחומי עניין דומים ו... דעות דומות לנו ולאנשים בחוג שלנו. והרי לכן שבט הומוגני שמזין עצמו בדיעותיו, מאשר אותן בשיח שמקצין עצמו ומרחיק משמעותית משבט אחר השונה ממנו. מה נראה לכם שיקרה באינטראקציה בין שני אנשים משבטים שונים...?
וכן תעיינו במושג filter bubble - שזהו המצב בו הפיד של המידע שאנחנו ניזונים ממנו מגיע ממקורות של מידע שנוח לנו לקבל אותם. מכאן שיש המון מידע שמסונן החוצה, שיכל להיות בעל ערך גבוה בין אם באופן אישי ובין אם לשיח חברתי, שנגרע מאותו צרכן מידע. כי המכונה למדה שמקורות וסוג מסויים של מידע פשוט לסנן החוצה, ללא קשר למשמעות שהמידע הזה מחזיק.
והופ - עכשיו פתאום אפשר להבין איך בעצם הפייק-ניוז עשה ועושה עבודה מעולה בהגדלת הבורות וחיזוק אמונות שמאושררות ע"י אותם שבטים וירטואליים.
- molvy
- חבר במועדון HT
- הודעות: 6718
- הצטרף: מרץ 2010
- נתן תודות: 1245 פעמים
- קיבל תודות: 1309 פעמים
·מה שניסיתי לומר זה שהמחשבים הם שיזמו את הפיחות בלירה שטרלינג ללא התערבות של בני אדםoferlaor כתב:@molvy
·יש הרבה מאוד מערכות ממוחשבות שמנסות לחזות תהליכים, לעקוב אחרי חדשות ולתרגם את זה לצעדים בבורסה או שוק המטבעות. כל תנועה מחמירה את המצב ולכן קל מאוד לראות באג או שטות רנדומלית שמישהו אמר בעיתון מוביל שגורם לקריסה כלכלית של מטבע, מניה או אפילו בורסה שלמה....
האנליסטים לא מבינים מה גרם למחשבים ליזום את הפיחות ומניחים שזה מה שמקרון אמר
רציתי להראות שכבר היום יש מהלכים מובילים בעולם העסקים שנשלטים על ידי מחשבים ולמידה עצמית של מחשבים
בגדול זה ניקרא AI כך לפחות אני מפרש את המושג AI
- oferlaor
- מנהל
- הודעות: 75317
- הצטרף: נובמבר 2004
- שם מלא: עפר לאור
- מיקום: מודיעין, ישראל
- נתן תודות: 640 פעמים
- קיבל תודות: 4750 פעמים
@molvy
·זה הבעיה עם AI, בגלל שזה לא אלגוריתם של IF THIS THEN THAT, אלא משהו מאוד fuzzy שמזהה patterns אי אפשר באמת להבין למה AI מחליט משהו כי יש הרבה שכבות להחלטה הזו. זה די דומה למדוע מישהו עושה פעולה כלשהי, אפשר לגבות את זה בהגיון אבל האדם לא הולך ועושה אלגוריתם החלטה הגיוני אלא פועל מרגשות ומנסיון ולפעמים בגלל מה שהוא אכל היום בבוקר או איך שהוא ישן בלילה...
ככל שרכיב ה-AI יגבר בתעשיה, כך נבין פחות מדוע דברים פועלים כמו שהם פועלים.
·זה הבעיה עם AI, בגלל שזה לא אלגוריתם של IF THIS THEN THAT, אלא משהו מאוד fuzzy שמזהה patterns אי אפשר באמת להבין למה AI מחליט משהו כי יש הרבה שכבות להחלטה הזו. זה די דומה למדוע מישהו עושה פעולה כלשהי, אפשר לגבות את זה בהגיון אבל האדם לא הולך ועושה אלגוריתם החלטה הגיוני אלא פועל מרגשות ומנסיון ולפעמים בגלל מה שהוא אכל היום בבוקר או איך שהוא ישן בלילה...
ככל שרכיב ה-AI יגבר בתעשיה, כך נבין פחות מדוע דברים פועלים כמו שהם פועלים.
- ufffnick
- גורו
- הודעות: 4623
- הצטרף: ספטמבר 2008
- מיקום: Fiat 500 שחוטה (כשר), ברחוב סומסום
- נתן תודות: 127 פעמים
- קיבל תודות: 466 פעמים
@oferlaor
·
אני לא כל כך מסכים עם הקביעה הזו, והיא מבטאת את הפערי הבנה שיש גם בשוק העבודה בתחום.
מתכנתים רגילים לקוד שיש לו משמעות חד-חד ערכית (אם אז, כל עוד א' קורה אז ב', וכו').
עולם המכונה הלומדת הכניס רכיב סטטיסטי למערכת השיקולים, שמושפע מאוד ממבנה המידע שמשמש ללמידה, לפעמים יותר מהאלגוריתם שנעשה בו השימוש, ובחירת האלגוריתם נגזרת מסוג, צורה, ועיבוד המידע בטרם הכניסה אל האלגוריתם.
נכון, זה הרבה יותר מורכב להבין את מערכת ההחלטות של מכונה, אבל כל המידע שם ואפשר להבין אותו.
זו האחת המשמעויות המרכזיות של להיות data scientist.
בחלק גדול מהמקרים אכן מתייחסים לאלגוריתמים האלה כקופסא שחורה (כי נוח), אבל בסופו של יום מה שמתחבא מאחוריהם זו סטטיסטיקה ואלגברה לינארית.
אני יכול להמליץ על כמה קורסים ברשת לזה, ומי שמעדיף משהו פרונטלי (במיוחד למתכנתים) יש את הקורס אחה"צ של הטכניון בשרונה, הוא קצת רדוד כי מכסה קשת ענקית של גישות, אבל נותן את כל הבסיס להמשיך ללמוד בעצמך (סיימתי את המחזור השני שלהם).
·
אני לא כל כך מסכים עם הקביעה הזו, והיא מבטאת את הפערי הבנה שיש גם בשוק העבודה בתחום.
מתכנתים רגילים לקוד שיש לו משמעות חד-חד ערכית (אם אז, כל עוד א' קורה אז ב', וכו').
עולם המכונה הלומדת הכניס רכיב סטטיסטי למערכת השיקולים, שמושפע מאוד ממבנה המידע שמשמש ללמידה, לפעמים יותר מהאלגוריתם שנעשה בו השימוש, ובחירת האלגוריתם נגזרת מסוג, צורה, ועיבוד המידע בטרם הכניסה אל האלגוריתם.
נכון, זה הרבה יותר מורכב להבין את מערכת ההחלטות של מכונה, אבל כל המידע שם ואפשר להבין אותו.
זו האחת המשמעויות המרכזיות של להיות data scientist.
בחלק גדול מהמקרים אכן מתייחסים לאלגוריתמים האלה כקופסא שחורה (כי נוח), אבל בסופו של יום מה שמתחבא מאחוריהם זו סטטיסטיקה ואלגברה לינארית.
אני יכול להמליץ על כמה קורסים ברשת לזה, ומי שמעדיף משהו פרונטלי (במיוחד למתכנתים) יש את הקורס אחה"צ של הטכניון בשרונה, הוא קצת רדוד כי מכסה קשת ענקית של גישות, אבל נותן את כל הבסיס להמשיך ללמוד בעצמך (סיימתי את המחזור השני שלהם).
- Huber (פותח השרשור)
- חבר במועדון HT
- הודעות: 70328
- הצטרף: מאי 2005
- שם מלא: ערן
- נתן תודות: 518 פעמים
- קיבל תודות: 4198 פעמים
[left]Musk issues warning about robot takeover – ‘If they’re evolving rapidly, something’s up’
[/left]
https://www.express.co.uk/news/world/11 ... -bot-swarm
[/left]
https://www.express.co.uk/news/world/11 ... -bot-swarm
מחשבים כבר מזמן עברו את יכולת האדם בשחמט, וזה אפילו על מחשב רגיל ולא מחשב על...ufffnick כתב:לשחק שחמט זו המורכבות הכי גבוהה שהגיעו אליה, וגם שם מחשב העל הטוב בעולם מצליח להשתוות לאדם, קשה לבוא ולומר בודאות שמתעלה עליו....
פריצת הדרך האחרונה הייתה כש-AI ניצח את אלוף העולם ב'גו', משחק שנחשב למורכב בכמה רמות מעל שחמט.
Batnun
.
אנחנו כבר שם....
קודם כול, בינה מלאכותית זה שם לדובדבן שבקצפת, טכנולוגיה שמדמה התנהגות אנושית.
אבל היום האופנה היא רשתות נוירונים , שזה טכנולוגיה המנסה לחקות (בהצלחה) את פעולת המוח.
מחקר של בינה מלאכותית התחיל באמצע המאה הקודמת אבל הייתה בעייה קשה - כוח מחשוב.
העניין עלה שוב בשנות ה80 אבל ללא הצלחה, ולכן קיצצו את ההשקעות בנושא.
היום, 30 שנה אחרי כוח עיבוד זה כבר לא עניין.
בעשר שנים האחרונות טכנולוגיה זו הוכיחה את עצמה בתחומים כמו עוזרות אישיות, זיהוי תמונה, סייבר, רובוטיקה ורכבים אוטונומיים מתמרצת יותר את הנושא הן מבחינת מחקרים באוניברסיטות והן בחברות טכנולוגיות.
הקיצר, התחום הולך לחוות קפיצה משמעותית.
קודם כול, בינה מלאכותית זה שם לדובדבן שבקצפת, טכנולוגיה שמדמה התנהגות אנושית.
אבל היום האופנה היא רשתות נוירונים , שזה טכנולוגיה המנסה לחקות (בהצלחה) את פעולת המוח.
מחקר של בינה מלאכותית התחיל באמצע המאה הקודמת אבל הייתה בעייה קשה - כוח מחשוב.
העניין עלה שוב בשנות ה80 אבל ללא הצלחה, ולכן קיצצו את ההשקעות בנושא.
היום, 30 שנה אחרי כוח עיבוד זה כבר לא עניין.
בעשר שנים האחרונות טכנולוגיה זו הוכיחה את עצמה בתחומים כמו עוזרות אישיות, זיהוי תמונה, סייבר, רובוטיקה ורכבים אוטונומיים מתמרצת יותר את הנושא הן מבחינת מחקרים באוניברסיטות והן בחברות טכנולוגיות.
הקיצר, התחום הולך לחוות קפיצה משמעותית.
- tomer953
- חבר מכור קשה
- הודעות: 5295
- הצטרף: מרץ 2010
- שם מלא: tomer953
- נתן תודות: 242 פעמים
- קיבל תודות: 1452 פעמים
·Batnun כתב:מחשבים כבר מזמן עברו את יכולת האדם בשחמט, וזה אפילו על מחשב רגיל ולא מחשב על.........
פריצת הדרך האחרונה הייתה כש-AI ניצח את אלוף העולם ב'גו', משחק שנחשב למורכב בכמה רמות מעל שחמט.
Batnun
....
באותו עניין,
לפני מס' שבועות השחקן הטוב בעולם בגו הכריז על פרישה, בכתבה אוזכר הסיפור שאמרת וראיתי שיש סרט תיעודי בנטפליקס על ה AI שניצח אותו.
הסרט הזה יגרום להרבה אנשים פה לחשוב מחדש על הכוח של AI... מומלץ מאוד.
לי אישית זה נתן כאפה ואני לגמרי יכול לראות עתיד שבו אין מונח כזה "יצירתיות" שכן המחשב יכול ללמוד לבד..
עניין של זמן עד שהוא ילחין את הלהיטים הכי גדולים במוסיקה, ויצייר את הציורים הכי יפים, יעצב בתים, וכל דבר שחשבנו שדורש יצירתיות ומחשב לא יכול לעשות - הוא בסוף ילמד לעשות ויותר טוב מאיתנו.
- Huber (פותח השרשור)
- חבר במועדון HT
- הודעות: 70328
- הצטרף: מאי 2005
- שם מלא: ערן
- נתן תודות: 518 פעמים
- קיבל תודות: 4198 פעמים
- ufffnick
- גורו
- הודעות: 4623
- הצטרף: ספטמבר 2008
- מיקום: Fiat 500 שחוטה (כשר), ברחוב סומסום
- נתן תודות: 127 פעמים
- קיבל תודות: 466 פעמים
@tomer953
·
יצירתיות והמצאתיות יישארו, כנראה, תמיד בידי האדם.
מגבלת המכונה הלומדת היא בכך שהיא לא יודעת לעשות דבר מלבד התחום הצר של המודל המתמטי שלמדה.
אין כיום מכונה שעושה "גם וגם", למעשה הכי קרוב ל"גם וגם" זה כל עוד מודל המתמטי הספציפי של המכונה נמצא מתאים לאלפיקציה נוספת (למשל גו וחיפוש אחר פלנטות שבשני המקרים מדובר באיפיון מספרי של שטחים, האחד מחשב את הניקוד המקסימלי, השני מחשב הסתברות מקסימלית למציאת פלנטה בשטח נתון).
כדי להגיע למכונה שעושה גם וגם, אתה צריך הרבה מכונות שמתמחות בהרבה תחומים וגם אז תתקל בשתי מגבלות:
1. והמרכזית - מי בוחר מתי להפעיל איזו מכונה? גם זה דורש כמה וכמה מכונות בפני עצמן, וחוזר חלילה.
2. בהנחה שפתרנו את הקודם, מה קורה אם סך המכונות שיש, נתקלות במידע חדש, שלא נלמד ולא תואם אף מכונה שיש במחסנית? התשובה היא, שנכון לעתיד הנראה לעין, מאוד מורכב ליצור מכונה שתייצר לעצמה מידע שתוכל ללמוד על בסיסו מה נדרש.
יתרה מכך, כיום לא חייב ללמד מכונה כדי שתדע להתמודד עם מידע חדש, צריך לבנות רשת נוירונים מספיק מורכבת והיא תתמודד עם כך, רק ש... שוב, כל רשת נוירונים סופית וקבועה, תדע להתמודד עם מספר ידוע, סופי וקבוע של סוגי משימות. כל משימה מחוץ לתחום הזה, נידונה לכישלון.
כדי להתעלות על כך נדרש מספר אדיר של נוירונים (נשמע מוכר?) בחלוקה גסה לאזורים שנותנים מענה לתחומי על שונים של יכולות (עדיין מוכר?) והכי חשוב - דינאמיות. כלומר לייצר ולהרוס נוירונים בהתאם לדרישה.
עד הדינאמיות, זה בגדר של כמות משאבים ומשך זמן התגובה לסיטואציה.
מבחינת דינאמיות, אני לא מכיר רשתות נוירונים דינאמיות, עדיין.
·
יצירתיות והמצאתיות יישארו, כנראה, תמיד בידי האדם.
מגבלת המכונה הלומדת היא בכך שהיא לא יודעת לעשות דבר מלבד התחום הצר של המודל המתמטי שלמדה.
אין כיום מכונה שעושה "גם וגם", למעשה הכי קרוב ל"גם וגם" זה כל עוד מודל המתמטי הספציפי של המכונה נמצא מתאים לאלפיקציה נוספת (למשל גו וחיפוש אחר פלנטות שבשני המקרים מדובר באיפיון מספרי של שטחים, האחד מחשב את הניקוד המקסימלי, השני מחשב הסתברות מקסימלית למציאת פלנטה בשטח נתון).
כדי להגיע למכונה שעושה גם וגם, אתה צריך הרבה מכונות שמתמחות בהרבה תחומים וגם אז תתקל בשתי מגבלות:
1. והמרכזית - מי בוחר מתי להפעיל איזו מכונה? גם זה דורש כמה וכמה מכונות בפני עצמן, וחוזר חלילה.
2. בהנחה שפתרנו את הקודם, מה קורה אם סך המכונות שיש, נתקלות במידע חדש, שלא נלמד ולא תואם אף מכונה שיש במחסנית? התשובה היא, שנכון לעתיד הנראה לעין, מאוד מורכב ליצור מכונה שתייצר לעצמה מידע שתוכל ללמוד על בסיסו מה נדרש.
יתרה מכך, כיום לא חייב ללמד מכונה כדי שתדע להתמודד עם מידע חדש, צריך לבנות רשת נוירונים מספיק מורכבת והיא תתמודד עם כך, רק ש... שוב, כל רשת נוירונים סופית וקבועה, תדע להתמודד עם מספר ידוע, סופי וקבוע של סוגי משימות. כל משימה מחוץ לתחום הזה, נידונה לכישלון.
כדי להתעלות על כך נדרש מספר אדיר של נוירונים (נשמע מוכר?) בחלוקה גסה לאזורים שנותנים מענה לתחומי על שונים של יכולות (עדיין מוכר?) והכי חשוב - דינאמיות. כלומר לייצר ולהרוס נוירונים בהתאם לדרישה.
עד הדינאמיות, זה בגדר של כמות משאבים ומשך זמן התגובה לסיטואציה.
מבחינת דינאמיות, אני לא מכיר רשתות נוירונים דינאמיות, עדיין.
- tomer953
- חבר מכור קשה
- הודעות: 5295
- הצטרף: מרץ 2010
- שם מלא: tomer953
- נתן תודות: 242 פעמים
- קיבל תודות: 1452 פעמים
Huber כתב:tomer953 - בסופו של דבר? בהחלט יתכן. כרגע ובעתיד הקרוב - לא מאמין (יש הבדל בין ניצחון בגו ליצירתיות)....
אני לא חולק עליכם,
אני רק אומר שלאט לאט הגבולות בין מה שאנחנו תופסים כיצירתיות, לבין AI שמתעלה על זה, מטשטשים ככל שהטכנולוגיה מתקדמת.
לדוגמה עד ש AlphaGo ניצחה את לי סדול, מעל מליארד סינים האמינו שהמשחק הזה דורש יצירתיות ושאף מכונה לא יכולה להתעלות על לי במשחק הזה. (המשחק הזה הוא בליגה אחרת לגמרי מבחינה חישובית ומכיל יותר מהלכים אפשריים מאטומטים ביקום הנצפה).
מה שאני אומר הוא, שיכול להיות שאם אותם משאבים יוקצו ללמוד מה הופך שיר פופ ללהיט ברדיו,
או מה הופך מנת שף לטעימה, נראה תוצאות לא פחות מדהימות ממה ש AlphaGo עשתה, לדעתי זו רק ההתחלה.
AlphaGo ניצחה ממש לא מזמן ב-2016 ומאז בנו את AlphaGo Zero שכבר הצליחה לנצח את AlphaGo המקורית (עידן של קרב בין מכונות, האדם כבר מיותר..)
לכן לדעתי בואו ניקח חלון זמן של 5-10 שנים ואני די בטוח שיהיו כותרות יותר רועשות מ AI שניצח במשחק לוח המסובך בעולם...
- Huber (פותח השרשור)
- חבר במועדון HT
- הודעות: 70328
- הצטרף: מאי 2005
- שם מלא: ערן
- נתן תודות: 518 פעמים
- קיבל תודות: 4198 פעמים
- tomer953
- חבר מכור קשה
- הודעות: 5295
- הצטרף: מרץ 2010
- שם מלא: tomer953
- נתן תודות: 242 פעמים
- קיבל תודות: 1452 פעמים
היצירתיות והמספרים שאתה מתאר מזכיר לי קצת את בעיות ה- P vs NP אף אחד לא יכול לענות על זה בבירור אבל ייתכן שאם הזמן גם בעיות שחשבנו שהם NP בסוף שייכות ל-P.
אולי דברים שאתה חושב שהם "יצירתיות טהורה" היום, עוד X שנים מודל AI יתרגם אותם למספרים וילמד את עצמו להכין מנת שף טעימה \ ליצור לחן קליט...
ברור שיש תחומים שבהם זה נראה בלתי אפשרי ושהעתיד הזה אם קיים רחוק מאוד, אבל לדעתי יש דברים שבהם ה AI יפתיעו, ומציע שנחכה ונראה..
אולי דברים שאתה חושב שהם "יצירתיות טהורה" היום, עוד X שנים מודל AI יתרגם אותם למספרים וילמד את עצמו להכין מנת שף טעימה \ ליצור לחן קליט...
ברור שיש תחומים שבהם זה נראה בלתי אפשרי ושהעתיד הזה אם קיים רחוק מאוד, אבל לדעתי יש דברים שבהם ה AI יפתיעו, ומציע שנחכה ונראה..