Pembelajaran tiruan: Cara mesin belajar daripada yang terbaik

• Pengarang
• Nama pengarang

  Quantumrun Foresight
• Mac 6, 2024

Ringkasan cerapan

Pembelajaran tiruan (IL) sedang mengubah pelbagai industri dengan membolehkan mesin mempelajari tugas melalui demonstrasi manusia pakar, memintas pengaturcaraan yang meluas. Kaedah ini amat berkesan dalam bidang yang sukar untuk ditentukan fungsi ganjaran yang tepat, seperti robotik dan penjagaan kesihatan, yang menawarkan kecekapan dan ketepatan yang lebih baik. Implikasi yang lebih luas termasuk peralihan dalam permintaan buruh, kemajuan dalam pembangunan produk, dan keperluan untuk rangka kerja pengawalseliaan baharu untuk mengurus teknologi baru muncul ini.

Konteks pembelajaran tiruan

Pembelajaran tiruan ialah pendekatan dalam kecerdasan buatan (AI) di mana mesin belajar melaksanakan tugas dengan meniru tingkah laku pakar. Dalam kaedah pembelajaran mesin (ML) tradisional seperti pembelajaran pengukuhan, ejen belajar melalui percubaan dan kesilapan dalam persekitaran tertentu, dipandu oleh fungsi ganjaran. Walau bagaimanapun, IL mengambil laluan yang berbeza; ejen belajar daripada set data demonstrasi oleh pakar, biasanya manusia. Objektifnya bukan sahaja untuk meniru tingkah laku pakar tetapi untuk menerapkannya dengan berkesan dalam keadaan yang sama. Sebagai contoh, dalam robotik, IL mungkin melibatkan robot yang belajar untuk menangkap objek dengan memerhatikan manusia melakukan tugas itu, memintas keperluan untuk pengaturcaraan yang meluas bagi semua kemungkinan senario yang mungkin dihadapi oleh robot itu.

Pada mulanya, pengumpulan data berlaku apabila pakar menunjukkan tugas, sama ada memandu kereta atau mengawal lengan robot. Tindakan dan keputusan pakar semasa tugasan ini direkodkan dan menjadi asas kepada bahan pembelajaran. Seterusnya, data yang dikumpul ini digunakan untuk melatih model ML, mengajarnya dasar – pada asasnya, satu set peraturan atau pemetaan daripada perkara yang diperhatikan oleh mesin kepada tindakan yang sepatutnya diambil. Akhir sekali, model terlatih diuji dalam persekitaran yang serupa untuk menilai prestasinya berbanding dengan pakar. 

Pembelajaran meniru telah menunjukkan potensi dalam pelbagai bidang, terutamanya apabila mentakrifkan fungsi ganjaran yang tepat adalah kompleks atau kepakaran manusia adalah sangat berharga. Dalam pembangunan kenderaan autonomi, ia digunakan untuk memahami manuver pemanduan yang rumit daripada pemandu manusia. Dalam robotik, ia membantu dalam melatih robot untuk tugas yang mudah untuk manusia tetapi mencabar untuk mengekod, seperti kerja rumah atau kerja barisan pemasangan. Tambahan pula, ia mempunyai aplikasi dalam penjagaan kesihatan, seperti dalam pembedahan robotik, di mana mesin belajar daripada pakar bedah pakar, dan dalam permainan, di mana ejen AI belajar daripada permainan manusia. 

Kesan yang mengganggu

Apabila mesin menjadi lebih mahir meniru tugas manusia yang kompleks, pekerjaan tertentu, terutamanya yang melibatkan tugas berulang atau berbahaya, mungkin beralih ke arah automasi. Perubahan ini membentangkan senario dwi-mata: walaupun ia boleh menyebabkan perpindahan pekerjaan dalam beberapa sektor, ia juga membuka peluang untuk penciptaan pekerjaan baharu dalam penyelenggaraan, pengawasan dan pembangunan AI. Industri mungkin perlu menyesuaikan diri dengan menawarkan program latihan semula dan memberi tumpuan kepada peranan yang memerlukan kemahiran manusia yang unik, seperti penyelesaian masalah kreatif dan kecerdasan emosi.

Dalam pembangunan produk dan perkhidmatan, IL menawarkan kelebihan yang besar. Syarikat boleh menggunakan teknologi ini untuk membuat prototaip dan menguji produk baharu dengan pantas, mengurangkan masa dan kos yang berkaitan dengan proses R&D tradisional. Sebagai contoh, IL boleh mempercepatkan pembangunan kenderaan autonomi yang lebih selamat dan cekap dengan belajar daripada corak pemanduan manusia. Selain itu, teknologi ini boleh membawa kepada pembedahan robotik yang lebih tepat dan diperibadikan, dipelajari daripada pakar bedah terbaik di seluruh dunia, meningkatkan hasil pesakit.

Kerajaan mungkin perlu membangunkan rangka kerja baharu untuk menangani implikasi etika dan kemasyarakatan AI, terutamanya sekitar privasi, keselamatan data dan pengagihan manfaat teknologi yang saksama. Trend ini juga memerlukan pelaburan dalam program pendidikan dan latihan untuk menyediakan tenaga kerja bagi masa depan yang berteraskan AI. Tambahan pula, IL boleh memainkan peranan penting dalam aplikasi sektor awam, seperti perancangan bandar dan pemantauan alam sekitar, membolehkan membuat keputusan yang lebih cekap dan termaklum.

Implikasi pembelajaran meniru

Implikasi IL yang lebih luas mungkin termasuk: 

• Latihan yang dipertingkatkan untuk pakar bedah dan kakitangan perubatan menggunakan pembelajaran tiruan, yang membawa kepada ketepatan pembedahan dan penjagaan pesakit yang lebih baik.
• Latihan kenderaan autonomi yang lebih berkesan, mengurangkan kemalangan dan mengoptimumkan aliran trafik dengan belajar daripada pemandu manusia yang pakar.
• Pembangunan bot perkhidmatan pelanggan lanjutan dalam runcit, menyediakan bantuan diperibadikan dengan meniru wakil perkhidmatan pelanggan manusia yang berprestasi tinggi.
• Penambahbaikan dalam alatan dan platform pendidikan, menawarkan pengalaman pembelajaran tersuai kepada pelajar berdasarkan tiruan teknik pendidik pakar.
• Kemajuan dalam pembuatan robot, di mana robot mempelajari tugas pemasangan yang kompleks daripada pekerja manusia mahir, meningkatkan kecekapan dan ketepatan.
• Protokol keselamatan yang dipertingkatkan dalam industri berbahaya, dengan pembelajaran mesin dan meniru pakar manusia dalam mengendalikan tugas berbahaya dengan selamat.
• Program latihan olahraga dan fizikal yang dipertingkatkan menggunakan jurulatih AI yang meniru jurulatih elit, memberikan bimbingan yang diperibadikan untuk atlet.
• Pembangunan AI yang lebih hidup dan responsif dalam hiburan dan permainan, mewujudkan pengalaman yang lebih mengasyikkan dan interaktif.
• Penambahbaikan dalam perkhidmatan terjemahan bahasa, dengan sistem AI belajar daripada ahli bahasa pakar untuk menyediakan terjemahan yang lebih tepat dan berkaitan kontekstual.
• Kemajuan dalam automasi rumah dan robotik peribadi, mempelajari tugas rumah daripada pemilik rumah untuk mendapatkan bantuan yang lebih cekap dan diperibadikan.

Soalan yang perlu dipertimbangkan

• Bagaimanakah penyepaduan IL dalam teknologi harian boleh mengubah tugas rutin harian kita di rumah dan tempat kerja?
• Apakah pertimbangan etika yang harus ditangani apabila mesin semakin belajar dan meniru tingkah laku manusia?