Neyro-ramziy AI: nihoyat mantiq va o'rganishni boshqara oladigan mashina

• Muallif:
• Muallifning ismi

  Kvant davrini bashorat qilish
• Aprel 13, 2023

Mashina o'rganish (ML) har doim o'zining noyob muammolari bilan istiqbolli texnologiya bo'lib kelgan, ammo tadqiqotchilar katta ma'lumotlardan tashqari mantiqqa asoslangan tizim yaratishga intilishmoqda. Mantiqqa asoslangan tizimlar ramziy tasavvurlar va mulohaza yuritish bilan ishlash uchun moʻljallangan boʻlib, ular tizimning qaror qabul qilish jarayonini tushunishning yanada shaffof va talqin qilinadigan usulini taʼminlaydi. 

Neyro-ramziy AI konteksti

Neyro-ramziy AI (shuningdek, kompozit AI deb ataladi) sun'iy intellektning (AI) ikkita tarmog'ini birlashtiradi. Birinchidan, ramziy AI bo'lib, u munosabatlar va qoidalarni (ya'ni, ob'ektning rangi va shakli) tushunish uchun belgilardan foydalanadi. Ramziy AI ishlashi uchun bilimlar bazasi aniq, batafsil va to'liq bo'lishi kerak. Bu talab shuni anglatadiki, u o'z-o'zidan o'rgana olmaydi va bilimlar bazasini doimiy ravishda yangilab turish inson tajribasiga bog'liq. 

Neyro-ramziy AIning boshqa komponenti chuqur neyron tarmoqlar (chuqur tarmoqlar) yoki chuqur o'rganish (DL). Ushbu texnologiya katta ma'lumotlar to'plamini qayta ishlashni o'z-o'zini o'rganish uchun inson miyasining neyronlariga taqlid qiluvchi ko'plab tugun qatlamlaridan foydalanadi. Misol uchun, chuqur to'rlar mushuk va itlarning turli tasvirlaridan o'tib, qaysi biri qaysiligini aniq aniqlashi mumkin va ular vaqt o'tishi bilan yaxshilanadi. Biroq, chuqur tarmoqlar qila olmaydigan narsa murakkab munosabatlarni qayta ishlashdir. Ramziy AI va chuqur tarmoqlarni birlashtirib, tadqiqotchilar katta hajmdagi ma'lumotlarni bilimlar bazasiga kiritish uchun DL-dan foydalanadilar, shundan so'ng ramziy AI qoidalar va munosabatlarni aniqlashi yoki aniqlashi mumkin. Bu kombinatsiya bilimlarni yanada samarali va aniqroq topish va qaror qabul qilish imkonini beradi.

Neyro-ramziy AI murojaat qiladigan yana bir soha bu chuqur tarmoqning qimmat o'qitish jarayonidir. Bundan tashqari, chuqur tarmoqlar kichik kirish ma'lumotlaridagi o'zgarishlarga sezgir bo'lishi mumkin, bu esa tasniflash xatolariga olib keladi. Ular, shuningdek, mavhum fikrlash va ko'p o'quv ma'lumotlarisiz savollarga javob berish bilan kurashadilar. Bundan tashqari, ushbu tarmoqlarning ichki ishi murakkab va odamlar uchun tushunish qiyin bo'lib, ularning bashoratlari ortidagi mulohazalarni izohlashni qiyinlashtiradi.

Buzg'unchi ta'sir

Stenford universiteti tadqiqotchilari asosiy 100,000D shakllarning (kvadratchalar, sharlar, tsilindrlar va boshqalar) 3 98.9 ta tasviridan foydalangan holda kompozit AI bo'yicha dastlabki tadqiqotlarni o'tkazdilar, so'ngra gibridni ma'lumotlarni qayta ishlash va munosabatlarni xulosa qilishga o'rgatish uchun turli savollardan foydalanishdi (masalan, kublar qizilmi? ). Ular neyro-ramziy AI bu savollarga 10 foiz vaqt to‘g‘ri javob bera olishini aniqladilar. Bundan tashqari, gibrid yechimlarni ishlab chiqish uchun o'quv ma'lumotlarining atigi XNUMX foizini talab qildi. 

Belgilar yoki qoidalar chuqur tarmoqlarni boshqarganligi sababli, tadqiqotchilar ular qanday "o'rganayotganini" va buzilishlar qaerda sodir bo'lishini osongina ko'rishlari mumkin. Ilgari, bu chuqur tarmoqlarning zaif tomonlaridan biri, murakkab kodlar va algoritmlarning qatlamlari va qatlamlari tufayli kuzatilishi mumkin emas edi. Neyro-ramziy sun’iy intellekt o‘z-o‘zidan boshqariladigan transport vositalarida yo‘ldagi ob’ektlar va atrof-muhitdagi har qanday o‘zgarishlarni tanib olish uchun sinovdan o‘tkazilmoqda. Keyin bu tashqi omillarga to'g'ri munosabatda bo'lishga o'rgatiladi. 

Biroq, ramziy AI va chuqur tarmoqlarning kombinatsiyasi yanada rivojlangan AI sari eng yaxshi yo'l ekanligi haqida turlicha fikrlar mavjud. Ba'zi tadqiqotchilar, masalan, Braun universiteti olimlarining fikricha, bu gibrid yondashuv inson aqli erishgan mavhum fikrlash darajasiga mos kelmasligi mumkin. Inson ongi maxsus ramziy komponentga muhtoj bo'lmasdan, biologik neyron tarmoqlardan foydalangan holda, ob'ektlarning ramziy tasvirlarini yaratishi va ushbu belgilar yordamida turli xil fikrlashni amalga oshirishi mumkin. Ba'zi ekspertlarning ta'kidlashicha, muqobil usullar, masalan, chuqur tarmoqlarga inson qobiliyatlarini taqlid qiluvchi xususiyatlarni qo'shish sun'iy intellekt imkoniyatlarini oshirishda samaraliroq bo'lishi mumkin.

Neyro-ramziy AI uchun ilovalar

Neyro-ramziy AI uchun ba'zi ilovalar quyidagilarni o'z ichiga olishi mumkin:

• Botlar, masalan, chatbotlar, inson buyruqlari va motivatsiyasini yaxshiroq tushunib, aniqroq javoblar va xizmatlarni ishlab chiqaradi.
• Tibbiy diagnostika, davolashni rejalashtirish va dori-darmonlarni ishlab chiqish kabi muammolarni hal qilishning yanada murakkab va nozik stsenariylarida qo'llanilishi. Ushbu texnologiya transport, energetika va ishlab chiqarish kabi sohalarda ilmiy va texnologik tadqiqotlarni jadallashtirish uchun ham qo'llanilishi mumkin. 
• Hozirgi vaqtda insoniy mulohazani talab qiladigan qaror qabul qilish jarayonlarini avtomatlashtirish. Natijada, bunday ilovalar mijozlarga xizmat ko'rsatish kabi ba'zi sohalarda hamdardlik va javobgarlikni yo'qotishiga olib kelishi mumkin.
• Elektr energiyasini faol ravishda tejash va xavfsizlik choralarini qo'llash kabi turli stsenariylarni qayta ishlay oladigan yanada intuitiv aqlli qurilmalar va virtual yordamchilar.
• Maxfiylik, egalik va mas'uliyat bilan bog'liq muammolar kabi yangi axloqiy va huquqiy savollar.
• Hukumat va boshqa siyosiy kontekstlarda qaror qabul qilishning takomillashtirilganligi. Ushbu texnologiyadan maqsadli reklama va giperpersonallashtirilgan reklama va ommaviy axborot vositalarini yaratish orqali jamoatchilik fikriga ta'sir qilish uchun ham foydalanish mumkin.

Ko'rib chiqilishi kerak bo'lgan savollar

• Sizningcha, neyro-ramziy AI bizning kundalik hayotimizga yana qanday ta'sir qiladi?
• Ushbu texnologiya boshqa sohalarda qanday qo'llanilishi mumkin?