Τεχνητή Νοημοσύνη: Βάζοντας τους Αλγόριθμους σε Δράση

Οι αλγόριθμοι και η τεχνητή νοημοσύνη άλλαξαν το παιχνίδι δεδομένων. Η ανθρώπινη φυλή βρίσκεται τώρα σε μια απίστευτη διασταύρωση άνευ προηγουμένου όγκου δεδομένων, που παράγονται από όλο και μικρότερο και ισχυρότερο υλικό. Τα δεδομένα επίσης ολοένα και περισσότερο επεξεργάζονται και αναλύονται από τους ίδιους υπολογιστές που η διαδικασία βοήθησε στη διάδοση και ανάπτυξη. Αυτή η δήλωση μπορεί να φαίνεται προφανής, αλλά τα δεδομένα έχουν γίνει τόσο πανταχού παρόντα που η αξία τους δεν έγκειται πλέον μόνο στις πληροφορίες που περιέχει (όπως η περίπτωση των δεδομένων που είναι αποθηκευμένα στη βάση δεδομένων μιας εταιρείας που επιτρέπει τις καθημερινές λειτουργίες της), αλλά μάλλον στη χρήση τους ως σημαίνει δημιουργία νέων αξιών. τέτοια δεδομένα περιγράφονται ως το «νέο λάδι». Αυτές οι νέες τιμές υπάρχουν κυρίως στον τρόπο με τον οποίο οι εφαρμογές μανικιούρ, αποθηκεύουν και ανακτούν δεδομένα και στον τρόπο με τον οποίο τα χρησιμοποιείτε πραγματικά μέσω έξυπνων αλγορίθμων.

Οι αλγόριθμοι τεχνητής νοημοσύνης έχουν δοκιμάσει διαφορετικές προσεγγίσεις στην πορεία, περνώντας από απλούς αλγόριθμους σε συμβολικούς συλλογισμούς που βασίζονται στη λογική και στη συνέχεια σε έμπειρα συστήματα. Τα τελευταία χρόνια, έγιναν νευρωνικά δίκτυα και, στην πιο ώριμη μορφή τους, βαθιά μάθηση. Καθώς συνέβη αυτό το μεθοδολογικό απόσπασμα, τα δεδομένα μετατράπηκαν από πληροφορίες που επεξεργάζονταν από προκαθορισμένους αλγόριθμους σε αυτό που διαμόρφωσε τον αλγόριθμο σε κάτι χρήσιμο για την εργασία. Τα δεδομένα μετατράπηκαν από απλώς την πρώτη ύλη που τροφοδοτούσε τη λύση στον τεχνίτη της ίδιας της λύσης, όπως φαίνεται εδώ.

Με τις παρούσες λύσεις AI, περισσότερα δεδομένα ισοδυναμούν με περισσότερη νοημοσύνη.

Έτσι, μια φωτογραφία μερικών από τα γατάκια σας γίνεται ολοένα και πιο χρήσιμη όχι μόνο λόγω της συναισθηματικής της αξίας —που απεικονίζει τις χαριτωμένες μικρές γάτες σας— αλλά επειδή θα μπορούσε να γίνει μέρος της διαδικασίας μάθησης μιας τεχνητής νοημοσύνης που ανακαλύπτει πιο γενικές έννοιες, όπως ποια χαρακτηριστικά δηλώνουν μια γάτα ή κατανοούν τι ορίζει το χαριτωμένο.

Σε μεγαλύτερη κλίμακα, μια εταιρεία όπως η Google τροφοδοτεί τους αλγόριθμους της από ελεύθερα διαθέσιμα δεδομένα, όπως το περιεχόμενο ιστότοπων ή το κείμενο που βρίσκεται σε δημόσια διαθέσιμα κείμενα και βιβλία. Το λογισμικό Google spider ανιχνεύει τον ιστό, μεταπηδώντας από ιστότοπο σε ιστότοπο, ανακτώντας ιστοσελίδες με το περιεχόμενο κειμένου και εικόνων. Ακόμα κι αν η Google επιστρέφει μέρος των δεδομένων στους χρήστες ως αποτελέσματα αναζήτησης, εξάγει άλλα είδη πληροφοριών από τα δεδομένα χρησιμοποιώντας τους αλγόριθμους τεχνητής νοημοσύνης της, οι οποίοι μαθαίνουν από αυτό πώς να επιτύχουν άλλους στόχους.

Οι αλγόριθμοι που επεξεργάζονται λέξεις μπορούν να βοηθήσουν τα συστήματα τεχνητής νοημοσύνης της Google να κατανοήσουν και να προβλέψουν τις ανάγκες σας ακόμα και όταν δεν τις εκφράζετε με ένα σύνολο λέξεων-κλειδιών αλλά σε απλή, ασαφή φυσική γλώσσα, τη γλώσσα που μιλάμε καθημερινά (και ναι, η καθημερινή γλώσσα είναι συχνά ασαφής) . Εάν αυτή τη στιγμή προσπαθείτε να θέσετε ερωτήσεις, όχι απλώς αλυσίδες λέξεων-κλειδιών, στη μηχανή αναζήτησης Google, θα παρατηρήσετε ότι τείνει να απαντά σωστά. Από το 2012, με την εισαγωγή της ενημέρωσης Hummingbird, η Google έγινε καλύτερα σε θέση να κατανοεί συνώνυμα και έννοιες, κάτι που ξεπερνά τα αρχικά δεδομένα που απέκτησε και αυτό είναι το αποτέλεσμα μιας διαδικασίας τεχνητής νοημοσύνης. Ένας ακόμη πιο προηγμένος αλγόριθμος υπάρχει στο Google, ονόματι RankBrain, ο οποίος μαθαίνει απευθείας από εκατομμύρια ερωτήματα κάθε μέρα και μπορεί να απαντήσει σε διφορούμενα ή ασαφή ερωτήματα αναζήτησης, ακόμη και εκφρασμένα σε αργκό ή καθομιλουμένους ή απλά με λάθη. Το RankBrain δεν εξυπηρετεί όλα τα ερωτήματα, αλλά μαθαίνει από δεδομένα πώς να απαντά καλύτερα στα ερωτήματα. Διαχειρίζεται ήδη το 15 τοις εκατό των ερωτημάτων του κινητήρα και στο μέλλον, αυτό το ποσοστό θα μπορούσε να γίνει 100 τοις εκατό.