Πρόσφατα η Google αποκάλυψε τα όνειρα των πιο προηγμένων τεχνολογικών μέσων και είναι μάλλον τρομακτικά.
Πρόκειται για μια εκπληκτική σειρά από εικόνες που εξηγούν πώς τα συστήματα μαθαίνουν με την πάροδο του χρόνου και τι συμβαίνει όταν καταλαβαίνουν κάτι λάθος.
«Τα τεχνητά Νευρωνικά Δίκτυα έχουν σημειώσει αξιοσημείωτη πρόοδο στην ταξινόμηση της εικόνας και την αναγνώριση της ομιλίας,» έγραψε η ομάδα τεχνητής νοημοσύνης της της Google. «Αλλά ακόμη κι αν αυτά είναι πολύ χρήσιμα εργαλεία που βασίζονται σε γνωστές μαθηματικές μεθόδους, δεν μπορούμε πραγματικά να κατανοήσουμε με ακρίβεια γιατί ορισμένα μοντέλα λειτουργούν και άλλα όχι.»
Η Google εκπαιδεύει ένα τεχνητό νευρωνικό δίκτυο, δείχνοντας του εκατομμύρια παραδείγματα εκπαίδευσης και προσαρμόζοντας βαθμιαία τις παραμέτρους του δικτύου μέχρι να δίνει τις ταξινομήσεις που η ομάδα θέλει.
Το δίκτυο αποτελείται συνήθως από 10-30 στρώματα τεχνητών νευρώνων. Κάθε εικόνα τροφοδοτείται μέσα στο στρώμα εισόδου, το οποίο στη συνέχεια μιλά στο επόμενο στρώμα, μέχρι να επιτευχθεί τελικά το στρώμα εξόδου.
Η «απάντηση» του δικτύου προέρχεται από αυτό το τελικό στρώμα εξόδου. Με τον τρόπο αυτό, το λογισμικό δημιουργεί μια ιδέα του τι σκέφτεται.
Πρόκειται για μια εκπληκτική σειρά από εικόνες που εξηγούν πώς τα συστήματα μαθαίνουν με την πάροδο του χρόνου και τι συμβαίνει όταν καταλαβαίνουν κάτι λάθος.
«Τα τεχνητά Νευρωνικά Δίκτυα έχουν σημειώσει αξιοσημείωτη πρόοδο στην ταξινόμηση της εικόνας και την αναγνώριση της ομιλίας,» έγραψε η ομάδα τεχνητής νοημοσύνης της της Google. «Αλλά ακόμη κι αν αυτά είναι πολύ χρήσιμα εργαλεία που βασίζονται σε γνωστές μαθηματικές μεθόδους, δεν μπορούμε πραγματικά να κατανοήσουμε με ακρίβεια γιατί ορισμένα μοντέλα λειτουργούν και άλλα όχι.»
Η Google εκπαιδεύει ένα τεχνητό νευρωνικό δίκτυο, δείχνοντας του εκατομμύρια παραδείγματα εκπαίδευσης και προσαρμόζοντας βαθμιαία τις παραμέτρους του δικτύου μέχρι να δίνει τις ταξινομήσεις που η ομάδα θέλει.
Το δίκτυο αποτελείται συνήθως από 10-30 στρώματα τεχνητών νευρώνων. Κάθε εικόνα τροφοδοτείται μέσα στο στρώμα εισόδου, το οποίο στη συνέχεια μιλά στο επόμενο στρώμα, μέχρι να επιτευχθεί τελικά το στρώμα εξόδου.
Η «απάντηση» του δικτύου προέρχεται από αυτό το τελικό στρώμα εξόδου. Με τον τρόπο αυτό, το λογισμικό δημιουργεί μια ιδέα του τι σκέφτεται.
Δεν υπάρχουν σχόλια :
Δημοσίευση σχολίου