Machines Die Elkaar Leren, Zouden Doorslaggevend Kunnen Zijn Voor Kunstmatige Intelligentie - Alternatieve Mening

Machines Die Elkaar Leren, Zouden Doorslaggevend Kunnen Zijn Voor Kunstmatige Intelligentie - Alternatieve Mening
Machines Die Elkaar Leren, Zouden Doorslaggevend Kunnen Zijn Voor Kunstmatige Intelligentie - Alternatieve Mening

Video: Machines Die Elkaar Leren, Zouden Doorslaggevend Kunnen Zijn Voor Kunstmatige Intelligentie - Alternatieve Mening

Video: Machines Die Elkaar Leren, Zouden Doorslaggevend Kunnen Zijn Voor Kunstmatige Intelligentie - Alternatieve Mening
Video: Les 10: Machine Learning & Artificial Intelligence 2024, November
Anonim

Tijdens een persconferentie om de stuurautomaatfunctie in de Tesla Model S in oktober 2015 aan te kondigen, zei Tesla-CEO Elon Musk dat elke bestuurder een "deskundige coach" zal worden voor elk Model S. Elk voertuig zal in staat zijn om zijn eigen autonome functies te verbeteren. leren van zijn bestuurder, maar wat nog belangrijker is, wanneer een Tesla leert van zijn bestuurder, zal die kennis worden gedeeld met de rest van Tesla-voertuigen.

Al snel merkten eigenaren van Model S dat de zelfrijdende functies van de auto geleidelijk verbeterden. In één voorbeeld maakten Tesla's de verkeerde vroege afritten op snelwegen, waardoor hun eigenaars werden gedwongen het voertuig handmatig langs de juiste route te navigeren. Na slechts een paar weken merkten eigenaren op dat auto's niet langer voortijdig uitstapten.

"Het is verbazingwekkend dat de verbetering zo snel gebeurde", zei een Tesla-eigenaar.

Intelligente systemen zoals die aangedreven door de nieuwste machine learning-software worden niet alleen slimmer: ze worden ook steeds slimmer. Het begrijpen van de snelheid waarmee deze systemen evolueren, kan een bijzonder moeilijk onderdeel zijn van het beheer van technologische vooruitgang.

Ray Kurzweil heeft uitgebreid geschreven over hiaten in het menselijk begrip, en beschrijft de zogenaamde "intuïtieve lineaire" kijk op technologische verandering en de "exponentiële" snelheid van verandering die nu plaatsvindt. Bijna twee decennia na het schrijven van een belangrijk essay noemde hij The Law of Accelerating Return - een theorie van evolutionaire verandering die beschrijft hoe de snelheid van verbetering in systemen verandert in de loop van de tijd - gerelateerde apparaten begonnen kennis onderling te delen, waardoor hun eigen verbetering werd versneld.

"Ik denk dat dit waarschijnlijk de grootste exponentiële trend in AI is", zegt Hod Lipson, hoogleraar werktuigbouwkunde en informatica aan Columbia University.

“Alle exponentiële technologieën hebben verschillende 'exponenten' voor trends, voegt hij eraan toe. "Maar deze is waarschijnlijk de grootste." Volgens hem is dit "machine learning" - wanneer apparaten kennis aan elkaar overdragen (niet te verwarren met machine learning) - een belangrijke stap naar het versnellen van de verbetering van dergelijke systemen.

“Soms is dit bijvoorbeeld samenwerking, wanneer de ene machine van de andere leert, alsof ze een zwermbewustzijn hebben. Soms is het een haasje-over, zoals een wapenwedloop tussen twee systemen die met elkaar schaken."

Promotie video:

Lipson gelooft dat dit pad van AI-ontwikkeling krachtig is, deels omdat het de behoefte aan trainingsgegevens wegneemt.

“Data is de brandstof van machine learning, maar zelfs voor machines is het moeilijk om aan bepaalde data te komen - het kan riskant, traag, duur of onbereikbaar zijn. In dergelijke gevallen kunnen machines hun ervaringen delen of synthetische ervaringen voor elkaar creëren om gegevens aan te vullen of te vervangen. Het blijkt dat dit niet zo'n zwak effect is - het is in wezen zelfversterking, en ook exponentieel."

Lipson noemt de recente doorbraak van DeepMind, AlphaGo Zero, als voorbeeldige training-AI zonder trainingsgegevens. Velen zijn bekend met AlphaGo, een AI voor machine learning die 's werelds beste Go-speler werd door een enorme hoeveelheid gegevens te onderzoeken van miljoenen games die in Go werden gespeeld. AlphaGo Zero was in staat om zelfs hem te verslaan zonder naar de trainingsgegevens te kijken, alleen de regels van het spel te leren en met zichzelf te spelen. Daarna versloeg hij 's werelds beste schaaksoftware na slechts acht uur oefenen.

Stel je voor dat duizenden van deze AlphaGo Zeroes hun opgedane kennis onmiddellijk delen.

En dit zijn niet alleen speelgoed. We zien nu al de krachtige impact van de snelheid waarmee bedrijven de prestaties van hun apparaten kunnen verbeteren. Een voorbeeld is de industriële digitale tweelingtechnologie: een softwaremodel van een machine die simuleert wat er met apparatuur gebeurt. Stel je voor dat een machine in zichzelf kijkt en zijn imago aan technici laat zien.

Een digitale dubbele stoomturbine kan bijvoorbeeld stoomtemperatuur, rotorsnelheid, koude starts en andere gegevens meten om storingen te voorspellen en technici te waarschuwen om kostbare reparaties te voorkomen. Digital twins doen deze voorspellingen door hun eigen prestaties te onderzoeken en vertrouwen ook op modellen die zijn ontwikkeld door andere stoomturbines.

Naarmate machines op krachtige nieuwe manieren in hun omgeving beginnen te leren, wordt hun ontwikkeling versneld door de uitwisseling van gegevens. De collectieve intelligentie van elke stoomturbine, verspreid over de planeet, kan de voorspellende kracht van elke individuele machine versnellen. Waar één auto zonder chauffeur is, zullen er ook honderden andere chauffeurs zijn die hun auto leren en kennis aan iedereen overdragen.

Vergeet niet dat dit nog maar het begin is.

Ilya Khel

Aanbevolen: