인공 지능 기계의 문제점은 학습하지만, 이해할 수는 없다.

요즘 모두가 "AI"에 대해 이야기하고 있습니다. 그러나 Siri, Alexa 또는 스마트 폰 키보드의 자동 고침 기능을 보든 일반용 인공 지능은 만들지 않습니다. 특정하고 좁은 작업을 수행 할 수있는 프로그램을 만들고 있습니다..

컴퓨터는 "생각할"수 없다.

회사가 새로운 "인공 지능"기능을 제공한다고 말하면 일반적으로 회사에서 기계 학습을 사용하여 신경 네트워크를 구축한다는 의미입니다. "기계 학습"은 기계가 특정 작업을 더 잘 수행하는 방법을 "학습"할 수있게하는 기술입니다.

우리는 여기서 기계 학습을 공격하지 않습니다! 기계 학습은 많은 강력한 기능을 갖춘 환상적인 기술입니다. 하지만 범용 인공 지능이 아니기 때문에 기계 학습의 한계를 이해하면 현재 AI 기술이 왜 제한적인지 이해하는 데 도움이됩니다..

공상 과학 소설의 "인공 지능"은 인간이하는 것처럼 사물에 대해 생각하고 이해하는 전산 또는 로봇 식 뇌입니다. 그러한 인공 지능은 인공 지능 (AGI)이 될 것입니다. 즉, 여러 가지 다른 것을 생각할 수 있고 지능을 여러 다른 영역에 적용 할 수 있습니다. 관련 개념은 인간과 같은 의식을 경험할 수있는 기계 인 "강력한 AI"입니다..

우리는 아직 그런 종류의 인공 지능을 가지고 있지 않습니다. 우리는 어디에도 가까이 있지 않습니다. Siri, Alexa 또는 Cortana와 같은 컴퓨터 엔티티는 우리가하는 것처럼 이해하고 생각하지 않습니다. 그것은 정말로 모든 것을 "이해"하지 않습니다..

우리가 가지고있는 인공 지능은 인간이 그들이 학습하는 데 도움이되는 데이터를 제공 할 수 있다고 가정 할 때 특정 작업을 아주 잘하도록 훈련되었습니다. 그들은 뭔가를 배우지 만 그것을 이해하지 못합니다..

컴퓨터가 이해하지 못함

Gmail에는 이메일에 대한 답변을 제안하는 새로운 "스마트 답장"기능이 있습니다. Smart Reply 기능은 "내 iPhone에서 전송되었습니다"라는 공통 응답으로 식별되었습니다. 또한 직장 이메일을 포함하여 다양한 유형의 이메일에 대한 응답으로 "당신을 사랑합니다"라고 제안하고자했습니다..

컴퓨터가 이러한 응답의 의미를 이해하지 못하기 때문입니다. 많은 사람들이이 구를 이메일로 보냈다는 것을 알게되었습니다. 당신의 상사에게 "당신을 사랑합니다"라고 말하고 싶은지 아닌지를 알지 못합니다..

또 다른 예로서, Google 포토는 우리 가정 중 한 곳에 우발적 인 카펫 사진 콜라주를 합친 것입니다. 그런 다음 콜라주가 Google 홈 허브의 최근 하이라이트임을 확인했습니다. Google 포토는 사진이 비슷하지만 중요하지 않은 점을 이해하지 못함을 알고있었습니다..

기계 게임을 자주 배우는 시스템

기계 학습은 모든 작업을 할당하고 컴퓨터로 하여금 가장 효율적인 방법을 결정하도록합니다. 그들이 이해하지 못하기 때문에, 당신이 원하는 것과 다른 문제를 해결하는 방법을 "배우는"컴퓨터로 끝내기는 쉽습니다..

다음은 "인공 지능"이 게임을하기 위해 만들어지고 할당 된 목표가 방금 시스템을 게임하는 재미있는 예제 목록입니다. 이 모든 사례는이 우수한 스프레드 시트에서 비롯된 것입니다.

• "속도를 위해 자란 생물은 정말로 키가 커지며 넘어져서 높은 속도를 생성합니다."
• "요원은 레벨 2에서 패하는 것을 피하기 위해 레벨 1의 끝에서 스스로를 죽입니다."
• "에이전트는 잃지 않도록 무한정 게임을 일시 중지합니다."
• "생존 에너지가 필요하지만 출산을하는 인공 생명 시뮬레이션에서 에너지 비용이 들지 않는 한 종은 먹을 수있는 새로운 아이들을 생산하기 위해 교미로 구성된 앉아있는 생활 양식을 발전 시켰습니다. (또는 먹을 수있는 아이들을 생산하기 위해 동료로 사용되었습니다) . "
• "AI가 게임을 잃어 버리면 AI가"죽임 "을 당할 확률이 높기 때문에 게임을 크래시 할 수 있다는 것은 유전자 선택 과정에서 이점이었습니다. 따라서 여러 AI가 게임을 충돌시키는 방법을 개발했습니다. "
• "신경망은 식용 및 유독 버섯을 분류하기 위해 진화하여 데이터가 교대로 표시되고 실제로 입력 이미지의 특징을 배우지 않았습니다."

이러한 솔루션 중 일부는 영리하게 들릴지도 모르지만 이러한 신경망 중 어느 것도 자신이하는 일을 이해하지 못했습니다. 그들은 목표를 부여 받고 그것을 성취 할 방법을 배웠습니다. 컴퓨터 게임에서 길을 잃지 않으려면 일시 중지 단추를 누르는 것이 가장 쉽고 빠른 방법입니다.

기계 학습 및 신경망

기계 학습을 통해 컴퓨터는 특정 작업을 수행하도록 프로그래밍되어 있지 않습니다. 대신 데이터를 제공하고 작업에서의 성능을 평가합니다..

기계 학습의 기본 예는 이미지 인식입니다. 컴퓨터 프로그램을 개가있는 사진을 식별하도록 훈련시키고 싶다고합시다. 컴퓨터에 수백만 개의 이미지를 줄 수 있습니다. 이미지에는 개가 있고 이미지에는 개가 있습니다. 이미지에 개가 있는지 여부에 관계없이 이미지에 라벨이 지정됩니다. 컴퓨터 프로그램은 그 데이터 세트를 기반으로 개가 어떤 모습인지를 인식하기 위해 "훈련"합니다.

기계 학습 프로세스는 각 데이터 입력이 통과하는 다중 레이어가있는 컴퓨터 프로그램 인 신경 네트워크를 학습하는 데 사용되며 궁극적으로 결정을 내리기 전에 각 레이어가 서로 다른 가중치와 확률을 할당합니다. 그것은 우리가 두뇌가 작동 할 수 있다고 생각하는 것을 모델로 삼았습니다. 서로 다른 층의 뉴런이 작업을 통해 생각하는 것과 관련됩니다. "심화 학습"은 일반적으로 입력과 출력 사이에 많은 층이 겹쳐진 신경망을 의미합니다.

데이터 세트의 어떤 사진이 개를 포함하고 어떤 사진을 포함하는지 알기 때문에 신경망을 통해 사진을 실행하고 올바른 결과가 나오는지 여부를 확인할 수 있습니다. 예를 들어, 네트워크가 특정 사진에 개가 없다고 판단하면 네트워크에 잘못이라고 말하고, 일부 사항을 조정하고, 다시 시도하는 메커니즘이 있습니다. 사진에 개가 있는지 여부를 확인하는 데 컴퓨터가 계속 좋아지고 있습니다..

이것은 모두 자동으로 발생합니다. 올바른 소프트웨어와 컴퓨터가 스스로 훈련 할 수있는 많은 구조화 된 데이터로 컴퓨터는 신경 네트워크를 조정하여 사진에있는 개를 식별 할 수 있습니다. 이것을 "AI"라고 부릅니다.

그러나 하루가 끝날 때 개가 무엇인지 이해하는 지능형 컴퓨터 프로그램이 없습니다. 개가 사진에 있는지 여부를 결정하는 방법을 배우는 컴퓨터가 있습니다. 여전히 꽤 인상적이지만 그게 할 수있는 전부입니다..

그리고 입력 한 내용에 따라 신경망이 똑똑하지 않을 수 있습니다. 예를 들어, 데이터 세트에 고양이 사진이 없으면 신경망은 고양이와 개 사이의 차이를 볼 수 없으며 실제 고양이의 사진에서 고양이를 개로 표시 할 수 있습니다.

기계 학습을 위해 사용되는 것?

기계 학습은 음성 인식을 포함한 모든 종류의 작업에 사용됩니다. Google, Alexa 및 Siri와 같은 음성 조력자는 인간의 말을 이해하도록 훈련 한 기계 학습 기술로 인해 인간의 목소리를 잘 이해합니다. 그들은 엄청난 양의 인간 음성 샘플에 대해 훈련했고 어떤 단어가 어떤 단어와 일치하는지 이해하는 데 더 나아졌습니다..

자가 운전 차량은 도로상의 물체를 식별하도록 컴퓨터를 교육하는 기계 학습 기술을 사용하며 올바르게 대상물에 응답하는 방법을 사용합니다. Google 포토에는 기계 학습을 사용하여 사진의 사람과 동물을 자동으로 식별하는 라이브 앨범과 같은 기능이 가득합니다..

Alphabet의 DeepMind는 컴퓨터 학습을 사용하여 복잡한 보드 게임 Go를 플레이하고 세계 최고의 인간을 능가 할 수있는 컴퓨터 프로그램 인 AlphaGo를 만들었습니다. 체스에서 DOTA 2에 이르기까지 다른 게임을 잘하는 컴퓨터를 만들기 위해 기계 학습이 사용되었습니다..

기계 학습은 최신 iPhone의 얼굴 ID에도 사용됩니다. iPhone은 얼굴을 식별하는 방법을 학습하는 신경망을 구성하며, Apple은이 기계 학습 작업 및 기타 기계 학습 작업을 위해 모든 숫자 처리를 수행하는 전용 "신경 엔진"칩을 포함합니다.

기계 학습은 신용 카드 사기 파악에서부터 쇼핑 웹 사이트에 대한 맞춤 제품 추천에 이르기까지 다른 많은 다른 것들에 사용될 수 있습니다..

그러나 기계 학습으로 만들어진 신경 네트워크는 진정으로 어떤 것도 이해하지 못합니다. 그것들은 훈련을받은 좁은 업무를 수행 할 수있는 유익한 프로그램입니다..

이미지 신용 : Phonlamai 사진 / Shutterstock.com, Tatiana Shepeleva / Shutterstock.com, 잡담 사진 / Shutterstock.com.