Når du tænker på de "utrolige" opgaver, som en computer kan håndtere, er det første, der kommer til at tænke på, de mest komplekse beregninger på kort tid eller analyse af enorme mængder data - noget, som du selv aldrig kan løse selv. Eller jeg husker Lee Sedols nylige nederlag i farten, et klassisk strategispil. AIs seneste sejre er i vid udstrækning muliggjort af dyb læring, som nu åbner alle mulighederne for AI og menneskene bag den.
Men enkle, daglige opgaver, som selv et barn med det rette sind kan gøre, ser ud til at underminere AI-systemernes funktionalitet: ting som at identificere, hvad der er mad på din tallerken eller identificere følelser på en anden persons ansigt. Disse lette opgaver for mennesker var umulige for maskiner. Op til dette punkt.
Deep learning-teknikker har ført maskiner til sund fornuft. Tidligere skrev programmører komplekse algoritmer, der beskrev alt ned til mindste detalje. En sådan eksplicit og deterministisk algoritme er velegnet, når du står over for en stor, akavet beregning. Deep learning frigør AI fra denne form for begrænsning, giver systemet mulighed for at lære af sine fejl, huske alt det har lært, interagere med brugerne for at få mere information.
Den dybe læringsrevolution sker for en stor del, fordi big data bliver tilgængelige for læring. Et menneskeligt lille barn kan lære, hvad det har brug for efter et par forsøg, men maskinen tager meget længere tid. Dyb læring er afhængig af adgang til store mængder data, da AI-maskiner skal basere deres valg på sandsynligheder og statistisk signifikans. En mekanisk erstatning for intuition er endnu ikke opfundet.
Dybe muligheder
Fremskridt inden for dyb læring har allerede dramatisk forbedret stemmesøgningsfunktionerne: Google erstattede Android-talesystemet med et nyt dybt læringsbaseret system, og fejlene faldt til 25 procent natten over. Kameraer, der bruger dybe neurale netværk, kan nu læse højt for folk og forstå tegnsprog. Facebook kan prale af, at dets dybe læringsfunktioner har gjort platformen tilgængelig for blinde brugere ved at lære at beskrive fotos.
I de kommende år vil både store teknologivirksomheder og mange startups begynde at bruge dyb læring til at skabe nye produkter og tjenester og til at modernisere eksisterende applikationer. Nye markeder og virksomheder vil spire og drive innovation, tjenester og produkter. Deep learning-systemer forbedres og bliver mere tilgængelige og lettere at bruge. Jo lettere det er at bruge dem, jo mere vil vores interaktion med teknologi ændre sig.
Salgsfremmende video:
Aditya Singh, partner hos Foundation Capital, mener, at udviklingen af deep learning-operativsystemet vil demokratisere deep learning og drive den udbredte anvendelse af praktisk AI. Resultatet vil være, at folk kan løse deres presserende problemer eller noget mere vigtigt ved hjælp af dyb læring. I denne forstand kan AI blive en udligningsmekanisme, der gør det muligt for folk i enhver klasse og stat at ændre verden.
ILYA KHEL
