[ad_1]

شبکه مغز در تصویر سازی رگها
Chris DeGrau / روند دیجیتال ، گتی ایماژ

هر ساله ده ها هزار مقاله منتشر می شود ، از جمله هوش مصنوعی ، اما مدتی طول می کشد تا بسیاری از آنها تأثیر احتمالی خود را در دنیای واقعی روشن کنند. در همین حال ، بهترین حامیان مالی هوش مصنوعی جهان – حروف الفبا ، سیب ، فیس بوک ، بایدوس و سایر تک شاخ های جهان – همچنان در هیجان انگیزترین فناوری خود را پشت درهای بسته اصلاح می کنند.

به عبارت دیگر ، وقتی صحبت از هوش مصنوعی می شود ، جمع بندی مهمترین تحولات سال غیرممکن است به این صورت که مثلاً می توانید 10 آهنگ پر شنونده را در Spotify لیست کنید.

اما هوش مصنوعی بدون شک در سال 2020 از هر لحاظ نقشی عظیم داشته است. در اینجا شش مورد از مهمترین تحولات و موضوعات در حال ظهور مشاهده شده در هوش مصنوعی در سال 2020 وجود دارد.

همه چیز در مورد درک زبان است

به طور متوسط ​​، بعید به نظر می رسد که یک ابزار تولید متن به عنوان یکی از جذاب ترین تحولات جدید AI در یک سال شناخته شود. اما 2020 یک سال متوسط ​​نیست و GPT-3 یک ابزار تولید متن متوسط ​​نیست. عاقبت GPT-2 ، که به عنوان خطرناکترین الگوریتم جهان توصیف شده است ، GPT-3 یک شبکه عصبی خود رگرسیون مدرن برای پردازش زبان طبیعی است که توسط آزمایشگاه تحقیقاتی OpenAI ایجاد شده است. در چند جمله کاشته شده است ، مانند ابتدای یک خبر ، GPT-3 می تواند متنی کاملاً دقیق ایجاد کند که متناسب با سبک و محتوای چند سطر اول باشد – حتی با داستان نقل های داستانی. GPT-3 دارای 175 میلیارد پارامتر حیرت انگیز است – وزن پیوندهایی که برای کارآیی تنظیم شده اند – و طبق گزارشات حدود 12 میلیون دلار برای آموزش هزینه دارد.

GPT-2 مولد متن AI
OpenAI

GPT-3 به خودی خود یک مدل چشمگیر هوش مصنوعی ایجاد شده در سال 2020 نیست. اگرچه در چرخه ران GPT-3 به سرعت پشت سر گذاشته شد ، اما نسل طبیعی زبان تورینگ (T-NLG) مایکروسافت در فوریه موج ایجاد کرد 2020 با 17 میلیارد پارامتر ، در زمان راه اندازی این بزرگترین مدل زبانی بود که تاکنون منتشر شده است. بر اساس مدل زبان مولد ترانسفورماتور ، T-NLG قادر است کلمات لازم را برای تکمیل جملات ناقص تولید کند و همچنین پاسخ مستقیم به س questionsالات و خلاصه اسناد را تولید کند.

برای اولین بار توسط Google در سال 2017 ، Transformers – نوع جدیدی از مدل یادگیری عمیق – به انقلابی در پردازش زبان طبیعی کمک کرده است. هوش مصنوعی حداقل تا آزمون فرضی مشهور آلن تورینگ در زمینه هوش ماشین ، روی زبان متمرکز شده است. اما به لطف برخی از این پیشرفت های اخیر ، ماشین آلات در حال حاضر به طرز حیرت انگیزی در درک زبان مهارت دارند. با گذشت دهه ، این تأثیرات و کاربردهای عمیقی خواهد داشت.

مدل ها بزرگتر می شوند

GPT-3 و T-NLG نشان دهنده یک نقطه عطف دیگر یا حداقل روند قابل توجهی در هوش مصنوعی است. اگرچه شرکت های نوپا ، آزمایشگاه های کوچک دانشگاه و افرادی که از ابزار هوش مصنوعی استفاده می کنند کم نیستند ، اما حضور بازیکنان بزرگ در صحنه به معنای پرتاب منابع جدی است. بیشتر و بیشتر مدل های عظیم با هزینه های بسیار زیاد در خط مقدم تحقیقات AI قرار دارند. شبکه های عصبی با بیش از یک میلیارد پارامتر به سرعت در حال تبدیل شدن به یک قاعده هستند.

“اگر ما بخواهیم هوش مصنوعی مغز را تولید کنیم ، پارامترهای بیشتری لازم است.”

175 میلیارد پارامتر GPT-3 دیوانه وار باقی مانده است ، اما مدل های جدید مانند Meena ، Turing-NGL ، DistilBERT و BST 9.4B بیش از 1 میلیارد پارامتر است. پارامترهای بیشتر لزوماً به معنای عملکرد بهتر در هر صورت نیست. با این حال ، این بدان معنی است که یک ابزار تولید متن می تواند مجموعه ای از توابع را با دقت بیشتری مدل کند. اگر بخواهیم هوش مصنوعی مغز را تکرار کنیم ، پارامترهای بیشتری لازم است. این همچنین بدان معناست که بازیکنان بزرگ وقتی به بزرگترین مدل ها می رسند ، همچنان AI را اجرا می کنند. گزارش شده است که هزینه آن از هر 1000 پارامتر آموزش شبکه 1 دلار است. این را به یک میلیارد پارامتر برآورد کنید و در اینجا شما ریاضی می کنید.

هوش مصنوعی به نفع بشریت

با پیشرفت ابزارهای هوش مصنوعی ، نه تنها دانشمندان کامپیوتر از آنها استفاده می کنند. محققان از سایر رشته ها اغلب با ایده های ابتکاری در مورد چگونگی استفاده از یادگیری ماشین در حال ورود به آن هستند. آیا AI است که می تواند وزوز گوش را هنگام اسکن مغز تشخیص دهد. هدفون ذهن خواندنی که از یادگیری ماشینی برای تبدیل افکار به کلمات گفتاری برای افراد دارای صدای ضعیف استفاده می کند. DeepMind’s AlphaFold ، که می تواند شکل پروتئین ها را با توجه به توالی آنها به طور دقیق پیش بینی کند و به طور بالقوه به توسعه سریع درمان های جدید و م helpingثر کمک کند. یا هر تعداد دیگر از تظاهرات ها ، واضح است که هوش مصنوعی راه های جدید و هیجان انگیزی را برای تحقیق در سال 2020 باز کرده است.

Robocalypse اینجا نیست (هنوز)

دو قطبی شدن بسیاری از جنبه های زندگی در سال 2020 ایده نکات مهم را دلسرد می کند. اما به طور فزاینده ای روشن می شود که تفاوت در مورد جذب مشاغل توسط ربات ها دقیقاً همان است. امسال خسارات شغلی زیادی در سراسر جهان وجود دارد. با این حال ، آنها ناشی از همه گیری و اثرات آن هستند ، نه توسط برخی از حملات شوم به سبک Skynet به مشاغل انسانی.

پیشنهادات مرغ از Friere به صورت Flippy حذف می شود
رباتیک Miso

اگرچه مسلماً نمونه هایی از هوش مصنوعی و رباتیک برای انجام وظایف انسانی وجود دارد (به عنوان مثال به Flippy ، ربات رولور مراجعه کنید) ، آنها معمولاً در مورد افزایش توانایی های انسانی یا کمک به مناطقی هستند که نیروی کار کافی ندارند. در واقع ، شرکت هایی که در حال حاضر بیشترین افراد را استخدام می کنند ، همان هایی هستند که همزمان در فناوری پیشرفته سرمایه گذاری می کنند (بخوانید: غول های بزرگ فناوری).

این بدان معنا نیست که روبوکالیپس یک پیش آگهی اشتباه است. کاوش در طبقات متوسط ​​روندی است که ادامه خواهد یافت ، اگرچه بسیار پیچیده تر از ظهور چندین شرکت فناوری برای معرفی ابزارهای جدید نرم افزاری هوشمند است. اگر سال 2020 یک نکته در مورد هوش مصنوعی و اشتغال گفته باشد ، همه چیز پیچیده است.

جعل عمیق

نمی توان انکار کرد که سال 2020 سال عجیبی برای محو کردن واقعیت به انواع و اقسام روشهای عجیب بود. در ابتدای سال ، COVID-19 بسیاری از جهان را به عنوان چیزی خارج از فیلم مسری قفل کرد. (چگونه مردم از واقعیت این “عادی جدید” فرار کردند؟ البته ، به دنبال سرگرمی همه گیر هستند.) سال به پایان رسید زمانی که انتخابات ایالات متحده انتخاب شما از دو نسخه از واقعیت ، بسته به وابستگی حزب (و رهبری) را ارائه داد.

هوش مصنوعی در قالب حمله جعلی عمیق در این حمله بودریاردی به واقعیت نقش داشت. Deepfakes اختراع سال 2020 نیست ، اما در سال جاری شاهد پیشرفت های چشمگیری بوده است. در ماه جولای ، محققان مرکز مجازی پیشرفته انستیتوی فناوری ماساچوست یک ویدیوی عمیق جذاب با بودجه بالا از رئیس جمهور ریچارد نیکسون تهیه کردند ، که یک آدرس جایگزین فرود ماه را در صورت اشتباه مأموریت آپولو نوشته شده است.

در کنار جعلیات عمیق بصری جذاب تر ، محققان جعلی عمیق صوتی بسیار شگفت انگیزی ایجاد کرده اند. یک مثال اخیر؟ جعلی صوتی امینم که درمقابل مدیر عامل فیس بوک مارک زاکربرگ حباب دارد. به نظر می رسید متقاعد کنندهانه واقع گرایانه است – حتی اگر با استانداردهای غنایی معمول آن مطابقت نداشته باشد.

تنظیم هوش مصنوعی

ابزارهای مجهز به هوش مصنوعی بسیار قدرتمند هستند. و این فقط در مورد نمایش انتزاعی اثبات مفهوم نیست ، بلکه در مورد استقرار در دنیای واقعی است که می تواند از غربالگری نامزدها برای مصاحبه های شغلی گرفته تا ابزار شناسایی چهره یا آزادی مشروط مورد استفاده توسط نیروی انتظامی و مقامات باشد. .

در چند سال گذشته ، آگاهی از این ابزارها – و نحوه کدگذاری تعصبات در آنها – باعث نگرانی بیشتر در مورد استفاده از آنها شده است. در ماه ژانویه ، پلیس دیترویت پس از آنکه الگوریتمی به اشتباه با عکس گواهینامه رانندگی او با تصاویر مات و مبهم تطبیق داد ، نامناسب فردی به نام رابرت ویلیامز را دستگیر کرد. اندکی بعد ، IBM ، آمازون و مایکروسافت اعلام کردند که در حال استفاده مجدد از فناوری تشخیص چهره خود در این ظرفیت هستند.

جعل های عمیق فوق الذکر باعث ایجاد ترس زیادی به خصوص به این دلیل است که این موارد به وضوح نشان می دهد که سو their استفاده آنها می تواند مضر باشد. تصویب AB-730 در کالیفرنیا ، قانونی طراحی شده برای جرم انگاری استفاده از جعل های عمیق برای ایجاد برداشت های غلط از سخنان یا اقدامات یک سیاستمدار ، تلاشی واضح برای تنظیم استفاده از قوانین سازگار با هوش مصنوعی در مورد بهترین روش برای توسعه ابزارهای هوش مصنوعی فراتر از ماندگاری خوب در حال پیشرفت.

این تمرکز بر اخلاق هوش مصنوعی این احساس را ایجاد می کند که موضوع برای اولین بار شروع به جریان اصلی می کند. اعتبار بسیاری به محققانی مانند کارولین کریادو پرز و صافیا اوموجا نوبل تعلق دارد که کار خستگی ناپذیر آنها برای تأکید بر سوگیری های الگوریتمی و اهمیت مسئولیت پذیری به وضوح برجسته شده است.

توصیه های سردبیران






[ad_2]

منبع: tarahi-news.ir