Der Begriff "künstliche Intelligenz" bezieht sich häufig auf neuronale Netze, die auf Technologien für tiefes maschinelles Lernen basieren. Darüber hinaus ist die Technologie zum Trainieren neuronaler Netze gut entwickelt und trägt Früchte. Allerdings teilen nicht alle Wissenschaftler die Meinung, dass sich künstliche Intelligenz auf diesem Weg entwickeln sollte. Jemand glaubt sogar, dass solchen Systemen „nicht vertraut werden sollte“und ihre Entwicklung zu nichts Gutem führen wird.
Künstliche Intelligenz im modernen Sinne - Das denken viele überhaupt nicht.
Warum maschinelles Lernen schlecht für die menschliche Entwicklung ist
In einer groß angelegten Arbeit, die auf den Seiten von Technologyreview veröffentlicht wurde, sprach ein Professor an der New York University, ein Experte auf dem Gebiet der Kognitionswissenschaft (der Wissenschaft der Kognition), Gary Marcus über die Risiken der weit verbreiteten Nutzung neuronaler Netze, die auf tiefem maschinellem Lernen beruhen.
Erstens glaubt der Wissenschaftler, dass die Technologie klare Grenzen hat. Insbesondere wurde lange über die Notwendigkeit gesprochen, eine sogenannte "echte KI" zu schaffen, die zur Lösung einer Vielzahl von Problemen geeignet ist und nicht nur eines bestimmten, wie dies derzeit der Fall ist. Die vorhandenen KI-Systeme haben bereits den Höhepunkt ihrer Entwicklung erreicht und sind praktisch "nirgends zu wachsen". Darüber hinaus können Sie nicht einfach eine KI nehmen und beispielsweise zuerst lehren, ein Auto zu fahren, und eine andere zwingen, es zu reparieren und dann die Systeme zu kombinieren, um einen universellen Assistenten zu erstellen. Künstliche Intelligenzen werden einfach nicht in der Lage sein zu interagieren, da sie "auf unterschiedliche Weise gelernt" haben.
Wie man KI schlauer macht
Werbevideo:
Damit Algorithmen effizienter werden, müssen sie "anders trainiert" werden. Es ist notwendig, dass sie beginnen, die Beziehung von Objekten und die Konsequenzen der Interaktion mit ihnen zu erkennen. In diesem Fall werden wir als bestes Beispiel dienen.
Professor Gary Marcus.
Darüber hinaus ist das, was Marcus anbietet, überhaupt nicht neu. Das oben beschriebene Beispiel zeigt, wie sich Wissenschaftler "klassische KI" vorgestellt haben. Damit eine solche KI jedoch effektiv funktioniert, müssen wir alle möglichen Ergebnisse im Voraus programmieren. Und das ist fast unrealistisch. Aber es gibt einen Ausweg.
Die Lösung kann eine Art Symbiose aus "klassischer KI" sein, die Beziehungen sieht und Lösungen auf verständliche Weise erhält, und tiefem Lernen, das in der Lage ist, durch "Versuch und Irrtum" eine Lösung zu finden. Es kann eine Art grundlegendes System von Regeln und Vorschriften sein, die die umliegende Welt betreffen. Auf ihrer Basis werden sich KI-Systeme bereits in einem bestimmten Bereich entwickeln können. Echte künstliche Intelligenz muss verstehen, wie alles funktioniert, um Ursache-Wirkungs-Beziehungen zu verstehen und leicht von einer Aufgabe zur anderen zu wechseln. Moderne Systeme, die mit Deep-Learning-Technologie gebaut wurden, sind dazu einfach nicht in der Lage.
Vladimir Kuznetsov
