Pourquoi l'intelligence artificielle risque de continuer à tuer

Anonim

Des neurones artificiels pour des machines profondément intelligentes. C'est la nouvelle revolution de l'IA offerte, depuis 2012, par Geoffrey Hinton et son équipe. Cet expert and sciences cognitives de l'université de toronto, en chercheur chez Google Brain en annoncé cette année-des de results exceptionnels d'un réseau de neurones artificiels à couches profondes (Deep Neural Network, DNN) dans une de classificatie d ' bilder.

Suite-à-vis-uppträdandena är en av de mest framträdande i världen med en passionell och intelligent konstnärlig konstnär (IA), och det är en stor del av de stora företagen i världen, och det är en stor del av de internationella grupperna. Néanmoins, som är ett effektivt resultat av DNN-dansen, är de mest populära domänerna (spårning, visuell eller vokal, spårning, bildspel, etc.). De frågor som ställs är begränsade för att du ska lära dig djupt lärande av domäner véhicules autonomes par exemple.

Häll komprimering av gränserna för IA aktuella, om du vill se till att du är en del av DNN och om du är en del av din grupp, om du är en del av den analoga formuläret, så är du en av dem som är intresserad av att dansa med en industriell mais aussi dans certains centers de recherche. Depuis cette nouvelle révolution, som utnyttjar djupt lärande, skapar en "baguette magique" som är en följd av det ursprungliga, det finns inga begränsningar. Sur ce point, du tittar på Villani - "Donner un sens à l'intelligence artificielle" - är révélateur de ce malaise profond.

Duger du dig djupt lärande?

Ursprungliga reseaux de neurones artificiels remonte aux années 1940 et aux découvertes fondatrics et neurosciences et en psychologie de McCulloch et Pitts (premier modèle mathématique d'un neurone) och de Donald Hebb (formalisering av lärdomar av lärande synaptique). L'objectif de ces chercheurs était de comprendre comment les neurones, briques élémentaires du cerveau, pouvaient generer la psyché.

Ce travail séminal a conduit à la conception en 1958 du premier réseau de neurones artificiels par psychologé américain Frank Rosenblatt: le Perceptron. Ces premières recherches ont évidemment été suivies d'évolutiones viktiges, till exempel om en bas för resor och neurovetenskap av Hodgkin och Huxley, som spände i dynamisk temporell de l'intégration neuronale ou les travaux en informatique et de matématiques de Bernard Widrow et Ted Hoff qui föreslår användning av algoritmer av nedstigningen av gradienten plus effektiviteten hyser en modifiering av samband synaptiques av réseaux de neurones.

Ces optimisations mathématiques ont ensuite été approfeies dans les années 1980 par les recherches en sciences cognitives de David Rumelhart, Geoffrey Hinton, et James McClelland, parlamentsmedlemmar av Parallel Distributed Processing Research Group, som möjliggör optimering av ändringar av konvergenser synaptiques dans des couches profondes de neurones och l'avènement du perceptron multi-soffor (ou multi-layer perceptron, MLP). Les DNN, développés par des auteurs tél que Geoffrey Hinton, Yann LeCun ou Yoshua Bengio, sont les descendants leder dig MLP.

Existe-t-il un lien entre Deep Learning et cerveau?

Malgré l'origine interdisciplinaire et inspiré du fonctionnement du cerveau des DNN, på peut se demander dans quelle mesure ces algoritmer simulerande encore quelque valde du cerveau humain. Les DNN ont été conçus pour réaliser des tâches de reconnaissance et classification d'images par exemple. Däremot använder DNN flera olika soffor och konvertering och sammanlagd avant la reconnaissance de l'image.

Concernant les couches de convolutiones, les travaux de Hubel et Wiesel dans années 1960 ou de Jones et Palmer dans les années 1980 montrent la possibilité de simuler par cette méthode la probabilité de réponse de neurones du cortex visuel primaire. De nombreuses genomsöker en vetenskaplig kognitiv, inte någon som arbetar, utnyttjar en process för att hämta simulatorn med hjälp av neuronernas neuron-inspirerade neuroner.

Concernant le processu de pooling, différents travaux réalisés depuis 30 ans en neurosciences et en psychology cognitive montrent kommentar le cerveau réalise ce processus d'abstraction au niveau de la voie occipito-temporale. Ainsi, les travaux de Rufin Vogels ou de Keiji Tanaka montrent kommenterar att du kan identifiera dig med klassificeringen visuellt avbildar dig på bildens ovanstående bild, textur, bild och bild . Ces aires cérébrales sont donc sensibles aux mêmes information que les couches perceptives apprises par un DNN lors du processer de pooling.

Plus surprenant encore, les recherches de Rodrigo Quian Quiroga och de samarbetande medarbetarna på grund av neuronernas specifika begrepp i de olika identiteterna (till exempel neuronerna "Jennifer Aniston" eller "Tour de Pise"). Ils s'activent lors d'un accès direkt till konceptet som heter "Jennifer Aniston". Encore plus passionnant au respekt de l'avenir de l'IA, de traveller de Quiroga montrent que cette activité neuronale är corrélée avec la perception consciente d'un stimulus de l'environnement.

En resumé, som är enklare och en matematisk optimering, är en del av rapporten om biologiskt, det är DNN-reproducerande process som den konvolvering / abstraktion av den centrala delen av specifique du cortex. Des travaux de neurosciences cognitives ger upphov till montrent ainsi, parimplantat av eklektroder cérébrales ou par IRM fonctionnel, som liknar de fonctionnement entre DNN och cette voie occipito-temporale.

Une IA plus fiable parce qu'inspirée du cerveau?

Les recherches fondamentales interdisciplinaires sur les DNN om att få tillgång till de flesta applikationerna, där man kan se på de olika domänerna: reconnaissance och klassificering av visuella, reconnaissance vocale, traduction, jeux de go, komposition musikal, etc. Malheureusement, par méconnaissance des travaux et sciences cognitives qui en sont à l'origine, les DNN restent actuellement trop souvent utilisés comme une "baguette magique" permettant de résoudre tous et nimporte quels problèmes.

Däremot kan du använda de autonoma verktygen, så att du kan använda DNN-kopplarna direkt på de olika sätten för åtgärder som du kan göra för att du ska kunna göra det: det är lika med en chaufför för taxi och en 80% till en olycka (och inte konservant) Det är möjligt att göra det möjligt för dem att skapa system, plus att de inte kommer att ha något att göra för att skapa ett originellt produktsortiment.

Les aires cérébrales humaines impliquées dans l'anticipation (figur ci-dessous), orientering spatiale ou les fonctions sensori-motrices impliquées dans la conduite dans un environnement komplexa sont très différentes des processus neuronaux à l'œuvre au niveau de la voie occipito -temporale. Ces processus neuronaux impliqués dans la compréhension et la planification de l'action sont réalisés par le cortex occipito-pariétal sur la base de processus neuronaux très différents de la voie occipito-temporale! Ce sont des neurones très différents et sensibles para exemple à la avenue, la position ou la vitesse. Autant de paramètres qui déterminent la maniere dont nous pouvons agir sur l'environnement.

I användningen av DNN-systemet (återvändsgränserna) återfinns, det är ett komplement till neuro-inspiration som innehåller de kognitiva skillnaderna, men det är inte nödvändigt att se till att det är en prestanda, men det är enklare att göra. Nous ne prétendons pas que la neuro-inspiration är en effektivare och effektivare än IA plus sûre. Néanmoins, med hänsyn till att du passerat tumultueux de l'IA, och en privat med hänsyn till de effektiva, underhållande av de systèmerna neuro-inspirer, kommunicerar DNN-jämförelser med hjälp av olika typer av antivirusanvändningar (häll av visuell synkronisering), il nous somble primordial de comprendre comment le cerveau réalise d'autres fonctions cognitives (contrôle moteur, multi-sensorial m.fl.), med hjälp av en jämförelse med teknikerna av de aktuella aktörerna, är de fonktioner som är optimala för produktionen av IA plus sûres et plus efficaces.

Si la recherche en IA se faisait plus plus samarbete om vetenskapliga kognitiva ämnen, cela permettrait:

  • de komprimera och de simuler leszoner du cerveau qui ne sont pas encore appréhendées par le Deep Learning.

  • de föreslagna för IA plus ett antal prestationer och jämförelser med prestanda för människor.

De har en hög grad av interdisciplinär kompetens inom matematik och informationsteknologi, som är en del av neurovetenskap, psykologiska kognitiva, som är avgörande för studier och eklektronik och en fysik för utveckling av processorer, neuroner och processer. Det är en avgörande förfinansiering av maskiner från Turing-Von Neumann, som dominerar industrins elektronik och informationssystem för andra världskriget.