پنهنجي ٻلي کي ٻڌايو ته توهان اندر ڇا ٿا سوچيو - بليڪ باڪس جو اثر
حقيقت اها آهي ته ترقي يافته مصنوعي ذهانت وارا الگورتھم هڪ بليڪ باڪس وانگر آهن (1) جيڪو اهو ظاهر ڪرڻ کانسواءِ نتيجو ڪڍي ٿو ته اهو ڪيئن پهتو آهي ڪجهه کي پريشان ڪري ٿو ۽ ٻين کي پريشان ڪري ٿو.
2015 ۾، نيو يارڪ شهر ۾ جبل سينا اسپتال ۾ هڪ تحقيقي ٽيم کي چيو ويو ته هن طريقي کي استعمال ڪرڻ لاء مقامي مريضن جي وڏي ڊيٽابيس جو تجزيو ڪرڻ لاء (2). هي وڏو مجموعو مريضن بابت معلومات جو هڪ سمنڊ تي مشتمل آهي، ٽيسٽ جي نتيجن کان وٺي، ڊاڪٽر جي حڪم وغيره.
سائنسدانن ڪم دوران تيار ڪيل تجزياتي پروگرام جو نالو رکيو. اهو تقريبا 700 هزار ماڻهن جي ڊيٽا تي تربيت ڪئي وئي هئي. انسانن، ۽ جڏهن نئين رجسٽري ۾ آزمائي ڪئي وئي ته اها بيماري جي اڳڪٿي ڪرڻ ۾ انتهائي اثرائتو ثابت ٿي چڪي آهي. انساني ماهرن جي مدد کان سواءِ، هن اسپتال جي رڪارڊ ۾ اهڙا نمونا دريافت ڪيا جيڪي ظاهر ڪن ٿا ته ڪهڙو مريض ڪنهن بيماريءَ جي رستي تي آهي جهڙوڪ جگر جي ڪينسر. ماهرن جي مطابق، سسٽم جي پروگنوسٽڪ ۽ تشخيصي ڪارڪردگي ٻين ڄاڻايل طريقن جي ڀيٽ ۾ تمام گهڻي هئي.
2. طبي مصنوعي ڄاڻ رکندڙ سسٽم مريض ڊيٽابيس جي بنياد تي
ساڳئي وقت، محقق محسوس ڪيو ته اهو پراسرار طريقن سان ڪم ڪري ٿو. اهو نڪتو، مثال طور، اهو مثالي آهي ذهني خرابين جي سڃاڻپجهڙوڪ schizophrenia، جيڪو ڊاڪٽرن لاء انتهائي ڏکيو آهي. اها حيرت انگيز هئي، خاص طور تي جڏهن ته ڪنهن کي به اها خبر نه هئي ته ڪيئن AI سسٽم صرف مريض جي طبي رڪارڊ جي بنياد تي ذهني بيمارين کي ڏسڻ ۾ ايترو سٺو آهي. ها، ماهرن کي اهڙي موثر مشين جي تشخيص ڪندڙ جي مدد سان تمام گهڻو خوش ٿيو، پر اهي وڌيڪ مطمئن هوندا جيڪڏهن اهي سمجهي سگهندا ته AI ان جي نتيجي تي ڪيئن پهتو.
مصنوعي نيورسن جي پرت
شروعات کان وٺي، اهو آهي، جنهن وقت کان مصنوعي ذهانت جو تصور معلوم ٿيو، اتي AI تي ٻه نقطا نظر هئا. پهرين تجويز ڏني ته سڀ کان وڌيڪ سمجهه وارو ڪم اهو هوندو ته مشينون ٺاهيون جيڪي ڄاڻن اصولن ۽ انساني منطق جي مطابق هجن، انهن جي اندروني ڪم کي هر ڪنهن لاءِ شفاف بڻائي. ٻين جو خيال هو ته جيڪڏهن مشينون مشاهدي ۽ بار بار تجربن ذريعي سکيون وڃن ته ذهانت وڌيڪ آسانيءَ سان اڀري ايندي.
جنهن جو مطلب آهي عام ڪمپيوٽر پروگرامنگ کي ريورس ڪرڻ. ڪنهن مسئلي کي حل ڪرڻ لاءِ پروگرامر لکڻ جي حڪمن جي بدران، پروگرام ٺاهي ٿو ذاتي الگورتھم نموني ڊيٽا ۽ گهربل نتيجن جي بنياد تي. مشين لرننگ ٽيڪنڪ، جيڪا بعد ۾ ترقي ڪئي وئي سڀ کان وڌيڪ طاقتور AI سسٽم ۾ جيڪي اڄ سڃاتل آهن، صرف بنيادي طور تي رستي تي هليا ويا آهن. مشين پروگرام پاڻ کي.
اهو طريقو 60s ۽ 70s ۾ AI تحقيق جي مارجن تي رهيو. صرف گذريل ڏهاڪي جي شروعات ۾، ڪجهه جديد تبديلين ۽ سڌارن کان پوء، "ڊيپ" نيورل نيٽ ورڪ خودڪار تصور جي صلاحيتن ۾ بنيادي سڌارن جو مظاهرو ڪرڻ شروع ڪيو.
ڊيپ مشين لرننگ ڪمپيوٽرن کي غير معمولي صلاحيتون ڏنيون آهن، جيئن ته ڳالهائيندڙ لفظن کي سڃاڻڻ جي صلاحيت لڳ ڀڳ هڪ انسان وانگر. اهو تمام پيچيده آهي هڪ مهارت اڳ ۾ پروگرام ڪرڻ لاءِ. مشين کي پنهنجي "پروگرام" ٺاهڻ جي قابل هوندو وڏي ڊيٽا سيٽ تي تربيت.
گہرے سکيا پڻ ڪمپيوٽر جي تصوير جي سڃاڻپ ۾ انقلاب آڻي ڇڏيو آهي ۽ مشين جي ترجمي جي معيار کي تمام گهڻو بهتر بڻائي ڇڏيو آهي. اڄ اهو دوا، فنانس، پيداوار ۽ وڌيڪ ۾ اهم فيصلا ڪرڻ لاء استعمال ڪيو ويندو آهي.
بهرحال، هن سڀني سان توهان صرف هڪ گہرے اعصابي نيٽ ورڪ جي اندر نه ڏسي سگهو ٿا ته اهو ڪيئن ڪم ڪري ٿو "هوڊ هيٺ". نيٽ ورڪ استدلال وارا عمل ھزارين نقلي نيورسن جي رويي ۾ شامل آھن، ڏھن ۾ منظم ٿيل آھن يا ان کان سواءِ سوين پيچيدگين سان ڳنڍيل تہن ۾..
پهرين پرت ۾ هر هڪ نيورون هڪ انپٽ سگنل وصول ڪري ٿو، جهڙوڪ تصوير ۾ پکسل جي شدت، ۽ پوء آئوٽ پٽ سگنل ڪڍڻ کان اڳ حساب سان انجام ڏئي ٿو. اهي هڪ پيچيده نيٽ ورڪ ۾ ايندڙ پرت جي نيورسن ڏانهن منتقل ڪيا ويا آهن - ۽ ائين ئي، آخري آئوٽ سگنل تائين. اضافي طور تي، ھڪڙو عمل آھي جيڪو انفرادي نيورسن پاران ڪيل ڪمپيوٽيشن کي ترتيب ڏيڻ جي طور تي سڃاتو وڃي ٿو ته جيئن ٽريننگ نيٽ ورڪ گهربل پيداوار پيدا ڪري.
ڪتن جي تصوير جي سڃاڻپ ۾ شامل هڪ اڪثر بيان ڪيل مثال ۾، AI جي هيٺين تہه سادي خاصيتن جو تجزيو ڪن ٿا جهڙوڪ خاڪو يا رنگ. ڊگها وڌيڪ پيچيده مسئلن جهڙوڪ فر يا اکيون. صرف مٿين پرت اهو سڀ ڪجهه گڏ ڪري ٿو، معلومات جي مڪمل سيٽ کي ڪتي وانگر سڃاڻي ٿو.
ساڳيو طريقو ٻين قسمن جي انپٽس تي لاڳو ٿي سگهي ٿو جيڪي هڪ مشين کي پاڻ کي سکڻ جي طاقت ڏين ٿا: آواز جيڪي تقرير ۾ لفظن کي ٺاهيندا آهن، اکر ۽ لفظ جيڪي جملن کي لکت ۾ ٺاهيندا آهن، يا هڪ اسٽيرنگ ويل، مثال طور. گاڏي کي ڪنٽرول ڪرڻ لاء ضروري حرڪتون.
مشين ڪجھ به نه وڃايو
اها وضاحت ڪرڻ جي ڪوشش ڪئي وئي آهي ته اهڙي نظام ۾ ڇا ٿيندو آهي. 2015 ۾، گوگل جي محققن هڪ ڊيپ لرننگ تي ٻڌل تصويري سڃاڻپ جي الگورتھم کي تبديل ڪيو ته جيئن تصويرن ۾ شيون ڏسڻ بدران، ان کي ٺاهي يا تبديل ڪري. الورورٿم کي پوئتي ھلڻ سان، اھي اھي خاصيتون ڳولڻ چاھين ٿيون جيڪي پروگرام استعمال ڪري ٿو سڃاڻڻ، چئجي، پکي يا عمارت.
عوامي طور تي انهن جي عنوان سان سڃاتل، انهن تجربن (3) عجيب، عجيب جانورن، منظرنامن ۽ ڪردارن جون حيرت انگيز تصويرون پيدا ڪيون. جڏهن ته انهن مشين جي تصور جا ڪجهه راز پڌرا ڪيا، جيئن ته حقيقت اها آهي ته ڪجهه نمونن کي واپس لوپ ڪيو وڃي ٿو ۽ بار بار ورجايو وڃي ٿو، انهن اهو پڻ ڏيکاريو آهي ته مشين جي سکيا انساني تصور کان ڪيئن مختلف آهي - مثال طور، ان معنى ۾ ته اهو وڌندو آهي ۽ نمونن کي نقل ڪري ٿو جيڪو اسان بغير سوچڻ جي اسان جي تصور ۾ نظر انداز ڪندا آهيون. .
3. پروجيڪٽ ۾ ٺاهيل تصوير
رستي ۾، ٻئي طرف، انهن تجربن اسان جي پنهنجي شعوري ميڪانيزم جو راز پڌرو ڪيو. شايد اهو اسان جي تصور ۾ آهي ته اهڙا ڪيترائي ناقابل فهم جزا آهن جيڪي اسان کي فوري طور تي ڪجهه سمجهڻ ۽ ان کي نظر انداز ڪري ڇڏيندا آهن، جڏهن ته مشين صبر سان "غير اهم" شين تي پنهنجي تکرار کي ورجائي ٿي.
مشين کي "سمجھڻ" جي ڪوشش ۾ ٻيا تجربا ۽ اڀياس ڪيا ويا. جيسن يوسينسڪي هن هڪ اوزار ٺاهيو جيڪو دماغ ۾ ڦاسي هڪ تحقيق وانگر ڪم ڪري ٿو، ڪنهن به مصنوعي نيورون کي نشانو بڻائيندو آهي ۽ تصوير کي ڳولي ٿو جيڪو ان کي تمام گهڻو مضبوط ڪري ٿو. آخري تجربي ۾، نيٽ ورڪ ”جاسوسي“ ڳاڙهي هٿن جي نتيجي ۾ خلاصيون تصويرون ظاهر ٿيون، جن سسٽم ۾ ٿيندڙ عمل کي اڃا به وڌيڪ پراسرار بڻائي ڇڏيو.
جيتوڻيڪ، ڪيترن ئي سائنسدانن لاء، اهڙي تحقيق هڪ غلط فهمي آهي، ڇاڪاڻ ته، انهن جي راء ۾، سسٽم کي سمجهڻ لاء، پيچيده فيصلا ڪرڻ لاء نمونن ۽ اعلي ترتيب واري ميڪانيزم کي سڃاڻڻ، سڀ ڪمپيوٽيشنل لاڳاپا هڪ گہرے اعصابي نيٽ ورڪ جي اندر. اهو رياضياتي افعال ۽ متغيرن جو هڪ وڏو ليبارينٿ آهي. هن وقت اها ڳالهه اسان جي سمجھ کان ٻاهر آهي.
ڪمپيوٽر ڪم ڪرڻ شروع نه ڪندو؟ ڇو؟
ترقي يافته مصنوعي ڄاڻ رکندڙ سسٽم جي فيصلي سازي جي ميڪانيزم کي سمجهڻ ڇو ضروري آهي؟ رياضي جا ماڊل اڳ ۾ ئي استعمال ڪيا پيا وڃن ته اهو طئي ڪيو وڃي ته ڪهڙن قيدين کي پيرول تي آزاد ڪري سگهجي ٿو، جن کي ڪريڊٽ ڏئي سگهجي ٿو، ۽ ڪهڙي کي نوڪري ملي سگهي ٿي. ڪو به دلچسپي رکندڙ اهو ڄاڻڻ چاهيندو ته هي خاص فيصلو ڇو ڪيو ويو ۽ ٻيو نه، ان جا سبب ۽ ميکانيزم ڪهڙا هئا.
- هن اپريل 2017 ۾ MIT ٽيڪنالاجي جائزو ۾ داخل ڪيو. ٽامي جاڪولا، MIT ۾ هڪ پروفيسر جيڪو ڪم ڪري ٿو مشين لرننگ ايپليڪيشنن تي. -.
اتي به هڪ قانوني ۽ سياسي پوزيشن آهي ته AI سسٽم جي فيصلي سازي جي ميڪنڪس کي جانچڻ ۽ سمجهڻ جي صلاحيت هڪ بنيادي انساني حق آهي.
2018 کان وٺي، EU ڪم ڪري رهيو آهي ڪمپنين کي گهرائڻ لاءِ انهن جي گراهڪ کي وضاحت سان مهيا ڪرڻ جي فيصلن بابت خودڪار نظام پاران ڪيل فيصلن بابت. اهو ظاهر ٿئي ٿو ته ڪڏهن ڪڏهن اهو ممڪن ناهي ته سسٽم سان به جيڪي نسبتا سادو نظر اچن ٿا، جهڙوڪ ايپس ۽ ويب سائيٽون جيڪي گہرا سائنس استعمال ڪن ٿيون اشتهارن کي پيش ڪرڻ يا گانا تجويز ڪرڻ لاء.
ڪمپيوٽر جيڪي اهي سروس پروگرام پاڻ هلائيندا آهن، ۽ اهي ائين ڪندا آهن ته جيئن اسان سمجهي نٿا سگهون... ايستائين جو انجنيئر جيڪي اهي ايپليڪيشن ٺاهيندا آهن، اهي مڪمل طور تي وضاحت نٿا ڪري سگهن ته اهو ڪيئن ڪم ڪري ٿو.
