Maskiner, der lærer ting, er ikke noget nyt. Skriv nogle instruktioner i en batchfil, og du kan instruere computeren til at gøre næsten alt sammen med de programmer, du kører. Få et webcam og ansigtsgenkendelse software, og du kan tydeligt se, at din computer er i stand til at genkende dit ansigt. Imidlertid er alle de ting, der er beskrevet her, ikke resultater af computerens "tanker". I bedste fald kan dagens gennemsnitlige hjemmecomputer efterligne tænkning. Men der er mennesker derude i hold rundt om i verden, der udvikler måder at reproducere menneskets tænkning på maskiner, selv ved at kombinere det bedste fra begge verdener, for at skabe en ny form for læring, der efterligner den intuitive måde, hvorpå vi fanger verden omkring os.

Selvom mange af os er bange for konsekvenserne af kunstig intelligens, er der ingen tvivl om, at alle holder det ærbødigt som højdepunktet for udviklingen af ​​maskinen. Hvor langt er vi kommet for at skabe maskiner, der kan komme tæt på menneskets intuition og abstrakt tanke? Vi tager et kig på, hvad Googles hjernehold gør, og hvordan kunstige neurale netværk kan påvirke den måde, teknologien interagerer med os dagligt i den nærmeste fremtid.

Hvad er et kunstigt neuralt netværk?

Et kunstigt neuralt netværk, simpelthen, er et system, der bruger en algoritme, der er inspireret af den måde mennesker lærer ting på. I øjeblikket er pc'er vane. De vil strengt følge en enkelt linje, indtil de når slutningen af ​​det, uanset om resultaterne giver mening. For eksempel kan et computersystem, der analyserer forbrugernes adfærd på en hjemmeside, vise, at et stort antal besøgende klikker på et link øverst til højre på hver side, men det kan ikke forklare, hvorfor det sker. Det kan ikke tilpasse sine metoder til at grave dybere og ekstrapolere betydningen af de rå data, det kører igennem.

Et "perfekt" kunstigt neuralt netværk vil være i stand til at tilpasse den måde, hvorpå det behandler information for at passe de data, den konfronteres med. Dette er især nyttigt med audiovisuel behandling, hvor regelbaseret programmering er meget ineffektiv. Mens en amerikaner vil have lidt problemer med at forstå en australsk accent på meget lidt tid, kan computere have meget mere problemer med at gøre den samme opgave. Kunstige neurale netværk er udformet på en sådan måde, at en computer muligvis kan fortolke forskelle i, hvordan australierne taler på samme måde som vi gør - ved at afhente svingningerne i tone og udtale, opbygge en kontekst og udfylde huller med andre Oplysninger fremsendt i sætningen. Gør dette med simpel programmering er meget sværere end det ser ud til.

Hvad er Google Brain?

Google Brain er et projekt, der fokuserer på storskala dyb læring. Projektet indebærer en kolossal mængde maskiner, hvor 16.000 af CPU-kernerne i deres datacentre arbejder sammen om at skabe en maskine, der effektivt kan "lære" og "forstå" ting. Ovenstående billede er faktisk en "tegning", som netværket lavede. Det "kopierede" ikke designet fra hvor som helst; det simpelthen bygget det abstrakt som enhver maler ville.

Et af de mest bemærkelsesværdige resultater i dette projekt er netværkets evne til at registrere katte. Moderne computere kan nemt vise en video med en kat til underholdning, men de kan ikke forstå, hvad de viser dig. Ingen forventer, at deres computere ved, hvad en kat er . Alligevel viser de videoer af disse fuzzy små skabninger millioner gange om dagen rundt om i verden, helt uvidende om deres eksistens. Den computer, du læser dette fra, er nok ikke mere end et glorificeret interaktivt tv. Google formåede at oprette et system, der kunne pege på katten i et stillbillede (uden forudgående instruktion om, hvad en kat er). Dette er en uovertruffen succes, der kunne tage os alle et skridt videre i informationsalderen.

Ansøgninger til neurale netværk

Forestil dig at have en robot med dig, der ikke kun kan køre dig til arbejde, men også kunne tjene som medic, når du er skadet. Det simpelthen, at en computer kan skelne, hvad en kat er, når den er omgivet af andre genstande, har store konsekvenser. Du må muligvis vente et stykke tid (16.000 CPU-kerner er meget vanskelige for øjeblikket at passe i et lille rum), men at skelne et sår fra huden omkring det (og identificere typen af ​​sår) betyder, at et "medicinsk modul" på en robot kunne hjælpe med at gøre suturer på din krop. Når du tager lidt tid til at tænke over det, kan kunstige neurale netværk føre til teknologier, som vi ikke har troet vi ville se i vores liv. Måske en dag ikke for langt fra nu tager vi robotter sammen som cykelkammerater og spiller fodbold med dem, alt takket være den måde, hvorpå de kan tilpasse sig og lære ligesom os.

Hvad synes du? Er det alt for optimistisk at tro, at vi kan gå fra "cat detector" til "robot doctor" på et tidspunkt i vores liv? Fortæl os nedenfor i en kommentar!