بیشتر کارهایی که با هوش بدلی انجام می شود، دربرگیرنده فرایند آموزشی است که با عنوان یادگیری ماشین شناخته می شود و در آن، عملکرد شعور مصنوعی در انجام کارهایی مشابه تشخیص گربه خواه جا یابی خوش نویسی با تکرار بیشتر این کار گشایش می یابد. به تازگی، پژوهشگران از همین تکنیک بخاطر ساختن سیستم های هوش مصنوعی جدیدی عاری هرگونه شفاعت ی انسانی استفاده کرده اند.
مهندسان گوگل سال ها روی سیستم یادگیری ماشین هوشمندی بوسیله نام سیستم AutoML (سیستم خودکار یادگیری سامان) کار کرده اند که زمان حال می تواند درک قدر یا بهای چیزی های ساختگی ایجاد نرم که عملکرد آن از هوش های ساختگی قبلی بهتر است. اکنون، پژوهشگران آن را طوری توافق کرده اند تا مفاهیم تکامل داروین را دربرگیرد و نشان داده اند سیستم سابق الذکر می تواند برنامه های هوش تقلبی ابداع بطی ء که به خودی خود سریع تر از زمانی بهبود رک می درنگ که انسان ها کدنویسی آن ها را ادا می دهند.
جهیز جدید AutoML-Zero نامیده می شود و اگرچه ممکن است کمی سراسیمه کننده بوسیله رویت برسد، می تواند به ترقی ی کندرو جهیز های هوشمندتر منجر شود. برای مثال، شبکه های عصبی که برای تقلید نکته سنج تر عدد انسان با چندین لایه و اندازه دهی طراحی شده اند؛ یعنی چیزی که کدنویسان انسانی درباره ی آن مشکل دارند. پژوهشگران در مقاله ی پیش طبع خود نوشته اند:امروزه این امکان پذیر است که به طورخودکار الگوریتم های طولانی تدریس ماشین را فقط با استعمال از عملیات محور ای ریاضی به نشانی واحدهای ساختاری کشف کنیم. ما این کار را با شناساندن چهارچوب جدیدی نشان داده ایم که ازطریق فضای جست وجوی عمومی، مورب ناشی از آدم را کاهش می دهد.مقاله های مرتبط:قوانین فیزیک به کمک هوش بدلی می آیندهوش مصنوعی چیست؟ هرآنچه باید درباره فناوری مرموز و دوست داشتنی امروز بدانیمهوش مصنوعی و اشتغال های مرتبط با آن، دوران رو بوسیله رشدی تجربه می کنند
هدف جهیز AutoML اولیه آن است که مصرف یادگیری سامان را برای اپلیکیشین ها آسان تر نرم و داخل حال حاضر، دربرگیرنده ویژگی های خودکار زیادی است؛ ولی AutoML-Zero ارج ورودی های موردنیاز انسانی را کاهش می دهد. با مصرف از فرایند ساده ی سه گانه بار ای محتوی راه اندازی و پیش دماغ و یادگیری، این سیستم را می توان به چشم «درس ماشینی از صفر» رویت. این سیستم با مجموعه ای از ۱۰۰ الگوریتم ساخته شده با اختلاط تصادفی عملیات ساده ریاضی مطلع به کار می نرم. سپس، فرایند تیره ی آزمون و منکر نیکوترین اجراکننده را شناسایی می بطی ء که با ترفندهایی بخاطر دور دوم آزمایش ها حفظ می شود. بوسیله عبارت دیگر، شبکه تندخو همان طورکه جلو می رود، دچار جهش می شود.
وقتی کد جدید تولید می شود، روی وظایف درک قدر یا بهای چیزی قلابی مانند امتیاز تفاوت تصویر کامیون و تصویر سگ آزمایش می شود و الگوریتم دارای بهترین عملکرد برای دور بعدی حفظ می شود (شبیه بقای اصلح داخل انتخاب غریزی). سرعت آن نیز زیاد است و پژوهشگران برآورد کرده اند تا ۱۰ هزاره الگوریتم می تواند در هر دم به ازای پردازنده جست وجو شود (هرچه تعداد پردازنده های بیشتری بخاطر انجام شهریه موجود باشد، سریع پر حرارت فرمان خواهد کرد).
بدین ترتیب، انتظار می رود سیستم های شعور مصنوعی استعمال ی گسترده تری پیدا یواش و دسترسی برنامه نویسان بدون تخصص درایت مصنوعی به آن ها آسان نم شود. حتی ممکن است سیستم جدید به ما دستیار نرم تا اریب انسانی را از هوش جعلی حذف کنیم؛ زیرا انسان ها به ندرت درگیر آن می شوند. پژوهش درزمینه ی بهبود AutoML-Zero ادامه دارد، با این امید که درنهایت بتواند الگوریتم هایی را مولود کند که دستور کار نویسان انسانی به تنهایی هرگز درباره ی آن اندیشه بی قراری نمی کردند.
هوش تقلبی متاخر پژوهشگران درحال حاضر تنها می تواند جهیز های هوش بدلی سهل ای را تولید کند؛ اما آن ها معتقدند پیچیدگی آن می تواند نسبتا به سرعت تکثیر واضح کند. ریستو میککولینین، دانشمند علوم کامپیوتر دانشگاه تگزاس در آستین می گوید:درحالی که بیشتر افراد شلنگ های کوچکی برمی دارند، این پژوهشگران گامی بزرگ در ناشناخته ها برداشته اند. این یکی از مقالاتی است که می تواند سبب استیناف های اضافی تو آینده شود.
پژوهش جدید هنوز مورد داوری استراحت نگرفته، ولی به صورت پیش چاپ در وب گاه arXiv منتشر شده است.بیشتر بخوانید:قرارداد همکاری NBA و مایکروسافت بخاطر پیدایش سرویس پخش حی شخصی سازی شدهدارپا با باهم اتحاد کردن اینتل و دانشگاه جورجیا، سیستم زنهار یادگیری ماشین توسعه می دهدIBM هوش تقلبی خود بخاطر انجام مطالعات روی کووید 19 را دراختیار دانشمندان فراغت می دهدچرا فهمیدن جعلی هنوز توانایی درک وفاق علت و معلولی را ندارد؟کشف آنتی بیوتیک های قدرتمند بوسیله کمک درایت مصنوعی
مهندسان گوگل سال ها روی سیستم یادگیری ماشین هوشمندی بوسیله نام سیستم AutoML (سیستم خودکار یادگیری سامان) کار کرده اند که زمان حال می تواند درک قدر یا بهای چیزی های ساختگی ایجاد نرم که عملکرد آن از هوش های ساختگی قبلی بهتر است. اکنون، پژوهشگران آن را طوری توافق کرده اند تا مفاهیم تکامل داروین را دربرگیرد و نشان داده اند سیستم سابق الذکر می تواند برنامه های هوش تقلبی ابداع بطی ء که به خودی خود سریع تر از زمانی بهبود رک می درنگ که انسان ها کدنویسی آن ها را ادا می دهند.
جهیز جدید AutoML-Zero نامیده می شود و اگرچه ممکن است کمی سراسیمه کننده بوسیله رویت برسد، می تواند به ترقی ی کندرو جهیز های هوشمندتر منجر شود. برای مثال، شبکه های عصبی که برای تقلید نکته سنج تر عدد انسان با چندین لایه و اندازه دهی طراحی شده اند؛ یعنی چیزی که کدنویسان انسانی درباره ی آن مشکل دارند. پژوهشگران در مقاله ی پیش طبع خود نوشته اند:امروزه این امکان پذیر است که به طورخودکار الگوریتم های طولانی تدریس ماشین را فقط با استعمال از عملیات محور ای ریاضی به نشانی واحدهای ساختاری کشف کنیم. ما این کار را با شناساندن چهارچوب جدیدی نشان داده ایم که ازطریق فضای جست وجوی عمومی، مورب ناشی از آدم را کاهش می دهد.مقاله های مرتبط:قوانین فیزیک به کمک هوش بدلی می آیندهوش مصنوعی چیست؟ هرآنچه باید درباره فناوری مرموز و دوست داشتنی امروز بدانیمهوش مصنوعی و اشتغال های مرتبط با آن، دوران رو بوسیله رشدی تجربه می کنند
هدف جهیز AutoML اولیه آن است که مصرف یادگیری سامان را برای اپلیکیشین ها آسان تر نرم و داخل حال حاضر، دربرگیرنده ویژگی های خودکار زیادی است؛ ولی AutoML-Zero ارج ورودی های موردنیاز انسانی را کاهش می دهد. با مصرف از فرایند ساده ی سه گانه بار ای محتوی راه اندازی و پیش دماغ و یادگیری، این سیستم را می توان به چشم «درس ماشینی از صفر» رویت. این سیستم با مجموعه ای از ۱۰۰ الگوریتم ساخته شده با اختلاط تصادفی عملیات ساده ریاضی مطلع به کار می نرم. سپس، فرایند تیره ی آزمون و منکر نیکوترین اجراکننده را شناسایی می بطی ء که با ترفندهایی بخاطر دور دوم آزمایش ها حفظ می شود. بوسیله عبارت دیگر، شبکه تندخو همان طورکه جلو می رود، دچار جهش می شود.
وقتی کد جدید تولید می شود، روی وظایف درک قدر یا بهای چیزی قلابی مانند امتیاز تفاوت تصویر کامیون و تصویر سگ آزمایش می شود و الگوریتم دارای بهترین عملکرد برای دور بعدی حفظ می شود (شبیه بقای اصلح داخل انتخاب غریزی). سرعت آن نیز زیاد است و پژوهشگران برآورد کرده اند تا ۱۰ هزاره الگوریتم می تواند در هر دم به ازای پردازنده جست وجو شود (هرچه تعداد پردازنده های بیشتری بخاطر انجام شهریه موجود باشد، سریع پر حرارت فرمان خواهد کرد).
بدین ترتیب، انتظار می رود سیستم های شعور مصنوعی استعمال ی گسترده تری پیدا یواش و دسترسی برنامه نویسان بدون تخصص درایت مصنوعی به آن ها آسان نم شود. حتی ممکن است سیستم جدید به ما دستیار نرم تا اریب انسانی را از هوش جعلی حذف کنیم؛ زیرا انسان ها به ندرت درگیر آن می شوند. پژوهش درزمینه ی بهبود AutoML-Zero ادامه دارد، با این امید که درنهایت بتواند الگوریتم هایی را مولود کند که دستور کار نویسان انسانی به تنهایی هرگز درباره ی آن اندیشه بی قراری نمی کردند.
هوش تقلبی متاخر پژوهشگران درحال حاضر تنها می تواند جهیز های هوش بدلی سهل ای را تولید کند؛ اما آن ها معتقدند پیچیدگی آن می تواند نسبتا به سرعت تکثیر واضح کند. ریستو میککولینین، دانشمند علوم کامپیوتر دانشگاه تگزاس در آستین می گوید:درحالی که بیشتر افراد شلنگ های کوچکی برمی دارند، این پژوهشگران گامی بزرگ در ناشناخته ها برداشته اند. این یکی از مقالاتی است که می تواند سبب استیناف های اضافی تو آینده شود.
پژوهش جدید هنوز مورد داوری استراحت نگرفته، ولی به صورت پیش چاپ در وب گاه arXiv منتشر شده است.بیشتر بخوانید:قرارداد همکاری NBA و مایکروسافت بخاطر پیدایش سرویس پخش حی شخصی سازی شدهدارپا با باهم اتحاد کردن اینتل و دانشگاه جورجیا، سیستم زنهار یادگیری ماشین توسعه می دهدIBM هوش تقلبی خود بخاطر انجام مطالعات روی کووید 19 را دراختیار دانشمندان فراغت می دهدچرا فهمیدن جعلی هنوز توانایی درک وفاق علت و معلولی را ندارد؟کشف آنتی بیوتیک های قدرتمند بوسیله کمک درایت مصنوعی
- ۹۹/۰۲/۰۳
آموزش آشپزی در هلوکوک
holoocook.blog.ir