بررسی هوش مصنوعی

بررسی هوش مصنوعی

ما دقیقاً نمی دانیم که در “مغز” هوش مصنوعی (AI) چه می گذرد و بنابراین نمی توانیم اقدامات آن را به طور دقیق پیش بینی کنیم. ما تنها می توانیم آزمایش هایی را انجام دهیم ، اما همیشه نمی توانیم پیش بینی و درک کنیم که چرا هوش مصنوعی همان کاری را انجام می دهد که مغز انسان به آن عمل میکند.

درست مانند انسان ها ، توسعه هوش مصنوعی بر اساس تجربیات است (در مورد داده ها در هوش مصنوعی). به همین دلیل است که نحوه عملکرد هوش مصنوعی گاهی اوقات ما را شگفت زده می کند ، و مثال های بی شماری از رفتارهای مصنوعی نژادپرستانه یا فقط نامناسب وجود دارد. پارادوکسی به نام مشکل جعبه سیاه. که از یک سو ریشه در ماهیت خودآموزی هوش مصنوعی دارد و از سوی دیگر ، در این واقعیت است که تاکنون نتوانسته است به “مغز” هوش مصنوعی دقت کند و درک کند که بهوش مصنوعی چه می کند و تنها داده ها اساس یادگیری آن را تشکیل دهند.

مغز آشفته :

برای آموزش روبات ها به چنگ زدن ، پرتاب کردن ، هل دادن ، کشیدن ، راه رفتن ، پریدن ، باز کردن درها و غیره به مجموعه داده های بسیار بزرگی نیاز است و هوش مصنوعی فقط از داده هایی استفاده می کند که به آنها امکان می دهد تا یک کار خاص را حل کند. راهی که هوش مصنوعی داده های مفید را از داده های بیهوده طبقه بندی می کند و در نهایت الگوهایی را که بعداً اقدامات خود را بر اساس آنها قرار می دهد ، فشرده سازی داده های خود در شبکه های عصبی است.

“در تحقیقات اساسی، ما یک راه حل سیستماتیک برای بازگشت نظری پیدا کرده ایم ، به طوری که بتوانیم پیگیری کنیم که کدام الگوها در واقعیت ریشه دارند و کدام با فشرده سازی ابداع شده اند. وقتی بتوانیم این دو را از هم جدا کنیم ، ما به عنوان انسان می توانیم درک بهتری از نحوه عملکرد هوش مصنوعی پیدا کنیم و همچنین ، اطمینان حاصل کنیم که هوش مصنوعی به الگوهای غلط گوش نمی دهد. “