Sal die intelligente algoritmes van die toekoms soos algemene doelrobotte lyk, as vaardige in ledemate en leeskaarte soos hulle handig in die kombuis is? Of sal ons digitale assistente meer lyk as 'n gryp sak van gespesialiseerde gadgets - minder 'n klomp meesterhoof as 'n kombuis vol toestelle?

As 'n algoritme probeer om te veel te doen, word dit in die moeilikheid. Die onderstaande resep is gegenereer deur 'n kunsmatige neurale netwerk, 'n soort kunsmatige intelligensie (AI) wat deur voorbeeld leer. Hierdie spesifieke algoritme het gekyk na 30,000 kookboek resepte van alle soorte, van sop tot pasteie tot barbecues, en het daarna probeer om hul eie te maak. Die resultate is, sal ons sê, ietwat onortodokse:

(Redakteur se Nota: Moenie hierdie resepte tuis probeer nie, LOL)

Verspreide Hoenderry

kaas / eiers, slaaie, kaas

2 lb harte, saad
1 koppie gesnyde varsmunt- of framboostaart
1 / 2 koppie katrimas, gerasper
1 eetlepel groente-olie
1 sout
1 peper
2 1 / 2 tb suiker, suiker

Kombineer losblaaie en roer tot die mengsel dik is. Voeg dan eiers, suiker, heuning en karwijsaad by en kook oor lae hitte. Voeg die mieliesiroop, oregano, roosmaryn en die witpeper by. Sit die room in die hitte. Kook voeg die oorblywende 1 teelepel bakpoeier en sout by. Bak by 350F vir 2 tot 1 uur. Bedien warm.

Opbrengs: 6 porsies

Nou, hier is 'n voorbeeld van 'n resep wat gegenereer word deur dieselfde basiese algoritme - maar in plaas van data wat resepte van allerhande soorte bevat, het dit net gekyk na koeke. Die resep is nie perfek nie, maar dit is baie, baie beter as die vorige een:

Wortelkoek (Vera Dames ")

koeke, alkohol

1 pkg geelkoekmengsel
3 koppie meel
1 teelepel bakpoeier
1 1 / 2 teelepel koeksoda
1 / 4 teelepel sout
1 teelepel gemaalde kaneel
1 teelepel gemmer
1 / 2 teelepel gemaalde naeltjies
1 teelepel bakpoeier
1 / 2 teelepel sout
1 teelepel vanielje
1 eier, kamertemperatuur
1 cup sugar
1 teelepel vanielje
1 koppie gekapte pekanneute

Voorverhit oond tot 350 grade. Smeer 'n 9-duim-springvormpan.

Om die koek te maak: Klits eiers teen hoë spoed tot dik en geel kleur en sit eenkant. Klits die eierwitte in 'n aparte bak tot styf. Spoed die eerste soos die mengsel in die voorbereide pan en maak die beslag glad. Bak in die oond vir sowat 40 minute of totdat 'n houtstokkie in die middel van die middel gesit word, kom skoon uit. Koel in die pan vir 10 minute. Draai uit op 'n draadrak om heeltemal af te koel.

Verwyder die koek uit die pan om heeltemal af te koel. Bedien warm.

HereCto Kookboek (1989) Uit die Kitchen & Hawn in die Canadian Living

Opbrengs: 16 porsies

Sekerlik, as jy die instruksies nader aanskou, word dit slegs een eendebak eiergeel geproduseer. Maar dit is nog steeds 'n verbetering. Toe die AI toegelaat word om te spesialiseer, was daar eenvoudig minder om tred te hou. Dit hoef nie te probeer uitvind wanneer sjokolade gebruik word en wanneer aartappels gebruik word, wanneer om te bak of wanneer om te prut nie. As die eerste algoritme probeer om 'n wonderkas te wees wat rys, roomys en pasteie kan produseer, het die tweede algoritme probeer om iets meer soos 'n broodrooster te wees - gespesialiseerd vir net een taak.

Ontwikkelaars wat masjienleer-algoritmes oplei, het gevind dat dit dikwels sinvol is om braaieraars eerder as wonderkaste te bou. Dit mag dalk teenstellend lyk, want die AI's van Westerse wetenskapfiksie is geneig om C-3PO te lyk in Star Wars of WALL-E in die gelyknamige film - voorbeelde van kunsmatige algemene intelligensie (AGI), outomaties wat met die wêreld kan wissel soos 'n mens en baie verskillende take hanteer. Maar baie maatskappye is onsigbaar - en suksesvol - die gebruik van masjienleer om meer beperkte doelwitte te bereik. Een algoritme kan 'n chatbot wees wat 'n beperkte reeks basiese kliëntevrae oor hul telefoonrekening hanteer. Nog 'n ander kan voorspellings maak oor wat 'n kliënt bel om te bespreek, wat hierdie voorspellings toon vir die menslike verteenwoordiger wat die telefoon beantwoord. Dit is voorbeelde van kunsmatige smal intelligensie (ANI) - beperk tot baie nou funksies. Aan die ander kant, het Facebook onlangs sy 'M'-chatbot afgetree, wat nooit daarin slaag om sy hotelbesprekings te hanteer nie, teaterkaartjies te bespreek, papegaaibesoeke te reël en meer.

Die rede waarom ons 'n Toaster-vlak ANI in plaas van WALL-E-vlak AGI het, is dat enige algoritme wat probeer om veralgemeen te kry, kry erger by die verskillende take wat dit konfronteer.

vir byvoorbeeld, hier is 'n algoritme opgelei om 'n prentjie te genereer wat gebaseer is op 'n onderskrif.

Dit is sy poging om 'n prentjie uit die frase te skep: 'hierdie voël is geel met swart op sy kop en het 'n baie kort snawel'.

Toe dit opgelei is op 'n datastel wat heeltemal uit voëls bestaan ​​het, het dit redelik goed gedoen (ondanks die vreemde eenhoornhoring):

Maar toe sy taak was om te genereer enigiets - Van tekens na bote na koeie na mense - dit het gesukkel. Hier is sy poging om 'n beeld van 'n meisie te genereer wat 'n groot sny pizza eet:

Ons is nie gewoond daaraan om te dink daar is so 'n groot gaping tussen 'n algoritme wat een ding goed doen nie, en 'n algoritme wat baie goed doen. Maar ons vandag algoritmes het baie beperkte geestelike krag in vergelyking met die menslike brein, en elke nuwe taak versprei hulle dunner. Dink aan 'n toaster-grootte toestel: dit is maklik om 'n paar gleuwe en 'n paar verwarmings spoele te bou sodat dit brood kan rooster. Maar dit laat min plek vir enigiets anders. As jy ook rys-stoom- en ysmaak-funksionaliteit probeer byvoeg, moet jy ten minste een van die broodgate gee, en dit sal waarskynlik nie goed wees nie.

Daar is truuks wat programmeerders gebruik om meer uit ANI-algoritmes te kry. Een is oordrag leer: lei 'n algoritme om een ​​taak te doen, en dit kan leer om 'n ander maar nou verwante taak na minimale heropleiding te doen. Mense gebruik oordrag om byvoorbeeld beeldherkenningsalgoritmes op te lei. 'N Algoritme wat geleer het om diere te identifiseer, het reeds baie gewin in die weg van randopsporing en tekstuuranalise-vaardighede, wat dit kan oordra na die taak om vrugte te identifiseer. Maar as jy die algoritme herlei om vrugte te identifiseer, word 'n verskynsel genoem katastrofiese vergeet beteken dat dit nie meer sal onthou hoe om diere te identifiseer nie.

Nog 'n truuk wat vandag se algoritmes gebruik, is modulariteit. Eerder as 'n enkele algoritme wat enige probleem kan hanteer, is die AI's van die toekoms waarskynlik 'n samestelling van hoogs gespesialiseerde instrumente. 'N Algoritme wat geleer Om die videospeletjie Doom te speel, het byvoorbeeld afsonderlike, toegewyde visie, kontroleerder en geheue modules gehad. Onderling gekoppelde modules kan ook ontslag bied teen mislukking en 'n meganisme om te stem oor die beste oplossing vir 'n probleem wat gebaseer is op verskeie verskillende benaderings. Hulle kan ook 'n manier wees om algoritmiese foute op te spoor en te oplos. Dit is gewoonlik moeilik om uit te vind hoe 'n individuele algoritme sy besluite neem, maar as 'n besluit geneem word deur samewerking sub-algoritmes, kan ons ten minste kyk na elke sub-algoritme se uitset.

Wanneer ons die AI's van die verre toekoms sien, is Miskien Wall-E en C-3PO nie die droë wat ons moet soek nie. In plaas daarvan kan ons iets meer voorstel soos 'n slimfoon vol programme, of 'n kombuiskas vol gadgets. As ons voorberei vir 'n wêreld van algoritmes, moet ons seker maak dat ons nie beplan om te dink, algemene doeleindes wat nooit gebou kan word nie, maar eerder vir hoogs gespesialiseerde broodroosters.

Oor Die Skrywer

Janelle Shane lei neurale netwerke om humor by aiweirdness.com te skryf. Sy is ook 'n navorsingswetenskaplike in optika, en woon in Boulder, Colorado.

Hierdie artikel is oorspronklik gepubliseer by Aeon en is gepubliseer onder Creative Commons.

Verwante Boeke:

at InnerSelf Market en Amazon