Während Sich Ki Zu "Deep Learning" Weiterentwickelt, Sind Roboter-Butler Am Horizont? (Op-Ed)

{h1}

Ein neues feld der künstlichen intelligenz, das tiefe lernen, ermöglicht es computern, "für sich zu denken", die robotik und andere technologien rasch voranzutreiben.

Ahmed Banafa ist Fakultätsmitglied der Kaplan University für Schule für Informationstechnologie mit Erfahrung im IT-Betrieb und -Management sowie mit Hintergrundwissen zu Techniken und Analysen. Er ist zertifizierter Microsoft Office Specialist und hat als Gutachter und technischer Mitarbeiter für die Veröffentlichung mehrerer Geschäfts- und Fachbücher gearbeitet. Er hat diesen Artikel zu WordsSideKick.com's beigetragen Expertenstimmen: Op-Ed & Insights.

Deep Learning, ein aufstrebendes Thema der künstlichen Intelligenz (KI), entwickelt sich rasch zu einem der gefragtesten Bereiche in der Informatik. Eine Unterkategorie des maschinellen Lernens, Deep Learning, befasst sich mit dem Einsatz neuronaler Netze zur Verbesserung von Spracherkennung, Computer Vision und Verarbeitung natürlicher Sprache. In den letzten Jahren hat tiefes Lernen dazu beigetragen, Fortschritte in so unterschiedlichen Bereichen wie Objektwahrnehmung, maschinelle Übersetzung und Spracherkennung zu erzielen - all diese Forschungsthemen waren für KI-Forscher seit langem schwer zu knacken.

Neuronale Netze

In der Informationstechnologie ist ein neuronales Netzwerk ein System von Programmen und Datenstrukturen, das sich der Funktionsweise des menschlichen Gehirns annähert. Ein neuronales Netzwerk umfasst normalerweise eine große Anzahl parallel arbeitender Prozessoren, von denen jeder über einen eigenen kleinen Wissensbereich verfügt und auf Daten in seinem lokalen Speicher zugreifen kann.

Typischerweise wird ein neuronales Netzwerk anfangs "trainiert" oder erhält große Datenmengen und Regeln über Datenbeziehungen (z. B. "Ein Großvater ist älter als der Vater einer Person"). Ein Programm kann dann dem Netzwerk mitteilen, wie es sich in Reaktion auf einen externen Stimulus verhalten soll (z. B. um Eingaben eines Computerbenutzers, der mit dem Netzwerk interagiert), oder es kann eine Aktivität (innerhalb der Grenzen seines Zugriffs auf das externe Netzwerk) selbst initiieren Welt).

Tiefes Lernen vs Maschinelles lernen

Um zu verstehen, was tiefes Lernen ist, ist es zunächst wichtig, es von anderen Disziplinen im Bereich der KI zu unterscheiden.

Ein Ausweg der KI war maschinelles Lernen, bei dem der Computer durch überwachte Erfahrung Wissen extrahiert. Dazu gehört in der Regel, dass ein menschlicher Bediener der Maschine beim Lernen hilft, indem er Hunderte oder Tausende von Trainingsbeispielen gibt und Fehler manuell korrigiert.

Während das maschinelle Lernen im Bereich der KI dominant geworden ist, hat es seine Probleme. Zum einen ist es sehr zeitaufwändig. Zum anderen ist es immer noch kein echtes Maß für maschinelle Intelligenz, da es auf menschlichem Einfallsreichtum beruht, um die Abstraktionen zu finden, die ein Computer lernen kann.

Im Gegensatz zum maschinellen Lernen ist das tiefe Lernen meistens unbeaufsichtigt. Dazu gehört zum Beispiel die Schaffung großflächiger neuronaler Netze, die es dem Computer ermöglichen, von sich aus zu lernen und zu "denken" - ohne dass ein direkter menschlicher Eingriff erforderlich ist.

Deep Learning "sieht wirklich nicht aus wie ein Computerprogramm", sagte der Psychologe und KI-Experte Gary Marcus von der New York University kürzlich in einem Interview bei NPR. Gewöhnlicher Computercode wird in sehr strengen logischen Schritten geschrieben. Er sagte: "Aber was Sie beim tiefen Lernen sehen werden, ist etwas anderes. Sie haben nicht viele Anweisungen, die sagen:" Wenn eine Sache wahr ist, machen Sie diese andere Sache "Die Menschheit muss eine gefährliche KI ins Gefängnis stecken, um den Untergang zu vermeiden", meint der Experte]

Anstatt einer linearen Logik basiert das tiefe Lernen auf Theorien, wie das menschliche Gehirn arbeitet. Das Programm besteht aus verschlungenen Schichten miteinander verbundener Knoten. Es lernt durch Neuanordnung der Verbindungen zwischen Knoten nach jeder neuen Erfahrung.

Deep Learning hat Potenzial als Grundlage für eine Software gezeigt, die die im Text beschriebenen Emotionen oder Ereignisse (auch wenn sie nicht ausdrücklich referenziert werden) ermitteln, Objekte in Fotos erkennen und differenzierte Vorhersagen über das wahrscheinliche zukünftige Verhalten von Menschen treffen kann.

Wenn Sie ein Experte für aktuelle Themen sind - Forscher, Unternehmensleiter, Autor oder Innovator - und einen Beitrag leisten möchten, senden Sie uns hier eine E-Mail.

Wenn Sie ein Experte für aktuelle Themen sind - Forscher, Unternehmensleiter, Autor oder Innovator - und einen Beitrag leisten möchten, senden Sie uns hier eine E-Mail.

Das tiefe Lernspiel

Im Jahr 2011 startete Google das Google Brainproject, mit dem ein neuronales Netzwerk erstellt wurde, das mit tiefen Lernalgorithmen trainiert wurde und sich als fähig erwies, Konzepte auf hohem Niveau zu erkennen.

Im vergangenen Jahr gründete Facebook seine KI-Forschungsabteilung, in der er fundiertes Wissen einsetzte, um Lösungen zu entwickeln, mit denen Gesichter und Objekte in den 350 Millionen Fotos und Videos, die täglich auf Facebook hochgeladen werden, besser identifiziert werden können.

Ein weiteres Beispiel für tiefes Lernen in Aktion ist die Spracherkennung wie Google Now und Apples Siri.

Die Zukunft

Deep Learning ist vielversprechend und macht selbstfahrende Autos und Roboter-Butler zu einer echten Möglichkeit. Sie werden immer noch begrenzt sein, aber was solche Systeme waren vor wenigen Jahren noch undenkbar, und es entwickelt sich in einem beispiellosen Tempo. Die Fähigkeit, riesige Datensätze zu analysieren und tiefes Lernen in Computersystemen zu nutzen, die sich an die Erfahrung anpassen können, anstatt von einem menschlichen Programmierer abhängig zu sein, wird zu Durchbrüchen führen. Diese reichen von der Entdeckung von Medikamenten über die Entwicklung neuer Materialien bis hin zu Robotern, die ein größeres Bewusstsein für ihre Umwelt haben.

Verfolgen Sie alle Fragen und Debatten von Expert Voices - und nehmen Sie an der Diskussion teil Facebook, Twitter und Google +. Die geäußerten Ansichten sind die des Autors und spiegeln nicht unbedingt die Ansichten des Herausgebers wider.Diese Version des Artikels wurde ursprünglich auf WordsSideKick.com veröffentlicht.

Während Sich Ki Zu


Videoergänzungsan: .




Forschung


Spinnenflüchtlinge Deckenbäume In Hauchdünnen Bahnen
Spinnenflüchtlinge Deckenbäume In Hauchdünnen Bahnen

Große Klitoris Der Bulldogge Wirft Genetisches Geheimnis Auf
Große Klitoris Der Bulldogge Wirft Genetisches Geheimnis Auf

Wissenschaft Nachrichten


Ursprüngliche Zähne Schieben Die Frühe Ankunft Der Menschen In Südostasien Zurück
Ursprüngliche Zähne Schieben Die Frühe Ankunft Der Menschen In Südostasien Zurück

Schuld Am Gehirn: Warum Psychopathen Kein Einfühlungsvermögen Haben
Schuld Am Gehirn: Warum Psychopathen Kein Einfühlungsvermögen Haben

Die Kunst Der Mathematischen Modellierung
Die Kunst Der Mathematischen Modellierung

Ökotourismus Kann Eine Gute Nachricht Für Haie Sein
Ökotourismus Kann Eine Gute Nachricht Für Haie Sein

Sind Meerjungfrauen Echt?
Sind Meerjungfrauen Echt?


DE.WordsSideKick.com
Alle Rechte Vorbehalten!
Die Wiedergabe Von Irgendwelchen Materialien Erlaubt Nur Prostanovkoy Aktiven Link Zu Der Website DE.WordsSideKick.com

© 2005–2024 DE.WordsSideKick.com