כאשר אפליקציה טוענת שהיא מופעלת על ידי "בינה מלאכותית" זה מרגיש כאילו אתה בעתיד. אבל מה זה באמת אומר? אנחנו בוחנים מה באמת אומרות מילות באז כמו AI, למידת מכונה ורשתות עצביות והאם הן באמת עוזרות לשפר את האפליקציות שלך.
רק לאחרונה, גוגל ומיקרוסופט הוסיפו שתיהןלמידת רשתות עצביותאֶלאפליקציות התרגום שלהם. גוגל אמר שכןבאמצעות למידת מכונה כדי להציע רשימות השמעה. Todoist אומר שהוא משתמש ב-AI כדילהציע מתי עליך לסיים משימה. Any.do טוען לבוט המופעל על ידי AIיכול לעשות כמה משימות עבורך. כל זה רק משבוע שעבר. חלק מזה הוא חומר שיווקי כדי לגרום לתכונות חדשות להישמע מרשימות, אבל לפעמים השינויים מועילים באופן לגיטימי. "בינה מלאכותית," "למידת מכונה" ו"רשתות עצביותכולם מתארים דרכים למחשבים לבצע משימות מתקדמות יותר וללמוד מהסביבה שלהם. למרות שאתה עשוי לשמוע אותם בשימוש זה בזה על ידי מפתחי אפליקציות, הם יכולים להיות שונים מאוד בפועל.
רשתות עצביות מנתחות נתונים מורכבים על ידי הדמיית המוח האנושי
רשתות עצביות מלאכותיות (ANN או פשוט "רשתות עצביות" בקיצור) מתייחסות לסוג מסוים של מודל למידה שמחקה את האופן שבו סינפסות פועלות במוח שלך. שימושי מחשוב מסורתייםסדרה של הצהרות היגיוןלבצע משימה. רשתות עצביות, לעומת זאת, משתמשות ברשת של צמתים (שפועלים כמו נוירונים) וקצוות (שפועלים כמו סינפסות) כדי לעבד נתונים. לאחר מכן מופעלות כניסות דרך המערכת ונוצרות סדרה של יציאות.
הפלט הזה מושווה לאחר מכן לנתונים ידועים. לדוגמה, נניח שאתה רוצה לאמן מחשב לזהות תמונה של כלב. היית מריץ מיליוני תמונות של כלב דרך הרשת כדי לראות אילו תמונות היא החליטה שנראות כמו כלבים. לאחר מכן, אדם יאשר אילו תמונות הן בעצם כלבים. לאחר מכן המערכת מעדיפה את המסלולים דרך הרשת העצבית שהובילו לתשובה הנכונה. עם הזמן ומיליוני איטרציות, הרשת תשפר בסופו של דבר את הדיוק של תוצאותיה.
כדי לראות איך זה עובד בפעולה, אתה יכולנסה את ה-Quick, Draw של Google! ניסוי כאן. במקרה זה, גוגל מאמנת רשת לזהות שרבוטים. זה משווה את השרבוט שאתה מצייר לדוגמאות שציירו אנשים אחרים. לרשת נאמר מה הם השרבוטים ולאחר מכן מאומנים לזהות שרבוטים עתידיים על סמך איך נראים אלה בעבר. גם אם כישורי הציור שלך מבאסים (כמו שלי), הרשת די טובה בזיהוי צורות בסיסיות כמו צוללות, צמחי בית וברווזים.
רשתות עצביות אינן הפתרון המתאים לכל דבר, אבל הן מצטיינות בהתמודדות עם נתונים מורכבים. Google ו-Microsoft שימוש ברשתות עצביות כדי להפעיל את אפליקציות התרגום שלהן הוא מרגש בהחלט בגללקשה לתרגם שפות. כולנו ראינו תרגומים מקולקלים, אבל למידת רשתות עצביות יכולה לאפשר למערכת ללמוד מתרגומים נכונים כדי להשתפר עם הזמן. ראינו דבר דומה קורה עם תמלול קול. לאחר הכנסת לימוד רשתות עצביות ל-Google Voice,שגיאות התמלול הופחתו ב-49%. אולי לא תשים לב לזה מיד וזה לא יהיה מושלם, אבל סוג זה של למידה באמת הופך את ניתוח הנתונים המורכב לטוב יותר, מה שיכול להוביל לתכונות טבעיות יותר באפליקציות שלך.
למידת מכונה מלמדת מחשבים להשתפר בעזרת תרגול
למידת מכונה היא מונח רחב המקיף כל דבר שבו אתה מלמד מכונה להשתפר במשימה בעצמה. ליתר דיוק, זה מתייחס לכל מערכתכאשר הביצועים של מכונה בהשלמת משימה משתפרים רק באמצעות ניסיון רב יותר בביצוע משימה זו. רשתות עצביות הן דוגמה ללמידת מכונה, אבל הן לא הדרך היחידה שבה מכונה יכולה ללמוד.
לדוגמה, שיטה חלופית אחת של למידת מכונה נקראתלמידת חיזוק. בשיטה זו, מחשב מבצע משימה ולאחר מכן הוא מדורג על פי התוצאה. הסרטון שלמעלה מאת Android Authority משתמש במשחק שח כדוגמה. מחשב משחק משחק שחמט שלם ואז הוא מנצח או מפסיד. אם הוא מנצח, אז הוא מקצה ערך מנצח לסדרת המהלכים שהוא השתמש בו במהלך אותו משחק. לאחר משחק במיליוני משחקים, המערכת יכולה לקבוע אילו מהלכים צפויים לנצח על סמך התוצאות של אותם משחקים.
בעוד שרשתות עצביות טובות לדברים כמו זיהוי תבניות בתמונות, סוגים אחרים של למידת מכונה עשויים להיות שימושיים יותר עבור משימות שונות כמו קביעת סוג מוזיקה שאתה אוהב. למעשה, גוגל אומרת שאפליקציית המוזיקה שלה תמצא אותךהמוזיקה שאתה רוצה מתי שאתה רוצה אותה. זה עושה זאת על ידי בחירת רשימות השמעה עבורך על סמך התנהגותך בעבר. אם תתעלם מההצעות שלה, זה (ככל הנראה) יסומן ככישלון. עם זאת, אם תבחר באחת מההצעות, התהליך שהוא השתמש בו כדי לתת את ההצעה הזו מתויג כהצלחה, כך שהוא מחזק את התהליך שהוביל להצעה זו.
במקרים כאלה, ייתכן שלא תפיק את מלוא התועלת מלמידת מכונה אם לא תשתמש בתכונה הרבה. בפעם הראשונה שאתה פותח את אפליקציית המוזיקה של גוגל, ההמלצות שלך כנראה יהיו די מפוזרות. ככל שתשתמש בו יותר, ההצעות משתפרות. בתיאוריה, בכל מקרה. למידת מכונה היא לא כדור כסף, אז אתה עדיין יכול לקבל המלצות זבל. עם זאת, אתה תעשה זאתבְּהֶחלֵטקבל המלצות זבל אם אתה פותח את אפליקציית המוזיקה רק פעם בחצי שנה. ללא שימוש קבוע כדי לעזור לו ללמוד, הצעות למידת מכונה אינן טובות בהרבה מהצעות "חכמות" רגילות. בתור מילת באז, "למידת מכונה" מעורפלת יותר מרשתות עצביות, אך היא עדיין מרמזת שהתוכנה שבה אתה משתמש תשתמש במשוב שלך כדי לשפר את הביצועים שלה.
בינה מלאכותית פירושה רק כל דבר שהוא "חכם"
בדיוק כמו שרשתות עצביות הן סוג של למידת מכונה, למידת מכונה היא סוג של בינה מלאכותית. עם זאת, הקטגוריה של מה שנחשב כ"אינטליגנציה מלאכותית" מוגדרת כל כך גרועה שהיא כמעט חסרת משמעות. למרות שזה מעלה את הדימוי המנטלי של מדע בדיוני עתידני, במציאות, כבר הגענו לאבני דרך שנחשבו בעבר לתחום הבינה המלאכותית העתידית. לְדוּגמָה,זיהוי תווים אופטיפעם נחשב מורכב מדי עבור מכונה, אבל עכשיואפליקציה בטלפון שלך יכולה לסרוק מסמכים ולהפוך אותם לטקסט. תיאור משימה כה בסיסית כמו AI יגרום לזה להישמע יותר מרשים ממה שהוא.
הסיבה שמשימות טלפון בסיסיות יכולות להיחשב בינה מלאכותית היא כי יש למעשה שתי קטגוריות שונות מאוד של בינה מלאכותית.AI חלש או צרמתאר כל מערכת המיועדת למשימה מצומצמת או לקבוצת משימות. לְדוּגמָה,Google Assistantוסירי- למרות שהם חזקים - מיועדים לבצע קבוצה מצומצמת מאוד של משימות. כלומר, קח סדרות ספציפיות של פקודות קוליות והחזר תשובות או הפעל אפליקציות. מחקר על בינה מלאכותית מפעיל את התכונות הללו, אך הוא עדיין נחשב "חלש".
לעומת זאת,AI חזק-ידוע אחרת בשםבינה כללית מלאכותיתאו "aI מלא" - היא מערכת שיכולה לבצע כל משימה שאדם יכול. זה גם לא קיים. אם קיווית שאפליקציית רשימת המטלות שלך תופעל על ידירובוט חמוד שמדובב על ידי אלן טודיק, זה רחוק. מכיוון שלמעשה כל בינה מלאכותית שתשתמש בה נחשבת בינה מלאכותית חלשה, הביטוי "בינה מלאכותית" בתיאור אפליקציה פירושו באמת רק "זו אפליקציה חכמה". אולי תקבלו כמה הצעות מגניבות, אבל אל תצפו שזה יתחרה באינטליגנציה של אדם.
למרות שהסמנטיקה עשויה להיות בוצית, המחקר המעשי בתחומי הבינה המלאכותית כל כך שימושי שכנראה כבר שילבת אותו בחיי היומיום שלך. בכל פעם הטלפון שלך באופן אוטומטיזוכר איפה חנית, מזהה פנים בתמונות שלך,לקבל הצעות חיפוש, אומקבץ אוטומטית את כל תמונות החופשה שלך יחד, אתה מרוויח במישרין או בעקיפין ממחקר בינה מלאכותית. במידה מסוימת, "בינה מלאכותית" פירושה רק שאפליקציות נעשות חכמות יותר, וזה מה שהיית מצפה בכל מקרה. עם זאת, למידת מכונה ורשתות עצביות מתאימות באופן ייחודי לשיפור סוגים מסוימים של משימות. אם אפליקציה רק אומרת שהיא משתמשת ב-"AI" היא פחות משמעותית מכל סוג של למידת מכונה.
כדאי גם לציין שרשתות עצביות ולמידת מכונה לא כולם נוצרו שווים. להגיד שאפליקציה משתמשת בלמידה חישובית כדי לעשות משהו טוב יותר זה קצת כמו להגיד שמצלמה טובה יותר כי היא "דיגיטלית". כן, מצלמות דיגיטליות יכולות לעשות דברים שמצלמות סרטים לא יכולות לעשות, אבל זה לא אומר שכל צילום דיגיטלי טוב יותר מכל צילום סרט. הכל תלוי איך אתה משתמש בו. חברות מסוימות יוכלו לפתח רשתות עצביות חזקות שעושות דברים ממש מסובכים שהופכים את חייך לטובים יותר. אחרים יטיחו תווית למידת מכונה על תכונה שכבר הציעה הצעות "חכמות" ואתה תתעלם ממנה באותה מידה.
מנקודת מבט של מאחורי הקלעים, למידת מכונה ורשתות עצביות מרגשות מאוד. עם זאת, אם אתה קורא תיאור אפליקציה שמשתמש בביטויים האלה, אתה יכול פשוט לקרוא אותו בתור "התכונה הזו קצת יותר חכמה, כנראה" ולהמשיך לעשות את מה שתמיד עשית: לשפוט אפליקציות לפי כמה הן מועילות לך.
איור מאת סם וולי.
