P:
Com ajuda un enfocament ponderat o probabalístic a AI a anar més enllà d’un enfocament purament basat en regles o determinista?
R:Els principis d’aprenentatge automàtic i intel·ligència artificial canvien ràpidament com funciona la informàtica. Una de les maneres clau en què això succeeix és amb entrades ponderades o probabilístiques que canvien les entrades d’un sistema veritablement determinista en quelcom més abstracte.
A les xarxes neuronals artificials, neurones o unitats individuals reben entrades probabilístiques. A continuació, decideixen quant a la sortida o resultat. Això és el que parlen els professionals quan parlen de substituir el vell món de la programació per un nou món d’informàtica.
Tradicionalment, el predeterminat era utilitzar la programació per obtenir resultats informàtics. La programació és un conjunt fix d’entrades deterministes: regles que l’ordinador seguirà fidelment.
Per contra, permetre entrades probabilístiques és una abstracció d’aquestes regles, una mena de “descens de les regnes” per alliberar l’ordinador per prendre decisions més avançades. En certa manera, les entrades probabilístiques es desconeixen des d’una perspectiva externa i no són predeterminades. Això s’aproxima al funcionament dels nostres cervells reals, i és per això que els algorismes d’aprenentatge automàtic i intel·ligència artificial que utilitzen aquest enfocament es mostren com la propera frontera del desenvolupament cognitiu artificial.
A continuació, es mostra una manera senzilla de pensar en les entrades ponderades o probabilístiques. A la programació tradicional, teníeu el tipus d’afirmació “if / then” que generalment diu: si AIXIS, AQUÍ.
Abandonar el plantejament basat en les regles implica canviar el que és AQUEST. En un enfocament basat en regles, AQUESTA és una entrada o regla de text: si ho penseu com a binari, sabem si és cert o no, i també ho fa l'ordinador. Així, podeu predir la resposta de l'ordinador a qualsevol entrada.
En el nou enfocament, AQUEST és en realitat una col·lecció d’entrades que pot estar en qualsevol estat. Així doncs, atès que un observador extern no seria capaç de modelar en què consisteix, no podria predir amb precisió quin resultat podria ser.
Penseu en aquest principi aplicat a tota mena de camps i indústries, des de la segmentació del mercat fins a la verificació financera fins a l’entreteniment fins a la gestió d’aigües i clavegueram, i teniu el poder real de l’aprenentatge de màquines, l’aprenentatge profund i la intel·ligència artificial per dirigir els afers humans de forma molt nova. manera. Per exemple, en el camp de la gestió del frau, els experts assenyalen que els sistemes només de regles no són gaire bons per a esbrinar la diferència entre un comportament sospitós o arriscat i un comportament normal: els sistemes d’aprenentatge automàtic armats amb models d’introducció sofisticats són més capaços de prendre decisions. sobre quina activitat podria ser discutible.
Una altra manera de pensar-ho és que el món va passar per una era d’identificació del codi com a nova frontera per a l’aprenentatge i la presa de decisions. Per si mateix, els resultats basats en codis deterministes van ser poderosos quant a modelar tot tipus d’activitat i decisions humanes. Hem aplicat totes aquestes idees a màrqueting, vendes, administracions públiques, etc. Però ara, els experts parlen del “final de la codificació”, com en aquesta obra molt interessant i instructiva de Wired. La idea que predomina aquí és la mateixa idea, que en la propera era, en lloc de codificar, tindrem un sistema on entrenem els ordinadors a pensar de maneres més properes a com pensem, a poder aprendre amb el temps i a fer decisions en conseqüència. Bona part d’això s’ha aconseguit passant d’un enfocament informàtic determinista a un que s’abstraeix amb entrades més sofisticades.