fbpx

Umjetna inteligencija sad može sama pisati i prepravljati svoje kodove

Autor: Znanost

Stara poslovica – ‘vježbom do savršenstva’ odnosi se i na strojeve, jer se većina današnjih uređaja koji posjeduju umjetnu inteligenciju u procesu učenja služe ponavljanjem. Algoritmi za tzv. ‘duboko učenje’, dizajnirani su tako da omogućuju AI uređajima prikupljanje znanja iz skupa podataka i da zatim to znanje primjenjuju u praksi. Primjerice, AI sustav puni se podacima o uobičajeno plavoj boji neba, što sustavu kasnije omogućuje da u nizu slika prepozna onu koja prikazuje nebo.

Koristeći ovu metodu možemo postići odlične rezultate, no postavlja se pitanje može li se u procesu ‘dubokog učenja’ AI izložiti manjoj količini primjera za učenje, a da rezultati budu isti? Pokušavajući riješiti tu nedoumicu ekipa bostonskog start-up projekta Gamalon razvila je novu tehnologiju i ovaj tjedan izvijestila o nova dva proizvoda koji se njome koriste.

Gamalon je razvio svoju vlastitu metodu dubokog učenja – Bayesova programska sinteza (BPS) koja se temelji na matematičkom okviru matematičara Thomasa Bayesa iz 18. stoljeća. Bayesova vjerojatnost koristi se kako bi se unaprijedila predviđanja o svijetu koja dobivamo koristeći se iskustvom. Ovaj oblik programiranja vjerojatnosti – kod koji koristi vjerojatnost umjesto specifičnu varijablu – zahtijeva manje primjera kod donošenja konačnog zaključka da je npr. nebo plavo s mrljama bijelih oblaka. Ovaj program također unapređuje svoje znanje jer omogućuje neke nove primjere u budućnosti i popravlja svoj vlastiti kod radeći fine preinake kako bi došao do najizvjesnije vjerojatnosti.

Gamalonov CEO i suosnivač Ben Vigoda u časopisu MIT Technology Review pokazao je demo crtež aplikacije koja koristi njihovu novu metodu. Aplikacija je slična Googleovoj aplikaciji objavljenoj prošle godine, u kojoj se pokušava predvidjeti što osoba pokušava nacrtati. Za razliku od Googleove verzije koja se u predviđanju oslanja na ranije viđene crteže, Gamalonova aplikacija oslanja se na programiranje vjerojatnosti kako bi identificirala ključne značajke objekta koji se crta. Stoga, čak i ako crtate nešto što aplikacija nikad nije vidjela, sve dok prepoznaje određene karakteristike, predviđanja će biti ispravna.

Predstavljeni Gamalonovi proizvodi vrlo brzo će se naći u komercijalnoj upotrebi. Jedan od proizvoda je Gamalon Structure koja koriti program BPS u prepoznavanju pojmova iz tzv. sirovog teksta mnogo učinkovitije nego što je to bilo do sad. Primjerice, nakon što je zaprimila samo opis televizora od proizvođača, aplikacija je odredila brend, naziv proizvoda, rezoluciju zaslona, veličinu i ostale značajke. Druga aplikacija Gamalon Match koja kategorizira proizvode i cijene u trgovini. U oba slučaja, sustav može biti naučen da brzo prepoznaje varijacije u akronimima ili kraticama.

Vigoda vjeruje da se mogu razviti i druge slične aplikacije, primjerice, ako ih opremite Bayes modelima za strojno učenje, pametni telefoni i laptopi ne bi trebali velikim kompanijama dijeliti podatke koji utvrđuju korisnikove sklonosti već bi kalkulacija mogla biti izvedena unutar samog uređaja. Autonomna vozila bi se također puno brže adaptirala okolišu koristeći ove metode učenja. Potencijalni utjecaj na pametne mašine doista može biti enorman.

Iako su pred novim pristupom programiranju još mnogi teški izazovi koje treba nadvladati, on ima velik potencijal u automatizaciji razvoja algoritama za strojno učenje. “Programiranje na osnovu vjerojatnosti olakšat će strojno učenje istraživačima i praktičarima,” rekao je Brendan Lake istraživač na NY University koji je i sam 2015. radio na programiranju uz pomoć vjerojatnosti. “Ono ima potencijal da automatizmom riješi teške dijelove programiranja.”

Autor: Znanost

ZADNJE VIJESTI