A Meta vezető MI-tudósa szerint építettünk ugyan egy létrát, de ha a Holdra akarunk eljutni, az egy létrával biztosan nem fog sikerülni.

A Meta (Facebook) vezető mesterségesintelligencia-guruja, Yann LeCun nagyon komoly névnek számít a saját szakterületén, így nem csoda, hogy az a júniusi cikke is nagy figyelmet kapott, amelyben átfogó képet festett az emberi szintű gépi intelligencia elérésének lehetőségeiről. Az Open Review-n elérhető anyag nem fogalmazza meg explicit módon, de mindenképpen azt érzékelteti, hogy a legtöbb mai MI-projekt soha nem lesz alkalmas ilyen szintű célok beteljesítésére. A ZDNetnek adott szeptemberi videointerjúban pedig a francia tudós még világossabbá tette, hogy miért szkeptikus a mélytanulás (deep learning) jelenleg sikeres kutatási irányaival kapcsolatban.

A "civilben" Touring-díjas, a New York Egyetem Courant Matematikatudományi Intézet professzoraként dolgozó szakember szerint szükséges, de nem elégséges törekvésekről van szó. A nagy nyelvi modelleket, például a Transformer-alapú GPT-3-at egy jövőbeli intelligens rendszer lehetséges alkotóelemének tekinti, de lényeges elemeket hiányol belőle. (Ahogy arra a ZDNet cikke is felhívja a figyelmet, mindezt egy olyan tudós fogalmazza most meg, aki maga is részt vett a konvolúciós neurális hálózatok használatának fejlesztésében.) A megerősített tanulást ugyanakkor túlságosan cselekvés-alapúnak tartja, miközben az emberi intelligencia elsősorban a megfigyelésen keresztül fejlődik.

Úgy okos, hogy közben reménytelenül buta

A fent említett cikkben és az interjúban természetesen részletezik is mindezt, így feltétlenül érdemes azt megnézni vagy a szerkesztett átíratban elolvasni, a dolog lényege azonban az, hogy LeCun több évtizedes tapasztalata alapján a mindenfelé tartó vakvágányok felszámolását sürgeti, abba az irányba tereve a mesterséges intelligencia fejlődését, amerre szerinte érdemes lenne. A beszélgetés egyik pontján azt is felveti, hogy az intelligens gépeknek még annyi "józan eszük" sincs, mint egy macskának, így talán érdemes lenne ebből az irányból megközelíteni a dolgot. A generatív hálózatok használatába vetett reményeit ennek alapján már fel is adta az olyan alkalmazásokban, mint például a videó soron következő képkockájának előrejelzése, amit egyelőre teljes kudarcak tart.

Az interjú kitér arra is, hogy a professzor szerint a tisztán statisztikai megközelítés nem életképes, vagyis nem lehet a valószínűségszámítás az egyetlen keret, amelyre egy világmodellt építenek. Ebből következően még az ipari MI-t is érdemes volna újragondolni, mert a kelleténél optimistább az a megközelítés, hogy adatokat dobálnak a nagy neurális hálózatokba, amelyek ennek alapján szinte bármit megtanulnak. Bár a gépi "józan ész" nélkül is lehetségesnek tartja mondjuk az ötödik szintű (teljes autonómiával működő) önvezető autók megvalósítását, azokat szükségszerűen túltervezettnek és olyan törékenynek képzeli, mint mint azokat a gépi látás területén fejlesztett programokat, amelyeket a mélytanulás egyből elavulttá tett.

A kielégítőbb és valószínűleg jobb megoldást az olyan rendszerekben látja, amelyek lehetővé teszik a világ működésének jobb megértését. A mostani, alapvető problémákról szólva felhozza az "információ mérését", amelynek kapcsán úgy gondolja, hogy tenni kellene egy lépést hátra, és azt mondani: rendben, építettünk egy létrát, de ha a Holdra akarunk feljutni, akkor arra ez a létra semmiképpen sem lesz alkalmas. LeCun célja is az, hogy az alapfogalmak újragondolásra késztessen: szerinte amikor azt javasolja, hogy építsünk rakétákat, akkor nem tudja részletezni a rakétagyártás módját, de le tudja fektetni az arra vonatkozó alapelveket.

Részletek az energiaalapú önfelügyelt tanulásról (energy-based self-supervised learning) és az alternatív megközelítésről a ZDNet riportjában »

Cloud & big data

Téved és hazudozik a kórházakban is egyre többet használt MI-eszköz

Az OpenAI technológiájával hajtott Nablánál emberi szintű teljesítménnyel hirdetik az orvos-beteg megbeszélésekről átiratokat készítő terméküket, bár azt ők sem gondolhatják, hogy az egészségügyben dolgozó emberek rendszeresen ilyen hibákat követnének el.
 
Hirdetés

Rendszerek és emberek: a CIO választásai egy új magyar felmérés tükrében

"Nehéz informatikusnak lenni egy olyan cégben, ahol sok az IT-s" – jegyezte meg egy egészségügyi technológiákat fejlesztő cég informatikai vezetője, amikor megkérdeztük, milyennek látja házon belül az IT és a többi osztály közötti kommunikációt.

Ezt már akkor sokan állították, amikor a Watson vagy a DeepMind még legfeljebb érdekes játék volt, mert jó volt kvízben, sakkban vagy góban.

a melléklet támogatója a Clico Hungary

Hirdetés

Így lehet sok önálló kiberbiztonsági eszközéből egy erősebbet csinálni

A kulcsszó a platform. Ha egy cég jó platformot választ, akkor az egyes eszközök előnyei nem kioltják, hanem erősítik egymást, és még az üzemeltetés is olcsóbb lesz.

Amióta a VMware a Broadcom tulajdonába került, sebesen követik egymást a szoftvercégnél a stratégiai jelentőségű változások. Mi vár az ügyfelekre? Vincze-Berecz Tibor szoftverlicenc-szakértő (IPR-Insights) írása.

Nyílt forráskód: valóban ingyenes, de használatának szigorú szabályai vannak

Különösen az early adopter vállalatoknak lehet hasznos. De különbözik ez bármiben az amúgy is megkerülhetetlen tervezéstől és pilottól?

Sok hazai cégnek kell szorosra zárni a kiberkaput

Ön sem informatikus, de munkája során az információtechnológia is gyakran befolyásolja döntéseit? Ön is informatikus, de pénzügyi és gazdasági szempontból kell igazolnia a projektek hasznosságát? Mi közérthető módon, üzleti szemmel dolgozzuk fel az infokommunikációs híreket, trendeket, megoldásokat. A Bitport tizennegyedik éve közvetít sikeresen az informatikai piac és a technológiát hasznosító döntéshozók között.
© 2010-2024 Bitport.hu Média Kft. Minden jog fenntartva.