‎เว็บตรงผู้เชี่ยวชาญด้าน AI ของ Google: แมชชีนเลิร์นนิงไม่ได้ดีไปกว่าการเล่นแร่แปรธาตุ‎

เว็บตรงผู้เชี่ยวชาญด้าน AI ของ Google: แมชชีนเลิร์นนิงไม่ได้ดีไปกว่าการเล่นแร่แปรธาตุ

‎ โดย ‎‎ ‎‎ ‎‎Rafiเว็บตรง Letzter‎‎ ‎‎ ‎‎ เผยแพร่เมื่อ ‎‎8 พฤษภาคม 2018‎‎ส่วนหนึ่งของ “The Alchymist, ในการค้นหาศิลาอาถรรพ์, ค้นพบฟอสฟอรัส, และอธิษฐานขอข้อสรุปที่ประสบความสําเร็จของการดําเนินงานของเขา, เช่นเดียวกับประเพณีของนักโหราศาสตร์ Chymical โบราณ,” โดยโจเซฟไรท์แห่งดาร์บี้, ตอนนี้อยู่ในพิพิธภัณฑ์ดาร์บี้และหอศิลป์, ดาร์บี้, สหราชอาณาจักร.‎‎ ‎‎(เครดิตภาพ: สาธารณสมบัติ)‎

‎นักวิจัยที่มีชื่อเสียงของ‎‎แมชชีนเลิร์นนิ‎‎งและ‎‎ปัญญาประดิษฐ์‎‎กําลังโต้เถียงว่าสาขาของเขาได้หลงทางออกจากขอบเขตของวิทยาศาสตร์และวิศวกรรมและกลายเป็น “‎‎การเล่นแร่แปรธาตุ‎‎” และเขากําลังเสนอเส้นทางกลับ‎

‎Ali Rahimi ซึ่งทํางานบน AI ให้กับ Google กล่าวว่าเขาคิดว่าสาขาของเขามีความก้าวหน้าอย่างน่าทึ่ง 

แต่แนะนําว่ามีบางสิ่งที่เน่าเสียในวิธีที่มันพัฒนาขึ้น ในแมชชีนเลิร์นนิง คอมพิวเตอร์จะ “เรียนรู้” ผ่านกระบวนการลองผิดลองถูก ปัญหาในการพูดคุยที่นําเสนอในการประชุม A.I. คือนักวิจัยที่ทํางานในสาขานี้ – เมื่อคอมพิวเตอร์ “เรียนรู้” เนื่องจากกระบวนการลองผิดลองถูก – ไม่เพียง แต่ไม่เข้าใจว่าอัลกอริทึมของพวกเขาเรียนรู้อย่างไร แต่พวกเขาไม่เข้าใจว่าเทคนิคที่พวกเขาใช้ในการสร้างอัลกอริทึมเหล่านั้นทํางานอย่างไร Rahimi แนะนําในการพูดคุยที่นําเสนอในการประชุม AI ที่ครอบคลุมเมื่อเร็ว ๆ นี้โดย ‎‎Matthew Hutson‎‎ for Science magazine‎

‎ย้อนกลับไปในปี 2017 Rahimi ส่งเสียงเตือนในด้านลึกลับของปัญญาประดิษฐ์: “เราให้ผลลัพธ์ที่น่าประทับใจอย่าง‎‎น่าทึ่ง”‎‎ รถยนต์ที่ขับเองดูเหมือนจะอยู่ใกล้ๆ ปัญญาประดิษฐ์แท็กใบหน้าในภาพถ่ายถอดความข้อความเสียงแปลเอกสารและฟีดโฆษณาให้เรา บริษัทมูลค่าหลายพันล้านดอลลาร์สร้างขึ้นจากแมชชีนเลิร์นนิง ในหลาย ๆ ด้านเราอยู่ในจุดที่ดีกว่าเมื่อ 10 ปีที่แล้ว ในบางแง่เราอยู่ในจุดที่แย่กว่านั้น” [‎‎เครื่องจักรอัจฉริยะพิเศษ: 7 หุ่นยนต์ฟิวเจอร์ส‎]

‎ตามที่ Hutson รายงานของ Rahimi แสดงให้เห็นว่าอัลกอริทึมแมชชีนเลิร์นนิงจํานวนมากมีคุณสมบัติที่ยึดติดซึ่งไร้ประโยชน์เป็นหลักและอัลกอริทึมจํานวนมากทํางานได้ดีขึ้นเมื่อคุณสมบัติเหล่านั้นถูกถอดออก อัลกอริทึมอื่น ๆ นั้นถูกทําลายโดยพื้นฐานและใช้งานได้เพียงเพราะเปลือกหนาของการแก้ไขเฉพาะกิจที่ซ้อนอยู่ด้านบนของโปรแกรมดั้งเดิม‎

‎นี่คืออย่างน้อยในส่วนของผลของเขตข้อมูลที่ได้รับใช้ในการชนิดของวิธีการสุ่มลองผิดลองถูก Rahimi แย้งในบล็อกที่ ภายใต้กระบวนการนี้นักวิจัยไม่เข้าใจเลยว่าทําไมความพยายามหนึ่งครั้งในการแก้ปัญหาจึงได้ผลและอีกความพยายามหนึ่งล้มเหลว ผู้คนใช้และแบ่งปันเทคนิคที่พวกเขาไม่เข้าใจจากระยะไกล‎

‎นี่คือภาพวาดที่สมบูรณ์ ‎‎(เครดิตภาพ: สาธารณสมบัติ)‎

‎คนที่ติดตาม AI อาจได้รับการเตือนถึงปัญหา “กล่องดํา” ฮัตสันตั้งข้อสังเกตในบทความของเขา – แนวโน้มของโปรแกรม AI ในการแก้ปัญหาในแบบที่ผู้สร้างมนุษย์ไม่เข้าใจ แต่ปัญหาในปัจจุบันนั้นแตกต่างกัน: นักวิจัยไม่เพียง แต่ไม่เข้าใจเทคนิคการแก้ปัญหาของโปรแกรม AI เท่านั้น Rahimi กล่าว แต่พวกเขาไม่เข้าใจเทคนิคที่พวกเขาใช้ในการสร้างโปรแกรมเหล่านั้นตั้งแต่แรกเช่นกัน กล่าวอีกนัยหนึ่ง, เขตข้อมูลเป็นเหมือน‎‎การเล่นแร่แปรธาตุ‎‎มากกว่าระบบการวิจัยที่ทันสมัย, เขากล่าวว่า.‎

‎”มีสถานที่สําหรับเล่นแร่แปรธาตุ การเล่นแร่แปรธาตุได้ผล” ราฮิมีเขียน‎

‎”นักเล่นแร่แปรธาตุคิดค้นโลหะวิทยา วิธีทํายา เทคนิค dy[e]ing สําหรับสิ่งทอ และกระบวนการทําแก้วสมัยใหม่ของเรา จากนั้นอีกครั้งนักเล่นแร่แปรธาตุยังเชื่อว่าพวกเขาสามารถเปลี่ยนโลหะฐานเป็นทองคําได้และปลิงเป็นวิธีที่ดีในการรักษาโรค”‎

‎ในการพูดคุยล่าสุดของเขา (และ‎‎เอกสารประกอบ‎‎) ที่การประชุมระหว่างประเทศเกี่ยวกับการเป็นตัวแทนการเรียนรู้ในแวนคูเวอร์, แคนาดา, ราฮิมีและเพื่อนร่วมงานหลายคนเสนอจํานวนของวิธีการและโปรโตคอลที่สามารถย้ายการเรียนรู้ของเครื่องเกินโลกของการเล่นแร่แปรธาตุ. ในหมู่พวกเขา: การประเมินอัลกอริทึมใหม่ในแง่ของส่วนที่เป็นส่วนประกอบของพวกเขาลบบางส่วนของพวกเขาทีละคนและทดสอบว่าโปรแกรมโดยรวมยังคงทํางานอยู่หรือไม่และดําเนินการ “การทดสอบสติ” ขั้นพื้นฐานกับผลลัพธ์ที่อัลกอริทึมสร้างขึ้น‎

‎นั่นคือทั้งหมดเพราะ AI, Rahimi แย้งในบล็อกปี 2017 ของเขาได้กลายเป็นสิ่งสําคัญเกินไปในสังคมที่จะพัฒนาในรูปแบบตบตาดังกล่าว‎เว็บตรง