ນີ້ແມ່ນບາງສິ່ງບາງຢ່າງທີ່ເຈົ້າອາດຈະຍັງບໍ່ທັນໄດ້ພິຈາລະນາເທື່ອ: ຄອມພິວເຕີມະຕະ.
ແຕ່ບາງທີເຈົ້າຄວນຈະເປັນ.
ຫົວຂໍ້ໃຫຍ່ໄດ້ເກີດຂື້ນໃນກອງປະຊຸມປະຈໍາປີທີ່ໂດດເດັ່ນກ່ຽວກັບ AI ທີ່ຜ່ານມາແລະທັງຫມົດແມ່ນສຸມໃສ່ການມາເຖິງຂອງເຄືອຂ່າຍ neural ແລະການຮຽນຮູ້ເຄື່ອງຈັກ, ຄືກອງປະຊຸມກ່ຽວກັບລະບົບການປຸງແຕ່ງຂໍ້ມູນທາງປະສາດ (ຮູ້ຈັກໂດຍພາຍໃນເປັນ. NeurIPS). ຜູ້ເວົ້າສຳຄັນທີ່ໄດ້ຮັບເຊີນ ແລະເປັນຄູສອນ AI ທີ່ມີມາແຕ່ດົນນານ Geoffrey Hinton ເຮັດໃຫ້ມີການໂຕ້ແຍ້ງທີ່ໜ້າສົນໃຈ ແລະບາງທີການໂຕ້ແຍ້ງທີ່ພວກເຮົາຄວນຈະຄິດກ່ຽວກັບຄອມພິວເຕີຢູ່ໃນສະພາບມະຕະ ແລະ ເປັນອະມະຕະ.
ຂ້າພະເຈົ້າຈະກ່າວເຖິງການຢືນຢັນທີ່ໂດດເດັ່ນແລະເຮັດໃນສອງວິທີທີ່ທໍາອິດເບິ່ງຄືວ່າບໍ່ຈໍາເປັນທີ່ເຊື່ອມຕໍ່ກັນ, ເຖິງແມ່ນວ່າຫລັງຈາກການເພີ່ມຄວາມເລິກລັບເລັກນ້ອຍ, ພວກເຂົາຈະມີຄວາມກ່ຽວຂ້ອງກັນຢ່າງຈະແຈ້ງຫຼາຍຂຶ້ນກ່ຽວກັບການຂັດແຍ້ງທາງມະຕະກັບອະມະຕະ.
ສອງຫົວຂໍ້ແມ່ນ:
1) ການເຊື່ອມໂຍງເຂົ້າກັນທັງຮາດແວແລະຊອບແວສໍາລັບກົນໄກ AI ແທນທີ່ຈະໃຫ້ເຂົາເຈົ້າເປັນພັນທະມິດທີ່ແຕກຕ່າງກັນແລະແຍກຕ່າງຫາກ
2) ການໂອນຫຼືກັ່ນສູດການຮຽນຮູ້ເຄື່ອງຈັກຈາກຮູບແບບ AI ຫນຶ່ງໄປຫາອີກແບບຫນຶ່ງທີ່ເຮັດແນວນັ້ນໂດຍບໍ່ຈໍາເປັນຕ້ອງຫຼືຄວາມປາດຖະຫນາ (ຫຼືແມ້ແຕ່ເປັນໄປໄດ້) ເປັນການຄັດລອກແບບເຕັມຮູບແບບໂດຍກົງ.
ທັງຫມົດນີ້ມີການພິຈາລະນາຂະຫນາດໃຫຍ່ສໍາລັບ AI ແລະທິດທາງໃນອະນາຄົດຂອງການພັດທະນາ AI.
ນອກຈາກນັ້ນ, ຍັງມີຄວາມເປັນຫ່ວງກ່ຽວກັບຈັນຍາບັນ AI ແລະກົດໝາຍ AI ທີ່ໜັກໜ່ວງຫຼາຍທີ່ເກີດຂື້ນ. ປະເພດຂອງຄວາມກ້າວຫນ້າທາງດ້ານເທກໂນໂລຍີ AI-envisioned ເຫຼົ່ານີ້ແມ່ນປົກກະຕິແລ້ວ bandied ປະມານບົນພື້ນຖານເຕັກໂນໂລຊີບໍລິສຸດເປັນເວລາດົນນານກ່ອນທີ່ຈະມີຄວາມຈິງທີ່ວ່າມັນອາດຈະມີ repercussions ຈັນຍາບັນຂອງ AI ແລະ AI ກົດຫມາຍ. ໃນຄວາມຫມາຍ, ໂດຍປົກກະຕິ, cat ແມ່ນແລ້ວອອກຈາກຖົງ, ຫຼືມ້າອອກຈາກ barn ໄດ້, ກ່ອນທີ່ຈະຕື່ນຂຶ້ນວ່າຈັນຍາບັນ AI ແລະກົດຫມາຍວ່າດ້ວຍ AI ຄວນຈະໄດ້ຮັບການມີສ່ວນຮ່ວມຢ່າງພາກພຽນ.
ດີ, ໃຫ້ພວກເຮົາທໍາລາຍວົງຈອນການພາຍຫຼັງທີ່ຊ້າລົງແລະເຂົ້າໄປໃນຊັ້ນລຸ່ມນີ້.
ສໍາລັບຜູ້ທີ່ສົນໃຈໂດຍລວມກ່ຽວກັບຄວາມເຂົ້າໃຈລ້າສຸດທີ່ຕິດພັນກັບຈັນຍາບັນຂອງ AI ແລະກົດຫມາຍ AI, ທ່ານອາດຈະຊອກຫາຂໍ້ມູນແລະແຮງບັນດານໃຈທີ່ມີການຄຸ້ມຄອງຢ່າງຕໍ່ເນື່ອງແລະກວ້າງຂວາງຂອງຂ້ອຍຢູ່ທີ່ ການເຊື່ອມຕໍ່ທີ່ນີ້ ແລະ ການເຊື່ອມຕໍ່ທີ່ນີ້, ພຽງແຕ່ຊື່ບາງຄົນ.
ຂ້າພະເຈົ້າຈະທໍາອິດໃນທີ່ນີ້ກວມເອົາຈຸດຂ້າງເທິງກ່ຽວກັບການຜູກມັດຮ່ວມກັນຂອງຮາດແວແລະຊອບແວ. ການສົນທະນາແລະການວິເຄາະຫົວຂໍ້ຈະເກີດຂື້ນດ້ວຍມື. ຕໍ່ໄປ, ຂ້າພະເຈົ້າຈະສໍາຜັດກັບເລື່ອງຂອງການຄັດລອກຫຼືບາງຄົນເວົ້າວ່າ ກັ່ນ ອົງປະກອບທີ່ສໍາຄັນຂອງລະບົບ AI ການຮຽນຮູ້ເຄື່ອງຈັກຈາກ AI ຫນຶ່ງໄປສູ່ AI ທີ່ຖືກອອກແບບໃຫມ່ເປັນເປົ້າຫມາຍ.
ໃຫ້ເລີ່ມຕົ້ນ.
ການຜູກມັດຮ່ວມກັນຂອງຮາດແວແລະຊອບແວສໍາລັບ AI
ທ່ານອາດຈະຮູ້ວ່າໂດຍແລະຂະຫນາດໃຫຍ່ການອອກແບບຂອງຄອມພິວເຕີແມ່ນເຊັ່ນວ່າມີດ້ານຮາດແວຂອງສິ່ງຕ່າງໆແລະແຍກຕ່າງຫາກມີດ້ານຊອບແວຂອງສິ່ງຕ່າງໆ. ເມື່ອທ່ານຊື້ຄອມພິວເຕີໂນດບຸກ ຫຼືຄອມພິວເຕີຕັ້ງໂຕະປະຈຳວັນ, ມັນຖືກແປວ່າເປັນອຸປະກອນຄອມພິວເຕີທີ່ໃຊ້ໄດ້ທົ່ວໄປ. ມີ microprocessors ພາຍໃນຄອມພິວເຕີທີ່ໃຊ້ເພື່ອດໍາເນີນການແລະດໍາເນີນການຊອບແວທີ່ທ່ານອາດຈະຊື້ຫຼືຂຽນດ້ວຍຕົນເອງ.
ໂດຍບໍ່ມີຊອບແວໃດໆສໍາລັບຄອມພິວເຕີຂອງທ່ານ, ມັນແມ່ນ hunk ຂອງໂລຫະແລະພາດສະຕິກໂດຍພື້ນຖານແລ້ວຈະບໍ່ເຮັດໃຫ້ທ່ານດີຫຼາຍ, ນອກເຫນືອການເຮັດຫນ້າທີ່ເປັນ paperweight. ບາງຄົນຈະເວົ້າວ່າຊອບແວເປັນກະສັດແລະປົກຄອງໂລກ. ແນ່ນອນ, ຖ້າທ່ານບໍ່ມີຮາດແວທີ່ຈະດໍາເນີນການຊອບແວ, ຊອບແວຈະບໍ່ດີຫຼາຍ. ເຈົ້າສາມາດຂຽນລະຫັດໄດ້ຫຼາຍເສັ້ນຕາມທີ່ໃຈເຈົ້າຕ້ອງການ, ແຕ່ຈົນກ່ວາຊອບແວຈະຖືກນໍາໃຊ້ຜ່ານຄອມພິວເຕີ, ລະຫັດແຫຼ່ງທີ່ສ້າງຂື້ນແມ່ນອ່ອນເພຍແລະບໍ່ມີການບິນຄືກັບວຽກກະວີທີ່ສວຍງາມຫຼືນະວະນິຍາຍນັກສືບທີ່ຫນ້າຕື່ນເຕັ້ນຕໍ່ນາທີ.
ອະນຸຍາດໃຫ້ຂ້ອຍປ່ຽນໄປຖະໜົນອື່ນທີ່ອາດຈະຢູ່ໄກໆທັນທີ (ມັນຈະບໍ່ຢູ່).
ພວກເຮົາມັກຈະພະຍາຍາມແຕ້ມການປຽບທຽບລະຫວ່າງວິທີການເຮັດວຽກຂອງຄອມພິວເຕີແລະວິທີການເຮັດວຽກຂອງສະຫມອງຂອງມະນຸດ. ຄວາມພະຍາຍາມເພື່ອເຮັດໃຫ້ການຂະຫນານແນວຄວາມຄິດນີ້ແມ່ນມີປະໂຫຍດ. ເວົ້າແນວນັ້ນ, ເຈົ້າຕ້ອງມີຄວາມລະມັດລະວັງກ່ຽວກັບການຂ້າມການປຽບທຽບເຫຼົ່ານັ້ນນັບຕັ້ງແຕ່ການປຽບທຽບມີແນວໂນ້ມທີ່ຈະທໍາລາຍລົງເມື່ອທ່ານເຂົ້າໃກ້ຊິດກັບລາຍລະອຽດທີ່ມີເນື້ອ.
ຢ່າງໃດກໍ່ຕາມ, ເພື່ອຜົນປະໂຫຍດຂອງການສົນທະນາ, ນີ້ແມ່ນການປຽບທຽບທີ່ຖືກນໍາໃຊ້ເລື້ອຍໆ.
ສະຫມອງຂອງມັນເອງແມ່ນບາງຄັ້ງເອີ້ນວ່າເປັນ ເຄື່ອງປຽກ. ນັ້ນເປັນວິທີທີ່ຈັບໃຈເພື່ອປະໂຫຍກສິ່ງຕ່າງໆ. ພວກເຮົາຮູ້ວ່າຄອມພິວເຕີປະກອບດ້ວຍຮາດແວແລະຊອບແວ, ດັ່ງນັ້ນມັນຈຶ່ງສະຫລາດທີ່ຈະໃຊ້ສ່ວນ "ware" ຂອງຫຼຽນເພື່ອອະທິບາຍເຖິງສິ່ງທີ່ສະຫມອງ. ຝັງຢູ່ໃນ noggins ຂອງພວກເຮົາ, ສະຫມອງທີ່ຍິ່ງໃຫຍ່ແລະລຶກລັບໄດ້ຖືກພົບເຫັນລອຍຢູ່ອ້ອມຮອບ, ຈິດໃຈຄິດໄລ່ການກະທໍາຂອງພວກເຮົາທັງຫມົດ (ບາງທີ່ດີ, ໃນຂະນະທີ່ບາງຄວາມຄິດຂອງພວກເຮົາບໍ່ໄດ້ເຕັມໄປດ້ວຍຄວາມດີ).
ໃນນ້ໍາຫນັກສະເລ່ຍປະມານສາມປອນ, ສະຫມອງເປັນອະໄວຍະວະທີ່ໂດດເດັ່ນ. ບາງຢ່າງ, ແລະພວກເຮົາຍັງບໍ່ຮູ້ວິທີ, ສະຫມອງແມ່ນສາມາດນໍາໃຊ້ມັນຢູ່ໃນຄໍາສັ່ງຂອງ 100 ຕື້ neurons ແລະບາງທີອາດມີຈາກ 100 ຫາ 1,000 ພັນຕື້ interconnections ຫຼື synapses ເພື່ອເຮັດແນວຄິດຂອງພວກເຮົາທັງຫມົດສໍາລັບພວກເຮົາ. ຄຸນສົມບັດທາງຊີວະພາບ ແລະທາງເຄມີຂອງສະໝອງເຮັດໃຫ້ເກີດປັນຍາແນວໃດ? ບໍ່ມີໃຜສາມາດເວົ້າໄດ້ແນ່ນອນ. ນີ້ແມ່ນການສະແຫວງຫາຂອງອາຍຸ.
ຂ້ອຍຖາມເຈົ້າເລື່ອງນີ້, ສະຫມອງແມ່ນເປັນຮາດແວເທົ່ານັ້ນ, ຫຼືວ່າທັງຮາດແວແລະຊອບແວລວມກັນບໍ?
Noodle ໃນ teaser ສະຫມອງນັ້ນ.
ທ່ານອາດຈະຖືກລໍ້ລວງໃຫ້ອ້າງວ່າສະຫມອງແມ່ນພຽງແຕ່ຮາດແວ (ໃນຄວາມຫມາຍທົ່ວໄປ). ມັນເປັນອະໄວຍະວະຂອງຮ່າງກາຍ. ເຊັ່ນດຽວກັນ, ທ່ານອາດຈະເວົ້າວ່າຫົວໃຈແມ່ນຮາດແວ, ພົກຍ່ຽວແມ່ນຮາດແວ, ແລະອື່ນໆ. ພວກມັນແມ່ນກົນໄກທັງໝົດທີ່ຄ້າຍຄືກັບເວລາທີ່ພວກເຮົາສົນທະນາກ່ຽວກັບສິ່ງປະດິດທີ່ມີຮູບແບບທາງກາຍະພາບ ແລະເຮັດການກະທຳທີ່ກ່ຽວຂ້ອງກັບຮ່າງກາຍ.
ແລ້ວຊອບແວທີ່ເຮັດວຽກມະນຸດຢູ່ໃສ?
ຂ້າພະເຈົ້າກ້າແນະນໍາວ່າພວກເຮົາທຸກຄົນ pretty ຕົກລົງເຫັນດີທີ່ "ຊອບແວ" ຂອງມະນຸດ somehow resides ໃນສະຫມອງ. ຂັ້ນຕອນທີ່ຕ້ອງການເພື່ອປຸງແຕ່ງໄຂ່ຫຼືແກ້ໄຂເມື່ອຍແປເປັນຄໍາແນະນໍາທີ່ມີຢູ່ໃນສະຫມອງຂອງພວກເຮົາ. ການນໍາໃຊ້ການປຽບທຽບຄອມພິວເຕີທີ່ສັງເກດເຫັນກ່ອນຫນ້ານີ້ຂອງຮາດແວແລະຊອບແວ, ສະຫມອງຂອງພວກເຮົາແມ່ນຊິ້ນສ່ວນຂອງຮາດແວ, ທີ່ພວກເຮົາຮຽນຮູ້ກ່ຽວກັບໂລກແລະຄໍາແນະນໍາຂອງສິ່ງທີ່ຕ້ອງເຮັດແມ່ນ "ແລ່ນ" ແລະ "ເກັບໄວ້" ຢູ່ໃນສະຫມອງຂອງພວກເຮົາ.
ໃນຄອມພິວເຕີ, ພວກເຮົາສາມາດຊີ້ໃຫ້ເຫັນຮາດແວແລະເວົ້າວ່ານີ້ແມ່ນຮາດແວ. ພວກເຮົາສາມາດມີລາຍຊື່ຂອງລະຫັດແຫຼ່ງແລະຊີ້ໃຫ້ເຫັນລາຍຊື່ເປັນຊອບແວ. ໃນປັດຈຸບັນ, ພວກເຮົາໃຊ້ຊອບແວດາວໂຫຼດອອນໄລນ໌ທາງອີເລັກໂທຣນິກ ແລະຕິດຕັ້ງມັນໃສ່ຄອມພິວເຕີໂນດບຸກ ແລະສະມາດໂຟນຂອງພວກເຮົາ. ໃນສະ ໄໝ ກ່ອນ, ພວກເຮົາໃຊ້ແຜ່ນ floppy ແລະບັດ punch ເພື່ອເກັບຮັກສາຊອບແວຂອງພວກເຮົາເພື່ອໂຫລດໃສ່ຮາດແວຂອງຄອມພິວເຕີ.
ຂ້າພະເຈົ້າເຮັດໃຫ້ເຈົ້າເຂົ້າໄປໃນ conundrum ທີ່ສໍາຄັນ.
ເມື່ອທ່ານໄດ້ຮຽນຮູ້ບາງສິ່ງບາງຢ່າງແລະຄວາມຮູ້ທີ່ມີຢູ່ໃນສະຫມອງຂອງເຈົ້າ, ເຈົ້າຍັງສາມາດຈໍາແນກລະຫວ່າງ "ຮາດແວ" ຂອງສະຫມອງຂອງເຈົ້າແລະ "ຊອບແວ" ຂອງສະຫມອງຂອງເຈົ້າບໍ?
ຕໍາແຫນ່ງທີ່ໂຕ້ຖຽງຫນຶ່ງແມ່ນວ່າຄວາມຮູ້ໃນສະຫມອງຂອງເຈົ້າບໍ່ສາມາດແຍກອອກຈາກແນວຄວາມຄິດຂອງຮາດແວແລະຊອບແວໂດຍສະເພາະ. ດັ່ງນັ້ນ, ການປຽບທຽບກັບລັກສະນະຂອງຄອມພິວເຕີຈະແຕກຫັກ, ບາງຄົນຈະໂຕ້ແຍ້ງຢ່າງຈິງຈັງ. ຄວາມຮູ້ໃນສະຫມອງແມ່ນ intertwined ກັບແລະ inseparable ຈາກຮາດແວຂອງສະຫມອງຂອງທ່ານ. ຄຸນສົມບັດທາງຊີວະພາບ ແລະທາງເຄມີແມ່ນ interweaving ຄວາມຮູ້ທີ່ທ່ານມີຈິດໃຈ.
Stew ສຸດນັ້ນສໍາລັບການສະທ້ອນຈິດໃຈເລັກນ້ອຍ.
ຖ້າພວກເຮົາຫວັງວ່າມື້ຫນຶ່ງຈະສ້າງຄອມພິວເຕີທີ່ທຽບເທົ່າກັບຄວາມສະຫລາດຂອງມະນຸດ, ຫຼືແມ່ນເກີນສະຕິປັນຍາຂອງມະນຸດ, ບາງທີພວກເຮົາສາມາດນໍາໃຊ້ໂຄງສ້າງຂອງສະຫມອງແລະການເຮັດວຽກພາຍໃນຂອງມັນເພື່ອເປັນທິດທາງໃນສິ່ງທີ່ພວກເຮົາຕ້ອງເຮັດເພື່ອບັນລຸເປົ້າຫມາຍທີ່ສູງສົ່ງ. ສໍາລັບບາງຄົນໃນພາກສະຫນາມຂອງ AI, ມີຄວາມເຊື່ອວ່າຫຼາຍທີ່ພວກເຮົາຮູ້ກ່ຽວກັບວິທີການສະຫມອງເຮັດວຽກ, ໂອກາດຂອງພວກເຮົາໃນການອອກແບບ AI ທີ່ແທ້ຈິງ, ບາງຄັ້ງເອີ້ນວ່າ Artificial General Intelligence (AGI).
ຄົນອື່ນໃນ AI ບໍ່ຄ່ອຍສົນໃຈກັບການຮູ້ວ່າສະຫມອງເຮັດວຽກແນວໃດ. ພວກເຂົາເຈົ້າເນັ້ນຫນັກວ່າພວກເຮົາສາມາດດໍາເນີນການຢ່າງໄວເພື່ອຫັດຖະກໍາ AI, ບໍ່ວ່າພວກເຮົາສາມາດປົດລັອກການເຮັດວຽກພາຍໃນລັບຂອງສະຫມອງໄດ້. ຢ່າປ່ອຍໃຫ້ຄວາມລຶກລັບຂອງສະຫມອງຂັດຂວາງຄວາມພະຍາຍາມ AI ຂອງພວກເຮົາ. ແນ່ນອນ, ພະຍາຍາມຖອດລະຫັດ ແລະຖອດລະຫັດສະໝອງຂອງຄົນເຮົາຕໍ່ໄປ, ແຕ່ພວກເຮົາບໍ່ສາມາດນັ່ງລໍຖ້າໃຫ້ສະໝອງຖືກປ່ຽນຄືນໄດ້. ຖ້າມື້ໃດມື້ຫນຶ່ງແມ່ນເຮັດໄດ້, ຂ່າວປະເສີດ, ເຖິງແມ່ນວ່າມັນອາດຈະເປັນໄປບໍ່ໄດ້ຫຼືຈະເກີດຂື້ນໃນອີກຈັກປີ.
ຕອນນີ້ຂ້ອຍພ້ອມທີ່ຈະແບ່ງປັນການໂຕ້ຖຽງກັນທາງຄອມພິວເຕີທີ່ເປັນມະຕະ ແລະອະມະຕະກັບເຈົ້າ. ກະລຸນາໃຫ້ແນ່ໃຈວ່າທ່ານກໍາລັງນັ່ງລົງແລະກຽມພ້ອມສໍາລັບການເປີດເຜີຍຂະຫນາດໃຫຍ່.
ຄອມພິວເຕີທີ່ມີການແຍກຮາດແວທີ່ຊັດເຈນແລະຊອບແວສາມາດຖືກອ້າງວ່າເປັນ "ອະມະຕະ" ທີ່ຮາດແວສາມາດຄົງຢູ່ຕະຫຼອດໄປ (ແນ່ນອນ, ໃນຂອບເຂດຈໍາກັດ), ໃນຂະນະທີ່ຊອບແວສາມາດຂຽນແລະຂຽນຄືນໃຫມ່ເລື້ອຍໆ. ທ່ານສາມາດເຮັດໃຫ້ຄອມພິວເຕີທຳມະດາດຳເນີນໄປໄດ້ຕາບໃດທີ່ທ່ານສາມາດສ້ອມແປງຮາດແວໄດ້ແລະເຮັດໃຫ້ເຄື່ອງຂັດຕິດໄຟໄດ້. ເຈົ້າຍັງສາມາດນຳໃຊ້ຄອມພິວເຕີໃນບ້ານໄດ້ຕັ້ງແຕ່ຊຸມປີ 1970 ທີ່ເຄີຍມີມາໃນຊຸດປະກອບ, ເຖິງວ່າຈະມີອາຍຸເກືອບຫ້າສິບປີແລ້ວກໍຕາມ (ເປັນເວລາດົນນານໃນ ປີຄອມພິວເຕີ).
ສົມມຸດວ່າພວກເຮົາເລືອກທີ່ຈະເຮັດໃຫ້ຄອມພິວເຕີທີ່ມີຮາດແວແລະຊອບແວເຮັດວຽກແຍກຕ່າງຫາກ (ຂ້າພະເຈົ້າຈະເວົ້າເພີ່ມເຕີມກ່ຽວກັບເລື່ອງນີ້ໃນໄວໆນີ້). ພິຈາລະນານີ້ບົນພື້ນຖານດຽວກັນທີ່ຂ້າພະເຈົ້າໄດ້ກ່າວເຖິງກ່ອນຫນ້ານີ້ວ່າສະຫມອງບາງທີອາດມີສ່ວນປະກອບຂອງຮາດແວແລະຊອບແວ. ຖ້າເປັນເຊັ່ນນັ້ນ, ມັນສາມາດແນະນໍາວ່າຄອມພິວເຕີຂອງ ilk ນີ້ຈະບໍ່ເປັນອະມະຕະອີກຕໍ່ໄປ. ມັນຈະຖືກແປວ່າເປັນ "ມະຕະ" ແທນ.
ອີງຕາມຂໍ້ສັງເກດທີ່ໄດ້ກ່າວໃນກອງປະຊຸມ NeurIPS ໂດຍຜູ້ເວົ້າທີ່ສໍາຄັນທີ່ໄດ້ຮັບເຊີນແລະ AI guru Geoffrey Hinton, ແລະດັ່ງທີ່ໄດ້ກ່າວໄວ້ໃນເອກະສານຄົ້ນຄ້ວາຂອງລາວທີ່ມາພ້ອມກັບ:
- "ຄອມພິວເຕີດິຈິຕອລທົ່ວໄປໄດ້ຖືກອອກແບບເພື່ອປະຕິບັດຕາມຄໍາແນະນໍາຢ່າງຊື່ສັດເພາະວ່າມັນສົມມຸດວ່າວິທີດຽວທີ່ຈະໄດ້ຮັບຄອມພິວເຕີທີ່ໃຊ້ທົ່ວໄປເພື່ອປະຕິບັດວຽກງານສະເພາະແມ່ນການຂຽນໂປຼແກຼມທີ່ກໍານົດສິ່ງທີ່ຕ້ອງເຮັດໃນລາຍລະອຽດທີ່ຫນ້າຕື່ນເຕັ້ນ. ນີ້ບໍ່ແມ່ນຄວາມຈິງອີກຕໍ່ໄປ, ແຕ່ຊຸມຊົນການຄົ້ນຄວ້າໄດ້ຊ້າທີ່ຈະເຂົ້າໃຈຜົນກະທົບໃນໄລຍະຍາວຂອງການຮຽນຮູ້ເລິກສໍາລັບວິທີການສ້າງຄອມພິວເຕີ. ໂດຍສະເພາະຊຸມຊົນໄດ້ຍຶດຫມັ້ນກັບຄວາມຄິດທີ່ວ່າຊອບແວຄວນຈະແຍກອອກຈາກຮາດແວເພື່ອໃຫ້ໂຄງການດຽວກັນຫຼືຊຸດນ້ໍາຫນັກດຽວກັນສາມາດດໍາເນີນການຢູ່ໃນສໍາເນົາທາງດ້ານຮ່າງກາຍທີ່ແຕກຕ່າງກັນຂອງຮາດແວ. ນີ້ເຮັດໃຫ້ຄວາມຮູ້ທີ່ມີຢູ່ໃນໂຄງການຕາຍຫຼືນ້ໍາຫນັກເປັນອະມະຕະ: ຄວາມຮູ້ບໍ່ຕາຍເມື່ອຮາດແວຕາຍ” (ຕາມທີ່ບັນຈຸຢູ່ໃນແລະອ້າງອີງຈາກເອກະສານການຄົ້ນຄວ້າຂອງລາວ "The Forward-Forward Algorithm: Some Preliminary Investigations", preprint available online) .
ໃຫ້ສັງເກດວ່າປະເພດຂອງຄອມພິວເຕີ້ທີ່ສົນທະນາຢູ່ໃນປະເພດຂອງ AI ນີ້ເຮັດໃຫ້ການນໍາໃຊ້ເຄືອຂ່າຍ neural ທຽມ (ANNs).
ໃຫ້ເຮົາເວົ້າເລື່ອງກ່ຽວກັບເລື່ອງນີ້.
ມີ neurons ຊີວະສາດໃນໂລກທີ່ແທ້ຈິງຢູ່ໃນສະຫມອງຂອງພວກເຮົາ. ເຈົ້າໃຊ້ພວກມັນຕະຫຼອດເວລາ. ພວກມັນເຊື່ອມຕໍ່ກັນທາງຊີວະວິທະຍາ ແລະທາງເຄມີ ເຂົ້າໄປໃນເຄືອຂ່າຍໃນ noggin ຂອງທ່ານ. ດັ່ງນັ້ນ, ພວກເຮົາສາມາດອ້າງເຖິງສິ່ງນີ້ເປັນ ເຄືອຂ່າຍ neural.
ຢູ່ບ່ອນອື່ນ, ພວກເຮົາຈະເວົ້າວ່າ " neurons" ປອມທີ່ພວກເຮົາເປັນຕົວແທນໃນຄອມພິວເຕີ້ເພື່ອຈຸດປະສົງຂອງການສ້າງ AI. ຫຼາຍຄົນໃນ AI ຍັງອ້າງເຖິງສິ່ງເຫຼົ່ານັ້ນເປັນເຄືອຂ່າຍ neural. ຂ້າພະເຈົ້າເຊື່ອວ່ານີ້ແມ່ນຂ້ອນຂ້າງສັບສົນ. ເຈົ້າເຫັນ, ຂ້ອຍມັກອ້າງເຖິງພວກມັນເປັນ ປອມ ເຄືອຂ່າຍ neural. ນີ້ຈະຊ່ວຍໃຫ້ຈໍາແນກໄດ້ທັນທີລະຫວ່າງການອ້າງອິງຢູ່ໃນຫົວຂອງທ່ານ ເຄືອຂ່າຍ neural (ສິ່ງທີ່ແທ້ຈິງ, ມັນເປັນ), ແລະຄອມພິວເຕີ (ປອມ ເຄືອຂ່າຍ neural).
ບໍ່ແມ່ນທຸກຄົນໃຊ້ຈຸດຢືນນັ້ນ. ຫຼາຍໆຄົນໃນ AI ພຽງແຕ່ສົມມຸດວ່າຄົນອື່ນໃນ AI "ຮູ້" ວ່າເມື່ອກ່າວເຖິງເຄືອຂ່າຍ neural ພວກເຂົາເກືອບສະເຫມີເວົ້າກ່ຽວກັບ ANNs - ເວັ້ນເສຍແຕ່ວ່າສະຖານະການຈະເກີດຂື້ນໃນບາງເຫດຜົນທີ່ພວກເຂົາຕ້ອງການປຶກສາຫາລືກ່ຽວກັບ neurons ທີ່ແທ້ຈິງແລະເຄືອຂ່າຍ neural ທີ່ແທ້ຈິງໃນ. ສະໝອງ.
ຂ້ອຍເຊື່ອວ່າເຈົ້າໄດ້ຮັບການລອຍລົມຂອງຂ້ອຍ. ສ່ວນໃຫຍ່ຂອງເວລາ, ຄົນ AI ຈະເວົ້າວ່າ "ເຄືອຂ່າຍ neural" ເຊິ່ງອາດຈະມີຄວາມບໍ່ຊັດເຈນເພາະວ່າທ່ານບໍ່ຮູ້ວ່າພວກເຂົາຫມາຍເຖິງຕົວຕົນທີ່ແທ້ຈິງໃນຫົວຂອງພວກເຮົາຫຼືຄອມພິວເຕີ້ຄອມພິວເຕີ້ທີ່ພວກເຮົາຂຽນໄວ້ໃນຄອມພິວເຕີ້. ແຕ່ເນື່ອງຈາກວ່າປະຊາຊົນ AI ກໍາລັງຈັດການກັບກໍລະນີທີ່ໃຊ້ຄອມພິວເຕີຢ່າງຫຼວງຫຼາຍ, ພວກມັນເລີ່ມຕົ້ນທີ່ຈະສົມມຸດວ່າທ່ານຫມາຍເຖິງເຄືອຂ່າຍ neural ປອມ. ຂ້ອຍມັກເພີ່ມ ຄຳ ວ່າ "ປອມ" ຢູ່ດ້ານ ໜ້າ ຂອງ ຄຳ ສັບເພື່ອໃຫ້ມີຄວາມຊັດເຈນກວ່າກ່ຽວກັບຄວາມຕັ້ງໃຈ.
ກ້າວຕໍ່ໄປ, ທ່ານສາມາດພິຈາລະນາບາງ neurons ທຽມທາງຄໍານວນເຫຼົ່ານີ້ເປັນການຈໍາລອງທາງຄະນິດສາດຫຼືຄອມພິວເຕີ້ຂອງສິ່ງທີ່ພວກເຮົາຄິດວ່າ neurons ທາງດ້ານຮ່າງກາຍທາງຊີວະເຄມີຕົວຈິງເຮັດ, ເຊັ່ນ: ການນໍາໃຊ້ມູນຄ່າຕົວເລກເປັນປັດໃຈນ້ໍາຫນັກທີ່ຖ້າບໍ່ດັ່ງນັ້ນເກີດຂື້ນໃນສະຫມອງ. ໃນມື້ນີ້, simulations ເຫຼົ່ານີ້ແມ່ນບໍ່ເກືອບສະລັບສັບຊ້ອນເປັນ neurons ທີ່ແທ້ຈິງແມ່ນ. ANNs ໃນປະຈຸບັນແມ່ນການເປັນຕົວແທນທາງຄະນິດສາດແລະການຄິດໄລ່ທີ່ຂີ້ຮ້າຍທີ່ສຸດ.
ໂດຍທົ່ວໄປແລ້ວ, ANNs ມັກຈະເປັນອົງປະກອບຫຼັກສໍາລັບການຮຽນຮູ້ເຄື່ອງຈັກ (ML) ແລະການຮຽນຮູ້ເລິກ (DL) — ກະລຸນາຮັບຊາບວ່າມີລາຍລະອຽດເພີ່ມເຕີມຕໍ່ກັບເລື່ອງນີ້, ແລະຂ້າພະເຈົ້າຂໍແນະນໍາໃຫ້ທ່ານເບິ່ງການຄຸ້ມຄອງຢ່າງກວ້າງຂວາງຂອງຂ້ອຍກ່ຽວກັບ ML/DL. ທີ່ ການເຊື່ອມຕໍ່ທີ່ນີ້ ແລະ ການເຊື່ອມຕໍ່ທີ່ນີ້, ຍົກຕົວຢ່າງ.
ການກັບຄືນສູ່ປະເພດອະມະຕະທຽບກັບປະເພດຄອມພິວເຕີທີ່ຕາຍແລ້ວນີ້ແມ່ນມີຫຼາຍອັນທີ່ຈະໃຫ້ເຫດຜົນຕໍ່ນັກຄົ້ນຄວ້າ:
- “ການແຍກຊອບແວອອກຈາກຮາດແວແມ່ນຫນຶ່ງໃນພື້ນຖານຂອງວິທະຍາສາດຄອມພິວເຕີແລະມັນມີຜົນປະໂຫຍດຫຼາຍ. ມັນເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະສຶກສາຄຸນສົມບັດຂອງບັນດາໂຄງການໂດຍບໍ່ຕ້ອງກັງວົນກ່ຽວກັບວິສະວະກໍາໄຟຟ້າ. ມັນເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະຂຽນໂປຼແກຼມຫນຶ່ງຄັ້ງແລະຄັດລອກໃສ່ຄອມພິວເຕີຫຼາຍລ້ານເຄື່ອງ. ຢ່າງໃດກໍຕາມ, ຖ້າພວກເຮົາເຕັມໃຈທີ່ຈະປະຖິ້ມຄວາມເປັນອະມະຕະ, ມັນຄວນຈະເປັນໄປໄດ້ທີ່ຈະບັນລຸການປະຫຍັດພະລັງງານຢ່າງຫຼວງຫຼາຍໃນການປະຕິບັດການຄິດໄລ່ແລະຄ່າໃຊ້ຈ່າຍໃນການຜະລິດຮາດແວທີ່ປະຕິບັດການຄິດໄລ່. ພວກເຮົາສາມາດອະນຸຍາດໃຫ້ມີການປ່ຽນແປງຂະຫນາດໃຫຍ່ແລະບໍ່ຮູ້ຈັກໃນການເຊື່ອມຕໍ່ແລະການທີ່ບໍ່ແມ່ນ linearities ຂອງຕົວຢ່າງທີ່ແຕກຕ່າງກັນຂອງຮາດແວທີ່ມີຈຸດປະສົງເພື່ອປະຕິບັດຫນ້າດຽວກັນແລະອີງໃສ່ຂັ້ນຕອນການຮຽນຮູ້ເພື່ອຄົ້ນພົບຄ່າພາລາມິເຕີທີ່ເຮັດໃຫ້ການນໍາໃຊ້ປະສິດທິພາບຂອງຄຸນສົມບັດທີ່ບໍ່ຮູ້ຈັກຂອງແຕ່ລະຕົວຢ່າງສະເພາະຂອງ. ຮາດແວ. ຄ່າພາລາມິເຕີເຫຼົ່ານີ້ແມ່ນມີປະໂຫຍດພຽງແຕ່ສໍາລັບຕົວຢ່າງຮາດແວສະເພາະນັ້ນ, ດັ່ງນັ້ນການຄິດໄລ່ທີ່ພວກເຂົາປະຕິບັດແມ່ນຕາຍ: ມັນຕາຍກັບຮາດແວ” (ibid).
ດຽວນີ້ເຈົ້າໄດ້ຖືກ ນຳ ສະ ເໜີ ກ່ຽວກັບວິທີການອະມະຕະແລະມະຕະຖືກ ນຳ ໃຊ້ໃນສະພາບການນີ້.
ໃຫ້ຂ້ອຍອະທິບາຍຢ່າງລະອຽດ.
ຂໍ້ສະ ເໜີ ແມ່ນວ່າຄອມພິວເຕີທີ່ມີຈຸດປະສົງທີ່ສ້າງຂຶ້ນໂດຍອີງໃສ່ ANNs ສາມາດຖືກສ້າງຂື້ນທີ່ຮາດແວແລະຊອບແວຖືກຖືວ່າເປັນສິ່ງທີ່ແຍກກັນບໍ່ໄດ້. ເມື່ອຮາດແວໃນມື້ຫນຶ່ງບໍ່ເຮັດວຽກ (ຊຶ່ງແນ່ນອນ, ພວກເຮົາກໍາລັງເວົ້າປະສົມປະສານກັບຊອບແວ), ຄອມພິວເຕີປະເພດນີ້ເບິ່ງຄືວ່າບໍ່ມີຜົນປະໂຫຍດແລະຈະບໍ່ເຮັດວຽກອີກຕໍ່ໄປ. ມັນໄດ້ຖືກກ່າວວ່າເປັນມະຕະ. ເຈົ້າອາດຈະຝັງຄອມພິວເຕີທີ່ໃຊ້ ANN ເຊັ່ນກັນ ເພາະມັນຈະບໍ່ເຮັດໃຫ້ເຈົ້າດີຫຼາຍຕໍ່ຈາກນີ້ໄປ ຫຼັງຈາກທີ່ຮາດແວ ແລະຊອບແວທີ່ແຍກກັນບໍ່ໄດ້ເຮັດວຽກເປັນທີມໄດ້.
ຖ້າທ່ານຕ້ອງການພະຍາຍາມແລະກ່ຽວຂ້ອງກັບເລື່ອງນີ້ກັບການປຽບທຽບຂອງສະຫມອງຂອງມະນຸດ, ທ່ານອາດຈະເບິ່ງສະຖານະການຂອງສະຫມອງຂອງມະນຸດທີ່ຊຸດໂຊມລົງຢ່າງສົມບູນຫຼືວ່າມັນເປັນອັນຕະລາຍທີ່ບໍ່ສາມາດແກ້ໄຂໄດ້. ພວກເຮົາຍອມຮັບແນວຄິດທີ່ວ່າຄົນເຮົາເປັນມະຕະ ແລະສະໝອງຂອງພວກມັນຈະຢຸດເຮັດວຽກຢ່າງແນ່ນອນ ແລະໃນທີ່ສຸດ. ຄວາມຮູ້ທີ່ເຂົາເຈົ້າບັນຈຸຢູ່ໃນສະຫມອງຂອງເຂົາເຈົ້າແມ່ນບໍ່ມີຕໍ່ໄປອີກແລ້ວ. ເວັ້ນເສຍແຕ່ວ່າພວກເຂົາເກີດຂຶ້ນເພື່ອພະຍາຍາມບອກຄົນອື່ນຫຼືຂຽນສິ່ງທີ່ພວກເຂົາຮູ້, ຄວາມຮູ້ຂອງພວກເຂົາຈະຫມົດໄປທົ່ວໂລກ.
ເຈົ້າຄົງເຄີຍໄດ້ຍິນ ຫຼືເຫັນການລາຍງານຄວາມພະຍາຍາມທີ່ຈະຮັກສາສະໝອງ, ຄືກັບການເຮັດໃຫ້ພວກມັນຕົກຢູ່ໃນສະພາບທີ່ໜາວເຢັນ, ພາຍໃຕ້ທິດສະດີທີ່ວ່າບາງມື້ມະນຸດອາດເປັນອະມະຕະ ຫຼືຢ່າງໜ້ອຍກໍຍັງຍືດຍາວໄປກວ່າການດຳລົງຊີວິດຕາມປະເພນີ. ສະໝອງຂອງເຈົ້າອາດຈະຢູ່ໄດ້, ເຖິງແມ່ນວ່າຈະບໍ່ຢູ່ໃນຮ່າງກາຍຂອງເຈົ້າກໍຕາມ. ຮູບເງົາ ແລະເລື່ອງ sci-Fi ຫຼາຍໆເລື່ອງໄດ້ຄາດເດົາກ່ຽວກັບແນວຄວາມຄິດດັ່ງກ່າວ.
ໃນປັດຈຸບັນພວກເຮົາກຽມພ້ອມສໍາລັບການເບິ່ງລາຍລະອຽດຢູ່ໃນຄອມພິວເຕີມະຕະແລະຄອມພິວເຕີອະມະຕະເປັນແນວຄວາມຄິດແລະສິ່ງທີ່ມັນບອກລ່ວງຫນ້າ.
ການສົນທະນາດ້ວຍສະຕິ ແລະ ພິຈາລະນາວິເຄາະ
ກ່ອນທີ່ຈະເຂົ້າໄປໃນ guts ຂອງການວິເຄາະຂອງວິທີການ postulated ນີ້, caveats ທີ່ສໍາຄັນຈໍານວນຫນ້ອຍແລະຈຸດເພີ່ມເຕີມແມ່ນຕົກເປັນມູນຄ່າບອກ.
ນັກຄົ້ນຄວ້າໄດ້ເນັ້ນຫນັກວ່າ coined ຄອມພິວເຕີມະຕະ ໂດຍ ສະ ເພາະ ແມ່ນ ຈະ ບໍ່ ໄດ້ ທົດ ແທນ ຫຼື shove ອອກ ຈາກ ທີ່ ມີ ຢູ່ ແລ້ວ ໄດ້ ຄອມພິວເຕີອະມະຕະ ເຊິ່ງມື້ນີ້ພວກເຮົາເອີ້ນວ່າຄອມພິວເຕີດິຈິຕອນແບບດັ້ງເດີມ. ຈະມີການຢູ່ຮ່ວມກັນຂອງຄອມພິວເຕີທັງສອງປະເພດ. ຂ້າພະເຈົ້າເວົ້າວ່ານີ້ເນື່ອງຈາກວ່າການຕິກິຣິຍາໂດຍບາງຄົນທີ່ໄດ້ຮັບວ່າການໂທເພື່ອສັ່ງເປັນການອ້າງວ່າຜ້າຫົ່ມ ທັງຫມົດ ຄອມ ພິວ ເຕີ ຂອງ ຄວາມ ຈໍາ ເປັນ ຫຼື ຈະ ເປັນ ຫົວ ຫນ້າ ໄປ ຫາ ປະ ເພດ ມະ ຕະ.
ນັ້ນບໍ່ແມ່ນການຮຽກຮ້ອງ.
ໃນລະຫວ່າງການສົນທະນາຂອງພຣະອົງ, ທ່ານໄດ້ກ່າວວ່າການເຫຼົ່ານີ້ເປັນພິເສດ neuromorphic-ຮັດກຸມ ຄອມພິວເຕີຈະປະຕິບັດວຽກງານຄອມພິວເຕີ້ທີ່ເອີ້ນວ່າ ການຄິດໄລ່ມະຕະ: "ພວກເຮົາຈະເຮັດສິ່ງທີ່ຂ້ອຍເອີ້ນວ່າການຄິດໄລ່ມະຕະ, ບ່ອນທີ່ຄວາມຮູ້ທີ່ລະບົບໄດ້ຮຽນຮູ້ແລະຮາດແວ, ແມ່ນບໍ່ສາມາດແຍກອອກໄດ້" (ຕາມຄໍາເວົ້າຂອງ ZDNET ບົດຄວາມໂດຍ Tiernan Ray ໃນເດືອນທັນວາ 1, 2022).
ແລະໂດຍສະເພາະ: "ມັນຈະບໍ່ທົດແທນຄອມພິວເຕີດິຈິຕອນ" (ibid).
ນອກຈາກນີ້, ຄອມພິວເຕີປະເພດໃຫມ່ເຫຼົ່ານີ້ກໍາລັງຕັດສິນໃຈໃນໄວໆນີ້ຈະຢູ່ໃນຮ້ານຄອມພິວເຕີທ້ອງຖິ່ນຂອງເຈົ້າຫຼືມີໃຫ້ຊື້ອອນໄລນ໌ທັນທີ, ດັ່ງທີ່ໄດ້ກ່າວໃນລະຫວ່າງການນໍາສະເຫນີຂອງລາວ: "ສິ່ງທີ່ຂ້ອຍຄິດແມ່ນວ່າພວກເຮົາຈະເຫັນປະເພດທີ່ແຕກຕ່າງກັນຫມົດ. ຄອມພິວເຕີ, ບໍ່ແມ່ນສໍາລັບສອງສາມປີ, ແຕ່ມີເຫດຜົນສໍາລັບການສືບສວນຄອມພິວເຕີປະເພດນີ້ທີ່ແຕກຕ່າງກັນຫມົດ." ການນໍາໃຊ້ຈະແຕກຕ່າງກັນເຊັ່ນດຽວກັນ: "ມັນຈະບໍ່ແມ່ນຄອມພິວເຕີທີ່ຮັບຜິດຊອບຂອງບັນຊີທະນາຄານຂອງທ່ານແລະຮູ້ວ່າເງິນທີ່ທ່ານໄດ້ຮັບຢ່າງແທ້ຈິງ."
ຄວາມບິດເບືອນເພີ່ມເຕີມແມ່ນວ່າຄອມພິວເຕີທີ່ຕາຍແລ້ວເບິ່ງຄືວ່າຈະໄດ້ຮັບການເຕີບໃຫຍ່ແທນທີ່ຈະຖືກຜະລິດເປັນທີ່ພວກເຮົາເຮັດໃນມື້ນີ້ສໍາລັບການຜະລິດໂປເຊດເຊີຄອມພິວເຕີແລະຊິບຄອມພິວເຕີ້.
ໃນລະຫວ່າງຂະບວນການຂະບວນການຂະຫຍາຍຕົວ, ຄອມພິວເຕີມະຕະຈະເພີ່ມທະວີການຄວາມສາມາດໃນຮູບແບບຂອງການເຕີບໂຕຂອງຄອມພິວເຕີໄດ້. ດັ່ງນັ້ນ, ຄອມພິວເຕີມະຕະທີ່ໃຫ້ມານັ້ນອາດຈະເລີ່ມຕົ້ນດ້ວຍຄວາມສາມາດອັນໃດອັນໜຶ່ງ ແລະ ກາຍເປັນຜູ້ໃຫຍ່ໃນສິ່ງທີ່ມັນມີຈຸດປະສົງເພື່ອກາຍເປັນ. ຕົວຢ່າງ, ສົມມຸດວ່າພວກເຮົາຕ້ອງການສ້າງໂທລະສັບມືຖືໂດຍຜ່ານການນໍາໃຊ້ຄອມພິວເຕີຂອງມະນຸດ. ທ່ານຈະເລີ່ມຕົ້ນດ້ວຍການປ່ຽນແປງ simpleton ຂອງຄອມພິວເຕີມະຕະທີ່ມີຮູບຮ່າງໃນເບື້ອງຕົ້ນຫຼືແກ່ນສໍາລັບຈຸດປະສົງນີ້. ຈາກນັ້ນມັນຈະແກ່ໄປເປັນລຸ້ນທີ່ກ້າວໜ້າກວ່າທີ່ເຈົ້າກໍາລັງຊອກຫາ. ໃນສັ້ນ: "ເຈົ້າຈະປ່ຽນເປັນໂທລະສັບມືຖືແຕ່ລະອັນຈະຕ້ອງເລີ່ມຕົ້ນເປັນໂທລະສັບມືຖືເດັກນ້ອຍ, ແລະມັນຈະຕ້ອງຮຽນຮູ້ວິທີການເປັນໂທລະສັບມືຖື."
ໃນສະໄລ້ພື້ນຖານອັນໜຶ່ງຂອງລາວກ່ຽວກັບການຄຳນວນຊີວິດມະຕະ, ຜົນປະໂຫຍດໄດ້ຖືກອະທິບາຍດ້ວຍວິທີນີ້: “ຖ້າພວກເຮົາປະຖິ້ມຄວາມເປັນອະມະຕະ ແລະຍອມຮັບວ່າຄວາມຮູ້ນັ້ນບໍ່ສາມາດເຂົ້າໃຈໄດ້ຈາກລາຍລະອຽດທາງກາຍຍະພາບທີ່ຊັດເຈນຂອງຮາດແວສະເພາະ, ພວກເຮົາໄດ້ຮັບຜົນປະໂຫຍດອັນໃຫຍ່ຫຼວງສອງຢ່າງ: (1) ພວກເຮົາສາມາດນໍາໃຊ້ການຄໍານວນການປຽບທຽບພະລັງງານຕ່ໍາຫຼາຍ, (2) ພວກເຮົາສາມາດຂະຫຍາຍຕົວຮາດແວທີ່ມີການເຊື່ອມຕໍ່ທີ່ຊັດເຈນແລະພຶດຕິກໍາການປຽບທຽບແມ່ນບໍ່ຮູ້ຈັກ.
ສ່ວນຫນຶ່ງຂອງການສົນທະນາດຽວກັນແລະຍັງມີຢູ່ໃນເອກະສານການຄົ້ນຄວ້າ preprint ຂອງລາວແມ່ນເຕັກນິກທີ່ສະເຫນີສໍາລັບວິທີການ ANNs ສາມາດຖືກອອກແບບທີ່ດີກວ່າ, ເຊິ່ງລາວຫມາຍເຖິງການໃຊ້ ຕໍ່ໄປຂ້າງຫນ້າ ວິທີການເຄືອຂ່າຍ. ບາງສ່ວນຂອງທ່ານທີ່ versed ໃນ ANNs ບໍ່ຕ້ອງສົງໃສແລ້ວຂ້ອນຂ້າງຮູ້ຂອງການນໍາໃຊ້ backpropagation ຫຼື back-prop. ທ່ານອາດຈະຕ້ອງການເບິ່ງເຕັກນິກການສົ່ງຕໍ່ທີ່ສະເຫນີຂອງລາວ. ຂ້ອຍຈະກວມເອົາວິທີການທີ່ ໜ້າ ສົນໃຈນັ້ນໃນການປະກາດຖັນໃນອະນາຄົດ, ສະນັ້ນຈົ່ງເຝົ້າລະວັງເພື່ອຄວາມຄຸ້ມຄອງທີ່ຈະມາເຖິງຂອງຂ້ອຍກ່ຽວກັບມັນ.
ການປ່ຽນເກຍ, ໃຫ້ພິຈາລະນາສິ່ງທີ່ຖືກເວົ້າຢູ່ໃນຫ້ອງໂຖງແລະທາງຂອງຊຸມຊົນ AI ກ່ຽວກັບແບ້ນີ້. ຄອມພິວເຕີມະຕະ ເຄື່ອງຈັກ.
ພວກເຮົາຈະເລີ່ມຕົ້ນດ້ວຍສິ່ງທີ່ບາງຄົນເວົ້າວ່າບໍ່ແມ່ນຜູ້ເລີ່ມຕົ້ນໃນຫົວຂໍ້ທີ່ບອກທັງຫມົດ.
ເຈົ້າພ້ອມແລ້ວບໍ?
ຢຸດເອີ້ນສິ່ງນີ້ ກ ມະຕະ ຄອມພິວເຕີ.
ເຊັ່ນດຽວກັນ, ຢຸດເຊົາການປະກາດວ່າຄອມພິວເຕີທໍາມະດາຂອງມື້ນີ້ immortal.
ການນໍາໃຊ້ທັງສອງແມ່ນພຽງແຕ່ຜິດປົກກະຕິແລະເຮັດໃຫ້ຜິດພາດອຸດົມສົມບູນ, ຂໍແນະນໍາຜູ້ທີ່ບໍ່ຄ່ອຍເຊື່ອງ່າຍໆ.
ຄໍານິຍາມຂອງວັດຈະນານຸກົມປະຈໍາວັນຂອງສິ່ງທີ່ເປັນອະມະຕະປະກອບດ້ວຍສິ່ງທີ່ບໍ່ສາມາດຕາຍໄດ້. ມັນມີຊີວິດຢູ່ຕະຫຼອດໄປ. ໃນຄໍາສັ່ງທີ່ຈະບໍ່ຕາຍ, ທ່ານສົມມຸດວ່າຈະຕ້ອງເວົ້າວ່າສິ່ງທີ່ຕົນເອງມີຊີວິດຢູ່. ທ່ານກໍາລັງ treading ສຸດຕິດຕາມທີ່ບໍ່ຖືກຕ້ອງເພື່ອຢືນຢັນວ່າຄອມພິວເຕີຂອງມື້ນີ້ມີຊີວິດ. ບໍ່ມີບຸກຄົນທີ່ສົມເຫດສົມຜົນຈະກໍານົດຄຸນສົມບັດ "ດໍາລົງຊີວິດ" ທີ່ຖືກຕ້ອງກັບຄອມພິວເຕີທີ່ທັນສະໄຫມ. ພວກເຂົາແມ່ນເຄື່ອງຈັກ. ພວກເຂົາເຈົ້າແມ່ນສິ່ງ. ພວກມັນບໍ່ແມ່ນຄົນ ຫຼືສັດ ຫຼືຊີວິດ.
ຖ້າທ່ານຕ້ອງການຂະຫຍາຍຄໍານິຍາມຂອງອະມະຕະເພື່ອອະນຸຍາດໃຫ້ພວກເຮົາຫມາຍເຖິງຫນ່ວຍງານທີ່ບໍ່ມີຊີວິດເຊັ່ນດຽວກັນ, ໃນກໍລະນີດັ່ງກ່າວ, ຫນ່ວຍງານທີ່ບໍ່ມີຊີວິດຈະເບິ່ງຄືວ່າບໍ່ມີວັນເສື່ອມໂຊມແລະບໍ່ສາມາດທໍາລາຍເຂົ້າໄປໃນຂີ້ຝຸ່ນໄດ້. ທ່ານສາມາດເຮັດການຮຽກຮ້ອງດັ່ງກ່າວກ່ຽວກັບຄອມພິວເຕີຂອງມື້ນີ້ໄດ້ບໍ? ນີ້ເບິ່ງຄືວ່າ outstretched (ຂໍ້ສັງເກດຂ້າງຄຽງ: ແນ່ນອນພວກເຮົາສາມາດເຂົ້າໄປໃນການສົນທະນາ philosophical ທີ່ຍິ່ງໃຫຍ່ກ່ຽວກັບລັກສະນະຂອງເລື່ອງແລະການມີຢູ່, ແຕ່ບໍ່ໃຫ້ເຮົາໄປມີຢູ່ໃນຕົວຢ່າງນີ້).
ຄວາມສໍາຄັນແມ່ນວ່າການນໍາໃຊ້ຫຼືບາງຄົນຈະເວົ້າວ່າການໃຊ້ຄໍາສັບ "ມະຕະ" ແລະ "ອະມະຕະ" ໃນທາງທີ່ຜິດແມ່ນເປັນເລື່ອງທີ່ແປກປະຫຼາດແລະບໍ່ຖືກເອີ້ນ. ການເອົາພາສາພື້ນເມືອງທີ່ໃຊ້ທົ່ວໄປແລ້ວນໍາໄປໃຊ້ຄືນໃໝ່ເພື່ອຈຸດປະສົງອື່ນແມ່ນສັບສົນ ແລະເຮັດໃຫ້ນໍ້າຂີ້ມູກ. ທ່ານຕ້ອງເຕັມໃຈທີ່ຈະຄິດຄືນໃໝ່ຢ່າງຈະແຈ້ງວ່າຄວາມເປັນມະຕະ ແລະ ອະມະຕະໝາຍເຖິງຫຍັງໃນສະພາບການສະເພາະນີ້. ອັນນີ້ກາຍເປັນບັນຫາ.
ສິ່ງທີ່ ໜ້າ ປະຫລາດໃຈກວ່ານັ້ນແມ່ນວ່າການເລືອກ ຄຳ ສັບເຫຼົ່ານີ້ມີແນວໂນ້ມທີ່ຈະສະແດງເຖິງລັກສະນະຄອມພິວເຕີ.
ມີບັນຫາຫຼາຍກ່ວາພຽງພໍທີ່ກ່ຽວຂ້ອງກັບ AI anthropomorphizing, ພວກເຮົາແນ່ນອນບໍ່ຈໍາເປັນຕ້ອງສ້າງຄວາມເປັນໄປໄດ້ດັ່ງກ່າວຫຼາຍ. ດັ່ງທີ່ຂ້າພະເຈົ້າໄດ້ສົນທະນາຢ່າງກວ້າງຂວາງໃນການຄຸ້ມຄອງຂອງຂ້ອຍກ່ຽວກັບຈັນຍາບັນ AI ແລະຈັນຍາບັນ AI, ມີວິທີການທໍາມະຊາດທັງຫມົດທີ່ປະຊາຊົນກໍານົດຄວາມສາມາດໃນການສົ່ງຕໍ່ຄອມພິວເຕີ. ໃນທາງກັບກັນ, ອັນນີ້ເຮັດໃຫ້ຄົນເຮົາເຂົ້າໃຈຜິດໆວ່າຄອມພິວເຕີທີ່ໃຊ້ AI ສາມາດຄິດ ແລະເຮັດໄດ້ຄືກັບທີ່ມະນຸດເຮັດ. ມັນເປັນຄວາມເປີ້ນພູຂອງໄພອັນຕະລາຍໃນເວລາທີ່ສັງຄົມກາຍເປັນລໍ້ລວງໃຫ້ເຊື່ອວ່າ AI ແລະຄອມພິວເຕີ້ໃນທຸກມື້ນີ້ທຽບເທົ່າກັບສະຕິປັນຍາແລະຄວາມຮູ້ສຶກທົ່ວໄປຂອງມະນຸດ, ເບິ່ງຕົວຢ່າງການວິເຄາະຂອງຂ້ອຍຢູ່ທີ່ ການເຊື່ອມຕໍ່ທີ່ນີ້ ແລະ ການເຊື່ອມຕໍ່ທີ່ນີ້.
ຕົກລົງ, ພວກເຮົາສາມາດປະຕິເສດຫຼືມີການດູຖູກສໍາລັບການເລືອກຄໍາສັບທີ່ງຸ່ມງ່າມ, ແຕ່ມັນແນະນໍາວ່າພວກເຮົາຄວນເອົາເດັກນ້ອຍອອກດ້ວຍນ້ໍາອາບນ້ໍາ (ເປັນຄໍາເວົ້າທີ່ເກົ່າແກ່, ອາດຈະໃກ້ຈະກິນບໍານານ) ບໍ?
ບາງຄົນໂຕ້ຖຽງວ່າບາງທີພວກເຮົາສາມາດຊອກຫາຄໍາທີ່ດີກວ່າສໍາລັບວິທີການຫຼືແນວຄວາມຄິດໂດຍລວມນີ້. ຍົກເລີກການໃຊ້ "ມະຕະ" ແລະ "ອະມະຕະ" ເພື່ອບໍ່ໃຫ້ຄວາມຄິດທີ່ເຫລືອຢູ່ໃນຄວາມບໍ່ເຫມາະສົມຫຼືການນໍາໃຊ້ທີ່ບໍ່ຖືກຕ້ອງ. ໃນຂະນະດຽວກັນ, ມີການໂຕ້ຖຽງກັນວ່າມັນເປັນການຍອມຮັບຢ່າງສົມບູນທີ່ຈະໃຊ້ທາງເລືອກຄໍາເຫຼົ່ານັ້ນ, ບໍ່ວ່າຈະເປັນຍ້ອນວ່າພວກເຂົາເຫມາະສົມ, ຫຼືຍ້ອນວ່າພວກເຮົາບໍ່ຄວນປ່ຽນແປງໄດ້ກ່ຽວກັບວິທີທີ່ພວກເຮົາເລືອກໃຊ້ຄໍາສັບຕ່າງໆ. ດອກກຸຫລາບແມ່ນດອກກຸຫລາບທີ່ມີຊື່ອື່ນ, ພວກເຂົາປະກາດ.
ເພື່ອຫຼີກເວັ້ນການໂຕ້ວາທີທີ່ໂຫດຮ້າຍຕື່ມອີກໃນນີ້, ຂ້າພະເຈົ້າຈະຫລີກລ້ຽງການໃຊ້ ຄຳ ວ່າ "ມະຕະ" ແລະ "ອະມະຕະ" ແລະພຽງແຕ່ຈະບອກວ່າພວກເຮົາມີຄອມພິວເຕີສອງປະເພດໃຫຍ່ທີ່ອ້ອມຮອບ, ອັນ ໜຶ່ງ ແມ່ນຄອມພິວເຕີດິຈິຕອລ ທຳ ມະດາຂອງມື້ນີ້ແລະເຄື່ອງຄອມພິວເຕີ. ອື່ນໆແມ່ນສະເຫນີ neuromorphic ຄອມພິວເຕີ.
ບໍ່ຈໍາເປັນຕ້ອງລາກບັນຫາການຕາຍເຂົ້າມາໃນເລື່ອງນີ້, ມັນເບິ່ງຄືວ່າ. ຮັກສາທ້ອງຟ້າໃຫ້ຊັດເຈນເພື່ອເບິ່ງວ່າມີຫຍັງອີກແດ່ທີ່ພວກເຮົາສາມາດສ້າງບັນຫາຢູ່ໃນມື.
ໃນກໍລະນີດັ່ງກ່າວ, ບາງຄົນຈະໂຕ້ຖຽງວ່າຄວາມຄິດທີ່ສະເຫນີຂອງຄອມພິວເຕີ neuromorphic ບໍ່ມີຫຍັງໃຫມ່.
ທ່ານສາມາດຕິດຕາມກັບຄືນສູ່ຍຸກກ່ອນຫນ້າຂອງ AI, ໂດຍສະເພາະໃນເວລາທີ່ ANNs ໄດ້ຖືກຂຸດຄົ້ນໃນເບື້ອງຕົ້ນ, ແລະເຫັນວ່າມີການເວົ້າກ່ຽວກັບການວາງແຜນຄອມພິວເຕີພິເສດສໍາລັບການເຮັດວຽກຂອງເຄືອຂ່າຍ neural ປອມ. ທຸກປະເພດຂອງຮາດແວໃຫມ່ໄດ້ຖືກສະເຫນີ. ອັນນີ້ຍັງເກີດຂຶ້ນຈົນເຖິງທຸກມື້ນີ້. ແນ່ນອນ, ທ່ານສາມາດໂຕ້ແຍ້ງໄດ້ວ່າການຄົ້ນຫາຮາດແວພິເສດສໍາລັບ ANNs ແລະການຮຽນຮູ້ເຄື່ອງຈັກໃນທຸກມື້ນີ້ແມ່ນຍັງອີງໃສ່ວິທີການແບບດັ້ງເດີມຂອງຄອມພິວເຕີ້. ໃນຄວາມຫມາຍນັ້ນ, ຄວາມບໍ່ແຍກກັນຂອງຮາດແວແລະຊໍແວນີ້ເຮັດໃຫ້ຊອງຈົດຫມາຍເລັກນ້ອຍ, ແລະຂໍ້ສະເຫນີຂອງ "ການຂະຫຍາຍຕົວ" ຄອມພິວເຕີກໍ່ເຮັດເຊັ່ນດຽວກັນ, ຢ່າງຫນ້ອຍກ່ຽວກັບການອອກໄປຂ້າງນອກຂອງກະແສຫລັກ.
ໃນສັ້ນ, ມີບາງອັນທີ່ເຕັມໄປດ້ວຍເລື່ອງເຫຼົ່ານີ້ທີ່ປະຫລາດໃຈທີ່ຄົນອື່ນອາດຈະປະຫລາດໃຈກັບການສະເຫນີທີ່ເລື່ອນໄດ້. ແນວຄິດເຫຼົ່ານີ້ແມ່ນຄືກັນກັບແຕ່ກ່ອນຫຼືສະທ້ອນສິ່ງທີ່ຖືກກວດສອບຢູ່ໃນຫ້ອງທົດລອງຕ່າງໆ.
ຢ່າເອົາຜົມຂອງເຈົ້າໃນຄວາມວຸ້ນວາຍ, ພວກເຂົາເວົ້າວ່າ.
ສິ່ງນີ້ພາພວກເຮົາໄປສູ່ອີກດ້ານໜຶ່ງທີ່ໜ້າເບື່ອໜ່າຍສຳລັບຫຼາຍໆຄົນ.
ໃນຄໍາດຽວ: ການຄາດເດົາ.
ຄອມພິວເຕີຂອງມື້ນີ້ໂດຍທົ່ວໄປແລ້ວຖືວ່າເປັນການຄາດເດົາ. ທ່ານສາມາດເບິ່ງຢູ່ໃນຮາດແວແລະຊອບແວເພື່ອຊອກຫາສິ່ງທີ່ຄອມພິວເຕີຈະເຮັດໄດ້. ເຊັ່ນດຽວກັນ, ທ່ານສາມາດຕິດຕາມສິ່ງທີ່ຄອມພິວເຕີໄດ້ເຮັດແລ້ວເພື່ອ ferret ອອກວ່າເປັນຫຍັງມັນເຮັດອັນໃດກໍ່ໄດ້. ແນ່ນອນ, ມີຂໍ້ຈໍາກັດໃນການເຮັດສິ່ງນີ້, ດັ່ງນັ້ນ, ຂ້າພະເຈົ້າບໍ່ຕ້ອງການທີ່ຈະ overstate ການຄາດຄະເນ, ແຕ່ຂ້າພະເຈົ້າຄິດວ່າທ່ານໄດ້ຮັບຄວາມຄິດໂດຍລວມ.
ທ່ານອາດຈະຮູ້ວ່າຫນຶ່ງໃນບັນຫາ thorny ທີ່ປະເຊີນ ໜ້າ ກັບ AI ໃນມື້ນີ້ແມ່ນວ່າ AI ບາງຢ່າງຖືກອອກແບບເພື່ອປັບຕົວ. AI ທີ່ນັກພັດທະນາວາງໄວ້ອາດຈະປ່ຽນແປງຕົວເອງໃນຂະນະທີ່ມັນຖືກນໍາໃຊ້. ໃນໂລກຂອງຈັນຍາບັນ AI, ມີຕົວຢ່າງຈໍານວນຫລາຍຂອງ AI ທີ່ຖືກນໍາມາໃຊ້ທີ່ໃນຕອນທໍາອິດບໍ່ມີຄວາມລໍາອຽງຫຼືແນວໂນ້ມການຈໍາແນກ, ເຊິ່ງຫຼັງຈາກນັ້ນຄ່ອຍໆຖືກປ່ຽນແປງດ້ວຍຕົນເອງໃນໄລຍະເວລາທີ່ AI ກໍາລັງຜະລິດ, ເບິ່ງຂອງຂ້ອຍ. ການປະເມີນລະອຽດທີ່ ການເຊື່ອມຕໍ່ທີ່ນີ້.
ຄວາມກັງວົນແມ່ນວ່າພວກເຮົາກໍາລັງເຂົ້າໄປໃນການຕັ້ງຄ່າທີ່ປະກອບດ້ວຍ AI ທີ່ບໍ່ຈໍາເປັນຕ້ອງຄາດເດົາໄດ້.
ສົມມຸດວ່າ AI ສໍາລັບລະບົບອາວຸດໄດ້ຮັບການປັບຕົວດ້ວຍຕົນເອງແລະຜົນໄດ້ຮັບແມ່ນວ່າ AI ປະກອບອາວຸດແລະເປີດຕົວອາວຸດທີ່ຕາຍແລ້ວຕາມເປົ້າຫມາຍແລະເວລາທີ່ບໍ່ໄດ້ຄາດຫວັງ. ມະນຸດອາດຈະບໍ່ຢູ່ໃນວົງການທີ່ຈະຢຸດ AI. ມະນຸດທີ່ຢູ່ໃນວົງການອາດຈະບໍ່ສາມາດຕອບສະໜອງໄດ້ໄວພໍທີ່ຈະເອົາຊະນະການກະທຳຂອງ AI ໄດ້. ສໍາລັບຕົວຢ່າງ chilling ເພີ່ມເຕີມ, ເບິ່ງການວິເຄາະຂອງຂ້າພະເຈົ້າຢູ່ທີ່ ການເຊື່ອມຕໍ່ທີ່ນີ້.
ສໍາລັບຄອມພິວເຕີ neuromorphic, ຄວາມກັງວົນແມ່ນວ່າພວກເຮົາກໍາລັງວາງ steroids unpredictable. ຈາກການໄປມາ, ໂດຍເນື້ອແທ້ແລ້ວຂອງຄອມພິວເຕີ neuromorphic ອາດຈະເປັນວ່າມັນເຮັດວຽກໃນຮູບແບບທີ່ຕ້ານການຄາດເດົາ. ພວກເຮົາກໍາລັງ flaunting unpredictable. ມັນກາຍເປັນປ້າຍກຽດຕິຍົດ.
ສອງ camps ມີ.
ຄ້າຍນຶ່ງເວົ້າວ່າ ພວກເຮົາສາມາດຢູ່ກັບຄວາມເປັນຫ່ວງທີ່ບໍ່ສາມາດຄາດເດົາໄດ້, ການເຮັດແນວນັ້ນໂດຍການວາງ guardrails ເພື່ອຮັກສາ AI ຈາກຂົວໄປໄກເກີນໄປ. ຄ້າຍອື່ນໂຕ້ຖຽງວ່າເຈົ້າກໍາລັງເອົາໂລກໄປສູ່ເສັ້ນທາງອັນຕະລາຍ. ມື້ນັ້ນຈະເກີດຂື້ນວ່າ guardrails ທີ່ອ້າງວ່າລົ້ມເຫລວ, ຫຼືພວກເຂົາບໍ່ເຂັ້ມງວດພຽງພໍ, ຫຼືວ່າໂດຍບັງເອີນຫຼືຄວາມຕັ້ງໃຈທີ່ຊົ່ວຮ້າຍທີ່ guardrails ໄດ້ຖືກໂຍກຍ້າຍອອກຫຼື fiddled ກັບ.
ພວກເຮົາຄວນຈະຍົກມືອອກໄປ qualms ກ່ຽວກັບຄອມພິວເຕີ neuromorphic ແລະການຄາດຄະເນ?
ອີງຕາມຂໍ້ສັງເກດຂອງນັກຄົ້ນຄວ້າ: "ໃນບັນດາຜູ້ທີ່ມີຄວາມສົນໃຈໃນຄອມພິວເຕີ້ປຽບທຽບ, ຍັງມີຈໍານວນຫນ້ອຍທີ່ເຕັມໃຈທີ່ຈະປະຖິ້ມຄວາມເປັນອະມະຕະ." ນອກຈາກນັ້ນ: "ຖ້າທ່ານຕ້ອງການໃຫ້ຮາດແວ analog ຂອງທ່ານເຮັດສິ່ງດຽວກັນໃນແຕ່ລະຄັ້ງ ... ທ່ານມີບັນຫາທີ່ແທ້ຈິງກັບສິ່ງຂອງໄຟຟ້າແລະສິ່ງຂອງທີ່ຫຼົງໄຫຼ."
ຂ້າພະເຈົ້າຈະ ratchet ນີ້.
ທັດສະນະທີ່ປະກົດຂຶ້ນ ແລະຂ້ອນຂ້າງມືດມົນແມ່ນວ່າສິ່ງທີ່ເອີ້ນວ່າການຄາດເດົາທີ່ກ່ຽວຂ້ອງກັບຄອມພິວເຕີດິຈິຕອລຂອງທຸກວັນນີ້ ແມ່ນໄປສູ່ທິດທາງຂອງຄວາມບໍ່ແນ່ນອນ. ດັ່ງທີ່ໄດ້ກ່າວມາ, ນີ້ສາມາດເກີດຂຶ້ນໂດຍສະເພາະຕໍ່ AI ທີ່ປັບຕົວດ້ວຍຕົນເອງໃນເວທີຄອມພິວເຕີທໍາມະດາ. ພຽງແຕ່ຍ້ອນວ່າຄອມພິວເຕີ neuromorphic ອາດຈະເບິ່ງຄືວ່າບໍ່ສາມາດຄາດເດົາໄດ້ບໍ່ແມ່ນສັນຍານວ່າຄອມພິວເຕີດິຈິຕອນແບບດັ້ງເດີມແມ່ນສາມາດຄາດເດົາໄດ້.
steamroller ທີ່ບໍ່ສາມາດຄາດເດົາໄດ້ແມ່ນມາຮອດພວກເຮົາ, ໄອນ້ໍາເຕັມ, ບໍ່ວ່າເວທີຄອມພິວເຕີ້ໃດທີ່ເຈົ້າຕ້ອງການເລືອກ. ສໍາລັບການປະເມີນຂອງຂ້ອຍກ່ຽວກັບຄວາມພະຍາຍາມຫຼ້າສຸດເພື່ອພະຍາຍາມແລະບັນລຸຄວາມປອດໄພ AI ໃນຄວາມສະຫວ່າງນີ້, ເບິ່ງ ການເຊື່ອມຕໍ່ທີ່ນີ້.
ບິດກ່ຽວກັບການຄາດເດົານີ້ຄວນຈະເຮັດໃຫ້ຈິດໃຈຂອງເຈົ້າມີຢູ່ໃນບາງສິ່ງບາງຢ່າງທີ່ບໍ່ໄດ້ຄົ້ນພົບ, ປະເພດຂອງ. ບັນດາທ່ານທີ່ມີສ່ວນຮ່ວມໃນຈັນຍາບັນ AI ແລະກົດໝາຍ AI ອາດຈະ ບໍ່ ໄດ້ພິຈາລະນາຜົນກະທົບຂອງ ຄອມພິວເຕີ neuromorphic.
ທ່ານອາດຈະໄດ້ມຸ່ງເປົ້າໃສ່ຄອມພິວເຕີດິຈິຕອນແບບດັ້ງເດີມທີ່ດໍາເນີນການ AI. ດີ, ເດົາຫຍັງ, ທ່ານມີສ່ວນເພີ່ມເຕີມແລະພົ້ນເດັ່ນຂື້ນຂອງຄອມພິວເຕີ້ AI ທີ່ຕອນນີ້ເຈົ້າສາມາດກັງວົນໃນເວລາກາງຄືນ. ແມ່ນແລ້ວ, ຄອມພິວເຕີ neuromorphic. ເອົາອັນນັ້ນໃສ່ໃນລາຍການທີ່ຕ້ອງເຮັດຂອງເຈົ້າ.
ຂໍອະໄພ, ນອນບໍ່ຫຼັບຫຼາຍຄືນສຳລັບເຈົ້າ.
ຂໍໃຫ້ພິຈາລະນາສັ້ນໆວ່າຈັນຍາບັນຂອງ AI ແລະກົດຫມາຍ AI ໄດ້ເຮັດຫຍັງກ່ຽວກັບຄອມພິວເຕີ້ດິຈິຕອນແບບດັ້ງເດີມແລະ AI.
ໃນຄໍລໍາທີ່ຜ່ານມາ, ຂ້າພະເຈົ້າໄດ້ກວມເອົາຄວາມພະຍາຍາມລະດັບຊາດແລະສາກົນຕ່າງໆເພື່ອຫັດຖະກໍາແລະອອກກົດຫມາຍຄວບຄຸມ AI, ເບິ່ງ. ການເຊື່ອມຕໍ່ທີ່ນີ້, ຍົກຕົວຢ່າງ. ຂ້າພະເຈົ້າຍັງໄດ້ກວມເອົາຫຼັກການດ້ານຈັນຍາບັນ AI ຕ່າງໆແລະຄໍາແນະນໍາທີ່ປະເທດຕ່າງໆໄດ້ກໍານົດແລະຮັບຮອງເອົາ, ລວມທັງຄວາມພະຍາຍາມຂອງສະຫະປະຊາຊາດເຊັ່ນ: UNESCO ກໍານົດຈັນຍາບັນ AI ທີ່ເກືອບ 200 ປະເທດໄດ້ຮັບຮອງເອົາ, ເບິ່ງ. ການເຊື່ອມຕໍ່ທີ່ນີ້.
ນີ້ແມ່ນລາຍການຫຼັກທີ່ເປັນປະໂຫຍດຂອງມາດຖານ AI ດ້ານຈັນຍາບັນ ຫຼືຄຸນລັກສະນະກ່ຽວກັບລະບົບ AI ທີ່ຂ້າພະເຈົ້າໄດ້ຄົ້ນຫາຢ່າງໃກ້ຊິດກ່ອນຫນ້ານີ້:
- ຄວາມໂປ່ງໃສ
- ຄວາມຍຸຕິທຳ & ຄວາມຍຸດຕິທຳ
- ຄວາມບໍ່ເປັນອັນຕະລາຍ
- ຄວາມຮັບຜິດຊອບ
- ຄວາມເປັນສ່ວນຕົວ
- ຜົນປະໂຫຍດ
- ເສລີພາບ & ການປົກຄອງຕົນເອງ
- ຄວາມໄວ້ວາງໃຈ
- ຄວາມຍືນຍົງ
- ກຽດຕິຍົດ
- ຄວາມສົມດຸນ
ຫຼັກການດ້ານຈັນຍາບັນຂອງ AI ເຫຼົ່ານັ້ນແມ່ນຄວນຈະຖືກນໍາໃຊ້ຢ່າງຈິງຈັງໂດຍຜູ້ພັດທະນາ AI, ພ້ອມກັບຜູ້ທີ່ຄຸ້ມຄອງຄວາມພະຍາຍາມໃນການພັດທະນາ AI, ແລະແມ່ນແຕ່ສິ່ງທີ່ສຸດທ້າຍໄດ້ປະຕິບັດແລະຮັກສາລະບົບ AI.
ພາກສ່ວນກ່ຽວຂ້ອງທັງຫມົດຕະຫຼອດວົງຈອນຊີວິດຂອງ AI ທັງຫມົດຂອງການພັດທະນາແລະການນໍາໃຊ້ແມ່ນພິຈາລະນາຢູ່ໃນຂອບເຂດຂອງການປະຕິບັດຕາມມາດຕະຖານທີ່ຖືກສ້າງຕັ້ງຂຶ້ນຂອງ AI ດ້ານຈັນຍາບັນ. ນີ້ແມ່ນຈຸດເດັ່ນທີ່ສໍາຄັນນັບຕັ້ງແຕ່ສົມມຸດຕິຖານປົກກະຕິແມ່ນວ່າ "ພຽງແຕ່ coders" ຫຼືຜູ້ທີ່ດໍາເນີນໂຄງການ AI ແມ່ນຂຶ້ນກັບການປະຕິບັດຕາມແນວຄິດຂອງຈັນຍາບັນ AI. ດັ່ງທີ່ໄດ້ເນັ້ນໜັກໄວ້ກ່ອນນີ້, ມັນຕ້ອງໃຊ້ເວລາບ້ານໜຶ່ງເພື່ອວາງແຜນ ແລະ ປະຕິບັດວຽກງານ AI, ແລະ ເພື່ອໃຫ້ໝູ່ບ້ານທັງໝົດຕ້ອງຮັບຮູ້ ແລະ ປະຕິບັດຕາມຫຼັກຈັນຍາບັນຂອງ AI.
ສ່ວນຫນຶ່ງຂອງການນີ້ທີ່ເຈົ້າອາດຈະບໍ່ໄດ້ຄິດຫຼາຍໃນເມື່ອກ່ອນແມ່ນວິທີການທີ່ກົດລະບຽບຈັນຍາບັນ AI ດຽວກັນແລະບັນຊີລາຍຊື່ທີ່ເພີ່ມຂຶ້ນຂອງກົດຫມາຍ AI ໃຫມ່ຈະນໍາໃຊ້ກັບຄອມພິວເຕີ neuromorphic. ເພື່ອຄວາມກະຈ່າງແຈ້ງ, ຈັນຍາບັນຂອງ AI ແລະກົດໝາຍ AI ຕ້ອງໄດ້ພິຈາລະນາຢ່າງຈະແຈ້ງ. ຂ້າພະເຈົ້າຊີ້ໃຫ້ເຫັນວ່າມີຈໍານວນຫນ້ອຍທີ່ເຮັດແນວນັ້ນ, ແລະໄດ້ຮັບການແນະນໍາວ່າມີໂອກາດທີ່ຈະມາເຖິງຂອງຄອມພິວເຕີ neuromorphic ຈະຖິ້ມຈໍານວນຫຼາຍສໍາລັບ loop ໃນແງ່ຂອງຂະຫນາດໃຫມ່ສໍາລັບການພະຍາຍາມປົກຄອງໃນ AI.
ພວກເຮົາຈໍາເປັນຕ້ອງໄດ້ພິຈາລະນາກົດຫມາຍວ່າດ້ວຍ AI ແລະ AI ດ້ານຈັນຍາບັນໃນລັກສະນະກວ້າງພໍທີ່ຈະກວມເອົາໃດກໍ່ຕາມ AI ໄດ້ຖືກອອກແບບໃຫມ່, ລວມທັງຄອມພິວເຕີ neuromorphic.
ທາງເລືອກ seesaw ແມ່ນ gambit cat ແລະຫນູຄລາສສິກ. ນີ້ແມ່ນວິທີທີ່ຈະໄປ. ວິທີການໃຫມ່ຂອງ AI crafting ແມ່ນ conceived ແລະສ້າງຂຶ້ນ. ຈັນຍາບັນຂອງ AI ແລະກົດໝາຍ AI ທີ່ມີຢູ່ແມ່ນຖືກຈັບຢ່າງບໍ່ຢຸດຢັ້ງ ແລະບໍ່ໄດ້ກວມເອົາທັງໝົດຂອງ AI shenanigans ຫຼ້າສຸດ. ມີຄວາມພະຍາຍາມຢ່າງຮີບດ່ວນເພື່ອປັບປຸງກົດເກນ AI ດ້ານຈັນຍາບັນ ແລະປັບປຸງກົດໝາຍ AI ທີ່ຖືກປັບປຸງໃໝ່ເຫຼົ່ານັ້ນ.
ລອກ, ລອກ, ເຮັດຊ້ ຳ.
ມັນຈະເປັນການດີກວ່າສໍາລັບພວກເຮົາທຸກຄົນທີ່ຈະຢູ່ກ່ອນເກມ, ແທນທີ່ຈະຖືກຈັບຢູ່ຫລັງແປດລູກ.
ສະຫຼຸບ
ຂ້ອຍໄດ້ພາເຈົ້າໄປທ່ຽວໜ້ອຍໜຶ່ງ.
ໃນຕອນເລີ່ມຕົ້ນ, ຂ້າພະເຈົ້າໄດ້ສະເຫນີວ່າຈະມີສອງຫົວຂໍ້ໃຫຍ່ທີ່ຈະພິຈາລະນາ:
1) ການເຊື່ອມໂຍງເຂົ້າກັນທັງຮາດແວແລະຊອບແວສໍາລັບກົນໄກ AI ແທນທີ່ຈະໃຫ້ເຂົາເຈົ້າເປັນພັນທະມິດທີ່ແຕກຕ່າງກັນແລະແຍກຕ່າງຫາກ
2) ການໂອນຫຼືກັ່ນສູດການຮຽນຮູ້ເຄື່ອງຈັກຈາກຮູບແບບ AI ຫນຶ່ງໄປຫາອີກແບບຫນຶ່ງທີ່ເຮັດແນວນັ້ນໂດຍບໍ່ຈໍາເປັນຕ້ອງຫຼືຄວາມປາດຖະຫນາ (ຫຼືແມ້ແຕ່ເປັນໄປໄດ້) ເປັນການຄັດລອກແບບເຕັມຮູບແບບໂດຍກົງ.
ຫົວຂໍ້ທໍາອິດກ່ຽວກັບການຜູກມັດການຮ່ວມກັນຂອງຮາດແວແລະຊອບແວໄດ້ເປັນສ່ວນໃຫຍ່ຂອງການເດີນທາງໃນທີ່ນີ້. ສິ່ງນີ້ໄດ້ພາພວກເຮົາເຂົ້າໄປສູ່ຄວາມຕາຍເມື່ອທຽບກັບການຄິດໄລ່ທີ່ເປັນອະມະຕະ. ໃນນັ້ນມີການພິຈາລະນາດ້ານຈັນຍາບັນຂອງ AI ແລະກົດໝາຍ AI ທີ່ສຳຄັນບາງອັນທີ່ບໍ່ດັ່ງນັ້ນມັກຈະບໍ່ຖືກຍົກຂຶ້ນມາ ເນື່ອງຈາກຫົວຂໍ້ກ່ຽວກັບຄອມພິວເຕີປະເພດນີ້ມັກຈະຖືກມອງເຫັນໂດຍບາງຄົນວ່າເປັນເທັກໂນໂລຍີອັນບໍລິສຸດ ແທນທີ່ຈະເປັນຄວາມກັງວົນຕໍ່ຜົນກະທົບທາງດ້ານສັງຄົມ.
ຂ້າພະເຈົ້າເວົ້າວ່າມັນເປັນການສະຫລາດທີ່ສຸດທີ່ຈະໄວກວ່າແລະປອດໄພກວ່າ, ແທນທີ່ຈະຕໍ່ມາແລະຮ້າຍແຮງກວ່າເກົ່າໃນເວລາທີ່ມັນມາເຖິງການຍົກສູງຈັນຍາບັນ AI ແລະກົດຫມາຍ AI.
ຫົວຂໍ້ທີສອງ, ທີ່ຂ້ອຍຍັງບໍ່ທັນໄດ້ກ່າວເຖິງໃນນີ້, ກ່ຽວຂ້ອງກັບຫົວຂໍ້ທໍາອິດ.
ນີ້ແມ່ນການຈັດການ.
ສົມມຸດວ່າພວກເຮົາມີ "ຄອມພິວເຕີມະຕະ" ແລະພວກເຮົາຕ້ອງການຮັກສາຄວາມສາມາດເພື່ອວ່າພວກເຮົາສາມາດມີສໍາຮອງຂໍ້ມູນຫຼືສໍາເນົາຂອງສິ່ງທີ່ AI ປະກອບດ້ວຍ. ພວກເຮົາອາດຈະເປັນຫ່ວງວ່າຄອມພິວເຕີມະຕະໂດຍສະເພາະແມ່ນໃກ້ຈະສິ້ນສຸດຂອງມັນ. ແມ່ນແລ້ວ, ພວກເຮົາຂຶ້ນກັບມັນ. ພວກເຮົາຈະເຮັດແນວໃດ? ຄໍາຕອບຫນຶ່ງແມ່ນວ່າພວກເຮົາຄວນຈະຄັດລອກສິ່ງທີ່ຂີ້ຮ້າຍ.
ແຕ່, ການຄັດລອກຄອມພິວເຕີ neuromorphic ຂອງປະເພດຂອງການແຕ້ມຮູບຈະຍາກກວ່າທີ່ມັນອາດຈະເບິ່ງຄືວ່າຢູ່ glance ທໍາອິດ. ສິ່ງທີ່ສາມາດຫລອກລວງໄດ້.
ບາງທີພວກເຮົາຄວນຈະມາເຖິງການຄັດລອກແບບຢ່າງທີ່ຈະເປັນໂດຍທົ່ວໄປ ແລະໃຊ້ໄດ້ກັບສະຖານະການທີ່ກ່ຽວຂ້ອງກັບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະເຄືອຂ່າຍ neural ທຽມ. ພວກເຮົາຕ້ອງການໃຫ້ມັນເຮັດວຽກຢູ່ໃນຕົວຢ່າງຂະຫນາດໃຫຍ່ແລະຂະຫນາດໃຫຍ່ທີ່ສຸດ. ພວກເຮົາຈະເຕັມໃຈທີ່ຈະໃຫ້ສຳເນົານັ້ນບໍ່ຊໍ້າກັນແນ່ນອນ, ແລະ ແທນທີ່ຈະເປັນສິ່ງສຳຄັນທີ່ທຽບເທົ່າ ຫຼື ບາງທີອາດຈະຖືກສ້າງຂື້ນເປັນຜົນມາຈາກການດຳເນີນການສຳເນົາ.
ເຕັກນິກທີ່ເອີ້ນວ່າ distillation ໄດ້ຖືກສະເຫນີ.
ຂ້ອຍຫມົດພື້ນທີ່ສໍາລັບຄໍລໍາຂອງມື້ນີ້, ດັ່ງນັ້ນຂ້ອຍຈະເອົາຫົວຂໍ້ທີສອງນີ້ໃນຄໍລໍາທີ່ຈະມາເຖິງ. ຂ້າພະເຈົ້າຄິດວ່າທ່ານຢາກຮູ້ກ່ຽວກັບຄວາມສໍາພັນທັນທີລະຫວ່າງຫົວຂໍ້ທີສອງແລະຫົວຂໍ້ທໍາອິດທີ່ກວມເອົາຢ່າງກວ້າງຂວາງນີ້. ຄິດວ່ານີ້ເປັນບັນທຶກທີ່ເພີ່ມເປັນຕົວຢ່າງ ຫຼືຕົວຢ່າງຂອງສິ່ງທີ່ກຳລັງຈະມາຮອດຕໍ່ໄປ.
ຢູ່ເທິງຂອບຂອງບ່ອນນັ່ງຂອງເຈົ້າ, ເພາະວ່າຫົວຂໍ້ການກັ່ນແມ່ນເປັນຈຸດເດັ່ນທີ່ດີ.
ດັ່ງທີ່ Batman ເຄີຍເວົ້າ, ຮັກສາປີກ bat ຂອງທ່ານຂ້າມແລະກຽມພ້ອມສໍາລັບ bat-time ແລະ bat-channel ດຽວກັນທີ່ຈະແກ້ໄຂຄໍາຖາມທີ່ຫນ້າເປັນຫ່ວງຂອງວິທີການຄັດລອກ ANN ຫຼືເຄື່ອງຈັກການຮຽນຮູ້ຫຼືຄອມພິວເຕີ neuromorphic ກັບຄົນອື່ນ.
ຂໍ້ສັງເກດສຸດທ້າຍສໍາລັບໃນປັດຈຸບັນ. ມີສາຍທີ່ມີຊື່ສຽງໃນຮູບເງົາ ການກັບຄືນຂອງຊ້ໍາ Knight ໃນທີ່ພວກຫົວຮຸນແຮງຂອງພວກເຮົາເວົ້າວ່າ: "ໂລກພຽງແຕ່ເຮັດໃຫ້ຄວາມຮູ້ສຶກຖ້າຫາກວ່າທ່ານບັງຄັບໃຫ້ມັນ." ຂ້ອຍຈະພະຍາຍາມຍຶດໝັ້ນໃນຄວາມເໝາະສົມນັ້ນເມື່ອຂ້ອຍເວົ້າເຖິງຫົວຂໍ້ທີສອງກ່ຽວກັບການກັ່ນກັ່ນທີ່ກ່ຽວຂ້ອງກັບ AI.
ຕິດຕາມຕອນທີ 2 ຂອງຫົວຂໍ້ຄູ່ທີ່ໜ້າຕື່ນເຕັ້ນ ແລະ ໜ້າຕື່ນເຕັ້ນນີ້.
ແຫຼ່ງຂໍ້ມູນ: https://www.forbes.com/sites/lanceeliot/2022/12/07/ai-shake-up-as-prominent-ai-guru-proposes-mind-bending-mortal-computers-which-also- gets-ai-ethics-and-ai-law-dug-in/