Warum die AI-Revolution von Toasters geführt wird


Werden die intelligenten Algorithmen der Zukunft wie Allzweckroboter aussehen, wie geschickt in müßigem Geplänkel und Karten lesen, wie sie in der Küche nützlich sind? Oder werden unsere digitalen Assistenten mehr wie eine große Sammlung spezialisierter Gadgets aussehen - weniger ein gesprächiger Masterchef als eine Küche voller Geräte?

Wenn ein Algorithmus zu viel versucht, gerät er in Schwierigkeiten. Das folgende Rezept wurde von einem künstlichen neuronalen Netzwerk erzeugt, einer Art künstlicher Intelligenz (AI), die mit gutem Beispiel lernt. Dieser spezielle Algorithmus überprüfte 30,000-Kochbuchrezepte aller Art, von Suppen über Kuchen bis hin zu Grillgerichten, und versuchte dann, seine eigenen zu finden. Die Ergebnisse sind, sagen wir, etwas unorthodox:

(Anmerkung des Herausgebers: Versuche diese Rezepte nicht zu Hause, LOL)

Hähnchenreis verteilen
Käse / Eier, Salate, Käse
2 lb Herzen, gesät
1 Tasse geschreddert frische Minze oder Himbeer-Kuchen
1 / 2 Tasse Catrimas, gerieben
1 Esslöffel Pflanzenöl
1 Salz
1 Pfeffer
2 1 / 2 tb Zucker, Zucker
Das Ganze vermengen und rühren, bis die Mischung dick ist. Dann Eier, Zucker, Honig und Kümmel hinzufügen und bei schwacher Hitze kochen. Fügen Sie den Maissirup, Oregano und Rosmarin und den weißen Pfeffer hinzu. Die Creme in die Hitze geben. Cook den restlichen 1 Teelöffel Backpulver und Salz hinzufügen. Backen Sie bei 350F für 2 bis 1 Stunde. Heiß servieren.
Rendite: 6 Portionen

Nun, hier ist ein Beispiel für ein Rezept, das mit dem gleichen grundlegenden Algorithmus erstellt wurde - aber statt Daten, die Rezepte aller Art enthielten, sah es nur Kuchen an. Das Rezept ist nicht perfekt, aber es ist viel, viel besser als das vorherige:

Karottenkuchen (Vera Ladies ")
Kuchen, Alkohol
1 pkg gelbe Kuchenmischung
3 Tasse Mehl
1 Teelöffel Backpulver
1 1 / 2 Teelöffel Backpulver
1 / 4 Teelöffel Salz
1 teaspoon ground cinnamon
1 TL gemahlener Ingwer
1 / 2 TL gemahlene Nelken
1 Teelöffel Backpulver
1 / 2 Teelöffel Salz
1 Teelöffel Vanille
1 Ei, Raumtemperatur
1 Tasse Zucker
1 Teelöffel Vanille
1 Tasse gehackte Pekannüsse
Ofen auf 350 Grad vorheizen. Fetten Sie eine 9-Zoll-Springform.
Um den Kuchen zu machen: Schlagen Sie Eier mit hoher Geschwindigkeit bis zur dicken und gelben Farbe und beiseite stellen. In einer separaten Schüssel das Eiweiß steif schlagen. Die erste wie die Mischung in die vorbereitete Pfanne geben und den Teig glätten. Backen Sie im Ofen für ungefähr 40 Minuten oder bis ein hölzerner Toothpick, der in Mitte eingeführt wird, sauber herauskommt. Cool in der Pfanne für 10 Minuten. Zum Abkühlen auf ein Gitterrost stellen.
Entfernen Sie den Kuchen aus der Pfanne, um vollständig abzukühlen. Warm servieren.
HereCto Cookbook (1989) Aus der Küche & Hawn im kanadischen Leben
Rendite: 16 Portionen

Sicher, wenn Sie die Anweisungen genauer betrachten, produziert es nur ein einzelnes gebackenes Eigelb. Aber es ist immer noch eine Verbesserung. Als sich die KI spezialisieren durfte, gab es einfach viel weniger zu verfolgen. Es musste nicht versucht werden herauszufinden, wann Schokolade verwendet werden sollte und wann Kartoffeln zu verwenden waren, wann sie zu backen hatten oder wann sie köcheln sollten. Wenn der erste Algorithmus versuchte, eine Wunderbox zu sein, die Reis, Eiscreme und Pasteten produzieren konnte, versuchte der zweite Algorithmus, etwas mehr wie ein Toaster zu sein - spezialisiert auf nur eine Aufgabe.

Entwickler, die Machine-Learning-Algorithmen ausbilden, haben herausgefunden, dass es oft sinnvoll ist, Toasters anstatt Wonder-Boxen zu bauen. Das mag widersprüchlich erscheinen, weil die AIs der westlichen Science-Fiction C-3PO ähneln star Wars oder WALL-E im gleichnamigen Film - Beispiele für künstliche allgemeine Intelligenz (AGI), Automaten, die wie ein Mensch mit der Welt interagieren und viele verschiedene Aufgaben übernehmen können. Aber viele Unternehmen nutzen unsichtbar - und erfolgreich - maschinelles Lernen, um viel begrenztere Ziele zu erreichen. Ein Algorithmus könnte ein Chatbot sein, der eine begrenzte Anzahl grundlegender Kundenfragen zu seiner Telefonrechnung behandelt. Ein anderer könnte Vorhersagen darüber treffen, was ein Kunde anruft, um diese zu diskutieren, indem er diese Vorhersagen für den menschlichen Vertreter anzeigt, der das Telefon beantwortet. Dies sind Beispiele für künstliche schmal Intelligenz (ANI) - beschränkt auf sehr enge Funktionen. Auf der anderen Seite hat Facebook vor Kurzem seinen "M" Chatbot eingestellt, der nie das Ziel hatte, Hotelreservierungen durchzuführen, Theaterkarten zu buchen, Papageibesuche zu arrangieren und mehr.


Innerself-Abonnieren-Grafik


Der Grund, warum wir ANI auf Toaster-Ebene anstelle von AGI auf WALL-E-Ebene haben, ist, dass jeder Algorithmus, der versucht zu verallgemeinern, erhalten wird schlimmer bei den verschiedenen Aufgaben konfrontiert es.

"Dieser Vogel ist gelb mit schwarz auf dem Kopf und hat einen sehr kurzen Schnabel"

Aussichten für Beispiel, hier ist ein Algorithmus, der trainiert wurde, um ein Bild basierend auf einer Bildunterschrift zu erzeugen.

Dies ist der Versuch, ein Bild aus dem Satz zu machen: "Dieser Vogel ist gelb mit schwarz auf dem Kopf und hat einen sehr kurzen Schnabel".

Als es auf einem Datensatz trainiert wurde, der ausschließlich aus Vögeln bestand, war es ziemlich gut (trotz des seltsamen Einhorns):

Aber als es seine Aufgabe war zu generieren etwas - Von Stoppschildern über Boote zu Kühen zu Menschen - es hat gekämpft. Hier ist der Versuch, 'ein Bild eines Mädchens zu erzeugen, das ein großes Stück Pizza isst':

"ein Bild von einem Mädchen isst ein großes Stück Pizza"

Wir sind nicht daran gewöhnt zu denken, dass es eine so große Kluft zwischen einem Algorithmus, der eine Sache gut macht, und einem Algorithmus, der viele Dinge gut macht, gibt. Aber unser heutiger Tag Algorithmen haben im Vergleich zum menschlichen Gehirn eine sehr begrenzte mentale Kraft, und jede neue Aufgabe verbreitet sie dünner. Stellen Sie sich ein Gerät in Toaster-Größe vor: Es ist einfach, ein paar Schlitze und einige Heizspiralen zu bauen, damit es Brot toasten kann. Aber das lässt wenig Raum für irgendetwas anderes. Wenn du versuchst, Reis-dampfende und Eis-machende Funktionalität auch hinzuzufügen, dann wirst du mindestens eines der Brotsteckplätze aufgeben müssen, und es wird wahrscheinlich nichts gut sein.

Es gibt Tricks, mit denen Programmierer mehr aus ANI-Algorithmen herausholen können. Eine davon ist Transfer-Lernen: Trainiere einen Algorithmus, um eine Aufgabe zu erledigen, und er kann lernen, eine andere, aber eng verwandte Aufgabe nach minimaler Umschulung zu erledigen. Menschen nutzen das Transferlernen, um beispielsweise Bilderkennungsalgorithmen zu trainieren. Ein Algorithmus, der gelernt hat, Tiere zu identifizieren, hat bereits eine Menge Fähigkeiten zur Kantenerkennung und Texturanalyse gesammelt, die er zur Identifizierung von Früchten nutzen kann. Aber, wenn Sie den Algorithmus umschulen, um Frucht zu identifizieren, ein Phänomen genannt katastrophales Vergessen bedeutet, dass es sich nicht mehr daran erinnern wird, wie man Tiere identifiziert.

Ein weiterer Trick, den heutige Algorithmen verwenden, ist Modularität. Statt eines einzelnen Algorithmus, der mit jedem Problem umgehen kann, sind die AIs der Zukunft wahrscheinlich eine Ansammlung hoch spezialisierter Instrumente. Ein Algorithmus, der gelernt Um das Videospiel Doom zu spielen, hatte zum Beispiel separate, dedizierte Vision, Controller und Speichermodule. Zusammengeschaltete Module können auch Redundanz gegen Fehler und einen Mechanismus zur Abstimmung über die beste Lösung für ein Problem basierend auf mehreren unterschiedlichen Ansätzen bereitstellen. Sie könnten auch eine Möglichkeit sein, algorithmische Fehler zu erkennen und zu beheben. Es ist normalerweise schwierig herauszufinden, wie ein einzelner Algorithmus seine Entscheidungen trifft. Wenn jedoch eine Entscheidung durch kooperierende Unteralgorithmen getroffen wird, können wir zumindest die Ausgabe jedes Unteralgorithmus betrachten.

Wenn wir uns die KIs der fernen Zukunft vorstellen, sind WALL-E und C-3PO vielleicht nicht die Droiden, nach denen wir suchen sollten. Stattdessen könnten wir uns eher ein Smartphone mit Apps oder einen Küchenschrank voller Gadgets vorstellen. Während wir uns auf eine Welt von Algorithmen vorbereiten, sollten wir sicherstellen, dass wir nicht nachdenken, Allzweck-Wunderkästen, die niemals gebaut werden, sondern stattdessen für hochspezialisierte Toaster.Aeon Zähler - nicht entfernen

Über den Autor

Janelle Shane trainiert neurale Netzwerke, um Humor auf aiweirdness.com zu schreiben. Sie ist auch Forscherin in der Optik und lebt in Boulder, Colorado.

Dieser Artikel wurde ursprünglich veröffentlicht unter Äon und wurde unter Creative Commons veröffentlicht.

Bücher zum Thema:

at InnerSelf Market und Amazon