Skutečně zde za chvíli budeme mít roboty, kteří budou schopni myslet a fungovat jako opravdový člověk? Vědci přišli na algoritmus, který má lidskou schopnost rozpoznat ručně psaný znak, a to po jediném příkladu. Zatím totiž ty nejlepší počítače potřebovaly mnoho příkladů ručně psaných znaků, aby se naučily rozpoznávat rozdíly mezi jednotlivými písmeny. Nyní se však zdá, že stroje už nebudou na naučení se jednoduchých úkolů obrovská kvanta dat.
Za vším stojí Brendan Lake, výzkumný pracovník z Newyorské univerzity, společně s Ruslanem Salakhutdinovem z Torontské univerzity a Joshuou Tenenbaumem, profesorem na MIT. Algoritmus byl navržen tak, aby byl schopný se rychle učit z jediného příkladu, a to přesně tak, jak to dělají lidé. Joshua Tenenbaum to vysvětlil na příkladu dítěte, kterému ukážete třeba koně nebo školní autobus a ono to pochopí z jednoho nebo jen páru příkladů.
Počítač byl testován na datovém souboru, který obsahoval asi 1600 různých ručně psaných znaků z 50 abeced z celého světa. Nechyběly ani fiktivní písma, jako třeba abeceda ze seriálu Futurama. Vše probíhalo tak, že počítače a lidské subjekty dostaly nařízeno okopírovat různé znaky poté, co jim byl dán jen jeden příklad. Výsledky pak byly posuzovány a práce počítačů byla k nerozeznání od té lidské.
![](umela-inteligence-se-uci-rychle-jako-lide/41555/img/body-0.6DC.jpg)
1. Klasifikace nových příkladů; 2. Vytváření nových příkladů; 3. Rozebrání objektu na části a vztahy; 4. Vytváření nových konceptů z příbuzných (Zdroj: technologyreview.com)
Ruslan Salakhutdinov vidí účel tohoto výzkumu v nové generaci inteligentních strojů, které pak budou schopny umělé inteligence a rychlého učení. Tento postup učení by pak dále mohl být použit i pro mnoho dalších úkolů, jako je učení jazyků nebo třeba rozpoznávání objektů.
Celkově to Tenenbaum shrnul tak, že ve výzkumu nejde o naučení nějakého vzoru funkcí, ale že se snaží program naučit generovat samotné znaky. Byla k tomu použita technika, které říkají BPL (Bayesian program learning), a v podstatě se jedná o to, že software generuje unikátní program pro každý znak pomocí úderů pomyslného pera. Potom je použita technika pravděpodobnostního programování, aby program odpovídal jednotlivým znakům nebo aby vygeneroval nový program pro neznámý znak.
Výzkumy jako tento mají za cíl hlouběji pochopit lidské učení a potom vyvíjet algoritmy, které budou mít tyto vlastnosti. Hlavní výhodou bude, že stoje nebudou potřebovat tolik dat a budou se učit rychleji. Svět umělé inteligence toho však má ještě hodně před sebou a ke stroji, který by byl schopný samostatného uvažování je ještě daleko.
Zdroj: JapanTimes
Za vším stojí Brendan Lake, výzkumný pracovník z Newyorské univerzity, společně s Ruslanem Salakhutdinovem z Torontské univerzity a Joshuou Tenenbaumem, profesorem na MIT. Algoritmus byl navržen tak, aby byl schopný se rychle učit z jediného příkladu, a to přesně tak, jak to dělají lidé. Joshua Tenenbaum to vysvětlil na příkladu dítěte, kterému ukážete třeba koně nebo školní autobus a ono to pochopí z jednoho nebo jen páru příkladů.
Počítač byl testován na datovém souboru, který obsahoval asi 1600 různých ručně psaných znaků z 50 abeced z celého světa. Nechyběly ani fiktivní písma, jako třeba abeceda ze seriálu Futurama. Vše probíhalo tak, že počítače a lidské subjekty dostaly nařízeno okopírovat různé znaky poté, co jim byl dán jen jeden příklad. Výsledky pak byly posuzovány a práce počítačů byla k nerozeznání od té lidské.
![](umela-inteligence-se-uci-rychle-jako-lide/41555/img/body-0.6DC.jpg)
1. Klasifikace nových příkladů; 2. Vytváření nových příkladů; 3. Rozebrání objektu na části a vztahy; 4. Vytváření nových konceptů z příbuzných (Zdroj: technologyreview.com)
Ruslan Salakhutdinov vidí účel tohoto výzkumu v nové generaci inteligentních strojů, které pak budou schopny umělé inteligence a rychlého učení. Tento postup učení by pak dále mohl být použit i pro mnoho dalších úkolů, jako je učení jazyků nebo třeba rozpoznávání objektů.
Celkově to Tenenbaum shrnul tak, že ve výzkumu nejde o naučení nějakého vzoru funkcí, ale že se snaží program naučit generovat samotné znaky. Byla k tomu použita technika, které říkají BPL (Bayesian program learning), a v podstatě se jedná o to, že software generuje unikátní program pro každý znak pomocí úderů pomyslného pera. Potom je použita technika pravděpodobnostního programování, aby program odpovídal jednotlivým znakům nebo aby vygeneroval nový program pro neznámý znak.
Výzkumy jako tento mají za cíl hlouběji pochopit lidské učení a potom vyvíjet algoritmy, které budou mít tyto vlastnosti. Hlavní výhodou bude, že stoje nebudou potřebovat tolik dat a budou se učit rychleji. Svět umělé inteligence toho však má ještě hodně před sebou a ke stroji, který by byl schopný samostatného uvažování je ještě daleko.
Zdroj: JapanTimes