Veštačka inteligencija sada može sama da piše i prepravlja svoje kodove

Stara poslovica – ‘vežbom do savršenstva’ odnosi se i na mašine, jer se većina današnjih uređaja koji poseduju veštačku inteligenciju u procesu učenja služe ponavljanjem. Algoritmi za tzv. ‘duboko učenje’, dizajnirani su tako da omogućuju AI uređajima prikupljanje znanja iz skupa podataka i da zatim to znanje primenjuju u praksi. Na primer, AI sistemstav puni se podacima o uobičajeno plavoj boji neba, što sistemu kasnije omogućuje da u nizu slika prepozna onu koja prikazuje nebo.

Koristeći ovu metodu možemo postići odlične rezultate, no postavlja se pitanje može li se u procesu ‘dubokog učenja’ AI izložiti manjoj količini primera za učenje, a da rezultati budu isti? Pokušavajući da reše tu nedoumicu nedoumicu ekipa bostonskog start-up projekta Gamalon razvila je novu tehnologiju i ove nedelje izvestila o nova dva proizvoda koji je koriste.

Gamalon je razvio svoj vlastiti metod dubokog učenja – Bayesova programska sinteza (BPS) koja se temelji na matematičkom okviru matematičara Thomasa Bayesa iz 18. veka. Bayesova vverovatnoća koristi se kako bi se unapredila predviđanja o svetu koja dobivamo koristeći se iskustvom. Ovaj oblik programiranja verovatnoće – kod koji koristi verovatnoću umesto specifičnu varijablu – zahteva manje primera kod donošenja konačnog zaključka da je npr. nebo plavo s mrljama belih oblaka. Ovaj program takođe unapređuje svoje znanje jer omogućuje neke nove primere u budućnosti i popravlja svoj vlastiti kod radeći fine preinake kako bi došao do najizvesnije verovatnoće.

Iako su pred novim pristupom programiranju još mnogi teški izazovi koje treba nadvladati, on ima velik potencijal u automatizaciji razvoja algoritama za mašinsko učenje. “Programiranje na osnovu verovatnoće olakšaće mašinsko učenje istraživačima i praktičarima,” rekao je Brendan Lake istraživač na NY University koji je i sam 2015. radio na programiranju uz pomoć verovatnoće. “Ono ima potencijal da automatizmom reši teške delove programiranja.”

Gamalonov CEO i suosnivač Ben Vigoda u časopisu MIT Technology Review pokazao je demo crtež aplikacije koja koristi njihovu novu metodu. Aplikacija je slična Googleovoj aplikaciji objavljenoj prošle godine, u kojoj se pokušava predvideti što osoba pokušava nacrtati. Za razliku od Googleove verzije koja se u predviđanju oslanja na ranije viđene crteže, Gamalonova aplikacija oslanja se na programiranje verojatnosti kako bi identifikovala ključne delove objekta koji se crta. Stoga, čak i ako crtate nešto što aplikacija nikad nije videla, sve dok prepoznaje određene karakteristike, predviđanja će biti ispravna.

Predstavljeni Gamalonovi proizvodi vrlo brzo će se naći u komercijalnoj upotrebi. Jedan od proizvoda je Gamalon Structure koja koriti program BPS u prepoznavanju pojmova iz tzv. sirovog teksta mnogo učinkovitije nego što je to bilo do sad. Naprimer, nakon što je primila samo opis televizora od proizvođača, aplikacija je odredila brend, naziv proizvoda, rezoluciju ekrana, veličinu i ostale odlike. Druga aplikacija Gamalon Match koja kategoriuje proizvode i cene u prodavnici. U oba slučaja, sistem može biti naučen da brzo prepoznaje varijacije u akronimima ili skraćenicama.

Vigoda veruje da se mogu razviti i druge slične aplikacije, naprimer ako ih opremite Bayes modelima za mašinsko učenje, pametni telefoni i laptopi ne bi trebali velikim kompanijama deliti podatke koji utvrđuju korisnikove sklonosti već bi kalkulacija mogla biti izvedena unutar samog uređaja. Autonomna vozila bi se takođe puno brže adaptirala okolini koristeći ove metode učenja. Potencijalni uticaj na pametne mašine zaista može biti enorman.

Please follow and like us: