позвольте мне перенести вас сначала на 1956 год, так что это
семинар в Дартмутском лете
в Вермонте, и это считается
дата рождения искусственного интеллекта
и позвольте мне прочитать заявление, которое они сделали
почему они провели эту встречу для продолжения
в основе гипотезы о том, что каждый
аспекте обучения или любой другой функции
интеллекта может быть в принципе
так точно описано, что машина
может быть сделано, чтобы имитировать, что он думает о
они хотят взломать интеллект, они
хотите, чтобы компьютер делал то, что люди
делать
это 1956 год , это смелая цель, потому что
компьютер в 1956 году похож на это hmm so
когда у вас есть это, и вы думаете о
создание компьютерного симулированного интеллекта
у вас действительно есть видение, думайте об этом
если вы проведете на своем iPhone,
вычислительная мощность для выполнения этого простого действия
может занять этот месяц машины, чтобы
сессия в Facebook может занять 15 лет
это длинный выстрел, чтобы думать об искусственном
разведки в этой среде и в
факту потребовалось примерно 50-60
лет до этого обещания
материализовались, поэтому мы более или менее
2012 2010 2012 , что первая волна
большие важные результаты вышли первые
волна важных алгоритмов сортировки
моделировать мозг и делать что-то
как мозг делает лучше изображение
признание — первый большой пример
распознавание изображений означает, что у вас есть
изображение изображение чего-то и
машина говорит вам, что там правильно
поэтому для многих
лет, и вы можете видеть, что альбомы были
хорошо в течение долгого времени они могли
распознать три из четырех изображений, которые
не очень хорошо для этого
это просто программное обеспечение, а затем группа
исследователей в Торонто говорят, что забывают
о том, как делать то, что мы не делаем
возьмите алгоритм программного обеспечения, которое вы
поставили все инструкции, чтобы сказать, как
распознать изображение, но мы учим
Алгоритм мы возьмем алгоритм,
на самом деле предназначен, чтобы научиться не делать
но узнать, что происходит, это то, что
с 75% до 80%, а затем в год
после года он становится супер человеком, поэтому он
означает, что человеческая задача лучше, чем
человек, и теперь вы можете сделать это в образе
распознавание в распознавании текста
в речи в движении и т. д. и т. д.
и так далее
в прошлом все, что мы делали с
программное обеспечение было инструкциями, которые вы нам рассказывали
после того, что делать и все, что вы делаете
с программным обеспечением должно быть сказано
программного обеспечения кем-либо, поэтому, когда вы нажимаете кнопку
на клавиатуре кто-то сказал
машина, чтобы сделать все, что происходит
пока что-то не появится на экране
кроме ошибок, если у вас есть ошибки
что это единственный раз , когда программное обеспечение
что-то изобретает, даже если это что-то
что вы действительно не хотите, чтобы новый
набор алгоритмов , но уже являются
исходя из другой предпосылки, помещение
что вы скопировали способ работы мозга
и мозг работает таким образом, многие
простые вычисления, которые
основных нейронов, которые скомпилированы вместе
в очень сложном уровне , и это как
Бывает
в рамках этого алгоритма распознавания изображений
поэтому вы помещаете изображение у входа, которое
изображение — это сегменты в разных местах
и после того, как вы показали много изображений
этот алгоритм может сделать ассоциацию
между входом и выходом вы
показать это изображение, и это Сара, так
другое изображение, и это другое лицо
Facebook делает это все время так
всякий раз, когда вы публикуете что-то в facebook
первое, что происходит, если есть
картина там проходит ряд
нейронных сетей, которые фактически разделены
из -за этого у вас есть
изменение в расставании, которое вы переходите от
программного обеспечения или алгоритмов по-старому в
которые вы на самом деле выполняете
скажите алгоритму все, что вы
хотите, чтобы это произошло, поэтому вы звоните
инструкции в программном обеспечении, которые вы
землей к тому, что мы называем контролируемым
обучения, чтобы вы показывали алгоритмы много
многие примеры изображений речи
приложения для университета и т. д.
и этот алгоритм распознает
отношения между тем, что говорит
это и вывод, который он делает
соединение между входом и выходом и
то вы показываете ему что-то не
и он может сделать это сам, это
очень простой способ сделать
интеллект, это на самом деле очень
просто это не так, как работает наш мозг
на практике мы делаем много других вещей, но
это то, что мы имеем сейчас, так что это не
действительно искусственный интеллект, что мы
вызов ограниченного искусственного интеллекта
является чрезвычайно мощным , тем не менее , где
мы собираемся пойти без контроля
обучение
поэтому вам нужно очень мало примеров для изучения
подумайте в первый раз, когда вы увидели
Segway прямо вам нужен только один кадр
одна секунда этого объекта, чтобы выяснить
он был в той же категории scape
работает велосипеды и т. д. вам не нужно
всего лишь один пример компьютеров
не может сделать этого, может потребоваться годы или
десятилетия для них, чтобы узнать это или, может быть,
никогда , но в любом случае , так что это
часть, где мы так видим этот момент, мы знаем
как сделать контролируемое обучение, которое мы знаем
как научить машины из многих примеров
сделать это лучше , чем люди , и это
мощный , потому что, если
человек может сделать это, задача ментальной задачи в
менее чем на секунду, возможно, это может быть
автоматизированный, вероятно, есть алгоритм
это делает вас лучше, чем вы, но не в
десять лет не через пять лет с тем, что мы
теперь технологии теперь, если вы
повторите этот шаг приложения
каково влияние, почему это важно
почему это важно, потому что около 60%
рабочие места занятий и так далее будут
измененный этим без какой-либо разработки
что-то новое, что мы имеем сейчас
всю мою работу, будущие работы и так далее
будет затронута этим в
существенный фундаментальный путь, поэтому в пяти
лет спустя , было бы невозможно
представьте врача, который делает диагноз
без консультации с алгоритмом, который
просто невозможно себе представить, что это просто
невозможно представить себе адвоката, который
начинает дело без агента, делающего
справочная работа для адвоката
так что это важно, поэтому вопрос
можем ли мы доверять этим алгоритмам?
скажу вам правду, и когда они
решения для вас, у них есть моральный
стандарт , который они используют для изготовления
решение, поэтому я буду касаться некоторых
этих элементов в презентации
Теперь первая проблема у вас есть это
многие из мощных инструментов, которые мы имеем
разработанный в рамках того, что мы называем искусственным
интеллект — это действительно черные ящики, поэтому
вы знаете, что они хорошо работают, вы знаете
что вы вкладываете в вас, знаете, что вы положили
вы не знаете, почему они работают
что это удивительно, но мы
на самом деле не знаю реальную функцию
реальная внутренняя работа нервного
сети, мы знаем проводку, но почему
это обычно
мы на самом деле не знаем, поэтому вам нужно
начните думать о том, как вы на самом деле
внутри этого алгоритма, чтобы убедиться
что они делают то, что вы хотите, и они делают
это правильно
так что давайте начнем с простого случая в
этот случай предположим, что вы хотите
интерпретировать это изображение, и вы хотите
имеют алгоритмическую схему, где
есть больше людей, это простой случай
в этом случае алгоритма не будет
мира и сделать другое предположение
это инаугурация Обамы, и это
Трамп в аберрации, где больше
люди довольно очищаются справа
каждая машина будет в состоянии сделать это
просто явная информация
на самом деле каждый человек будет
то же самое, за исключением, возможно, 10 или 12 в
Вашингтоне, так что это довольно ясно
ситуация здесь, но потом, что происходит
когда у вас это есть, вот у вас есть
машина, которая использует алгоритм, который
принимает много медицинских досье
компилирует их и он способен
выявление сепсиса, который вы знаете
серьезное состояние в 90% случаев лучше
или на самом деле быстрее, чем врач, поэтому
у вас есть алгоритм, который на самом деле
работает лучше, чем врач в
чувство, что оно быстрее обнаруживает вещи
право, а затем вы, доктор, предположите, что вы
врач, вы должны выяснить, что мне делать
с этим я верю, что я действую
потому что я получил преимущество в 16 часов, но
Я должен выяснить, является ли этот алгоритм
правильно, так что это сделало это
алгоритм исходит из доказательств, которые он должен был
вывод, который он делает, чтобы вы
это ясно, потому что иначе вы
не может использовать его, он еще больше
сложный в таких ситуациях
это алгоритм , который предсказывает
дорожно — транспортные происшествия, кстати , это
симуляции мы не можем потушить в реальном
панели на дорогах, потому что мы не
знайте, как люди отреагируют на это, но
это все равно алгоритмы
предсказал в ближайшие 10 километров в
следующие 30 минут будут
несчастного случая или нет, а затем, если
они делают это, как вам нужно быть
прежде чем вы действительно
информации, поскольку после получения информации
и, возможно, это не самый лучший
способ сделать это, что это будет
измените поведение людей, чтобы вы
может иметь изменение трафика , который мы
доказал, что удалил инцидент, но вы знаете
это может заставить его работать так, чтобы вы
не знаю и хуже даже
хуже в любом случае еще глубже то, что
у вас есть машины, которые действительно так
сильным и сильным, как этот, который
может поднять человека, который не может этого сделать
но столько, сколько они могут поднять
также раздавить, так что действительно нужно доверять
их полностью, вот в чем проблема :
мы пытаемся решить, и я дам вам
несколько примеров того, как мы внутри
исследовательских сообществ
работа в ИИ пытается это сделать
основная проблема у вас есть
два типа алгоритмов работают
очень хорошо, но вы действительно не знаете
почему те, кого вы знаете, почему они работают
но они этого не делают так хорошо
объяснить способность и производительность в
конфликт есть компромисс, который вы хотите
хорошая производительность, которую вы не знаете, как
объяснить это вы хотите , чтобы объяснить это мы
должны отказаться от производительности, которую мы хотим
избавиться от этого конфликта мы не хотим
этот компромисс мы хотим удостовериться в том, что
на самом деле объяснимы, и они хорошо работают
поэтому некоторые из вещей, которые люди
делать, конечно, чтобы проверить, какие
пределов этих алгоритмов первый
вещь, которую вы хотите сделать, так как мы
говорить об обучении, и поэтому вы не
кодирования в час, который вы тренируете
алгоритм вы вводите предубеждения
вы вводите предубеждения, которые
алгоритм работает таким образом, который не является
предполагается, что это называется компасом
это инструмент , используемый судами в Соединенных Штатах
Утверждает, что некоторые суды принимают решение о том,
могут быть освобождены условно-досрочно или нет, поэтому вы
принимать решение о свободе или нет для лица
и он основывается на истории и
вопросника и выставляет оценку и
что выходит, что этот алгоритм
это было проверено числом людей
которые пытаются выдвинуть аргумент в
предел , что белый 2d3 событие мне нужно
прочитайте его, потому что вы не можете белым, кто d3
оскорбление, мы классифицируем как низкий риск
в два раза больше, чем черный слух
так что толерантность действительно смещена в
право белых людей, почему это так
это кто-то сделал это нарочно
вероятно, нет , никто не хочет этого делать
что нарочно только история
случаев, когда судьи, принявшие решение в
в прошлом, когда этот предубеждение закодировано в
информация, используемая для обучения алгоритму
и теперь это часть кода для
на самом деле консультируют судей, так что это один из
основные вещи , которые мы не можем позволить себе сделать
это нужно просеять, мы можем это сделать
потому что это факт, что
хуже не справедливое место, это просто
и так далее, но есть одна вещь, которую мы
не может позволить себе принять это и просто
закодировать его и сделать его частью алгоритмов
так
люди делают какие-то эксперименты
как это растягивание алгоритмов на
предел, чтобы узнать, где они терпят неудачу
где они ломаются или в любом случае, когда
они предвзято относятся к другому случаю этого
упражнение — это так много изображения
признание возможно всего, что имеет
сделать это с помощью распознавания изображений
момент времени автоматический, поэтому вы просто
есть программный инструмент и Algrim, который делает
это для вас
поэтому, если у вас есть лицо, вы признаете, что
это лицо мое лицо то же самое с или
без него не имеет значения, это все еще мне
правильно, и если я изменю цвет очков
это все-таки я , но это то же самое для
машина на самом деле получается не так
некоторые люди используют инструменты и
методы, чтобы увидеть, где алгоритмы
перерыв , так что вы хотите , чтобы растянуть его на
ограничить и узнать места и обучение
устанавливает, что обманывают их, это то, что эти
парни обнаружили, что этого достаточно
чтобы носить очки, которые
конкретный цвет и узор, чтобы обмануть
алгоритм распознавания изображений ,
бывает, что этот парень на вершине
это тот парень, но он признан
как леди, средняя леди
признается , что парень и так далее , так что
Алгоритм полностью смущен и и
причина, по которой это происходит, состоит в том, что
часть информации, которая имеет
фактически просеивается через нервные
сети, при которой некоторые слои
нейронная сеть меняет что-то
фундаментальные там помнят, что мы не
действительно знаю, почему это работает так,
что мы можем сделать, это проверить его на
предел , поэтому мы знаем , где она разбивает его
никогда не будет использовать то, что вы не делаете
знать, где он ломается, так что это справедливо
важная часть обучения, но это все
об обучении , так что некоторые ограничения на
что вы можете сделать, проверяя, что вы должны
делать что-то заранее
это типичная дилемма автономных
автомобиль это транспортное средство, которое не может остановиться
больше, и у него три ужасных
в ближайшие несколько секунд
вы попали в право человека или
дерево на полосах зебры или вы идете
против этой стены, и вы рискуете жизнью
пассажиров автомобиля, который
вы не можете остановить машину, это будет
случится в действии неудачный
случилось с людьми , прежде чем это она одна
ситуаций, в которых результат
по вашему выбору — Nega
нет ничего позитивного в том, что Alka право
так как вы выбираете здесь хорошо, если вы это делаете
обучение тому, как мы это делаем сейчас
вы, вероятно,
так это то , как вы тренируетесь
алгоритм, чтобы победить игрока, это идет
это настольные игры намного сложнее
чем шахматы , и это не было сказано , и никто не
алгоритм может фактически выиграть человека
но он был продемонстрирован последним
лет, теперь это совершенная сделка, как вы
тренируйте это, вы принимаете много игр
в прошлом у вас есть алгоритм для
узнайте образцы этой игры и
в конце этот алгоритм делает это как
хорошие игроки правильно , а затем на самом деле
трюк, мы делаем алгоритм игры
против себя, поэтому он собирается тренироваться
даже лучше после миллиона игр, чтобы вы
может обучить машину машине таким образом
потому что тогда вам нужно создать
миллион долгов, прежде чем выяснять, что
это не совсем то, что вы хотите от
автомобиль, поэтому вам нужно найти другой способ
сделайте это так, как технологическое дерево
теперь это вы на самом деле
поднять алгоритмы таким же образом
вы воспитываете детей точно так же
с одним уловом вы не можете ждать 20 лет
поэтому вам нужно найти способы ускорения
это обучение, так что есть пара
способы, которые действительно хорошо работают, что я
так много, как Georgia Tech в нас
заключается в том, что с созданием историй о
поведение людей в этой ситуации
тысячи историй это просто рассказы
и вы получили алгоритмы из
эти рассказы, какой код
моральный кодекс или выбор, который люди
сделали в этих ситуациях, а затем
таким образом у вас есть машина
узнать, что сделали люди в
ужасная ситуация , как , что это может
не лучший выбор , но по крайней мере,
так хорошо , как люди сделали это и от
там вы можете построить так, что есть
в этот момент происходит несколько экспериментов
тот, который мне очень нравится, — это алгоритм
как это было обучено
признать, какой выбор является
коды, которые вы используете, когда вы выходите на
дата, и вы идете в кино, чтобы
тысячи людей построили
повествования об этом событии и догадки
что алгоритм обнаруживает ряд
вещи , но что также обнаруживает в том , что
ключевым элементом в этой схеме является это так
по-видимому, для этого алгоритма поцелуи
чрезвычайно важный элемент
в день в кино на основе
истории
многих людей это способ обучения
вы знаете, что если алгоритм получается
и предложил поцелуи. Думаю, мы в
хорошее место
Спасибо
[Аплодисменты]
семинар в Дартмутском лете
в Вермонте, и это считается
дата рождения искусственного интеллекта
и позвольте мне прочитать заявление, которое они сделали
почему они провели эту встречу для продолжения
в основе гипотезы о том, что каждый
аспекте обучения или любой другой функции
интеллекта может быть в принципе
так точно описано, что машина
может быть сделано, чтобы имитировать, что он думает о
они хотят взломать интеллект, они
хотите, чтобы компьютер делал то, что люди
делать
это 1956 год , это смелая цель, потому что
компьютер в 1956 году похож на это hmm so
когда у вас есть это, и вы думаете о
создание компьютерного симулированного интеллекта
у вас действительно есть видение, думайте об этом
если вы проведете на своем iPhone,
вычислительная мощность для выполнения этого простого действия
может занять этот месяц машины, чтобы
сессия в Facebook может занять 15 лет
это длинный выстрел, чтобы думать об искусственном
разведки в этой среде и в
факту потребовалось примерно 50-60
лет до этого обещания
материализовались, поэтому мы более или менее
2012 2010 2012 , что первая волна
большие важные результаты вышли первые
волна важных алгоритмов сортировки
моделировать мозг и делать что-то
как мозг делает лучше изображение
признание — первый большой пример
распознавание изображений означает, что у вас есть
изображение изображение чего-то и
машина говорит вам, что там правильно
поэтому для многих
лет, и вы можете видеть, что альбомы были
хорошо в течение долгого времени они могли
распознать три из четырех изображений, которые
не очень хорошо для этого
это просто программное обеспечение, а затем группа
исследователей в Торонто говорят, что забывают
о том, как делать то, что мы не делаем
возьмите алгоритм программного обеспечения, которое вы
поставили все инструкции, чтобы сказать, как
распознать изображение, но мы учим
Алгоритм мы возьмем алгоритм,
на самом деле предназначен, чтобы научиться не делать
но узнать, что происходит, это то, что
с 75% до 80%, а затем в год
после года он становится супер человеком, поэтому он
означает, что человеческая задача лучше, чем
человек, и теперь вы можете сделать это в образе
распознавание в распознавании текста
в речи в движении и т. д. и т. д.
и так далее
в прошлом все, что мы делали с
программное обеспечение было инструкциями, которые вы нам рассказывали
после того, что делать и все, что вы делаете
с программным обеспечением должно быть сказано
программного обеспечения кем-либо, поэтому, когда вы нажимаете кнопку
на клавиатуре кто-то сказал
машина, чтобы сделать все, что происходит
пока что-то не появится на экране
кроме ошибок, если у вас есть ошибки
что это единственный раз , когда программное обеспечение
что-то изобретает, даже если это что-то
что вы действительно не хотите, чтобы новый
набор алгоритмов , но уже являются
исходя из другой предпосылки, помещение
что вы скопировали способ работы мозга
и мозг работает таким образом, многие
простые вычисления, которые
основных нейронов, которые скомпилированы вместе
в очень сложном уровне , и это как
Бывает
в рамках этого алгоритма распознавания изображений
поэтому вы помещаете изображение у входа, которое
изображение — это сегменты в разных местах
и после того, как вы показали много изображений
этот алгоритм может сделать ассоциацию
между входом и выходом вы
показать это изображение, и это Сара, так
другое изображение, и это другое лицо
Facebook делает это все время так
всякий раз, когда вы публикуете что-то в facebook
первое, что происходит, если есть
картина там проходит ряд
нейронных сетей, которые фактически разделены
из -за этого у вас есть
изменение в расставании, которое вы переходите от
программного обеспечения или алгоритмов по-старому в
которые вы на самом деле выполняете
скажите алгоритму все, что вы
хотите, чтобы это произошло, поэтому вы звоните
инструкции в программном обеспечении, которые вы
землей к тому, что мы называем контролируемым
обучения, чтобы вы показывали алгоритмы много
многие примеры изображений речи
приложения для университета и т. д.
и этот алгоритм распознает
отношения между тем, что говорит
это и вывод, который он делает
соединение между входом и выходом и
то вы показываете ему что-то не
и он может сделать это сам, это
очень простой способ сделать
интеллект, это на самом деле очень
просто это не так, как работает наш мозг
на практике мы делаем много других вещей, но
это то, что мы имеем сейчас, так что это не
действительно искусственный интеллект, что мы
вызов ограниченного искусственного интеллекта
является чрезвычайно мощным , тем не менее , где
мы собираемся пойти без контроля
обучение
поэтому вам нужно очень мало примеров для изучения
подумайте в первый раз, когда вы увидели
Segway прямо вам нужен только один кадр
одна секунда этого объекта, чтобы выяснить
он был в той же категории scape
работает велосипеды и т. д. вам не нужно
всего лишь один пример компьютеров
не может сделать этого, может потребоваться годы или
десятилетия для них, чтобы узнать это или, может быть,
никогда , но в любом случае , так что это
часть, где мы так видим этот момент, мы знаем
как сделать контролируемое обучение, которое мы знаем
как научить машины из многих примеров
сделать это лучше , чем люди , и это
мощный , потому что, если
человек может сделать это, задача ментальной задачи в
менее чем на секунду, возможно, это может быть
автоматизированный, вероятно, есть алгоритм
это делает вас лучше, чем вы, но не в
десять лет не через пять лет с тем, что мы
теперь технологии теперь, если вы
повторите этот шаг приложения
каково влияние, почему это важно
почему это важно, потому что около 60%
рабочие места занятий и так далее будут
измененный этим без какой-либо разработки
что-то новое, что мы имеем сейчас
всю мою работу, будущие работы и так далее
будет затронута этим в
существенный фундаментальный путь, поэтому в пяти
лет спустя , было бы невозможно
представьте врача, который делает диагноз
без консультации с алгоритмом, который
просто невозможно себе представить, что это просто
невозможно представить себе адвоката, который
начинает дело без агента, делающего
справочная работа для адвоката
так что это важно, поэтому вопрос
можем ли мы доверять этим алгоритмам?
скажу вам правду, и когда они
решения для вас, у них есть моральный
стандарт , который они используют для изготовления
решение, поэтому я буду касаться некоторых
этих элементов в презентации
Теперь первая проблема у вас есть это
многие из мощных инструментов, которые мы имеем
разработанный в рамках того, что мы называем искусственным
интеллект — это действительно черные ящики, поэтому
вы знаете, что они хорошо работают, вы знаете
что вы вкладываете в вас, знаете, что вы положили
вы не знаете, почему они работают
что это удивительно, но мы
на самом деле не знаю реальную функцию
реальная внутренняя работа нервного
сети, мы знаем проводку, но почему
это обычно
мы на самом деле не знаем, поэтому вам нужно
начните думать о том, как вы на самом деле
внутри этого алгоритма, чтобы убедиться
что они делают то, что вы хотите, и они делают
это правильно
так что давайте начнем с простого случая в
этот случай предположим, что вы хотите
интерпретировать это изображение, и вы хотите
имеют алгоритмическую схему, где
есть больше людей, это простой случай
в этом случае алгоритма не будет
мира и сделать другое предположение
это инаугурация Обамы, и это
Трамп в аберрации, где больше
люди довольно очищаются справа
каждая машина будет в состоянии сделать это
просто явная информация
на самом деле каждый человек будет
то же самое, за исключением, возможно, 10 или 12 в
Вашингтоне, так что это довольно ясно
ситуация здесь, но потом, что происходит
когда у вас это есть, вот у вас есть
машина, которая использует алгоритм, который
принимает много медицинских досье
компилирует их и он способен
выявление сепсиса, который вы знаете
серьезное состояние в 90% случаев лучше
или на самом деле быстрее, чем врач, поэтому
у вас есть алгоритм, который на самом деле
работает лучше, чем врач в
чувство, что оно быстрее обнаруживает вещи
право, а затем вы, доктор, предположите, что вы
врач, вы должны выяснить, что мне делать
с этим я верю, что я действую
потому что я получил преимущество в 16 часов, но
Я должен выяснить, является ли этот алгоритм
правильно, так что это сделало это
алгоритм исходит из доказательств, которые он должен был
вывод, который он делает, чтобы вы
это ясно, потому что иначе вы
не может использовать его, он еще больше
сложный в таких ситуациях
это алгоритм , который предсказывает
дорожно — транспортные происшествия, кстати , это
симуляции мы не можем потушить в реальном
панели на дорогах, потому что мы не
знайте, как люди отреагируют на это, но
это все равно алгоритмы
предсказал в ближайшие 10 километров в
следующие 30 минут будут
несчастного случая или нет, а затем, если
они делают это, как вам нужно быть
прежде чем вы действительно
информации, поскольку после получения информации
и, возможно, это не самый лучший
способ сделать это, что это будет
измените поведение людей, чтобы вы
может иметь изменение трафика , который мы
доказал, что удалил инцидент, но вы знаете
это может заставить его работать так, чтобы вы
не знаю и хуже даже
хуже в любом случае еще глубже то, что
у вас есть машины, которые действительно так
сильным и сильным, как этот, который
может поднять человека, который не может этого сделать
но столько, сколько они могут поднять
также раздавить, так что действительно нужно доверять
их полностью, вот в чем проблема :
мы пытаемся решить, и я дам вам
несколько примеров того, как мы внутри
исследовательских сообществ
работа в ИИ пытается это сделать
основная проблема у вас есть
два типа алгоритмов работают
очень хорошо, но вы действительно не знаете
почему те, кого вы знаете, почему они работают
но они этого не делают так хорошо
объяснить способность и производительность в
конфликт есть компромисс, который вы хотите
хорошая производительность, которую вы не знаете, как
объяснить это вы хотите , чтобы объяснить это мы
должны отказаться от производительности, которую мы хотим
избавиться от этого конфликта мы не хотим
этот компромисс мы хотим удостовериться в том, что
на самом деле объяснимы, и они хорошо работают
поэтому некоторые из вещей, которые люди
делать, конечно, чтобы проверить, какие
пределов этих алгоритмов первый
вещь, которую вы хотите сделать, так как мы
говорить об обучении, и поэтому вы не
кодирования в час, который вы тренируете
алгоритм вы вводите предубеждения
вы вводите предубеждения, которые
алгоритм работает таким образом, который не является
предполагается, что это называется компасом
это инструмент , используемый судами в Соединенных Штатах
Утверждает, что некоторые суды принимают решение о том,
могут быть освобождены условно-досрочно или нет, поэтому вы
принимать решение о свободе или нет для лица
и он основывается на истории и
вопросника и выставляет оценку и
что выходит, что этот алгоритм
это было проверено числом людей
которые пытаются выдвинуть аргумент в
предел , что белый 2d3 событие мне нужно
прочитайте его, потому что вы не можете белым, кто d3
оскорбление, мы классифицируем как низкий риск
в два раза больше, чем черный слух
так что толерантность действительно смещена в
право белых людей, почему это так
это кто-то сделал это нарочно
вероятно, нет , никто не хочет этого делать
что нарочно только история
случаев, когда судьи, принявшие решение в
в прошлом, когда этот предубеждение закодировано в
информация, используемая для обучения алгоритму
и теперь это часть кода для
на самом деле консультируют судей, так что это один из
основные вещи , которые мы не можем позволить себе сделать
это нужно просеять, мы можем это сделать
потому что это факт, что
хуже не справедливое место, это просто
и так далее, но есть одна вещь, которую мы
не может позволить себе принять это и просто
закодировать его и сделать его частью алгоритмов
так
люди делают какие-то эксперименты
как это растягивание алгоритмов на
предел, чтобы узнать, где они терпят неудачу
где они ломаются или в любом случае, когда
они предвзято относятся к другому случаю этого
упражнение — это так много изображения
признание возможно всего, что имеет
сделать это с помощью распознавания изображений
момент времени автоматический, поэтому вы просто
есть программный инструмент и Algrim, который делает
это для вас
поэтому, если у вас есть лицо, вы признаете, что
это лицо мое лицо то же самое с или
без него не имеет значения, это все еще мне
правильно, и если я изменю цвет очков
это все-таки я , но это то же самое для
машина на самом деле получается не так
некоторые люди используют инструменты и
методы, чтобы увидеть, где алгоритмы
перерыв , так что вы хотите , чтобы растянуть его на
ограничить и узнать места и обучение
устанавливает, что обманывают их, это то, что эти
парни обнаружили, что этого достаточно
чтобы носить очки, которые
конкретный цвет и узор, чтобы обмануть
алгоритм распознавания изображений ,
бывает, что этот парень на вершине
это тот парень, но он признан
как леди, средняя леди
признается , что парень и так далее , так что
Алгоритм полностью смущен и и
причина, по которой это происходит, состоит в том, что
часть информации, которая имеет
фактически просеивается через нервные
сети, при которой некоторые слои
нейронная сеть меняет что-то
фундаментальные там помнят, что мы не
действительно знаю, почему это работает так,
что мы можем сделать, это проверить его на
предел , поэтому мы знаем , где она разбивает его
никогда не будет использовать то, что вы не делаете
знать, где он ломается, так что это справедливо
важная часть обучения, но это все
об обучении , так что некоторые ограничения на
что вы можете сделать, проверяя, что вы должны
делать что-то заранее
это типичная дилемма автономных
автомобиль это транспортное средство, которое не может остановиться
больше, и у него три ужасных
в ближайшие несколько секунд
вы попали в право человека или
дерево на полосах зебры или вы идете
против этой стены, и вы рискуете жизнью
пассажиров автомобиля, который
вы не можете остановить машину, это будет
случится в действии неудачный
случилось с людьми , прежде чем это она одна
ситуаций, в которых результат
по вашему выбору — Nega
нет ничего позитивного в том, что Alka право
так как вы выбираете здесь хорошо, если вы это делаете
обучение тому, как мы это делаем сейчас
вы, вероятно,
так это то , как вы тренируетесь
алгоритм, чтобы победить игрока, это идет
это настольные игры намного сложнее
чем шахматы , и это не было сказано , и никто не
алгоритм может фактически выиграть человека
но он был продемонстрирован последним
лет, теперь это совершенная сделка, как вы
тренируйте это, вы принимаете много игр
в прошлом у вас есть алгоритм для
узнайте образцы этой игры и
в конце этот алгоритм делает это как
хорошие игроки правильно , а затем на самом деле
трюк, мы делаем алгоритм игры
против себя, поэтому он собирается тренироваться
даже лучше после миллиона игр, чтобы вы
может обучить машину машине таким образом
потому что тогда вам нужно создать
миллион долгов, прежде чем выяснять, что
это не совсем то, что вы хотите от
автомобиль, поэтому вам нужно найти другой способ
сделайте это так, как технологическое дерево
теперь это вы на самом деле
поднять алгоритмы таким же образом
вы воспитываете детей точно так же
с одним уловом вы не можете ждать 20 лет
поэтому вам нужно найти способы ускорения
это обучение, так что есть пара
способы, которые действительно хорошо работают, что я
так много, как Georgia Tech в нас
заключается в том, что с созданием историй о
поведение людей в этой ситуации
тысячи историй это просто рассказы
и вы получили алгоритмы из
эти рассказы, какой код
моральный кодекс или выбор, который люди
сделали в этих ситуациях, а затем
таким образом у вас есть машина
узнать, что сделали люди в
ужасная ситуация , как , что это может
не лучший выбор , но по крайней мере,
так хорошо , как люди сделали это и от
там вы можете построить так, что есть
в этот момент происходит несколько экспериментов
тот, который мне очень нравится, — это алгоритм
как это было обучено
признать, какой выбор является
коды, которые вы используете, когда вы выходите на
дата, и вы идете в кино, чтобы
тысячи людей построили
повествования об этом событии и догадки
что алгоритм обнаруживает ряд
вещи , но что также обнаруживает в том , что
ключевым элементом в этой схеме является это так
по-видимому, для этого алгоритма поцелуи
чрезвычайно важный элемент
в день в кино на основе
истории
многих людей это способ обучения
вы знаете, что если алгоритм получается
и предложил поцелуи. Думаю, мы в
хорошее место
Спасибо
[Аплодисменты]
Please follow and like us:
Be First to Comment