Οι
ηλεκτρονικοί υπολογιστές κάνουν γρήγορους υπολογισμούς και μαθαίνουν πιο αργά,
ενώ οι άνθρωποι κάνουν πιο αργούς υπολογισμούς, αλλά μαθαίνουν πιο γρήγορα.
Τώρα, για
πρώτη φορά, ερευνητές από τις ΗΠΑ και τον Καναδά ανακοίνωσαν ότι «δίδαξαν»
(προγραμμάτισαν) έναν υπολογιστή έτσι ώστε να μαθαίνει γρήγορα σαν άνθρωπος.
Η μίμηση
Ερευνητές,
με επικεφαλής τον Μπρέντεν Λέικ του Πανεπιστημίου της Νέας Υόρκης δημιούργησαν
ένα πρόγραμμα υπολογιστικής όρασης, που μιμείται την ικανότητα των ανθρώπων να
μαθαίνουν νέα πράγματα από ένα και μόνο παράδειγμα: στη συγκεκριμένη περίπτωση
να αναγνωρίζουν (όσο διαφορετικά κι αν γράφουν οι άνθρωποι το ίδιο γράμμα) και
να γράφουν χειρόγραφους χαρακτήρες αλφαβήτου.
Μελλοντικά,
η δυνατότητα αυτή του υπολογιστή θα μπορούσε να επεκταθεί και σε πολλές
πρακτικές εφαρμογές, όπως η επεξεργασία εικόνων, η αναγνώριση φωνής, η
αναγνώριση προσώπου, η κατανόηση της φυσικής γλώσσας κ.α.
Στην
πραγματικότητα, δεν απαιτείται κάποιος προγραμματισμός για τη διαδικασία της
μάθησης, καθώς ο αλγόριθμος προγραμματίζει τον εαυτό του για να δημιουργήσει
κώδικα που θα παράγει το γράμμα που βλέπει.
Αν και ο
σχετικός αλγόριθμος, ο οποίος «μαθαίνει να μαθαίνει» (π.χ. χρησιμοποιεί γνώσεις
του λατινικού αλφαβήτου για να μάθει το ελληνικό αλφάβητο), χρειάζεται αρκετή
ακόμη βελτίωση, το επίτευγμα χαιρετίσθηκε ως σημαντικό βήμα προόδου στο πεδίο
της τεχνητής νοημοσύνης και της μηχανικής μάθησης.
Τα εμπόδια
Αν και η
μηχανική μάθηση των υπολογιστών έχει κάνει σημαντικές προόδους τα τελευταία
χρόνια, οι άνθρωποι είναι ακόμη πολύ καλύτεροι από τα μηχανήματα στο να μαθαίνουν
νέες έννοιες βλέποντας μόνο ένα ή δύο παραδείγματα, έναντι των δεκάδων ή
εκατοντάδων χιλιάδων παραδειγμάτων που χρειάζονται να «καταναλώσουν»
προηγουμένως οι υπολογιστές.
Μέχρι σήμερα
έχει αποδειχθεί πολύ δύσκολο να κατασκευασθούν μηχανήματα που, για να μάθουν
μια νέα έννοια, θα χρειάζονται ελάχιστα δεδομένα (παραδείγματα), όπως οι
άνθρωποι.
Προς το παρόν, για παράδειγμα, οι υπολογιστές αναγνωρίζουν την
ανθρώπινη φωνή, επειδή έχουν προηγουμένως τροφοδοτηθεί με τεράστιες βάσεις
δεδομένων από λέξεις και φράσεις.
Είναι
επόμενο ότι συχνά πέφτουν σε γκάφες, όταν συνταντούν λέξεις που τους είναι
άγνωστες. Αντίθετα, οι άνθρωποι συνήθως αρκεί να δουν μια νέα λέξη μια-δυό
φορές, για να καταλάβουν τι σημαίνει και πώς πρέπει να τη χρησιμοποιούν.
Η μέθοδος
Οι ερευνητές
ανέπτυξαν μια νέα μέθοδο μηχανικής μάθησης (Bayesian Program Learning-BPL), που
αναγνωρίζει και δημιουργεί νέους χειρόγραφους χαρακτήρες εξίσου καλά με τους
ανθρώπους – αν όχι καλύτερα.
Σχετικές
δοκιμές έγιναν με 50 διαφορετικά συστήματα γραφής από όλη τη Γη. Μία ομάδα
κριτών δεν μπορούσε να ξεχωρίσει αν ο χειρόγραφος χαρακτήρας είχε δημιουργηθεί
απο άνθρωπο ή από το μηχάνημα (ένα είδος «οπτικού τεστ Τούρινγκ» τεχνητής
νοημοσύνης).
«Απέχουμε ακόμη πολύ από το να δημιουργήσουμε μηχανήματα τόσο έξυπνα όσο ένα παιδί, όμως αυτή είναι η πρώτη φορά που έχουμε ένα μηχάνημα ικανό να μάθει και να χρησιμοποιεί μια μεγάλη γκάμα εννοιών του πραγματικού κόσμου, όπως οι χειρόγραφοι χαρακτήρες, με τέτοιους τρόπους που είναι δύσκολο να διακρίνεις ανάμεσα στο μηχάνημα και στους ανθρώπους», δήλωσε ο καθηγητής γνωσιακής υπολογιστικής επιστήμης του Πανεπιστημίου ΜΙΤ Τζόσουα Τενενμπάουμ. Το επίτευγμα δημοσιεύεται στην επιθεώρηση «Science».
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου
Εδώ κάθε αναγνώστης μπορεί να εκφράσει την γνώμη του ελεύθερα και χωρίς λογοκρισία.
Ωστόσο δεν σημαίνει ότι τις απόψεις του κάθε σχολιαστή τις υιοθετούμε.
Οι διαχειριστές του blog διατηρούν το δικαίωμα αν πέσει στην αντίληψη τους υβριστικά σχόλια που θίγουν ανθρώπινες αξιοπρέπειες, να διαγράψουν τα σχόλια αυτά.
Σε περίπτωση που δεν έχει πέσει στην αντίληψη μας κάποιο σχόλιο που σας συκοφαντεί η σας εκθέτη επικοινωνήστε μαζί μας στο email agkathi.salamis@yahoo.gr αναφέροντας μας ποιο σχόλιο σας αφορά και σε ποια ανάρτηση έχει δημοσιευθεί.
Ευχαριστώ.