AI革命がトースターによって主導される理由-InnerSelf.com

: By ジャネル・シェーン

ご覧いただきありがとうございます InnerSelf.com、どこに〜がある 20,000+ 「新しい態度と新しい可能性」を促進する人生を変える記事。すべての記事は次のように翻訳されます 30以上の言語. ニュースレター登録 週刊発行の InnerSelf Magazine と Marie T Russell's Daily Inference に掲載されています。 InnerSelfマガジン 1985年から出版されています。

なぜAI革命がトースターに導かれるのか

将来のインテリジェントなアルゴリズムは、汎用ロボットのように見えますか？アイドルな冗談で熟達していて、キッチンに便利なように地図を読むことができますか？あるいは、私たちのデジタルアシスタントは、家電製品がいっぱい入っているキッチンよりも、特別なガジェットの袋のように見えますか？

アルゴリズムがあまりにも多くをしようとすると、問題に陥る。以下のレシピは、人工知能（AI）の一種である人工ニューラルネットワークによって生成されたものです。この特定のアルゴリズムは、スープからパイ、バーベキューまで、あらゆる種類の30,000調理法のレシピを精査し、独自のものを思いついた。結果は、やや正統性のないものです。

（編集者注：これらのレシピは自宅で試してはいけない、LOL）

スプレッドチキンライス

チーズ/卵、サラダ、チーズ

2ポンド心臓、播種
新鮮なミントまたはラズベリーパイを細断した1カップ
1 / 2カップカトリミョ、おろした
1大さじ2植物油
1塩
1コショウ
2 1 / 2 tb砂糖、砂糖

アンリーブを合わせ、混合物が厚くなるまで撹拌する。その後、卵、砂糖、蜂蜜、キャロウェイの種子を加え、低温で調理します。コーンシロップ、オレガノ、ローズマリーと白いコショウを加えてください。熱でクリームを入れてください。クックは残りの1ティースプーンベーキングパウダーと塩を加えます。 350を2時間に焼く。熱く奉仕する。

収率：6人前

ここでは、同じ基本アルゴリズムで生成されたレシピの例を示しますが、すべての種類のレシピを含むデータの代わりに、ケーキだけを見ました。レシピは完璧ではありませんが、以前のレシピよりはるかに優れています。

キャロットケーキ（ベラレディース）

ケーキ、アルコール

1 pkgイエローケーキミックス
3カップ小麦粉
1ティースプーンベーキングパウダー
1 1 / 2ティースプーンのベーキングソーダ
1 / 4塩小さじ
1小さじ挽いたシナモン
1ティースプーンの地上のショウガ
1 / 2小さじ地上クローブ
1ティースプーンベーキングパウダー
1 / 2塩小さじ
1小さじバニラ
1卵、室温
1カップ砂糖
1小さじバニラ
1カップ刻んだピーカン

オーブンを350°に予熱する。 9インチのスプリングフォームパンにグリースを塗ります。

ケーキを作るには：厚く黄色になるまで卵を高速で叩き、脇に置いてください。別のボウルで、卵白を堅くなるまで殴る。混合物のような最初のスピードを準備したパンに入れ、バッターを滑らかにします。オーブンで約40分、または中央に挿入された木の爪楊枝がきれいになるまで焼く。 10分分パンを冷やす。完全に冷やすためにワイヤーラックに巻きつけます。

ケーキを鍋から取り出して完全に冷ます。暖かいサービス。

HereCto Cookbook（1989）カナダの生活のキッチンとホーンから

収率：16人前

確かに、指示をもっと詳しく見ると、焼いた卵黄は1つだけです。しかしそれはまだ改善しています。 AIが専門化することが許可されたとき、追跡するのがずっと少ない。チョコレートやジャガイモの使用時期、ベーキング時期、煮詰め時期などを把握する必要はありませんでした。最初のアルゴリズムが米、アイスクリーム、パイを作ることができる不思議な箱にしようとしていたのであれば、2つ目のアルゴリズムはトースターのようなものにしようとしていました。

機械学習アルゴリズムを訓練する開発者は、驚異的なボックスではなくトースターを構築することがよくあることが分かっています。これは、直観に反して見えるかもしれません。なぜなら、西洋のSFのAIは、C-3POに似ている傾向があります。 スターウォーズ （AGI）の例、人間のように世界とやりとりできるオートマトン、そしてさまざまなタスクを扱うことができます。しかし、多くの企業は目に見えない形で成功しており、機械学習を使用してより限定的な目標を達成しています。 1つのアルゴリズムは、電話料金に関する基本的な顧客の質問の限られた範囲を扱うチャットボットであるかもしれない。もう1つは、顧客が電話で話していることを予測して、電話に応答する人間の代理人にこれらの予測を表示するかもしれない。これらは人工的な例です狭いインテリジェンス（ANI） - 非常に狭い機能に限定されています。一方、Facebookは最近、ホテルの予約、劇場チケットの予約、アrot訪問のアレンジなどの目標に成功しなかった「M」チャットボットを退職しました。

WALL-EレベルのAGIの代わりにトースターレベルのANIを使用した理由は、一般化しようとするアルゴリズムが もっと悪い それが直面する様々な課題で

'この鳥は頭が黒く黄色で、非常に短い嘴があります'

例キャプションに基づいて画像を生成するように訓練されたアルゴリズムがあります。

これは、「この鳥は頭が黒く黄色で、非常に短い嘴があります」というフレーズから絵を描こうとする試みです。

完全に鳥で構成されたデータセットで訓練されたとき、それはかなりうまくいった（奇妙なユニコーンの角にもかかわらず）：

しかし、そのタスクが生成するとき 何でも - 停止標識からボート、牛、人々まで - それは苦労しました。ここに「ピザの大きなスライスを食べる女の子のイメージ」を生み出す試みがあります：

「ピザの大きなスライスを食べる女の子のイメージ」

私たちは、よくあることをするアルゴリズムと、多くのことをうまくやってくれるアルゴリズムとの間に、このような大きなギャップがあると考えるのは慣れていません。しかし、私たちの現在の日アルゴリズム人間の脳に比べて精神力が非常に限られており、それぞれの新しい仕事はそれらをより薄く広げます。トースターサイズのアプライアンスを考えてみましょう：いくつかのスロットといくつかのヒーティングコイルで簡単にパンを作ることができます。しかし、それは他に何の余地も残さない。米蒸しとアイスクリーム作りの機能を追加しようとすると、パンスロットの1つを少なくとも放棄しなければならないでしょう。

プログラマがANIアルゴリズムをより多く利用するために使うトリックがあります。 1つはトランスファーラーニングです：1つのタスクを実行するアルゴリズムをトレーニングし、最小限の再トレーニング後に異なるが、密接に関連するタスクを実行することを学ぶことができます。人々は、例えば、画像認識アルゴリズムを訓練するために伝達学習を使用する。動物を特定することを学んだアルゴリズムは、エッジ検出とテクスチャ分析のスキルの中で既に多くの成果をあげており、果物を識別するタスクに移行することができます。しかし、果物を識別するためにアルゴリズムを再学習すると、 壊滅的な忘却 動物を特定する方法をもはや覚えていないことを意味します。

今日のアルゴリズムが使用する別のトリックは、 モジュール性。どんな問題にも対応できる単一のアルゴリズムではなく、将来のAIは高度に特殊化された機器の集合体である可能性が高い。そのアルゴリズム学んだ例えば、ビデオゲームのDoomをプレイするには、別個の専用のビジョン、コントローラ、およびメモリモジュールが必要でした。相互接続されたモジュールは、障害に対する冗長性と、複数の異なるアプローチに基づく問題に対する最善の解決策に投票するためのメカニズムを提供することもできます。また、アルゴリズム上の間違いを検出してトラブルシューティングする方法にもなります。個々のアルゴリズムがどのように決定するのかを理解することは通常困難ですが、サブアルゴリズムを協調させることによって決定が下されれば、少なくとも各サブアルゴリズムの出力を見ることができます。

遠い未来のAIを想像すると、WALL-EとC-3POは私たちが探しているドロイドではないかもしれません。代わりに、アプリでいっぱいのスマートフォン、ガジェットがいっぱいのキッチンの戸棚のようなものを描くかもしれません。私たちがアルゴリズムの世界を準備する際には、決して構築することのできない汎用的な不思議箱を考えるのではなく、高度に専門化されたトースターのための計画を立てておく必要があります。