Ha tudod, hogyan nézz – minden, amit látsz, egy számítási folyamat!

Az AI és a véletlenszerűség megértése: Az emberi érzékeléstől a gépi tanulásig

Az emberi érzékelés és a gépi tanulás közötti kapcsolat egyre inkább előtérbe kerül az AI fejlődésével. Érdekes párhuzamot lehet vonni egy egyszerű érmefeldobás és a bonyolult mesterséges intelligencia rendszerek közötti folyamatok között. Bár egy érmefeldobás véletlenszerűnek tűnhet, valójában egy összetett számítási folyamat eredménye.

Pierre-Simon Laplace már 1814-ben leírta ezt az elképzelést, amit ma Laplace démonának nevezünk. Az elmélet szerint, ha egy intelligencia ismerné a természet összes hatását és az univerzum minden tárgyának pillanatnyi helyzetét, akkor egyetlen képletben képes lenne leírni a legnagyobb testek és a legkönnyebb atomok mozgását.

Ezek a gondolatok ma új életre kelnek az AI és a gépi tanulás terén végzett kutatásokban. Avi Wigderson és csapata idén Turing-díjat kapott, részben azért, mert formálisan összekapcsolták a véletlenszerűséget a nehezen számítható matematikai függvényekkel. Az általuk létrehozott folyamat egy bonyolult függvényt használva „pszeudo-véletlenszerű” biteket generál, amelyeket nem lehet hatékonyan megkülönböztetni az igazán véletlenszerű bitektől.

Ezek a fejlesztések lehetővé teszik, hogy az AI rendszerek komplex rendszerek véletlenszerűségeit kezeljék. A gépi tanulás segítségével képesek vagyunk a struktúrált és véletlenszerű információkat szétválasztani. Például az angol nyelv mögött egy összetett struktúra rejlik, és az AI rendszerek képesek ezen struktúra nagy részét visszafejteni, új mondatokat generálva igény szerint.

Az AI rendszerek képzéséhez nagy mennyiségű adatot használnak fel, és ezek a modellek egy bonyolult neurális hálózatot alkotnak, amely különböző súlyokkal rendelkezik. Amikor megfelelően betanítják, a neurális hálózat képes megjósolni a következő szó valószínűségét egy adott szövegben. Bár nem értjük teljesen a neurális hálózatok mögötti folyamatokat, a szimuláció során meg tudjuk kapni a következő szó valószínűségét.

Az AI fejlődése lehetővé teszi, hogy az emberi tevékenységek, mint például a fordítás, a látás, a művészet és a beszélgetés, valamint a biológiai folyamatok, mint például a fehérjehajtogatás, egyre pontosabban és hatékonyabban történjenek. Bár a gépi tanulás modellek még mindig hajlamosak a hibákra és félrevezető információkra, beléptünk egy olyan korszakba, ahol a számítás maga segíthet a véletlenszerűség kezelésében.

Érdekesség: A modern mesterséges intelligencia rendszerek, mint például a ChatGPT, több milliárd paraméterrel rendelkeznek, és több száz petabájt adatot használnak fel a képzés során, hogy képesek legyenek emberhez hasonló szövegeket generálni.

Források: Quanta Magazine, Pierre-Simon Laplace, Avi Wigderson