Programowanie probabilistyczne da nam AI?

Na polu uczenia maszynowego cały czas dokonywane są duże postępy, jednak AI z prawdziwego zdarzenia do tej pory nie udało się stworzyć. Lecz być może uda się tego dokonać dzięki zupełnie nowym, probabilistycznym językom programowania, które otwierają przed informatyką zupełnie nowy rozdział.

Na polu uczenia maszynowego cały czas dokonywane są duże postępy, jednak AI z prawdziwego zdarzenia do tej pory nie udało się stworzyć. Lecz być może uda się tego dokonać dzięki zupełnie nowym, probabilistycznym językom programowania, które otwierają przed informatyką zupełnie nowy rozdział.

Na polu uczenia maszynowego cały czas dokonywane są duże postępy, jednak AI z prawdziwego zdarzenia do tej pory nie udało się stworzyć. Lecz być może uda się tego dokonać dzięki zupełnie nowym, probabilistycznym językom programowania, które otwierają przed informatyką zupełnie nowy rozdział.

Naukowcy z MIT podczas konferencji Computer Vision and Pattern Recognition, która odbędzie się w czerwcu, zaprezentować mają jak programy napisane właśnie w takich językach, które mają zaledwie 50 linijek kodu, a potrafią radzić sobie lepiej z rozpoznawaniem na zdjęciach obiektów niż klasyczne programy zawarte w tysiącach linii kodu.

Reklama

W programowaniu probabilistycznym całe programy opierają się o tzw. algorytm wnioskowania, który bez przerwy rozważa najróżniejsze możliwości na podstawie dostarczanych mu danych treningowych - w tym przypadku obrazów - i wyliczania najbardziej prawdopodobnych ewentualnych wyników.

Podchodzą one w odwrotny sposób do tego jak renderowane są sceny w trakcie tworzenia komputerowych filmów animowanych - programy te potrafią na podstawie dwuwymiarowego zdjęcia wyliczyć jak rozchodzi się na trójwymiarowych obiektach światło i na podstawie tego są w stanie tworzyć ich dokładne modele w 3D, czynią to one szybciej od klasycznych programów, a także popełniają mniej błędów.

Nie znaczy to jednak, że klasyczne metody uczenia maszynowego są złe - jeśli połączymy dwie techniki razem możemy uzyskać jeszcze lepsze rezultaty, a program probabilistyczny będzie w stanie sam opracować najlepsze strategie dla danych zadań - nie będzie on musiał być modyfikowany do każdego z nich z osobna.

I nawet jeśli w ten sposób nie powstanie sztuczna inteligencja z prawdziwego zdarzenia, to z pewnością się do niej znacznie zbliżymy.

Źródło:

Geekweek
Reklama
Reklama
Reklama
Reklama
Reklama
Strona główna INTERIA.PL
Polecamy