Deap Learning, a mélyre ható tanulás
A Deep Learnig is ezt az elvet követi, csak a rendszer elképesztően bonyolult. Nézzünk mindjárt erre is egy példát, amellyel megvilágítjuk, hogy működik ez a rendszer. A Deep Learning-Network úgy tanul, hogy a beadott nagy mennységű információkból ki tudja szűrni a lényeges struktúrákat, amelyekből több szinten is saját számítási modelleket állít fel. Itt szokásos iskolapélda a macskák felismerése:
Ezzel az illusztrációval azt lehet jellemezni, hogyan „tanul” a Deep Learning! Az MI begyűjti a kép-elemeket és a releváns pontokat kiemeli. Tehát nem fényképet készít, hanem a releváns pontokat megjegyzi, és ezt a következő képekkel összehasonlítja. Az arcon kívüli pontokat elhanyagolja. Így tanulja meg (pl.) a macskákat megkülönböztetni a többi állattól, arcokat felismerni, rekonstruálni.
Mire képes még a D.L.?
Amennyiben elegendő „ismerettel“ rendelkezik, képes komplex feladatokat is ellátni: pl. autonóm járművek közlekedtetése, a mezőgazdaságban megkülönbözteti a gazt a haszonnövényektől, ami a gyomirtásnál jelentős megtakarítást eredményez.
Vagy pl. a betegségek felismerése, diagnosztizálása. Legutóbbi úttörő eredmény volt a mellrák diagnosztizálása, illetve annak a prognosztizálása, - ami olcsóbb, gyorsabb és pontosabb is mint az orvosi diagnózis.
Alkalmazása számos területen jelentős előrelépést jelent, pl. a csillagászatban, az atomkutatásban, a gyógyszergyártásban, immunkutatásban, a genetikában, egyszóval az élet nagyon sok területén.
Az információ-felvétel szempontjából a szem a legfontosabb szervünk. Az M.I. rendszerek robotokat működtetnek, amelyek a kamerák (mesterséges szemek) segítségével ismerik fel környezetüket. A látás az élet fejlődésében is nélkülözhetetlen szerepet töltött be. Ugyanígy van az M.I. esetében is. A robotok egyre pontosabban ismerik fel a környezetüket és lehetőségük van adekvát és önálló reakciókkal válaszolni a vizuális ingerekre. Ezzel képesek az emberekkel együtt dolgozni és az emberi képességeket kiegészíteni.
Talán az egyik legfontosabb újdonság:
Biden anerikai elnök a minap kiadott egy végrehajtási utasítást annak érdekében, hogy a MI fejlesztése felelősségteljes és biztonságos keretek között történjen. A végrehajtási utasítás szigorú előírásokat tartalmaz az MI-biztonság szem előtt tartására, védi a privátszférát, a privátjogot, védi a felhasználókat és munkavállalókat, fejleszti az innovációt és a versenyt. Ez az előírásrendszer vezető szerepet játszik a világ többi országai előtt. A legfontosabb intézkedések arra irányulnak, hogy az MI fejlesztését a kormányok kézben tudják tartani, emiatt a kormány és a fejlesztők között folyamatos kooperációra van szükség. Csak így lehet garantálni azt, hogy a fejlesztés nem kerül ki az ellenőrzés alól. Ezt a rendszert nemzetközi együttműködéssel kell tovább fejleszteni.
Egy fantasztikus kísérlet az emberi tudat mesterséges szimulálására:
A cikk cime: Anzeichen von Bewusstsein bei ChatGPT und Co.? tehát, Vannak jelei az emberi tudatnak a ChatGPT és Co.-nál?
De mit is jelent a ChatGPT:
Ez egy intelligens Network azzal a képességgel, hogy a kérdésekre önálló válaszokat adjon. A ChatGPT-vel ugyanúgy lehet kommunikálni, mint pl. a WhatsApp-on az ismerősökkel. A ChatGPT-be egy hatalmas információtömeget programoztak be, és ezekhez „nyúl” vissza a kérdések során.
(Ha valaki ki akar próbálni, egy ingyenes tesztverzió: chatgpt.ch. – mindig áll rendelkezésre. Én egy viccet kértem tőle,….hát nagyon gyenge volt.)
De ami a megdöbbentő!
Egy interdiszciplináris kutatócsoport a következő eredményt publikálta: egy listát ismertettek, amely a tudat 14 legfontosabb jellemzőit tartalmazza.
A tényleges tudatot nagy valószínűséggel soha nem fogják elérni.
Az ok: a tudat itt nem csak a logikus feladatmegoldó képességet jelenti, mert ez csak egy része a tudatnak. A tudat három fő területre épül: gondolkozás, érzelem, akarat.
Az MI nem képes se az érzelmeket, sem az akaratot szimulálni, hiszen a mechanikus szerkezetek élettelenek. Hogy milyen kemény, nehéz probléma a tudat értelmezése, az abból is látszik, hogy még a biológusok sem képesek a genetikából levezetni. Richard Dawkins maga is bevallotta, hogy a tudatot nem lehet a génekből levezetni. Tulajdonképpen a tudatot eddig még csak definiálni sem sikerült.
Dr. Gáti György
Dawkins: Das egoistische Gen. Springer Spektrum ISBN: 978-3-642-55390-5
