Maskiner som lär sig saker är inte något nytt alls. Skriv några instruktioner i en batchfil, och du kan instruera datorn att göra nästan vad som helst med de program du kör. Få en webbkamera och ansiktsigenkänningsprogramvara och du kan tydligt se att din dator kan känna igen ditt ansikte. Men alla de saker som beskrivs här är inte resultat av datorns "tankar". I bästa fall kan dagens genomsnittliga hemdator efterlikna tänkande. Men det finns människor där ute i lag runt om i världen och utvecklar sätt att reproducera människans tänkande i maskiner, till och med kombinera det bästa av båda världarna, skapa en ny form av lärande som mimar det intuitiva sättet att fånga världen runt omkring oss.

Även om många av oss är rädda för konsekvenserna av artificiell intelligens, är det ingen tvekan om att alla håller den i vördnad som höjdpunkten i maskinens utveckling. Hur långt har vi kommit i vår strävan att skapa maskiner som kan komma nära mänsklig intuition och abstrakt tanke? Vi ska ta en titt på vad Googles hjärnteam gör och hur artificiella neurala nätverk kan påverka det sätt som teknik interagerar med oss ​​dagligen inom en snar framtid.

Vad är ett konstgjort neuralt nätverk?

Ett konstgjort neuralt nätverk, helt enkelt, är ett system som använder en algoritm som inspireras av hur människor lär sig saker. För närvarande är datorer vana med persondatorer. De kommer noggrant att följa en enda rad tills de når slutet av det, oavsett om resultaten är meningsfulla. Ett datorsystem som analyserar konsumentbeteende på en webbplats kan till exempel visa att ett stort antal besökare klickar på en länk längst upp till höger på varje sida, men det kan inte förklara varför det händer. Det kan inte anpassa sina metoder för att gräva djupare och extrapolera betydelsen av de råa data som det kollar igenom.

Ett "perfekt" konstgjort neuralt nätverk kommer att kunna anpassa hur det behandlar information för att passa de data som den konfronteras med. Detta är särskilt användbart vid audiovisuell bearbetning där regelbaserad programmering är mycket ineffektiv. Medan en amerikansk kommer att ha lite problem med att förstå en australiensisk accent på väldigt lite tid kan datorer ha mycket mer problem med att göra samma uppgift. Konstgjorda neurala nätverk är utformade på ett sådant sätt att en dator kan tolka skillnader i hur australierna talar på samma sätt som vi gör - genom att plocka upp fluktuationerna i ton och uttal, bygga ett sammanhang och fylla i några luckor med andra information som förmedlas i meningen. Att göra detta med enkel programmering är mycket svårare än det verkar.

Vad är Google Brain?

Google Brain är ett projekt som fokuserar på storskalig djupinlärning. Projektet involverar en stor mängd maskiner, med 16 000 av CPU-kärnorna i sina datacenter arbetar alla för att skapa en maskin som effektivt kan "lära" och "förstå" saker. Ovanstående bild är faktiskt en "ritning" som nätverket gjorde. Det "kopierade" inte designen var som helst; det konstruerade det helt abstrakt som någon målare skulle.

En av de mest anmärkningsvärda prestationerna i detta projekt är nätets förmåga att upptäcka katter. Moderna datorer kan enkelt visa en video med en katt för din underhållning, men de kan inte förstå vad de visar dig. Ingen förväntar sig att deras datorer ska veta vad en katt är . Ändå visar de videor av dessa fuzzy lilla varelser miljontals gånger per dag runt om i världen, helt okunniga om deras existens. Datorn du läser detta här är nog inte mer än en förhärligad interaktiv tv. Google lyckades skapa ett system som kan peka på katten i en stillbild (utan tidigare instruktioner om vad en katt är). Detta är en oöverträffad prestation som kan ta oss alla ett steg längre i informationsåldern.

Ansökningar om neurala nätverk

Tänk dig att ha en robot med dig som inte bara kan driva dig till jobbet, men kan också fungera som läkare när du är skadad. Bara det faktum att en dator kan skilja vad en katt är när den omges av andra föremål har stora konsekvenser. Du kanske måste vänta ett tag (16 000 CPU-kärnor är mycket svåra just nu för att passa i ett litet utrymme), men att skilja ett sår från huden som omger det (och identifiera sårets typ) innebär att en "medicinsk modul" på en robot kan hjälpa till att göra suturer på din kropp. När du tar lite tid att tänka på det, kan konstgjorda neurala nätverk leda till tekniska egenskaper som vi inte trodde vi skulle se i våra liv. Kanske en dag inte för långt från nu tar vi robotar tillsammans som cykelkompisar och spelar fotboll med dem, allt tack vare det sätt på vilket de kan anpassa sig och lära sig som vi.

Vad tror du? Är det alltför optimistiskt att tro att vi kan gå från "kattdetektor" till "robotläkare" någon gång i våra liv? Berätta för oss nedan i en kommentar!