Akili ya bandia haifuati mantiki ya maendeleo ya kisayansi

Tumeandika mara nyingi katika MT kuhusu watafiti na wataalamu wanaotangaza mifumo ya kujifunza kwa mashine kama "sanduku nyeusi" (1) hata kwa wale wanaoiunda. Hii inafanya kuwa vigumu kutathmini matokeo na kutumia tena algoriti zinazojitokeza.

Mitandao ya Neural - mbinu ambayo hutupatia roboti za kubadilisha akili na jenereta za maandishi za werevu ambazo zinaweza hata kuunda ushairi - bado ni fumbo lisiloeleweka kwa waangalizi wa nje.

Zinakuwa kubwa na ngumu zaidi, zinashughulikia hifadhidata kubwa, na kutumia safu kubwa za kompyuta. Hii inafanya urudufishaji na uchanganuzi wa miundo iliyopatikana kuwa ya gharama kubwa na wakati mwingine haiwezekani kwa watafiti wengine, isipokuwa kwa vituo vikubwa vilivyo na bajeti kubwa.

Wanasayansi wengi wanajua vizuri shida hii. Miongoni mwao ni Joel Pino (2), mwenyekiti wa NeurIPS, mkutano mkuu juu ya kuzaliana. Wataalamu walio chini ya uongozi wake wanataka kuunda "orodha ya uhakiki ya uwezekano wa kuzaliana".

Wazo, Pino alisema, ni kuhimiza watafiti kuwapa wengine ramani ya barabara ili waweze kuunda upya na kutumia kazi ambayo tayari imefanywa. Unaweza kustaajabia ufasaha wa jenereta mpya ya maandishi au ustadi wa hali ya juu wa roboti ya mchezo wa video, lakini hata wataalamu bora hawajui jinsi maajabu haya yanavyofanya kazi. Kwa hivyo, uzazi wa miundo ya AI ni muhimu sio tu kwa kutambua malengo mapya na mwelekeo wa utafiti, lakini pia kama mwongozo wa vitendo wa kutumia.

Wengine wanajaribu kutatua tatizo hili. Watafiti wa Google walitoa "kadi za mfano" kuelezea kwa kina jinsi mifumo ilivyojaribiwa, ikijumuisha matokeo ambayo yanaelekeza kwa hitilafu zinazoweza kutokea. Watafiti katika Taasisi ya Allen ya Ujasusi Bandia (AI2) wamechapisha karatasi ambayo inalenga kupanua orodha ya uhakiki ya Pinot kwenye hatua nyingine katika mchakato wa majaribio. “Onyesha kazi yako,” wanahimiza.

Wakati mwingine taarifa za msingi hukosekana kwa sababu mradi wa utafiti unamilikiwa, haswa na maabara zinazofanya kazi katika kampuni. Mara nyingi zaidi, hata hivyo, ni ishara ya kutokuwa na uwezo wa kuelezea mabadiliko na njia ngumu zaidi za utafiti. Mitandao ya neva ni eneo tata sana. Ili kupata matokeo bora, urekebishaji mzuri wa maelfu ya "knobs na vifungo" mara nyingi huhitajika, ambayo wengine huita "uchawi nyeusi". Uchaguzi wa mfano bora mara nyingi huhusishwa na idadi kubwa ya majaribio. Uchawi unakuwa ghali sana.

Kwa mfano, Facebook ilipojaribu kuiga kazi ya AlphaGo, mfumo uliotengenezwa na DeepMind Alphabet, kazi ilionekana kuwa ngumu sana. Mahitaji makubwa ya kimahesabu, mamilioni ya majaribio kwenye maelfu ya vifaa kwa siku nyingi, pamoja na ukosefu wa msimbo, yalifanya mfumo kuwa "ugumu sana, ikiwa hauwezekani, kuunda upya, kujaribu, kuboresha na kupanua," kulingana na wafanyikazi wa Facebook.

Tatizo inaonekana kuwa maalum. Hata hivyo, ikiwa tunafikiri zaidi, hali ya matatizo na uzazi wa matokeo na kazi kati ya timu moja ya utafiti na nyingine inadhoofisha mantiki yote ya utendakazi wa michakato ya sayansi na utafiti inayojulikana kwetu. Kama kanuni, matokeo ya utafiti uliopita yanaweza kutumika kama msingi wa utafiti zaidi unaochochea maendeleo ya ujuzi, teknolojia na maendeleo ya jumla.