Pourquoi la révolution de l'IA sera menée par des grille-pain


Les algorithmes intelligents du futur vont-ils ressembler à des robots à usage général, comme ils adeptes de la plaisanterie et de la lecture de cartes comme ils sont pratiques dans la cuisine? Ou nos assistants numériques ressembleront-ils davantage à un sac de gadgets spécialisés - moins un seul masterchef bavard qu'une cuisine pleine d'appareils électroménagers?

Si un algorithme essaie d'en faire trop, il a des problèmes. La recette ci-dessous a été générée par un réseau neuronal artificiel, un type d'intelligence artificielle (IA) qui apprend par l'exemple. Cet algorithme particulier a examiné minutieusement les recettes de livres de recettes 30,000 de toutes sortes, des soupes aux tartes en passant par les barbecues, et a ensuite essayé de trouver le sien. Les résultats sont, dirons-nous, quelque peu peu orthodoxes:

(Note de la rédaction: Ne pas essayer ces recettes à la maison, LOL)

Riz au poulet à tartiner
fromage / oeufs, salades, fromage
2 lb coeurs, ensemencés
1 tasse déchiquetée menthe fraîche ou tarte aux framboises
1 / 2 cup catrimas, râpé
1 cuillère à soupe d'huile végétale
Sel 1
Poivre 1
2 1 / 2 tb sucre, sucre
Mélanger et laisser mijoter jusqu'à ce que le mélange soit épais. Ensuite, ajoutez les œufs, le sucre, le miel et les graines de carvi, et faites cuire à feu doux. Ajouter le sirop de maïs, l'origan et le romarin et le poivre blanc. Mettez dans la crème par la chaleur. Cuire en ajoutant le reste de la poudre à pâte 1 et le sel. Faire cuire à 350F pour 2 à 1 heure. Servir chaud.
Rendement: portions 6

Maintenant, voici un exemple d'une recette générée par le même algorithme de base - mais à la place des données qui incluaient des recettes de toutes sortes, il ne s'agissait que de gâteaux. La recette n'est pas parfaite, mais c'est beaucoup, beaucoup mieux que la précédente:

Gâteau aux carottes (Vera Ladies ")
gâteaux, alcool
1 pqt gâteau jaune mélange
3 tasse de farine
1 cuillère à café de poudre à pâte
1 1 / 2 cuillère à café de bicarbonate de soude
1 / 4 c. à café de sel
1 teaspoon ground cinnamon
Le gingembre 1 cuillère à café de
1 / 2 clou de girofle moulu cuillère à café
1 cuillère à café de poudre à pâte
1 / 2 c. à café de sel
1 cuillère à café de vanille
Oeuf 1, température ambiante
1 tasse de sucre
1 cuillère à café de vanille
Pacanes hachées 1 tasse
Préchauffez le four aux degrés 350. Graisser un moule à charnière 9-inch.
Pour faire le gâteau: Battre les oeufs à haute vitesse jusqu'à l'obtention d'une couleur épaisse et jaune et mettre de côté. Dans un autre bol, battre les blancs d'oeufs jusqu'à ce qu'ils soient fermes. Accélérer le premier comme le mélange dans la casserole préparée et lisser la pâte. Cuire au four pendant environ minutes 40 ou jusqu'à ce qu'un cure-dent en bois inséré au centre en ressorte propre. Laisser refroidir dans la poêle pendant les minutes 10. Démouler sur une grille pour refroidir complètement.
Retirer le gâteau de la poêle pour le refroidir complètement. Servir chaud.
HereCto Cookbook (1989) From the Kitchen & Hawn in the Canadian Living
Rendement: portions 16

Bien sûr, quand vous regardez les instructions de plus près, il ne produit qu'un seul jaune d'oeuf cuit. Mais c'est toujours une amélioration. Quand l'IA a été autorisée à se spécialiser, il y avait simplement beaucoup moins à suivre. Il n'a pas eu à essayer de comprendre quand utiliser du chocolat et quand utiliser des pommes de terre, quand cuire ou quand mijoter. Si le premier algorithme essayait d'être une boîte à surprises qui pourrait produire du riz, de la crème glacée et des tartes, le deuxième algorithme essayait d'être quelque chose de plus comme un grille-pain - spécialisé pour une seule tâche.

Les développeurs qui forment des algorithmes d'apprentissage automatique ont trouvé qu'il est souvent judicieux de construire des grille-pain plutôt que des boîtes à surprises. Cela pourrait sembler contre-intuitif, car les IA de la science-fiction occidentale ont tendance à ressembler à C-3PO dans Star Wars ou WALL-E dans le film éponyme - exemples d'intelligence artificielle générale (AGI), des automates qui peuvent interagir avec le monde comme un humain, et gérer de nombreuses tâches différentes. Mais de nombreuses entreprises utilisent invisiblement - et avec succès - l'apprentissage automatique pour atteindre des objectifs beaucoup plus limités. Un algorithme peut être un chatbot gérant une gamme limitée de questions de base sur la facture téléphonique. Un autre pourrait faire des prédictions sur ce qu'un client appelle pour discuter, affichant ces prédictions pour le représentant humain qui répond au téléphone. Ce sont des exemples de étroit intelligence (ANI) - restreinte à des fonctions très étroites. D'autre part, Facebook a récemment retiré son «M» chatbot, qui n'a jamais réussi à atteindre son objectif de gérer les réservations d'hôtel, réserver des billets de théâtre, organiser des visites de perroquets, et plus encore.


graphique d'abonnement intérieur


La raison pour laquelle nous avons un ANI au niveau grille-pain au lieu de l'AGI au niveau WALL-E est que tout algorithme qui tente de généraliser pire aux différentes tâches auxquelles il est confronté.

'cet oiseau est jaune avec du noir sur la tête et a un bec très court'

Pour exemple, voici un algorithme formé pour générer une image basée sur une légende.

C'est sa tentative de créer une image à partir de la phrase: «cet oiseau est jaune avec du noir sur la tête et a un bec très court».

Quand il a été entraîné sur un jeu de données composé uniquement d'oiseaux, il s'est plutôt bien débrouillé (malgré l'étrange corne de licorne):

Mais quand sa tâche était de générer quoi que ce soit d'artificiel - des panneaux d'arrêt aux bateaux en passant par les vaches aux gens - il a lutté. Voici sa tentative de générer «une image d'une fille mangeant une grande tranche de pizza»:

«Une image d'une fille mangeant une grosse tranche de pizza»

Nous n'avons pas l'habitude de penser qu'il existe un énorme fossé entre un algorithme qui fait bien une chose et un algorithme qui fait bien les choses. Mais notre jour actuel algorithmes ont un pouvoir mental très limité par rapport au cerveau humain, et chaque nouvelle tâche les dilue. Pensez à un appareil de la taille d'un grille-pain: il est facile de construire dans quelques fentes et quelques serpentins de chauffage afin qu'il puisse griller du pain. Mais cela laisse peu de place à autre chose. Si vous essayez aussi d'ajouter une fonctionnalité de cuisson à la vapeur et de fabrication de crème glacée, vous devrez au moins abandonner l'une des fentes à pain, et ce ne sera probablement pas bon pour quoi que ce soit.

Il existe des astuces que les programmeurs utilisent pour tirer le meilleur parti des algorithmes ANI. L'un est l'apprentissage de transfert: former un algorithme pour faire une tâche, et il peut apprendre à faire une tâche différente mais étroitement liée après une rééducation minimale. Les gens utilisent l'apprentissage du transfert pour former des algorithmes de reconnaissance d'image, par exemple. Un algorithme qui a appris à identifier les animaux a déjà beaucoup attiré les compétences de détection des contours et d'analyse des textures, qu'il peut passer à la tâche d'identification des fruits. Mais, si vous recyclez l'algorithme pour identifier les fruits, un phénomène appelé l'oubli catastrophique signifie qu'il ne se souviendra plus comment identifier les animaux.

Une autre astuce que les algorithmes d'aujourd'hui utilisent est modularité. Plutôt qu'un seul algorithme capable de gérer n'importe quel problème, les IA du futur sont susceptibles d'être un assemblage d'instruments hautement spécialisés. Un algorithme qui savant Pour jouer au jeu vidéo, Doom, par exemple, avait des modules de vision, de contrôleur et de mémoire séparés et dédiés. Les modules interconnectés peuvent également fournir une redondance contre les défaillances et un mécanisme de vote sur la meilleure solution à un problème basé sur plusieurs approches différentes. Ils pourraient également être un moyen de détecter et de résoudre les erreurs algorithmiques. Il est normalement difficile de comprendre comment un algorithme individuel prend ses décisions, mais si une décision est prise en coopérant avec des sous-algorithmes, on peut au moins regarder la sortie de chaque sous-algorithme.

Quand nous envisageons les IA du futur lointain, peut-être que WALL-E et C-3PO ne sont pas les droïdes que nous devrions rechercher. Au lieu de cela, nous pourrions imaginer quelque chose de plus comme un smartphone plein d'applications, ou un placard de cuisine rempli de gadgets. Alors que nous nous préparons à un monde d'algorithmes, nous devons nous assurer que nous ne prévoyons pas de boîtes à surprises génériques qui ne seront peut-être jamais construites, mais plutôt des toasters hautement spécialisés.Compteur Aeon - ne pas enlever

A propos de l'auteur

Janelle Shane forme des réseaux de neurones pour écrire de l'humour sur aiweirdness.com. Elle est également chercheuse en optique et vit à Boulder, au Colorado.

Cet article a été initialement publié sur Temps infini et a été republié sous Creative Commons.

Livres connexes:

at Marché InnerSelf et Amazon