Mentionsy Mentionsy
To Bardziej Skomplikowane
To Bardziej Skomplikowane

#14 - Sztuczna Inteligencja: Historia i Przyszłość | prof. Ryszard Tadeusiewicz

19.03.2025 ·1 godz 7 min · 13 rozdziałów

Termin sztuczna inteligencja nie ma jeszcze nawet 70 lat za to ma już za sobą dość burzliwą historię. Jest to historia nadziei i zawodów, udanych i nieudanych prób, ale także ciągłego rozwoju, który ostatecznie doprowadził do stworzenia algorytmów i systemów, którym coraz trudniej odmówić określenia inteligentne.  W dzisiejszym odcinku miałem przyjemność porozmawiać właśnie o historii sztucznej inteligencji z prof. Ryszardem Tadeusiewiczem. ---------- Ryszard Tadeusiewicz jest naukowcem od lat związanym z AGH w Krakowie, której był trzykrotnym rektorem. Specjalizuje się w sieciach neuronowych a także od lat popularyzuje naukę. Jest autorem licznych książek i artykułów na temat sztucznej inteligencji, laureatem nagród i odznaczeń oraz członkiem wielu organizacji naukowych. Wikipedia: https://pl.wikipedia.org/wiki/Ryszard_Tadeusiewicz ---------- W dzisiejszym odcinku rozmawiamy o początkach współcześnie rozumianej sztucznej inteligencji, Teście Turinga, pierwszych systemach, perceptronie, tzw. zimie sztucznej inteligencji, algorytmie propagacji wstecznej, różnych architekturach sieci neuronowych, a także o współczesnym stanie i przyszłości tej dziedziny nauki. ---------- Rozdziały: 00:00:00 Wstęp 00:01:21 Początek AI i Test Turinga 00:04:33 Pierwsze systemy AI 00:07:49 General Problem Solver i Zima AI 00:09:36 Perceptron 00:25:13 Krytyka Perceptronu i Algorytm Wstecznej Propagacji 00:32:02 Problemy z Algorytmem Wstecznej Propagacji Błędów 00:36:25 Emergencja 00:40:25 Uczenie nienadzorowane (sieci Hopfielda) 00:47:16 Łączenie różnych architektur 00:48:38 Dalszy rozwój 00:53:30 Droga do AGI? 00:57:24 Wyzwania ---------- Znajdziesz mnie także na Instagramie: https://www.instagram.com/to.bardziej.skomplikowane/

48:38 · Dalszy rozwój 5

Mianowicie są tak zwane sieci Kohonena, to kolejne nazwisko, które tutaj się pojawia. Sieci Kohonena są sieciami, są przykładem Nie ma nauczyciela. Normalne uczenie sieci neuronowych, czy to normalnych, czy głębokich, polega na tym, że ktoś pokazuje jakieś przykłady, Sieć coś tam próbuje te przykłady rozwiązywać, a ten nauczyciel koryguje ją. Mówi nie, to nie tak, tylko po prostu wymusza ten błąd. Mówiliśmy o tej wstecznej propagacji błędu. Po prostu nauczyciel jest tym superwizorem takim, który tym procesem uczenia zarządza.

Tymczasem Kohonen, zresztą nie on jeden, ale on to zrobił chyba najgłębiej, rozważał rzecz następującą. Mamy sieć neuronową, zaraz powiemy jaką, i tej sieci neuronowej będziemy tylko pokazywać dane wejściowe, w ogóle nic nie mówiąc, co one znaczą. W tych danych wejściowych jest zawarta jakaś wiedza, jakaś informacja, jakaś tajemnica, jakaś forma czegoś, o co my nawet nie potrafimy zapytać. To jest właśnie bardzo charakterystyczne. My nawet nie wiemy, o co zapytać. Wysyłamy pojazd na inną planetę. Nie wiemy, co ten pojazd tam, że tak powiem, zobaczy.

Wobec tego on rejestruje rozmaitego rodzaju sygnały, odbiera różnego rodzaju informacje. Natomiast my w ogóle nie rozumiemy, co to jest, prawda? Mówiąc tak, powiedzmy, żartobliwie, no, powiedzmy, wokół naszej sondy zaczynają tuptać sobie Marsjanie, prawda? A my nie wiemy, co to takiego właściwie jest. Co się okazuje? Sieci Kohonena potrafią nauczyć się, czy może inaczej, potrafią same odkryć, podkreślam, same potrafią odkryć wiedzę, o której my nie mamy pojęcia, że ona w ogóle istnieje i w ogóle nie wiemy, czy ona istnieje. I okazało się, że sieci Kohonena potrafią wykryć rzeczy zupełnie niesamowite.

Mianowicie na przykład, zupełnie przykładowo, zbierano informacje o bankach. Konkretnie chodziło o hiszpańskie banki. Te informacje mówiły o tym, jakie ten bank ma zasoby, jakie realizuje operacje, ilu ma klientów, no wszystko co o tych bankach. I potem przyszedł kryzys i niektóre banki zaczęły plejtować. I okazało się, że sieć Koholena była w stanie przewidzieć, które. Była w stanie wskazać na zasadzie tego, że były one bliskie siebie w sensie pewnej wielowymiarowej przestrzeni, którą właśnie sieć Kohonena tworzy, rozpina tam taką siatkę.

Tak, rozumiem, że taka forma rozpoznawania wzorców występuje, która jest niedostępna dla nas ze względu na złożoność tych wzorców po prostu i ta sieć potrafi wykryć je. Tak, albo w wielu wypadkach my nawet nie wiemy, czy tam są jakieś wzorce, Ale sieć Kohonera je potrafi nam ujawnić i to jest bardzo ciekawe, bo jak mówię, to już nie jest uczenie, to jest odkrywanie wiedzy. Tak, czyli jeżeli byśmy troszeczkę wybiegli w przód i teraz w dzisiejszych czasach występuje Dosyć silna presja, kto pierwszy dojdzie do tej tak zwanej ogólnej sztucznej inteligencji. Czy pan by trochę widział właśnie drogę do tej ogólnej sztucznej inteligencji przy użyciu również tych sieci nienadzorowanych? Czy tak bym dobrze to odczytał?

Pokazano wszystkie 5 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.