AI, uczenie maszynowe - #22
W odcinku rozmawiamy o sztucznej inteligencji (AI), uczeniu maszynowym, sztucznych sieciach neuronowych. Link do tematu na forum: https://www.elektroda.pl/rtvforum/topic3980394.html
Broniło się jeszcze przez długi czas. Głębokość tego drzewa powodowała, że na każdym poziomie było ono bardzo szerokie, bo tam jest bardzo duża ilość wariantów ruchów. Natomiast gdy pojawiły się sztuczne sieci neuronowe i ewaluacja na każdym, to co wspominałeś o cięciu drzew decyzyjnych, jeżeli mamy dobry ewaluator, to to drzewo było bardzo dobrze przycinane. No i już Mistrzowie Go również zostali pokonani przez sztuczne sieci neuronowe połączone z takim algorytmem gry, więc w takich dziedzinach nie wygramy z komputerem. Tutaj szybkość obliczeń jest zdecydowanie większa. A propos tego AlphaGo, o którym wspomniałeś, to on był w ogóle uczony w bardzo ciekawy sposób. Bo początkowo on obserwował, jak wyglądają rozgrywki pomiędzy mistrzami.
Natomiast w AlphaGo i w AlphaZero szczególnie niepokojące jest to, że AlphaZero grając sam ze sobą Tylko na podstawie zasad gry, nie korzystając w ogóle z wiedzy wypracowanej przez, tak jak AlphaGo wykorzystywał jeszcze wiedzę mistrzów, to AlphaZero grając za sobą bardzo wiele razy uzyskał poziom przekraczający możliwości mistrzów, więc tutaj jest taki element niepokojący, że sam algorytm zadziałał lepiej niż ludzie. Rzeczywiście, z jednej strony jest to niepokojące, no bo fakt, że on był w stanie całkowicie od zera nauczyć się wypracować technikę, która pokonuje mistrzów, no to jest to rzeczywiście martwiące. Ale z drugiej strony my powinniśmy pamiętać, że to ciągle jest tylko algorytm.
Deepfake, to co już mówiłaś o fali fejków, to może przejść na bardziej skuteczną dezinformację. To może być ten problem trudności rozróżnienia prawdy od fikcji w mass mediach, w internecie. No i tak zastanawiałem się również, jeżeli chodzi o uczenie kolejnych wersji czatu GPT. Do tej pory czat miał dużą ilość danych, którą generowali ludzie. W momencie, gdy AI będzie umieszczało coraz więcej treści w internecie, no, to może się okazać, że będzie się uczył też na treściach, które sam wygenerował. To byłoby ciekawe doświadczenie, bo trochę sobie to wyobrażam, jak ten AlphaGo, który się uczył ze wzmacnianiem po prostu grając sam ze sobą, tak? To taki czad by mógł uczyć się właśnie ze swoich tekstów, tylko od razu mi się pojawia w głowie pytanie, co on się z tego nauczy?
Pokazano wszystkie 3 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Andrzej Mujnik przedstawia gościa Kingę Głąbińską, prowadzącą blog analityczny umysł.pl, i omawia temat sztucznej inteligencji i uczenia maszynowego.
Kinga Głąbińska omawia różnice między uczeniem maszynowym a tradycyjnym programowaniem opartym na if-then, przykładowym problemie spamu.
Kinga Głąbińska omawia architekturę sztucznych sieci neuronowych, w tym strukturę warstwową, funkcje aktywacji i problem kosztu obliczeniowego.
Kinga Głąbińska omawia problem kosztu obliczeniowego w sztucznych sieciach neuronowych i wprowadza kwestię ekologii.
Kinga Głąbińska wyjaśnia proces przetwarzania danych wejściowych i strukturę sieci neuronowej, w tym warstwy neuronowe i proces uczenia.
Kinga Głąbińska omawia proces uczenia w sztucznych sieciach neuronowych, w tym koncept minimum lokalnego i globalnego.
Kinga Głąbińska omawia dygresję na temat struktur biologicznych i wprowadza kwestię jakości danych wejściowych.
Kinga Głąbińska omawia przykład pułapki sztucznej inteligencji, w tym problem klasyfikacji wilków i husków.
Kinga Głąbińska omawia ataki na sztuczne inteligencje i wprowadza drzewa decyzyjne jako alternatywny mechanizm uczenia maszynowego.
Kinga Głąbińska porównuje drzewa decyzyjne i sieci neuronowe, w tym ich zalety i wady, oraz wprowadza Akinator.com jako przykład.
Kinga Głąbińska omawia logikę rozmytą w sztucznej inteligencji, w tym jej zastosowanie w klasztorfikacji obiektów.
Rozmowa kontynuuje temat uczenia maszynowego, analiza modelu ChatGPT i zagrożenia związane z AI, takie jak dezinformacja i oszustwa.
Rozmowa o niechęci do rozmów z czatem i społecznym nastawieniu do AI.
Promocja bloga i Instagrama oraz informacje o mentoringu i szkoleniach.
Przykłady zastosowań AI w firmie produkującej uszczelki i rozwijaniu modeli uczenia maszynowego.
Podziękowania za udział w rozmowie i zaproszenie do kolejnych odcinków.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.