많은 자원과 시간, 특히 비용 측면에서 수반되는 많은 자원과 시간이 있으며, 수십 개의 회사와 연구 센터가 매월 간단하고 일상적인 주제에 할애하고 있습니다. 압축 및 개발 인공 지능. 인류가이 주제에 대해 거의 알지 못하지만, 진실은 우리가 이러한 유형의 기계를 다루는 데 조금씩 익숙해졌고, 그 증거는 우리가 가진 가상 비서이기 때문입니다. 예를 들어 휴대폰에서.
이 분야의 개발과 탐구에 자신의 시간을 바친 거의 모든 연구자들이 언급했듯이, 진실은 우리가 인공 지능의 세계에 대해 거의 알지 못하기 때문에 아직 갈 길이 멀다는 것입니다. 제가 발표 한 것에 대한 아주 간단한 테스트는 다음의 연구자들이 수행 한 최신 프로젝트입니다. 페이스북 일련의 결과를 얻을 것으로 예상되었고 매우 다른 결과를 얻었습니다.
Facebook의 연구원은 실험 중 하나에서 다음 테스트 결과에 완전히 당황합니다. 기계 학습.
Facebook에서 설명했듯이 잠시 맥락을 설명하자면이 실험을 수행하는 기본 아이디어는 그들의 기술을 테스트하는 것이 었습니다. 기계 학습, 인공 지능 시스템이 반복적 인 행동을 기반으로 특정 작업을 수행하는 방법을 학습하는 학습 기술, 즉 컴퓨터가이를 여러 번 반복하여 어떤 동작을 수행하는 방법을 학습하도록하는 학습 기술입니다. 기본적으로이 시점에서 그들이 한 일은 이러한 유형의 테스트를 사용하여 컴퓨터가 스스로 말하는 법을 배우다.
이 테스트에 대한 아이디어는 일련의 도구를 사용하여 간단하게 말한 두 개의 챗봇을 반복적으로 반복하여 결과 시스템이 통신하는 방법을 학습한다는 사실만큼이나 간단합니다. 사실이 새로운 결과 시스템은 새로운 언어를 만들다 연구자들은 이런 식으로 인간 대담 자와 훨씬 더 빠르게 학습하고 대화 할 수있는 도구를 얻을 수 있기를 바랐습니다.
이 항목의 제목에서 알 수 있듯이 프로젝트를 담당하는 연구자 그룹이 실제로 얻은 것은 완전히 예상치 못한 것 몇 시간과 몇 시간의 훈련 후에 새로운 인공 지능 시스템과 챗봇 간의 이러한 대화로 인해 새로운 언어의 창조.
기계 학습의 일상적인 테스트는 새로운 의사 소통 언어를 생성합니다.
이 대화에 관련된 모든 시스템이 지금까지 본 모든 언어와 완전히 다른 언어로 말하기 시작했기 때문에 연구원들은 프로젝트 실행 중지 및 모델 변경 그들은 서로 다른 기계들 사이에서 일어나는 대화를 따라갈 수 없었기 때문입니다. 이 시점에서이 프로젝트를 수행 한 후 전체 팀이 도달 한 결론에 대해 설명하는 전체 프로젝트 책임자의 진술에 참석합니다.
진실은 미래의 작업, 특히 다른 추론 전략을 탐색하고 인간의 언어에서 벗어나지 않고 문장의 다양성을 개선 할 가능성이 여전히 많다는 것입니다.
많은 사람들이이 테스트를 Fallo진실은 그것이 인간의 개입없이 시스템이 의사 소통을위한 자체 언어를 만들 수 있다는 사실이 인상적이라는 것입니다. 의심 할 여지없이 인공 지능의 세계 뒤에 무엇이 있는지, 특정 입력에 직면했을 때 어떻게 작동하는지 이해하기 전에 아직 갈 길이 멀다는 새로운 예가 있습니다.