Να χτίσεις έναν χάρτη που ξεχωρίζει έναν προγραμματισμένο κανόνα, ένα μοντέλο που μαθαίνει και ένα βαθύ δίκτυο.
Απόδειξη επιτυχίας: εξηγείς «τεχνητή νοημοσύνη, μηχανική μάθηση και βαθιά μάθηση», εκτελείς «Τους κύκλους ικανοτήτων» και αναφέρεις το όριο της αναλογίας.
Στη λέσχη επιστημών, η Ines θέλει να αποκαλεί «τεχνητή νοημοσύνη» κάθε αντικείμενο που αντιδρά. Ο Malik βάζει τρεις κάρτες: ένας χρονομετρητής ακολουθεί έναν γραπτό κανόνα, ένας διαλογέας σπόρων ρυθμίζει τις παραμέτρους του από επισημασμένα παραδείγματα, και ένα σύστημα εικόνων χρησιμοποιεί πολλά στρώματα. Τα τρία παράγουν ένα αποτέλεσμα, αλλά δεν το αποκτούν με τον ίδιο τρόπο. Η έρευνά τους συνίσταται στο να ρωτούν από πού προέρχεται ο κανόνας και πώς επαληθεύτηκε το αποτέλεσμα.
Παρατήρησε τον μηχανισμό, όχι μόνο το αποτέλεσμα. Τα τρία παρακάτω σημεία αναφοράς επιτρέπουν την επαλήθευση κάθε βήματος. Εδώ, το σημείο αναφοράς σου είναι «τεχνητή νοημοσύνη, μηχανική μάθηση και βαθιά μάθηση».
Ο χάρτης ξεκινάει από το πρόβλημα, ξεχωρίζει την πηγή του κανόνα, και μετά τελειώνει με μια μέτρηση και μια ανθρώπινη απόφαση. Διάβασε το σχέδιο από πάνω προς τα κάτω: κάθε βέλος ανακοινώνει έναν μετασχηματισμό ή μια επαλήθευση, ποτέ μια σκέψη της μηχανής.
Η αναλογία: Φαντάσου τρία κουτιά το ένα μέσα στο άλλο: τεχνητή νοημοσύνη έξω, μηχανική μάθηση μέσα, βαθιά μάθηση ακόμη πιο στο κέντρο.
Εκεί που σταματάει: Τα πεδία αλληλοεπικαλύπτονται στις πραγματικές χρήσεις και ένα κουτί δεν λέει τίποτα για την ποιότητα, το κόστος ή την ασφάλεια ενός συστήματος. Μια αναλογία βοηθάει να ξεκινήσεις· δεν αντικαθιστά ούτε τα δεδομένα, ούτε τους υπολογισμούς, ούτε μια δοκιμή.
Υλικά: τρία κορδόνια σε κύκλους, έξι κάρτες με φανταστικά συστήματα και ένα μολύβι
Προτεινόμενος χρόνος: 10 έως 20 λεπτά.
Αναμενόμενη παρατήρηση: ένα σύστημα μπορεί να αυτοματοποιήσει μια εργασία χωρίς να μαθαίνει, και η λέξη τεχνητή νοημοσύνη δεν αρκεί για να γνωρίζεις τον μηχανισμό του.
Πρόσθεσε μια έβδομη κάρτα: έναν θερμοστάτη που ρυθμίζει μόνος του τις παραμέτρους του. Εξήγησε ποιες πληροφορίες λείπουν πριν τον ταξινομήσεις.
Μια ετικέτα «με την υποστήριξη της τεχνητής νοημοσύνης» μπορεί να χρησιμεύει ως διαφήμιση. Πριν χρησιμοποιήσεις ένα εργαλείο, ψάξε ποια δεδομένα λαμβάνει, ποιο σφάλμα μετρήθηκε και ποιος μπορεί να αμφισβητήσει το αποτέλεσμά του.
Υπεύθυνη ερώτηση: Σε ποια περίπτωση ένας απλός κανόνας θα ήταν πιο σαφής, πιο φτηνός και πιο ασφαλής από ένα μοντέλο που μαθαίνει;
Μαθαίνει κάθε αυτόματο σύστημα;
Διόρθωση: Όχι. Ένας χρονομετρητής ή μια αλληλουχία συνθηκών μπορεί να είναι εντελώς προγραμματισμένη.
Πού τοποθετείται η βαθιά μάθηση;
Διόρθωση: Μέσα στη μηχανική μάθηση, η οποία με τη σειρά της τοποθετείται συχνά στο ευρύτερο πεδίο της τεχνητής νοημοσύνης.
Καταλαβαίνει ένα βαθύ δίκτυο μια εικόνα όπως ένας άνθρωπος;
Διόρθωση: Όχι. Μετατρέπει αριθμούς και μαθαίνει μετρήσιμες συσχετίσεις· η λέξη καταλαβαίνει θα ήταν παραπλανητική εδώ.
Χαρτογράφος συστημάτων — Κερδίζεις αυτό το σήμα αν μπορείς να εξηγήσεις το διάγραμμα χωρίς να διαβάζεις, να δείξεις το αποτέλεσμα της δραστηριότητας και να διορθώσεις μια λάθος απάντηση με καλοσύνη.