AI lærer og utfører et stort eksperiment

[Sandy Koufax]

Overskriften sier seg selv. 

 

http://techcrunch.com/2016/05/16/ai-learns-and-recreates-nobel-winning-physics-experiment/

 

http://www.nature.com/articles/srep25890

 

Er dette like kult som det høres ut?

[Gavekort]

Nå skumleste jeg bare over artikkelen, men det virker ut som de brukte maskinlæring til å optimalisere parametrene som ble brukt i eksperimentet. Det kan hende disse parametrene har vært veldig vanskelig å komme frem til og krever intuisjon, men det er fortsatt menneskelig innflytelse som har tilrettelagt for eksperimentet da.

 

Det finnes kunstig intelligens som har designet antenner også, ved å prøve seg frem til hva som gir de beste resultatene.

Endret 17. mai 2016 av Gavekort

[Sandy Koufax]

Hmmm...

 

Jeg tolket det ikke slik. Jeg tolket det slik at man bare kjølte ned gassen og så lot AI-komponenten finne ut selv hva den skulle gjøre. Kanskje man programmerte det til at det skulle komme frem til et sluttpunkt (altså et mål), men alle de forskjellige parametere (som lasere og slikt) ble bestemt av AI. 

 

Kanskje jeg tar feil. Jeg skummet også gjennom Nature-delen, er ikke så god til å kode og slikt (har kun hatt et emne i det og hadde da 6 andre emner samtidig ). 

[Gavekort]

Jeg tolket det ikke slik. Jeg tolket det slik at man bare kjølte ned gassen og så lot AI-komponenten finne ut selv hva den skulle gjøre. Kanskje man programmerte det til at det skulle komme frem til et sluttpunkt (altså et mål), men alle de forskjellige parametere (som lasere og slikt) ble bestemt av AI. 

 

Ja. Jeg fikk mer eller mindre samme inntrykket. Men "Finne ut selv hva den skulle gjøre" er fortsatt begrenset til hva forskerne definerer som oppgave, da alle KIer må til en viss grad bli fortalt hva de skal gjøre og hvor bra de gjør det.

 

 

In contrast to previous work, our learner uses a Gaussian process to develop a statistical model of the relationship between the parameters it controls and the quality of the BEC produced. We demonstrate that the Gaussian process machine learner is able to discover a ramp that produces high quality BECs in 10 times fewer iterations than a previously used online optimization technique.

 

Fortsatt intet mindre enn imponerende da. Det er glimrende bruk av kunstig intelligens, og jeg kan se for meg at vi kommer til å se mye mer av slik bruk.

[ventle]

Om det er kult eller ikke kommer an på hva du synes er kult?

 

Techcrunch-artikkelen gir meg inntrykk av at artikkelforfatteren ikke forstår maskinlæring, og at han heller ikke forstår hva forskerne faktisk har gjort, og ikke minst hva som er den egentlige signifikansen av resultatet de har oppnådd.

 

Som dere er inne på, maskinlæringssystemet har ikke selv funnet ut hva den skal gjøre. Det har et sett parametre den har anledning til å justere på, og et sett med måleverdier det bruker for å evaluere kvaliteten på resultatet etter hvert som den endrer parametrene. Det signifikante her er at de har funnet en algoritme som kan løse et problem av akkurat denne typen på langt færre iterasjoner enn tidligere, som er et resultat som vil høste anerkjennelse innen maskinlæringskretser, men som er langt unna å la forskerne slippe å tenke på småproblemer, som artikkelforfatteren tror, og det er heller ikke det forskerne har forsøkt på.

 

Merk at jeg konsekvent bruker begrepet 'maskinlæring' i stedet for kunstig intelligens/artificial intelligence. 'Kunstig intelligens' er et upresist og misvisende begrep som som oftest brukes når maskinlæring skal omtales i populærvitenskapelige artikler. Internt i fagmiljøene brukes termen 'kunstig intelligens' aldri - se bare på forskningsrapporten (den andre linken i førsteposten) - ordet 'artificial' finnes ikke nevnt en eneste gang. Det er en god grunn til dette - maskinlæringssystemer er på ingen måte intelligente. De kan ikke løse problemer som ikke er nøye definert på forhånd, de er avhengig av at både inngangsdataene og målparametrene er av et tilstrekkelig antall og av en tilstrekkelig kvalitet til å egne seg til å putte inn i et maskinlæringssystem, og systemet må nøye tilpasses den aktuelle oppgaven med tanke på type algoritmer og valg av parametre som må velges til den aktuelle algoritmen.

 

Dagens lille kjepphest fra en som i disse dager sluttfører en masteroppgave om maskinlæring. God 17. mai

[Gavekort]

Tja. Jeg for min del er ikke så pedantisk når det kommer til terminologi, så jeg synes man kan kalle selv enkel maskinlæring for kunstig intelligens. Maskinlæring gjør "intelligente" og bevisste valg, slik som statistisk klassifisering eller evolusjonær robotikk, så man kan strengt tatt si at du har en enkel form for intelligens. Selv "Deep Learning", som er det ultimate hype-train emnet for techmedia, kan kokes ned til enkel parameterjustering og statistisk klassifisering.

 

Er derimot enig i at vi ikke bruker "kunstig intelligens" så mye i det profesjonelle miljøet da det er et "be all and end all" uttrykk for et veldig bredt forskningsfelt. Men jeg kan ikke si at jeg blir plaget når man hyper maskinlæring for kunstig intelligens uansett hvor enkle de måtte være, slik som å kalle en Markov Chain Twitterbot for "Artificial Intelligence".

 

Lykke til med innleveringen. Selv leverer jeg min masteroppgave om maskinlæring i morgen.

[Matsemann]

Det finnes kunstig intelligens som har designet antenner også, ved å prøve seg frem til hva som gir de beste resultatene.

Og sykkelhjul, ref min masteroppgave i fjor.

[Sandy Koufax]

Takk for oppklaringen i hvert fall. Så ut ifra det dere skrev, så var det ikke så bra som det virket ut i fra artikkelen. 

Men det var ganske imponerende algoritme likevel. 

 

Og lykke til med innleveringen av masteroppgaven til dere begge!

Endret 17. mai 2016 av Sandy Koufax