ระบบปัญญาประดิษฐ์ที่ทรงพลังอย่างน่ากลัว (AI) อาจทำงานได้ดีเพราะโครงสร้างของพวกเขาใช้ประโยชน์จากกฎพื้นฐานของจักรวาลการวิจัยใหม่ชี้ให้เห็น
การค้นพบใหม่อาจช่วยตอบความลึกลับที่ยาวนานเกี่ยวกับชั้นเรียนปัญญาประดิษฐ์ที่ใช้กลยุทธ์ที่เรียกว่าการเรียนรู้อย่างลึกซึ้ง- การเรียนรู้อย่างลึกซึ้งหรือโปรแกรมเครือข่ายประสาทลึกที่พวกเขาเรียกว่าเป็นอัลกอริทึมที่มีหลายเลเยอร์ที่การคำนวณระดับต่ำกว่าจะป้อนเข้าสู่ระดับที่สูงขึ้น เครือข่ายประสาทลึกมักจะทำงานได้ดีอย่างน่าอัศจรรย์ในการแก้ปัญหาที่ซับซ้อนเช่นเดียวกับการเอาชนะผู้เล่นที่ดีที่สุดในโลกของเกมบอร์ดกลยุทธ์ไปหรือจำแนกภาพถ่ายแมว แต่รู้ว่าใครเข้าใจว่าทำไม
ปรากฎว่าเหตุผลหนึ่งอาจเป็นไปได้ว่าพวกเขากำลังแตะที่คุณสมบัติพิเศษของโลกทางกายภาพ Max Tegmark นักฟิสิกส์ของสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) และผู้เขียนร่วมของการวิจัยใหม่
กฎของฟิสิกส์นำเสนอ "ปัญหาที่พิเศษมาก" นี้ - ปัญหาที่ AI ส่องประกายในการแก้ปัญหา Tegmark บอกกับ Live Science “ ปัญหาเล็ก ๆ น้อย ๆ ของปัญหาที่ฟิสิกส์ทำให้เราสนใจและปัญหาเล็ก ๆ น้อย ๆ ที่เครือข่ายประสาทสามารถแก้ปัญหาได้มากหรือน้อยเหมือนกัน” เขากล่าว -เครื่องจักรสุดพิเศษ: 7 Robotic Futures-
การเรียนรู้อย่างลึกซึ้ง
เมื่อปีที่แล้ว AI ประสบความสำเร็จในงานที่หลายคนคิดว่าเป็นไปไม่ได้: DeepMind ระบบ AI การเรียนรู้ลึกของ Googleเอาชนะผู้เล่นที่ดีที่สุดในโลกหลังจากเอาชนะแชมป์ยุโรปโก- ความสำเร็จทำให้โลกตกตะลึงเพราะจำนวนการเคลื่อนไหวที่มีศักยภาพเกินกว่าจำนวนอะตอมในจักรวาล
แต่ยิ่งน่าประหลาดใจยิ่งกว่าการพ่ายแพ้ที่สุดของฝ่ายตรงข้ามของ Deepmind ก็คือการทำงานให้สำเร็จ
“ ความลึกลับที่ยิ่งใหญ่ที่อยู่เบื้องหลังเครือข่ายประสาทคือสาเหตุที่พวกเขาทำงานได้ดี” เฮนรี่หลินผู้เขียนร่วมการศึกษากล่าวว่านักฟิสิกส์ของมหาวิทยาลัยฮาร์วาร์ดกล่าว "เกือบทุกปัญหาที่เราโยนใส่พวกเขาพวกเขาแตก"
ตัวอย่างเช่น DeepMind ไม่ได้สอนกลยุทธ์ GO อย่างชัดเจนและไม่ได้รับการฝึกฝนให้รู้จักการเคลื่อนไหวแบบคลาสสิก แต่มันก็แค่ "ดู" เกมหลายล้านเกมจากนั้นเล่นอีกมากมายกับตัวเองและผู้เล่นคนอื่น ๆ
เช่นเดียวกับทารกแรกเกิดอัลกอริทึมการเรียนรู้ที่ลึกล้ำเหล่านี้เริ่มต้นจาก "Clueless" แต่โดยทั่วไปแล้วโดยทั่วไปจะมีประสิทธิภาพสูงกว่าอัลกอริทึม AI อื่น ๆ ที่ได้รับกฎบางอย่างของเกมล่วงหน้า Tegmark กล่าว
ความลึกลับที่ถือครองมานานอีกอย่างหนึ่งคือสาเหตุที่เครือข่ายลึกเหล่านี้ดีกว่าสิ่งที่เรียกว่าตื้นซึ่งมีน้อยเพียงชั้นเดียว Tegmark กล่าว เครือข่ายลึกมีลำดับชั้นและดูเหมือนการเชื่อมต่อระหว่างเซลล์ประสาทในสมองด้วยข้อมูลระดับต่ำกว่าจากเซลล์ประสาทจำนวนมากที่ป้อนเข้าสู่กลุ่มเซลล์ประสาท "สูงกว่า" อีกกลุ่มหนึ่งทำซ้ำหลายชั้น ในทำนองเดียวกันเลเยอร์ลึกของเครือข่ายประสาทเหล่านี้ทำการคำนวณบางอย่างแล้วป้อนผลลัพธ์เหล่านั้นไปยังชั้นที่สูงขึ้นของโปรแกรมและอื่น ๆ เขากล่าว
กุญแจวิเศษหรือล็อควิเศษ?
เพื่อให้เข้าใจว่าทำไมกระบวนการนี้จึงทำงานได้ Tegmark และ Lin จึงตัดสินใจพลิกคำถามบนหัวของมัน
“ สมมติว่ามีคนให้กุญแจคุณทุกครั้งที่คุณลองใช้ดูเหมือนว่าจะเปิดอยู่คนหนึ่งอาจคิดว่ากุญแจมีคุณสมบัติเวทย์มนตร์บางอย่าง แต่ความเป็นไปได้อีกอย่างหนึ่งคือล็อคทั้งหมดนั้นมีมนต์ขลังในกรณีของตาข่ายประสาทฉันสงสัยว่ามันเป็นทั้งคู่” หลินกล่าว
ความเป็นไปได้อย่างหนึ่งอาจเป็นไปได้ว่าปัญหา "โลกแห่งความจริง" มีคุณสมบัติพิเศษเพราะโลกแห่งความเป็นจริงนั้นพิเศษมาก Tegmark กล่าว
ใช้หนึ่งในความลึกลับของเครือข่ายประสาทที่ใหญ่ที่สุด: เครือข่ายเหล่านี้มักจะใช้สิ่งที่ดูเหมือนจะเป็นปัญหาที่มีขนดกเช่นเกม GO และหาวิธีแก้ปัญหาโดยใช้การคำนวณน้อยกว่าที่คาดไว้
ปรากฎว่าคณิตศาสตร์ที่ใช้โดย Neural Networks นั้นง่ายขึ้นด้วยคุณสมบัติพิเศษบางอย่างของจักรวาล ประการแรกคือสมการที่ควบคุมกฎหมายฟิสิกส์จำนวนมากตั้งแต่กลไกควอนตัมไปจนถึงแรงโน้มถ่วงจนถึงสัมพัทธภาพพิเศษเป็นปัญหาทางคณิตศาสตร์ที่ง่าย Tegmark กล่าว สมการเกี่ยวข้องกับตัวแปรที่เพิ่มขึ้นเป็นพลังงานต่ำ (ตัวอย่างเช่น 4 หรือน้อยกว่า) -สมการที่สวยที่สุด 11 ตัว-
ยิ่งไปกว่านั้นวัตถุในจักรวาลคือควบคุมโดยท้องถิ่นหมายถึงพวกเขาถูก จำกัด โดยความเร็วของแสง- การพูดในทางปฏิบัตินั่นหมายถึงวัตถุที่อยู่ใกล้เคียงในจักรวาลมีแนวโน้มที่จะมีอิทธิพลต่อกันและกันมากกว่าสิ่งที่ห่างไกลจากกัน Tegmark กล่าว
หลายสิ่งหลายอย่างในจักรวาลก็เชื่อฟังสิ่งที่เรียกว่าการกระจายแบบปกติหรือแบบเกาส์ นี่คือ "โค้งเบลล์" คลาสสิกที่ควบคุมทุกสิ่งตั้งแต่ลักษณะเช่นความสูงของมนุษย์ไปจนถึงความเร็วของโมเลกุลก๊าซที่ซูมไปรอบ ๆ ในชั้นบรรยากาศ-
ในที่สุด,สมมาตรถูกถักทอเป็นผ้าของฟิสิกส์ นึกถึงรูปแบบ veiny บนใบไม้หรือแขนทั้งสองดวงตาและหูของมนุษย์โดยเฉลี่ย ในระดับกาแล็คซี่หากมีใครเดินทางไปทางซ้ายหรือขวาหรือรอหนึ่งปีกฎหมายของฟิสิกส์จะเหมือนกัน Tegmark กล่าว
ปัญหาที่ยากขึ้นในการแตก
ลักษณะพิเศษทั้งหมดเหล่านี้ของจักรวาลหมายความว่าปัญหาที่เผชิญกับเครือข่ายประสาทเป็นปัญหาทางคณิตศาสตร์พิเศษที่สามารถทำให้ง่ายขึ้นอย่างรุนแรง
“ ถ้าคุณดูคลาสของชุดข้อมูลที่เราเจอในธรรมชาติจริง ๆ แล้วมันง่ายกว่าสถานการณ์ที่เลวร้ายที่สุดที่คุณอาจจินตนาการ” Tegmark กล่าว
นอกจากนี้ยังมีปัญหาที่จะยากขึ้นสำหรับเครือข่ายประสาทที่จะแตกรวมถึงแผนการเข้ารหัสข้อมูลที่ปลอดภัยบนเว็บ แผนการดังกล่าวดูเหมือนเสียงแบบสุ่ม
“ ถ้าคุณป้อนสิ่งนั้นลงในเครือข่ายประสาทมันจะล้มเหลวเช่นเดียวกับฉันมันจะไม่พบรูปแบบใด ๆ ” Tegmark กล่าว
ในขณะที่กฎ subatomic ของธรรมชาตินั้นง่าย แต่สมการที่อธิบายเที่ยวบิน Bumblebee นั้นซับซ้อนอย่างไม่น่าเชื่อในขณะที่โมเลกุลก๊าซที่ควบคุมได้นั้นยังคงง่าย ยังไม่ชัดเจนว่าการเรียนรู้อย่างลึกซึ้งจะดำเนินการได้ดีเช่นเดียวกับการอธิบายเที่ยวบิน Bumblebee ที่ซับซ้อนเหล่านั้นหรือไม่เพราะมันจะอธิบายโมเลกุลของก๊าซเขากล่าว
"ประเด็นก็คือว่ากฎของฟิสิกส์ 'ฉุกเฉิน' บางอย่างเช่นเดียวกับที่ควบคุมก๊าซในอุดมคติยังคงค่อนข้างง่ายในขณะที่บางคนค่อนข้างซับซ้อนดังนั้นจึงมีงานเพิ่มเติมมากมายที่ต้องทำถ้าใครจะตอบโดยละเอียดว่าทำไมการเรียนรู้ลึก หลินพูด "ฉันคิดว่ากระดาษทำให้เกิดคำถามมากกว่าคำตอบ!"
บทความต้นฉบับเกี่ยวกับวิทยาศาสตร์สด-
