Thales + Friends

Μάθηση και Υπολογιστές

Αναρτήθηκε σε 8 Μαρτίου, 2022 κατηγορία: Ειδήσεις | Tags: , , , ,

«Μηχανική Μάθηση», «Βαθιά μάθηση» (Deep learning), «νευρωνικά δίκτυα», «παιχνίδια μίμησης»: αυτές είναι ορισμένες έννοιες που συναντάμε, όλο και περισσότερο, στην καθημερινότητά μας, χωρίς να γνωρίζουμε, πάντοτε, τι ακριβώς σημαίνουν. Ένα σύντομο βίντεο, που δημοσιεύεται στο επιστημονικό περιοδικό «Scientific American», επιχειρεί να αποκωδικοποιήσει και να εξηγήσει με εύληπτο τρόπο τη σημασία αυτών των εννοιών που συνδέονται με την ικανότητα των υπολογιστών να «μαθαίνουν» καινούργια πράγματα.

Ας δούμε πώς παρουσιάζονται στο βίντεο:

Η μηχανική μάθηση είναι η διαδικασία με την οποία τα προγράμματα υπολογιστών αναπτύσσονται από την εμπειρία. Δεν πρόκειται για θεωρίες επιστημονικής φαντασίας, στις οποίες τα ρομπότ εξελίσσονται για να καταλάβουν τον κόσμο. Όταν μιλάμε για μηχανική μάθηση, αναφερόμαστε κυρίως σε εξαιρετικά έξυπνους αλγόριθμους.

Το 1950, ο μαθηματικός Alan Turing υποστήριξε ότι είναι χάσιμο χρόνου να αναρωτιέται κανείς αν οι μηχανές μπορούν να σκεφτούν. Αντ’ αυτού, πρότεινε ένα παιχνίδι: ένας παίκτης διαβάζει δύο γραπτές συνομιλίες, μία με έναν άλλο άνθρωπο και μία με μια μηχανή. Με βάση αυτές τις συνομιλίες, ο παίκτης καλείται να εντοπίσει ποια συνομιλία έχει γίνει με άνθρωπο και ποια με μηχανή. Αυτή η αποκωδικοποίηση του “παιχνιδιού της μίμησης” χρησίμευε ως δοκιμή για την ανάπτυξη της τεχνητής νοημοσύνης. Αλλά πώς μπορεί κάποιος να προγραμματίσει τις μηχανές να παίξουν αυτό το παιχνίδι;

Ο Turing πρότεινε ότι μπορούμε να διδάξουμε τις μηχανές ακριβώς όπως διδάσκουμε τα παιδιά: αρκεί να τις καθοδηγήσουμε να ακολουθήσουν ορισμένους κανόνες, δίνοντάς τους παράλληλα τη δυνατότητα να κάνουν μικρές διορθώσεις με βάση την εμπειρία τους.

Για τους υπολογιστές, η διαδικασία εκμάθησης είναι λίγο διαφορετική. Αρχικά, πρέπει να τους τροφοδοτήσουμε με πολλά δεδομένα: από εικόνες καθημερινών αντικειμένων μέχρι λεπτομέρειες τραπεζικών συναλλαγών. Στη συνέχεια πρέπει να τους πούμε τι να κάνουν με όλες αυτές τις πληροφορίες. Οι προγραμματιστές το επιτυγχάνουν γράφοντας λίστες με οδηγίες βήμα προς βήμα ή αλγόριθμους. Αυτοί οι αλγόριθμοι βοηθούν τελικά τους υπολογιστές να εντοπίζουν μοτίβα σε τεράστιους όγκους δεδομένων. Με βάση τα μοτίβα που βρίσκουν αναπτύσσουν ένα “μοντέλο” για το πώς λειτουργεί το σύστημα.

Για παράδειγμα, ορισμένοι προγραμματιστές χρησιμοποιούν τη μηχανική μάθηση για την ανάπτυξη ιατρικού λογισμικού. Αρχικά, τροφοδοτούν ένα πρόγραμμα με εκατοντάδες μαγνητικές τομογραφίες που έχουν ήδη κατηγοριοποιηθεί. Στη συνέχεια, ζητούν από τον υπολογιστή να δημιουργήσει ένα μοντέλο για να κατηγοριοποιήσει τις μαγνητικές τομογραφίες που δεν έχει δει ξανά. Με αυτόν τον τρόπο, το εν λόγω ιατρικό λογισμικό εντοπίζει προβλήματα σε σαρώσεις ασθενών ή επισημαίνει ορισμένα αρχεία για επανεξέταση.

Πολύπλοκα μοντέλα όπως αυτό απαιτούν συχνά πολλά κρυφά υπολογιστικά βήματα. Οι προγραμματιστές οργανώνουν όλες τις αποφάσεις επεξεργασίας σε επίπεδα. Από εκεί προέρχεται ο όρος “βαθιά μάθηση”. Αυτά τα στρώματα μιμούνται τη δομή του ανθρώπινου εγκεφάλου, όπου οι νευρώνες εκπέμπουν σήματα σε άλλους νευρώνες. Αυτός είναι ο λόγος για τον οποίο τα αποκαλούμε επίσης ” νευρωνικά δίκτυα”.

Πηγή: Scientific American

© Copyright 2001-2022 Θαλής + Φίλοι.

designed & developed by ELEGRAD