Үндсэн санаанууд
- Судлаачид хэрэглэгчдэд машин сурах загварын зан үйлийн үр дүнг эрэмблэх боломжийг олгодог техникийг бүтээсэн.
- Мэргэжилтнүүдийн үзэж байгаагаар энэ арга нь машинууд хүний сэтгэн бодох чадварыг гүйцэлдүүлж байгааг харуулж байна.
- Хиймэл оюун ухаанд гарсан дэвшил нь компьютерийн хэлийг ойлгох чадварыг хурдасгаж, хиймэл оюун ухаан болон хүмүүсийн харилцан үйлчлэлд хувьсгал хийх боломжтой.
Хиймэл оюун ухааны (AI) сэтгэн бодох чадварыг хэмждэг шинэ техник нь машинууд сэтгэн бодох чадвараараа хүнийг гүйцэж байгааг харуулж байна гэж мэргэжилтнүүд хэлэв.
MIT болон IBM Research-ийн судлаачид машин сурах загварын зан үйлийн үр дүнг эрэмблэх боломжийг хэрэглэгчдэд олгодог аргыг бүтээжээ. Тэдний "Хуваалцсан сонирхол" хэмээх техник нь загвар өмсөгчдийн сэтгэлгээ нь хүмүүсийнхтэй хэр зэрэг нийцэж байгааг харьцуулах хэмжүүрүүдийг агуулдаг.
"Өнөөдөр хиймэл оюун ухаан нь дүрс таних, хэлийг ойлгох зэрэг тодорхой ажлуудад хүний гүйцэтгэлд хүрэх (зарим тохиолдолд түүнээс ч илүү) чадвартай юм" гэж Харилцаа холбооны машин сургалтын инженерийн захирал Питер Бутенерс Sinch компани Lifewire-д цахим шуудангаар ярилцлага өгөхдөө хэлжээ. "Байгалийн хэлний боловсруулалт (NLP)-ийн тусламжтайгаар хиймэл оюун ухаан нь хүмүүсээс гадна хэлийг тайлбарлаж, бичиж, ярьж чаддаг бөгөөд хиймэл оюун ухаан нь үе тэнгийнхэнтэйгээ нийцүүлэхийн тулд аялгуу, аялгуугаа хүртэл тохируулах боломжтой."
Хиймэл ухаалаг төхөөрөмж
AI нь эдгээр шийдвэрүүд яагаад зөв болохыг тайлбарлахгүйгээр ихэвчлэн үр дүнг гаргадаг. Мэргэжилтнүүдэд загварын үндэслэлийг ойлгоход тусалдаг хэрэгслүүд нь ихэвчлэн зөвхөн нэг жишээг л өгдөг. Хиймэл оюун ухааныг ихэвчлэн сая сая өгөгдлийн оролт ашиглан сургадаг бөгөөд энэ нь хүнийг хэв маягийг тодорхойлох хангалттай шийдвэрийг үнэлэхэд хэцүү болгодог.
Сүүлийн үеийн нийтлэлд судлаачид Хуваалцсан сонирхол нь загвар өмсөгчдийн шийдвэр гаргах чиг хандлагыг илрүүлэхэд хэрэглэгчдэд тусална гэж хэлсэн. Мөн эдгээр ойлголт нь хэрэглэгчдэд загварыг ашиглахад бэлэн эсэхийг шийдэх боломжийг олгоно.
“Хамтран ашиг сонирхлыг хөгжүүлэхийн тулд бидний зорилго бол энэхүү дүн шинжилгээ хийх үйл явцыг өргөжүүлэх бөгөөд ингэснээр та өөрийн загварын зан араншин ямар байдгийг дэлхийн түвшинд ойлгох боломжтой болно” гэж уг нийтлэлийн хамтран зохиогч Анги Боггуст, гэж мэдээнд дурджээ.
Хуваалцсан сонирхол нь машин сургалтын загвар тодорхой шийдвэр гаргасныг харуулдаг техникийг ашигладаг бөгөөд үүнийг онцлох арга гэж нэрлэдэг. Хэрэв загвар нь зургийг ангилж байгаа бол тод байдлын аргууд нь тухайн загвар шийдвэр гаргахад чухал ач холбогдолтой зургийн хэсгүүдийг тодруулдаг. Хамтарсан сонирхол нь хүний үүсгэсэн тэмдэглэгээтэй онцлох аргуудыг харьцуулах замаар ажилладаг.
Судлаачид Shared Interest-ийг ашиглан арьсны гэмтлийн зурагнаас хорт хавдрыг оношлоход туслах зорилготой машин сургалтын загварт итгэх эсэхээ арьсны эмчид үзүүлэхэд нь тусалсан. Хамтарсан сонирхол нь арьсны эмчийг загварын зөв, буруу таамаглалын жишээг хурдан харах боломжийг олгосон. Арьсны эмч энэ загвар нь бодит гэмтэл гэхээсээ илүү зургийн олдвор дээр тулгуурлан хэт олон таамаглал дэвшүүлсэн тул түүнд итгэж чадахгүй гэж шийджээ.
“Бид Хуваалцсан Сонирхлыг ашигласнаар загварынхаа зан төлөвт эдгээр хэв маяг гарч ирэхийг харж чаддагт оршдог. Хагас цагийн дотор арьсны эмч энэ загварт итгэх эсэх, түүнийг ашиглах эсэхээ шийдэж чадсан гэж Боггуст хэлэв.
Загварын шийдвэрийн цаад учир шалтгаан нь машин сургалтын судлаач болон шийдвэр гаргагчийн хувьд чухал.
Явцыг хэмжих
MIT-ийн судлаачдын хийсэн ажил нь хиймэл оюун ухааныг хүний түвшний оюун ухаанд ахиц гаргахад чухал алхам байж магадгүй гэж машин сургалтын алгоритм ашигладаг Дарроу компанийн судалгааны албаны дарга Бен Хагаг Lifewire-д цахим шуудангаар өгсөн ярилцлагадаа хэлжээ..
“Загварын шийдвэрийн цаад учир шалтгаан нь машин сургалтын судлаач болон шийдвэр гаргагчийн хувьд чухал” гэж Хагаг хэлэв. "Эхнийх нь загвар нь хэр сайн болохыг, түүнийг хэрхэн сайжруулах боломжтойг ойлгохыг хүсдэг бол нөгөөх нь загварт итгэх итгэлийг бий болгохыг хүсч байгаа тул яагаад ийм үр дүнг урьдчилан таамаглаж байсныг ойлгох хэрэгтэй."
Гэхдээ Хагаг MIT-ийн судалгаа нь хүний ойлголт эсвэл хүний сэтгэхүйг ойлгож, тайлбарлаж чадна гэсэн таамаглал дээр үндэслэсэн гэдгийг анхааруулав.
“Гэхдээ энэ нь үнэн зөв биш байх магадлалтай тул хүний шийдвэр гаргах чадварыг ойлгох тал дээр илүү их ажил хийх шаардлагатай байна” гэж Хагаг нэмж хэлэв.
Хиймэл оюун ухаан дахь дэвшил нь компьютерийн хэлийг ойлгох чадварыг хурдасгаж, хиймэл оюун ухаан болон хүмүүсийн харилцан үйлчлэлд хувьсгал хийх боломжтой гэж Бутенерс хэлэв. Чатботууд нэгэн зэрэг олон зуун хэлийг ойлгох боломжтой бөгөөд хиймэл оюун ухааны туслахууд асуултын хариулт эсвэл зөрчлийн хариултыг хайж олох боломжтой.
“Зарим алгоритмууд нь мессежийг залилан мэхлэхийг тодорхойлох боломжтой бөгөөд энэ нь бизнес эрхлэгчид болон хэрэглэгчдэд спам мессежийг арилгахад тусалдаг” гэж Бутенерс нэмж хэлэв.
Гэхдээ Бүтэнэрс хэлэхдээ, хиймэл оюун ухаан хүмүүсийн хэзээ ч хийхгүй зарим алдааг гаргадаг хэвээр байна. "Зарим хүмүүс хиймэл оюун ухаан хүний ажлын байрыг орлох болно гэж санаа зовниж байгаа ч бодит байдал нь бидэнд хиймэл оюун ухаантай роботуудтай мөр зэрэгцэн ажиллах хүмүүс үргэлж тэднийг хяналтандаа байлгаж, эдгээр алдаанаас зайлсхийхийн тулд бизнест хүнтэй харьцах харьцаатай байх хэрэгтэй" гэж тэр нэмж хэлэв.
