Como manter sua IA racional com o aprendizado de máquina abdutivo?

A palavra artificial criou hype na era digital, e todo mundo está curioso para saber o que é realmente? E como isso funciona? O adjetivo é ambíguo, porque todas as coisas criadas pelos seres humanos são consideradas artificiais. AI é o conceito de ciência, como um ramo da ciência chama dessa maneira um monte de algoritmos que aprendem com a experiência dos dados e, dessa forma, são chamados artificiais, mas aprendem naturalmente.

IA e aplicações dele

Muitos dos modelos de aprendizado foram retirados da natureza, as redes neurais artificiais (RNAs), cujo modelo foi apresentado pela Many Scientist pela primeira vez, entre eles estão Newton, Thomas Edison, no início dos anos 40. Eles são baseados em uma modulação não linear das relações de peso nas redes de dados e constroem redes neurais reais (conjunto de dados operados como cérebros humanos). A inteligência artificial também é chamada de aprendizado de máquina, justamente por isso, as máquinas aprendem.

A inteligência artificial é uma daquelas tecnologias que estão fazendo deste planeta um lugar melhor, beneficiando a humanidade de várias maneiras. O campo da Inteligência Artificial obteve inúmeras aplicações, contribuindo com uma parcela significativa dos lucros para diversas áreas. Em suma, se vemos do ponto de vista do usuário, o Amazon Echo, Siri, carros autônomos são exemplos de IA.

O raciocínio abdutivo de ML é?

A aprendizagem abdutiva é semelhante à aprendizagem profunda. A abdução (também chamada de explicação) é caracterizada como uma transmutação que apresenta hipóteses de explicações das propriedades do conjunto de referência, mas não altera as configurações. O oposto do seqüestro é a previsão, que deriva as conseqüências das propriedades do conjunto de referência. O aprendizado de máquina também enfrenta muitos tipos de problemas, e uma maneira simples de comprar esquecê-los é digitar e decidir o objetivo do negócio.

Do carro autônomo de Tesla ao algoritmo de sugestões da Netflix, as tecnologias de IA e aprendizado de máquina estão ocorrendo em nossas vidas regulares. Ele organiza e-mails, torna o feed de notícias no Facebook mais personalizado, atualiza o Google Maps, assistência com chatbot e muito mais. Estes são exemplos frequentes de como a IA domina o mundo, mas quem pode garantir que essas informações sejam 100% precisas. Isso faz sentido. No entanto, ML é um subconjunto da IA ​​e nos ajuda a manter os dados racionais. Vamos discutir em detalhes com o exemplo.

O uso da inteligência artificial está crescendo e cobriu partes significativas de indústrias e empresas. O número de áreas em que a inteligência artificial está sendo aplicada está crescido. A AI obteve vantagens incríveis para oferecer a qualquer setor. Alguns deles incluem bancos, finanças, assistência médica, análise de custos, transporte e muito mais. O constante avanço da IA ​​aumenta a demanda por desenvolvimento de software, que oferece maior produtividade até o momento e faz com que as pessoas desejem mais.

O campo da inteligência artificial impactou muitas áreas amplas, como jogos, agricultura, saúde, finanças, marketing e muito mais. A IA é capaz de aumentar a produtividade dos seres humanos e ajudar o empreendedor a alcançar objetivos rapidamente. Agora, a principal preocupação é como manter a IA racional, mas lógica. A racionalidade permite que a IA extraia dados robustos de uma enorme fonte que começa a se aproximar da compreensão humana.

Raciocínio abdutivo – qualquer palpite?

O seqüestro no aprendizado de máquina significa que provém de um conjunto de observações e tenta explicar essas observações com as melhores explicações possíveis. Essas explicações podem ser válidas ou não; não precisa liderar por uma regra clara ou algo assim. Pode ser criativo ou preciso. Por exemplo, quando Sir Isaac Newton descobriu a gravidade pela primeira vez, ele observou a maçã caindo e pensou que algumas forças da natureza causavam isso. Na IA abdutiva, tentamos presumir um fato usando fatos de apoio.

Em outros casos, o seqüestro é rigoroso logicamente em termos da estrutura usada para defender uma alegação empírica. Nesse caso, o seqüestro pode se concentrar em um aplicativo preferido, mesmo quando não há outros. Às vezes, isso ocorre porque todas as outras alegações parecem ridículas ou porque um tipo de disputa foi aceito por um longo tempo.

Exemplos de IA e aprendizado de máquina abdutivo

Exemplo 1:

Por exemplo, argumentamos principalmente que a lua é feita de rochas e um pequeno planeta empoeirado posicionado a alguma distância da Terra no espaço sideral. Discutimos dessa maneira logicamente, porque as observações mais próximas mostraram que ele é feito de poeira, rocha, está posicionado a uma distância dessas, etc. Nesse caso, afirmações secundárias como ‘a lua é feita de queijo’ é menos relevante e lógico.

Essas são as duas formas principais que conheço 1 – hipóteses concorrentes e 2. Argumento real. Assim, podemos dizer que o raciocínio abdutivo no BC utiliza um conjunto incompleto de observações e conclui a melhor explicação possível.

Exemplo 2:

Outro exemplo é que percebemos que o pão pode ser moldado facilmente na cozinha do que na geladeira. Agora, a IA conclui que a temperatura decidiu o processo de moldagem. Se levantamos a hipótese, precisamos de evidências para provar isso.

Assim, o aprendizado de máquina abdutivo mantém a verdade e permite que os cientistas precisem os resultados, concentrando-se na abordagem realista do experimento.

Abordagem prática da IA

1. Um dos desafios significativos para aqueles que estão trabalhando para criar essa entidade provavelmente será descobrir o que pode formar seus principais valores e motivações.
2. O que seria necessário para um ser artificial? Não se importaria necessariamente com coisas como dinheiro, poder, ser amado, ser virtuoso etc.
3. Novamente, não devemos assumir que o que nos motiva, como seres humanos, se aplique necessariamente à inteligência artificial. Uma IA provavelmente surgiria como um ser infantil, com pesadas dependências e interações com seus companheiros humanos.
4. Parece razoável que as únicas coisas que possam importar para esse ser sejam aprendizado e companheirismo. Ambos provavelmente seriam instalados durante os estágios iniciais da programação para conduzir os processos de autoaprendizagem.
5. Na revolução digital, a dependência de máquinas tem aumentado exponencialmente. Hoje, a IA realiza a maioria das tarefas humanas, como otimização logística, reconhecimento facial automático (que evita o sistema de atendimento), detecção de fraudes, tradução em vários idiomas (google tradutor) etc., que transformou nossas vidas, facilitando nossos dispositivos inteligentes são trabalhos de forma mais eficiente que a força de trabalho.
6. No entanto, essas formas de IA são consideradas fracas por cientistas e pesquisadores, e agora têm como objetivo criar uma IA mais forte que possa superar a inteligência e a capacidade humanas em quase todas as decisões cognitivas.

Última chamada

A pesquisa de inteligência artificial severa nunca pensou em “ameaçar pessoas”, “substituir pessoas” e, na verdade, é impossível. Por ser uma ciência, tudo tem seu limite inferior e superior teórico; a inteligência artificial não será insegura do que fabricar foguetes de aeronaves.

Além disso, pelo menos as pessoas de aprendizado de máquina não se preocupam em deixar as máquinas terem suas próprias emoções. O aprendizado de máquina está criando algumas ferramentas e robôs para ajudá-lo a analisar os dados. Analogamente, criamos um martelo para acertar o prego e não nos preocupamos se o bastão será machucado.

O fato de os carros correrem mais rápido que os humanos e os navios nadarem mais que os humanos não impede o atletismo, e a natação ainda é um esporte altamente popular. A tecnologia avançada não desacelerará os seres humanos, mas promoverá o desenvolvimento da sociedade humana.