وقد أظهرت الدراسات أن الأصوات الذكاء الاصطناعي قوية جدا، ولكن الذكاء الاصطناعي الأكثر تقدما هي أبعد ما تكون عن طفل الإنسان البالغ من العمر 4 سنوات ويمكن بسهولة حل المشكلة، ثم، والذكاء الاصطناعي أصبح أفضل من الذين تتراوح أعمارهم بين 4 سنوات أكثر ذكاء؟ لنرى كيف يتعلم الأطفال كيفية معالجة المعلومات، ونحن قد تكون قادرة على الحصول على مصدر إلهام.
وقد سمع الجميع من تقدم جديد في مجال الذكاء الاصطناعي، وخاصة في التعلم الآلي والذكاء الاصطناعي، على الرغم من أن اسم مثير للإعجاب، ولكن يتركز التكنولوجيا إلى حد كبير في التكنولوجيا من خلال الكشف عن البيانات الكبيرة نموذج إحصائي مؤلفة من البشر أساليب التعلم يمكن أن يكون أكثر من ذلك بكثير.
كيف البشر تعلم
كيف يمكننا فهم العالم من حولنا كان كثيرا من ذلك؟ لا يزال حتى الأطفال، يمكننا أن نتعلم الكثير من الأشياء، مثل أربع سنوات طفل عمره يعرف بالفعل النباتات والحيوانات والآلات؛ الرغبات والمعتقدات والمشاعر، وحتى الديناصورات وسفن الفضاء.
مددت العلوم فهمنا للعالم إلى أبعاد لا يمكن تصورها، ويمتد إلى حافة وقت بدء الكون، لدينا التصنيف الجديد والتنبؤ مع كل هذه المعرفة، تخيل إمكانيات جديدة والمساهمة في هذا العالم الجديد حدث، ولكن لمست فقط في العالم فضلا عن تيار الهواء من الفوتونات ضرب لدينا شبكية العين طبلة الأذن التدخل، كمثال لدينا مثل هذا الوقت المحدود، كيف يمكننا استخدام بعض جنيه من الخلف مخاط رمادي العين للحصول على كل ما فعلت ذلك؟
مجلة من معهد سميثسونيان
وحتى الآن، فإن أفضل الجواب، أدمغتنا على أساس لدينا اتصال محددة من طائفة معينة من البيانات الحسية والعملية الفوضى، وهذه العمليات تولد وصفا دقيقا من العالم، يبدو أن شكل منظم، ملخص والهرمية، وهي تشمل النظرة إلى الأشياء ثلاثية الأبعاد والنحو تشكل أساس اللغة، و "نظرية العقل" وقدراته العقلية الأخرى.
"نظرية العقل" يتيح لنا فهم أفكار الآخرين، هذه الأشكال تمكننا من تقديم مجموعة متنوعة من التنبؤ جديد، والإنسان محددة وسائل مبتكرة لتصور العديد من الإمكانيات الجديدة.
هذا التعلم ليس فقط شكل الفكري، ولكن أهمية خاصة بالنسبة للبشر، وهذا هو الخبرة ذكاء الطفل، على الرغم من أن الأطفال في التخطيط وصنع القرار سيء للغاية، لكنها أفضل المتعلمين في العالم في الواقع، هناك الكثير من البيانات في نظرية عملية يحدث قبل سن الخامسة لنا.
اثنين من التعلم من حقوق الإنسان الأساسية
منذ أرسطو وأفلاطون، وهناك طريقتان أساسيتان لإيجاد حل لمشكلة كيف نعرف ما نعرفه، وأنها لا تزال الوسيلة الرئيسية لتعلم الآلة.
أرسطو من أسفل إلى أعلى على حل هذه المشكلة: من بداية الشعور - تدفق الفوتون واهتزاز الهواء (أو عدد البكسل أو صورة أو تسجيل عينات الصوت)، انظر حتى إذا كان يمكنك أن تجد من تعلم النموذج، وهذا النهج هو مثل الفيلسوف ديفيد هيوم (ديفيد هيوم) ومطحنة (JS مطحنة) هذا دعاة جمعية الكلاسيكية و، في وقت لاحق، مثل بافلوف (بافلوف) وسكينر (BF سكينر) مزيدا من علم النفس السلوكي المضي قدما. من وجهة النظر هذه، ومظهر من التجريد والهيكل الهرمي هو وهم، أو على الأقل ظاهرة عارضة، كل ما يمكن أن يتم العمل من قبل الارتباط وطريقة الكشف، وخاصة إذا كان هناك بيانات كافية ليقول.
وكان هذا النهج من أسفل إلى أعلى لتعلم ودراسة نهج من أعلى إلى أسفل أفلاطون التعايش، الذي لا يمكن أن يكون يطغى على الجانب الآخر.
ربما نحصل على المعرفة المجردة من بيانات محددة، لأننا نعرف بالفعل الكثير من الأشياء، وخاصة بسبب التطور، لدينا مجموعة من المفاهيم الأساسية. مثل العلماء، يمكننا استخدام هذه المفاهيم لبناء فرضية حول العالم، ومن ثم، إذا كانت هذه الافتراضات صحيحة، يمكننا التنبؤ أن البيانات تبدو وكأنها، بدلا من محاولة إيجاد أنماط من البيانات الأصلية، وأفلاطون، الديكارتية (ديكارت)، نعوم تشومسكي (نعوم تشومسكي) واتخذت الأخرى الفلاسفة وعلماء النفس "عقلاني" هذا النهج.
هناك أمثلة يومية توضح الفرق بين الطريقتين، فإنه هو حل مشكلة انتشار البريد المزعج، تلك الرسائل من البيانات الوارد في لائحة طويلة من الرسائل تكوين غير سرية، فإن الواقع هو أن جزءا من الرسالة هو غير البريد المزعج، والبريد المزعج هو جزء. كيفية استخدام البيانات للتمييز بينهما؟
النظر في أول نهج من أسفل إلى أعلى، ستلاحظ أن البريد المزعج في كثير من الأحيان بعض الميزات: لائحة طويلة من المتلقين، وأرسلت من نيجيريا، المذكورة في المكافآت الدولار مليون أو مثير للشهوة الجنسية، والسؤال هو، تماما قد يكون الرسائل غير المرغوبة، مفيدة أيضا هذه الميزات، إذا كنت تقرأ ما يكفي من البريد المزعج وغير الرسائل غير المرغوب فيها سبيل المثال، قد تجد أن البريد المزعج ليس فقط تميل إلى أن تكون هذه الميزات، هذه الميزات أيضا تميل للظهور معا بطريقة معينة (جائزة المصدر وذكر نيجيريا من 1000000 $ يعني أن هناك مشكلة).
في الواقع، قد يكون هناك ارتباط أعلى خفية يمكن استخدامها للتمييز بين البريد المزعج ومنطقة مفيدة غير الرسائل غير المرغوب فيها - على سبيل المثال، هجاء الأخطاء وعنوان IP الخاصة بدلا من ذلك، إذا كشف أن وضع خاص، يمكنك تصفية البريد المزعج. ومن تقنيات التعلم الآلي من أسفل إلى أعلى للقيام بذلك، المتعلم سيكون الملايين من الأمثلة، كل حالة لها خصائص معينة، وصفت كل سبيل المثال كدعاية (أو الفئات الأخرى)، والكمبيوتر السمات المميزة يمكن استخراجها بين وضعي، وتتميز في أنه حتى دقيق جدا.
ثم نهج من أعلى إلى أسفل؟ على سبيل المثال، أنك تلقيت بريدا إلكترونيا من "مجلة علم الأحياء السريرية،" تحريره يأتي إلى حيث كنت أكتب ورقة، قائلة انها تريد نشر مقالك، ومصدر الرسالة ليس نيجيريا، ولكن أيضا في النص لا أذكر من الفياجرا ومليون مكافآت الدولار، فإن الرسالة لا يظهر أي بريد مزعج، ولكن من خلال استخدام المعرفة القائمة، وبطريقة مجردة من التفكير حول عملية توليد البريد المزعج، يمكنك استنتاج أن هذه الرسالة هي مشبوهة :
أنت تعرف الاطر تحاول استغلال الجشع البشري لاستخراج المال من الناس الذين. كما تعلمون، العادية "الوصول المفتوح" المجلات قد بدأت في تغطية تكاليفها عن طريق فرض رسوم الكتاب بدلا من المشتركين، كنت لا تعمل في مجال البيولوجيا السريرية وما شابه ذلك.
دمج جميع هذه العوامل، ويمكنني أن طرح فرضية جديدة حول أصل الرسالة، والغرض منه هو للحث العلماء كاذبة في أجر على مجلة "نشر" المادة، فإن ذلك كرسالة غير مرغوب فيها، وغيرها، وتستمد من تشكيل المشبوهة، على الرغم من أنه لا يشبه البريد المزعج، يمكنك أن تأتي إلى هذا الاستنتاج من هذه الحالة، يمكنك القفز من البريد نفسه، والتحقق منها مزيدا من بحث Google من المعلومات المرسلة من قبل محرر البريد الإلكتروني الفرضية الخاصة بك.
من ناحية الكمبيوتر، وأنت من "نموذج توليدي" المضي قدما، والذي يتضمن المفاهيم المجردة مثل الجشع والخداع، ويصف عملية توليد البريد المزعج، والذي يسمح لك لتحديد البريد المزعج نموذجي من نيجيريا، ولكن في نفس الوقت كما يسمح لك أن تتخيل العديد من أنواع مختلفة من البريد المزعج المحتملة عند تلقي البريد من "وول ستريت جورنال"، يمكنك استنتاج العكس: "يبدو أن هذا النوع من الرسائل ولدت خلال جيل من البريد المزعج. "
AI جديدة مثيرة غير أن الباحثين الذكاء الاصطناعي قد وضعت مؤخرا اثنين من أساليب التعلم قوية وفعالة، ولكن التعليقات التي هي في حد ذاتها لا شيء أشياء جديدة وعميقة.
دراسة متعمقة القاع
في 1980s، وقد وضعت علماء الكمبيوتر وسيلة ذكية للحصول على جهاز كمبيوتر للكشف عن أنماط في البيانات: نوع الارتباط (المعروف أيضا باسم الشبكة العصبية) الهندسة المعمارية. هذا الأسلوب هو عند ادنى مستوى لها في 1990s، ولكن في الآونة الأخيرة مع ظهور وسيلة قوية "التعلم العميق" DeepMind جوجل، وما إلى ذلك، متجددة.
على سبيل المثال، يمكن أن توفر لنا مجموعة من الصور العلامة شبكة باسم "القط" (القط)، "البيت" (المنزل) وذلك هو عملية تعلم عميقة. البرنامج يمكن التمييز بين مجموعتين من وضع الكشف عن الصورة، واستخدام هذه المعلومات لوصفت بشكل صحيح صورة جديدة.
يمكن الكشف عن أساليب تعلم آلة تسمى التعلم غير خاضعة للرقابة من نمط البيانات لم يتم وضع علامة؛ منها هو العثور على مجموعة من الميزات - تحليل العوامل العلماء تشير. في آلة التعلم العميق، يتم تكرار العملية على مستويات مختلفة، وبعض البرامج قد تكون وجدت من المزايا ذات الصلة في البيانات الخام من بكسل أو الصوت، على سبيل المثال، قد الكمبيوتر لأول مرة الكشف عن الصورة الأصلية المقابلة لحواف وخطوط نمط، ومن ثم العثور على نموذج المقابلة في مواجهة هذه الأوضاع، وهلم جرا.
التاريخية تقنية أخرى من أسفل إلى أعلى لتعزيز التعلم. في 1950s، سكينر (BF سكينر) وبناء على هذه الدراسة، جون واطسون (جون واطسون) على النشاط عن طريق ترتيب حافز خاص للالحمام، ومراقبة حمامة لتنفيذ الإجراءات المعقدة - حتى إرشاد الصواريخ التي تطلق من الجو نحو الهدف. والفكرة الأساسية هي أن يتكرر السلوك سوف يكافأ الحمام، لن تتكرر سلوك يعاقب حتى جعل السلوك المطلوب الحمام القيام به. حتى في عهد سكينر، وهذه العملية بسيطة، كررت مرارا وتكرارا، وقد تؤدي أيضا إلى سلوك معقد، يتم تعيين الكمبيوتر مرة أخرى، ومرة أخرى لتنفيذ عمليات بسيطة، عمليات واسعة النطاق خارج الإنسان تخيل، يمكن لأنظمة الحوسبة تعلم مهارات معقدة في هذا السبيل.
تعزيز التعلم
على سبيل المثال، غوغل DeepMind الباحثين عمق التعلم وتعزيز التعلم معا، وأجهزة الكمبيوتر تعليم للعب أتاري ألعاب (أتاري) الفيديو وأجهزة الكمبيوتر لا يعرفون كيفية لعب هذه الألعاب، بداية، سلوكها هو عشوائي، بل هو أيضا فقط الحصول على معلومات مثل الشاشة في كل مرة عشرات فضلا عن الجوانب المساعدة التعلم العميق لشرح ميزات على الشاشة، وتعزيز التعلم نظام الحوافز للحصول على درجة أعلى، هذا الكمبيوتر هو جيد جدا في لعب واحدة من عدد قليل لعبة، لكنه أيضا يلعب تماما جيدا ضد غيره من البشر لعبة سهلة.
باستخدام مزيج من في التعلم بطريقة معمقة وتعزيز التعلم مماثل، كان DeepMind برنامج AlphaZero ناجحة، لديها للتغلب على لاعبين الإنسان في الشطرنج والداما لعبة، على الرغم من أنه لن يكون له سوى المعارف الأساسية لقواعد اللعبة وبعض القدرة على التخطيط. AlphaZero هناك ميزة مثيرة للاهتمام: يمكن أن يكون مئات الملايين من الشطرنج مع نفسه، في هذه العملية، فإنه سيتم مسح الخطأ أدى إلى هزيمة، في حين الازدواجية وتوضيح استراتيجية لتحقيق النصر، ومثل هذا النظام، فضلا عن غيرها من المشاركة توليد نظام ضد التكنولوجيا الشبكة، وسوف نلاحظ أيضا البيانات بينما يتم إنشاء البيانات.
عندما يكون لديك القدرة على تطبيق هذه التقنيات لحساب مجموعات البيانات الكبيرة جدا، والملايين من رسائل البريد الإلكتروني أو إينستاجرام الصور أو التسجيلات الصوتية، نظرتم إلى حل مشكلة صعبة للغاية من قبل، لذلك هذا هو علم الحاسوب مكان رائع.
ولكن يجدر بنا أن نتذكر أن هذه المشاكل - مثل تحديد صورة لقطة أو الكلمات اللفظية مثل "سيري" - لطفل الإنسان هو بسهولة واحدة من أكثر النتائج المثيرة للاهتمام وعلوم الحاسوب بالنسبة لنا مسألة سهلة للغاية (مثل تحديد القطط) على الكمبيوتر، فإنه من الصعب - أكثر بكثير من لعب الشطرنج أو لعبة الداما الصعبة. يحتاج الكمبيوتر عدة ملايين من الأمثلة على الكائنات تصنيف، ونحن مجرد استخدام بعض الأمثلة لتصنيف هذه الكائنات.
نموذج النظرية الافتراضية من أعلى إلى أسفل
من أعلى إلى أسفل النهج قد لعبت دورا هاما في التنمية في وقت مبكر من الذكاء الاصطناعي، في عام 2000، حيث تعرض لإحياء، من أجل توليد نموذج احتمال النظرية الافتراضية أو نماذج من النموذج.
المحاولات المبكرة باستخدام هذه الطريقة تواجه مشكلتين. أولا، أكثر من التوضيح النمط العام يمكن استخدامها في العديد من الفرضيات المختلفة لشرح: قد تكون غير الرسائل غير المرغوب فيها البريد الإلكتروني من رئيس تحرير المجلة، ولكن يبدو من غير المحتمل. ثانيا، فإن مفهوم النماذج توليدي المستخدمة تأتي من؟ أفلاطون وتشومسكي يقول: لقد ولدت مع هذه الأشياء، ولكن كيف لنا أن نفسر كيف لنا أن نتعلم أحدث المفهوم العلمي من ذلك؟ والطفل هو كيفية فهم الديناصورات وسفن الفضاء تفعل؟
النظرية الافتراضية نموذج نموذج توليدي وفرضية اختبار مع مزيج من نظرية الاحتمالات، وتهدف إلى حل هاتين المشكلتين. نموذج النظرية الافتراضية يتيح لك حساب في البيانات معين، واحتمال وجود فرضية معينة، من خلال نموذج لدينا بالفعل لإجراء تعديلات صغيرة منتظمة، واختبارها وفقا لبياناتها، ويمكننا في بعض الأحيان من المفاهيم القديمة ونماذج لخلق مفاهيم ونماذج جديدة، ولكن يقابل هذه المزايا من مشاكل أخرى، يمكن أن تقنيات النظرية الافتراضية تساعدك على الاختيار أي من الفرضيتين على الأرجح، ولكن دائما تقريبا الكثير من الافتراضات الأساسية، لا يمكن نظام شمولي فعال لهم.
نموذج النظرية الافتراضية
استخدمت بريندون بحيرة، جامعة نيويورك (برندن بحيرة) وزملاؤه هذه الطريقة في حل من أعلى إلى أسفل لآخر بسيط جدا بالنسبة للبشر، ولكن من الصعب للغاية بالنسبة للمشكلة الكمبيوتر: تحديد خط اليد غير مألوفة الحرف. نظرة على صورة عبارة عن اليابان، حتى لو كنت لم يسبق له مثيل من قبل، يمكنك معرفة ما إذا كان ذلك هو مماثل لأو مختلفة من الأحرف اليابانية الأخرى على الصورة، قد تكون قادرة على الاستفادة من ذلك، يمكنك أن ترى حتى هذه الشخصية تصميم وهمية الأحرف اليابانية.
من أعلى إلى أسفل طريقة للاعتراف أحرف مكتوبة بخط اليد هو أن كل حرف إلى الكمبيوتر لتوفير الآلاف من الأمثلة، والسماح للكمبيوتر لاستخراج ميزات كبيرة، وبحيرة الفريق لهذا البرنامج يوفر نموذج عام للحرف من عملية الكتابة : السكتات الدماغية إما إلى اليمين أو إلى اليسار، وبعد الانتهاء من السكتة الدماغية، وبدأت في إرسال آخر، وهلم جرا، فلما رأى البرنامج حرف معين، فإنه يمكن استنتاج أن السبب الأكثر احتمالا من أجل السكتة الدماغية من الحروف إنشاء - مثل كنت تشكيل عملية غير مرغوب فيها بناء يستنتج البريد الخاص بك قد تكون هي نفسها بأنها غير مرغوب فيها، ومن ثم يمكن تحديد شخصية جديدة من أجل السكتة الدماغية انها تأتي من أجل السكتة الدماغية المختلفة، والتي يمكن أيضا إنشاء مجموعة مماثلة من السكتات الدماغية.
هذا البرنامج هو أكثر فعالية بكثير من عمق البيانات المستخدمة بالضبط في عملية التعلم نفسها، وأنه يعكس على نحو فعال مسيرة العمل الإنساني.
هذه اثنين من أساليب التعلم آلة لها مزايا وعيوب، في نهج من أسفل إلى أعلى، بداية البرنامج لا يحتاج الكثير من المعرفة، ولكنه يتطلب الكثير من البيانات، ويمكن تلخيصها فقط بطريقة محددة، والنفس من أعلى إلى أسفل الطريقة، يمكن للبرنامج التعلم من أمثلة قليلة، وجعل أوسع، تحريض أكثر تنوعا، ولكن تحتاج إلى غرس أكثر عن شيء في البداية، العديد من الباحثين يحاولون الآن هذه كلتا الطريقتين الجمع بين استخدام التعلم العميق لتنفيذ الاستدلال النظرية الافتراضية.
AI النجاح الذي تحقق مؤخرا إلى حد ما نظرا لتمديد تلك الأفكار القديمة، ولكن الأهم من ذلك، وذلك بفضل شبكة الإنترنت، لدينا المزيد من البيانات، وذلك بفضل قانون مور، وقمنا أكثر قوة الحوسبة ل تطبيق تلك البيانات.
بالإضافة إلى ذلك، لا نعلق أهمية كبيرة على حقيقة أن لدينا البشرية وتنظيم البيانات التي تم معالجتها، ونشر البرامج على الانترنت نموذجية القط صور القط - اختارت البشر الترجمة جوجل صورة "جيدة" من السهل جدا للاستخدام، لأنه يستفيد من، سيتم تلخيص عشرات الترجمة البشرية الملايين تطبيقها على النص الجديد، وليس حقا فهم الجملة نفسها.
الأطفال وطرق تعلم آلة ما هو الفرق؟
ومع ذلك، فيما يتعلق بالأطفال، وقيمتها الحقيقية، مبينا أنه في الطريقة التي تجمع بين أفضل سمات كل أساليب التعلم الآلي، ويكملون ما وراء عظيم.
في السنوات ال 15 الماضية، وتطوير عقيدة تم استكشاف سبل الأطفال تعلم هيكل من البيانات، والطفل عاما مثلما تلخيص البيانات من واحد أو اثنين من الحالات مفاهيم مختلفة جدا مثل نظام من أعلى إلى أسفل ، ويمكنك معرفة، ولكنها يمكن أيضا معرفة مفاهيم ونماذج جديدة من البيانات نفسها، كما أن نظام أسفل إلى أعلى.
على سبيل المثال، في المختبر، وقدم الباحثون الأطفال "ويمبلي شبح الكاشف" - آلة جديدة لم يروها من قبل، بل هو مربع، عندما كنت وضعت بعض الكائنات على القمة، وذلك أعطى سوف توهج والموسيقى اللعب الباحثون الأطفال واحد فقط أو اثنين من الأمثلة لتوضيح كيفية عمل آلة، وقال لهم لوضع مربعين حمراء على أعلى يمكن جعلها تعمل، ووضع الصندوق الأخضر مربع أصفر ليست كذلك.
حتى طفل عمره شهر 18 كبير يمكن أن نفهم على الفور المبادئ الأساسية لجعله يعمل: يجب مربعين تكون هي نفسها. وسيتم تطبيق هذا المبدأ على أمثلة جديدة: على سبيل المثال، فإنها تختار نفس كائنين الشكل لجعل تشغيل الجهاز. في تجارب أخرى، أظهرت الباحثون أن الأطفال حتى يمكن أن نفهم، هو نوع من الممتلكات غير الملموسة مخفية لتشغيل الجهاز، أو ويستند الجهاز على بعض مبدأ مجردا من عملية المنطق.
يمكنك أيضا أن ينظر في التعلم اليومي للأطفال هذا. حتى إذا كانت البيانات صغير نسبيا، لذلك الأطفال الصغار يمكن أن تتعلم بسرعة البيولوجيا المجرد وبديهية، والفيزياء ونظريات علم النفس مثل العلماء الكبار.
في السنوات الأخيرة، سواء من أسفل إلى أعلى أو نهج من أعلى إلى أسفل، انجازات ملحوظة في التعلم الآلي، ونظم الذكاء الاصطناعي المحرز فيما يتعلق حدثت في مساحة محدودة ومحددة جيدا وتتألف من الافتراضات والمفاهيم - مجموعة من دقيقة الجزء اللعبة وتشغيلها، ومجموعة من الصور محددة سلفا. في المقابل، والأطفال والعلماء في بعض الأحيان بطريقة جذرية لتغيير مفهومها للنقلة نوعية، بدلا من مجرد ضبط المفاهيم الحالية.
يمكن للطفل عاما التعرف بسرعة وفهم معنى كلمة القط، ولكنها يمكن أيضا جعل خلاقة، من المستغرب الاستدلال الجديدة أن هذه الاستنتاجات هي ما هو أبعد من نطاق خبرتهم. على سبيل المثال، أوضحت أنا حفيد الخاصة مؤخرا أنه إذا كان الكبار يريد أن يصبح الطفل مرة أخرى، وقال انه يجب أن تحاول تناول أي الخضار صحية، لأن الخضار صحية يمكن أن تجعل ينمو الطفل إلى الكبار، وهذا على ما يبدو معقولة الافتراض هو أن أي شخص بالغ لن تقبل أن الأطفال من شأنه أن يجعل مثل هذا الافتراض. في الواقع، فإن المؤلف وزملاؤه قد أظهرت بشكل منهجي أن الأطفال ما قبل المدرسة هم أكثر قدرة على من هم أقل عرضة لوضع فرضية الأمام الأطفال الأكبر سنا والبالغين، ونحن تقريبا لا أعرف كيف لديهم مثل هذا التعلم الإبداعي والابتكار.
ومع ذلك، لمعرفة ما تقوم به الاطفال، فإنه قد يعطي المبرمجين جلب بعض النصائح المفيدة حول اتجاه التعلم الكمبيوتر، يتعلم الأطفال اثنين من أكثر السمات البارزة، والأطفال هم المتعلمين النشط، فهي ليست مصطنعة ذكية كما استيعاب بسلبية البيانات. مثل العلماء إلى القيام بتجارب مثل الدوافع الذاتية هو الأطفال، عن طريق اللعب واستكشاف الوصول التي لا نهاية لها في الحصول على المعلومات عن العالم من حولهم.
تبين الدراسات الحديثة أن استكشاف أكثر انتظاما مما يبدو، ويمكن العثور أيضا أدلة مقنعة لدعم فرضية نظرية تشكيل واختيار، لذلك إذا كان "الفضول" آلة زرع، والسماح لهم بنشاط التفاعل مع العالم، بحيث يمكن التعلم ليصبح أكثر واقعية، مسار أكثر اتساعا.
ثانيا، على عكس الذكاء الاصطناعي القائمة، والمتعلمين الاجتماعية والثقافية للأطفال، والبشر ليسوا في حالة مغلقة من التعلم، ولكن لاستخدام الحكمة المتراكمة من الأجيال السابقة إلى أسفل، وقد أظهرت الدراسات الحديثة أن مرحلة ما قبل المدرسة حتى أيضا من خلال التقليد وتعلم كيفية الاستماع للآخرين، ولكنها ليست مجرد طاعة سلبية معلميهم، على العكس من ذلك، الحصول على معلومات من الآخرين بطريقة حساسة جدا وحساسة، ومصداقية مصادر المعلومات لجعل الاستدلال معقد، ومنهجية تجاربهم والمحتوى نسمع الاندماج.
"الذكاء الاصطناعي" و "تعلم الآلة" يبدو فظيعا، في بعض النواحي هو الحال، على سبيل المثال، تستخدم هذه النظم على الأسلحة السيطرة، ويجب علينا حقا أنا خائفة.
ومع ذلك، فإن الدمار الناجم عن غباء الإنسان إلى حد أكبر من أن الذكاء الاصطناعي، ونحن بحاجة إلى أن تصبح أكثر ذكاء بكثير مما كانت عليه في الماضي، من أجل صحيح إدارة هذه التكنولوجيات الجديدة، ولكن بالنسبة للذكاء الاصطناعي ليحل محل البشر، وكذلك ما إذا كان هو النبوة طوباوية أو المروع الرؤية والأسلوب، ليس لديها أساس من ذلك بكثير.
قبل أن نعالج هذه المفارقة الأساسية للتعلم، حتى أفضل الذكاء الاصطناعي هو ليس كما هو شائع في سن أربعة أطفال.
إعلان
أوصى الأخبار
1،
المورد الكهرباء بيع المزيد من الخسائر، نيتياس ليس الهدوء الطويل
2
سيارات الطاقة الجديدة استدعائه حتى الآن؟
3،
إضراب عميق | الدخن والتغيير: تتحرر من أغلال قادر على الفوز التحول السعر المحلي
4،
صناعة TV "التنين فقدت أغنية" ما هو لانقاذ لكم صناعة التلفزيون الخاص بي؟
5،
10007! بحيث يمكن للمستخدمين الغليان ""، وأيضا وسائل الإعلام العالمية دائرة الوردي
والالكترونيات الصينية صناعة البحث والتطوير المهندسين وقفة واحدة منصة الخدمة
