2 lata temu

Przełomowe wydarzenie! Komputer pokonał człowieka w testach na inteligencję!

Computer-eye
Po raz pierwszy od czasu gdy programistom udało się nauczyć komputery znaczeń słów, maszyna osiągnęła wyższy wynik w teście na IQ niż człowiek. A to dlatego, że w końcu nauczyła się odpowiadać na pytania związane z prawidłowym rozumieniem komunikatów werbalnych i ich kontekstu.

Pytania w teście na inteligencje zaliczyć można do jednej z trzech kategorii są to: logika – czyli wyszukiwanie wzorców w sekwencjach obrazków, matematyki (znajdowanie wzorców w liczbach) i rozumowania werbalnego. I to z tą częścią jak do tej pory komputery miały największy problem – wyłapanie analogii, synonimów, antonimów (wyrazy przeciwstawne) oraz odpowiedniej ich klasyfikacji.

Do tej pory komputery do rozpoznawania komunikatów używały techniki przekopywania ogromnej ilości danych i szukania jak największej możliwej liczby znaczeń każdego słowa w zdaniu. Następnie porównywały, w jaki sposób znaczenia poszczególnych słów w zdaniu mogą się nawzajem łączyć. Taka metoda pracy jest efektywna jeśli chodzi o robienie tłumaczeń ale tylko wtedy, gdy słowo jest jednoznaczne. Pracując w ten sposób maszyny nie radziły sobie ze słowami wieloznacznymi lub ich synonimami, z czym człowiek radzi sobie bez problemu odczytując sens słowa z kontekstu.
20091204121447-1_0
Aby rozwiązać ten problem konieczne było stworzenie zupełnie nowego systemu rozpoznania słów. Zadania tego podjęli się naukowcy z University of Science and Technology of China oraz Microsoftu. Zbudowali maszynę, która jest w stanie o wiele lepiej uczyć się rozumienia poszczególnych słów. Opracowana przez nich technika nazywana jest metodą głębokiego uczenia się (deep leaning).

W pierwszym kroku maszyna uczy się rozpoznawać czy pytanie w tecie na IQ jest pytaniem o analogię, synonim, antonim czy klasyfikację. Przypisując pytanie do odpowiedniej kategorii komputer wie, jaką strategię odpowiadania powinien przyjąć. Jednak to, co jest naprawdę przełomowe w tej metodzie, to fakt, że komputer analizuje możliwe znaczenia słów w oparciu o pozostałe słowa występujące w zdaniu – czyli próbując zrozumieć kontekst w jakim dane słowo jest w użyte.
Następnie opierając się na wybranym tłumaczeniu komputer był w stanie rozwiązać zadanie i udzielić prawidłowej odpowiedzi na pytanie testowe.

Porównując odpowiedzi z tymi osiągniętymi przez ludzi okazało się, że komputer był w stanie osiągnąć lepszy efekt niż średni wynik grupy przypadkowych osób. Akurat ta część testów na inteligencje w dużej mierze bazuje na poziomie wykształcenia, dlatego więc wynik osiągnięty przez magistra powinien być statystycznie lepszy niż przez absolwenta liceum.

Skuteczność tej metody otwiera nowe możliwości przed pracą nad dalszym rozwijaniem projektu sztucznej inteligencji. Jak na razie projekt choć rewolucyjny znajduje się jednak w początkowej fazie rozwoju.