پشت صحنه هوش مصنوعی!!!
دستورالعمل‌ها بطور کلی در سراسر صنعت دچار ابهام هستند. این ابهام به نوعی ناشی از روش آموزش سیستم‌های یادگیری ماشین است. تصور کنید واقعیت‌های پیچیده را به چیزی ساده و قابل فهم برای یک ماشینی که کاملاً احمق است، ساده‌سازی کنید.
حتی اگر انجام حاشیه‌نویسی هنوز بخشی اساسی از ساختار هوش مصنوعی باشد، اما اغلب در بین مهندسان، احساس می‌شود که این یک پیش‌نیاز گذرا و ناخوشایند به منظور انجام کارهای جذاب‌تر در زمینه ساخت مدل‌هاست. به‌طور اصولی، شما تلاش می‌کنید تا اطلاعات برچسب‌گذاری‌شده را تا حد امکان با کمترین هزینه جمع‌آوری کنید تا مدل خود را آموزش دهید و اگر کار کند، حداقل در تئوری، دیگر نیازی به حاشیه‌نویس‌ها ندارید. اما حاشیه‌نویسی هرگز واقعاً تمام نمی‌شود. به عبارت پژوهشگران، سیستم‌های یادگیری ماشین، «شکننده» هستند و به احتمال زیاد در مواجهه با چیزی که در داده‌های آموزشی به خوبی نمایان نشده باشد، مستعد شکستند.
عمل ساده‌سازی واقعیت برای یک ماشین، منجر به پیچیدگی بسیار بیشتری برای انسان می‌شود. نویسندگان دستورالعمل باید قوانینی ارائه کنند که به انسان‌ها امکان می‌دهد دنیا را با یکسانی کامل دسته‌بندی نمایند. برای این کار، آنها اغلب دسته‌بندی‌هایی ایجاد می‌کنند که هیچ انسانی از آن استفاده نمی‌کند. انسانی که از او بخواهند تمامی پیراهن‌ها را در یک عکس برچسب بزند، احتمالاً بازتاب یک پیراهن در آینه را برچسب نمی‌زند. زیرا می‌داند که این یک بازتاب است و واقعی نیست. اما برای هوش مصنوعی که درکی از دنیا ندارد، همه چیز فقط پیکسل‌ها هستند و هر دو کاملاً یکسان به نظر می‌آیند.
متن کامل را در شماره صفر فصلنامه «گام سوم» بخوانید.