Cách Bộ Não Giải Quyết Vấn Đề. @OpenLedger

Bộ não của bạn là một cỗ máy dự đoán. Khi bạn chạm vào lửa lúc còn nhỏ, các nơ-ron của bạn kết nối lại với nhau để ghi nhớ cơn đau. Khi bạn thấy một chú chó, bộ não của bạn không kiểm tra quy tắc. Thay vào đó, hàng triệu nơ-ron hoạt động theo những mẫu mà mã hóa những trải nghiệm quá khứ của bạn về “chó.”

Đây là trí thông minh: khả năng tổng quát từ kinh nghiệm. Máy móc cũng muốn làm điều tương tự. Nỗ lực đầu tiên không phải là xây dựng nơ-ron mà là viết quy tắc. Nếu lửa = nóng, thì đừng chạm vào. Nếu chó = bốn chân, đuôi, sủa, thì phân loại là chó. Điều này được gọi là AI biểu tượng, một thế giới của logic thủ công.#OpenLedger

Minh hoạ so sánh giữa giải quyết vấn đề giống bộ não và dựa trên quy tắc

Nó hoạt động cho các bài toán hẹp nhưng sụp đổ ngay khi thực tế trở nên lộn xộn. Bộ não phát triển tốt trong những tình huống rối rắm; các quy tắc thì không.

Tìm hiểu thêm:

Lịch sử Trí tuệ Nhân tạo (Wikipedia) $OPEN

Hội nghị Dartmouth: Nơi “AI” ra đời

Vào mùa hè năm 1956, John McCarthy, Marvin Minsky, Claude Shannon và Nathaniel Rochester đã tụ họp tại Đại học Dartmouth cho Dự án Nghiên cứu Mùa hè Dartmouth về AI.

Chính tại đây, thuật ngữ “Artificial Intelligence” (Trí tuệ nhân tạo) lần đầu tiên được đặt ra. Đề xuất nêu rằng:

“Mọi khía cạnh của việc học hoặc bất kỳ đặc điểm nào khác của trí tuệ, về nguyên tắc, đều có thể được mô tả chính xác đến mức một cỗ máy có thể được tạo ra để mô phỏng nó.”

Đây không phải một cuộc hackathon viết mã. Nó là bản thiết kế cho một lĩnh vực, chỉ ra mạng nơ-ron, tìm kiếm, suy luận biểu tượng và ngôn ngữ. Giấc mơ đã được đặt ra.

Để tìm hiểu thêm:

Hội nghị Dartmouth

Từ quy tắc đến học: Perceptron

Năm 1957, Frank Rosenblatt đặt câu hỏi: điều gì sẽ xảy ra nếu máy móc có thể học giống như các nơ-ron? Ông giới thiệu perceptron, mô hình toán học đầu tiên của một nơ-ron.

Perceptron nhận các đầu vào, nhân chúng với các trọng số, cộng thêm độ lệch, rồi đưa qua một hàm bước:

f(x) = h(w ⋅ x + b)

Đầu vào (xi) = các đặc trưng, như giá trị pixel

Trọng số (wi) = mức độ quan trọng của từng đặc trưng

Độ lệch (b) = điều chỉnh ranh giới quyết định

Hàm bước (h) = đầu ra nhị phân (1 hoặc 0)

Điều này biến perceptron thành một bộ phân loại tuyến tính, có thể vẽ một đường thẳng phân tách giữa các lớp.

Rosenblatt cũng chế tạo phần cứng: Mark I Perceptron (1960). Nó có lưới 20×20 ô tế bào quang điện hoạt động như một võng mạc, được nối ngẫu nhiên tới các đơn vị liên kết, với các trọng số có thể điều chỉnh được thực hiện bằng biến trở. Động cơ cập nhật các trọng số này trong quá trình học.

Nó có thể phân loại các mẫu đơn giản và tạo ra một sự phấn khích cực lớn. New York Times thậm chí còn khẳng định rằng một ngày nào đó nó có thể đi bộ, nói chuyện và trở nên có ý thức (

Tư liệu lưu trữ NYT, 1958).