T:
Paano sinusubukan ng mga kumpanya na magdagdag ng isang "bilis ng bilis" sa gawaing artipisyal na katalinuhan?
A:Ang ilan sa mga kumpanya na nagtatrabaho sa pinakabagong mga pagsulong sa artipisyal na intelihensiya ay nagiging nakatuon sa pagkalkula ng pag-unlad na nakamit nila, at benchmarking ang ilang mga aspeto kung paano umunlad ang artipisyal na katalinuhan sa paglipas ng panahon. Maraming mga kadahilanan kung bakit hinahabol ng mga kumpanya ang mga ganitong uri ng pagsusuri. Sa pangkalahatan, sinusubukan nilang malaman kung hanggang saan dumating ang artipisyal na katalinuhan, kung paano ito nalalapat sa ating buhay, at kung paano ito makakaapekto sa mga merkado.
Ang ilang mga kumpanya ay nag-iisip at sinusubaybayan ang kanilang artipisyal na pag-unlad ng katalinuhan upang malaman kung paano makakaapekto ang mga bagong teknolohiya sa kalayaan ng sibil, o kung paano sila makalikha ng mga bagong katotohanang pang-ekonomiya. Nakasalalay sa diskarte ng kumpanya, ang mga uri ng pagsusuri na ito ay maaaring gumawa ng form ng pagsubok na malaman kung paano maaaring dumaloy ang data ng gumagamit sa mga system, pag-unawa kung paano gagana ang mga interface, o pag-isipan kung ano ang mga kakayahan ng artipisyal na mga nilalang intelektwal at kung paano nila magagamit ang mga kakayahan.
Pagdating sa mga pamamaraan, ang mga kumpanya na nagsisikap na i-benchmark ang artipisyal na katalinuhan ay maaaring tumutok sa pagsira ng abstract na impormasyon - halimbawa, isang artikulo ng Wired na binabanggit ang proyekto ng AI Index, kung saan ang mga mananaliksik tulad ni Ray Perrault, na nagtatrabaho sa hindi pangkalakal na lab SRI International, ay nagtatrabaho. sa isang detalyadong snapshot ng kung ano ang nangyayari sa larangan ng artipisyal na intelligence.
"Ito ay isang bagay na kailangang gawin, sa bahagi dahil maraming labis na pagkahumaling sa labas doon tungkol sa kung saan pupunta ang AI, " sabi ni Perrault sa artikulo, na nagkomento sa pagganyak para sa pagkuha sa ganitong uri ng proyekto.
Sa pagpapaliwanag kung paano gumagana ang benchmarking artipisyal na katalinuhan, ipinapaliwanag ng ilang mga eksperto na ang mga inhinyero o iba pang mga partido ay maaaring sinusubukan na ituloy ang "mahirap na pagsubok" para sa mga proyektong artipisyal na intelektwal, halimbawa, sinusubukan na "linlangin" o "pagkatalo" artipisyal na mga sistema ng katalinuhan. Ang ganitong uri ng paglalarawan ay talagang napupunta sa puso kung paano maaaring masubaybayan at suriin ng mga kumpanya ang artipisyal na katalinuhan. Ang isang paraan upang mag-isip tungkol dito ay mag-aplay ng magkatulad na uri ng mga ideya na ginamit ng mga programmer sa mga nakaraang panahon upang i-debug ang mga linear code system.
Ang mga debugging linear code system ay tungkol sa paghahanap ng mga lugar kung saan gagana nang maayos ang system - kung saan ang isang programa ay mag-crash, kung saan ito ay mag-freeze, kung saan tatakbo itong mabagal, atbp. Tungkol ito sa paghahanap kung saan ang mga lohikal na mga error ay ihinto o malito ang isang proyekto, kung saan ang isang function ay hindi gagana nang tama, o kung saan maaaring may ilang hindi sinasadyang kaganapan ng gumagamit.
Kung iniisip mo ito, ang modernong pagsubok sa artipisyal na intelihensiya ay maaaring isang katulad na pagpupunyagi sa ibang kakaibang eroplano - dahil ang mga artipisyal na teknolohiyang intelihente ay mas nagbibigay-malay kaysa sa guhit, na ang pagsubok ay tumatagal ng isang iba't ibang anyo, ngunit ang mga tao ay naghahanap pa rin ng "mga bug "- mga paraan na ang mga programang ito ay maaaring magkaroon ng hindi sinasadya na mga kahihinatnan, mga paraan na maaaring kumilos at makakasama sa mga institusyon ng tao, atbp. Sa pag-iisip, bagaman maraming iba't ibang mga pamamaraan ng pagkakaiba-iba ng paglikha ng isang bilis na haba o benchmark para sa pag-unlad ng artipisyal na intelektwal, ang mga uri ng ang mahirap na pagsubok na inilarawan sa itaas ay sa pangkalahatan ay magbibigay sa mga tao ng natatanging pananaw sa kung hanggang saan dumating ang artipisyal na katalinuhan, at kung ano ang dapat gawin upang mapanatili itong maghatid ng mas maraming positibo nang hindi nabuo ang mas maraming mga negatibo.
