Am flynyddoedd, datblygwyd meddalwedd â llaw.
O ddyrnu cardiau yn FORTRAN i gyfansoddi dulliau dosbarthedig yn Go, mae'r ddisgyblaeth wedi aros yr un peth yn y bôn: meddyliwch yn ddwys am fater, cynhyrchwch ddull clyfar (hy algorithm) a rhowch bâr o gyfarwyddiadau i'r peiriant eu gweithredu.
Roedd y dull hwn, y gellir ei alw'n "raglennu penodol," yn allweddol i bopeth o'r prif ffrâm i'r ffôn clyfar o'r ffyniant rhyngrwyd i'r chwyldro symudol. Mae wedi helpu i greu marchnadoedd newydd ac wedi gwneud cwmnïau fel Apple, Microsoft, Google, ac enwau cartrefi Facebook.
Ac eto, bydd rhywbeth ar goll. Mae'r systemau deallus a ragwelir gan awduron hynafol o'r Oes Gyfrifiadura, gan dacsi robot Philip Dick i C-3PO George Lucas, yn parhau â ffuglen wyddonol. Mae tasgau sy'n ymddangos yn syml yn herio awtomeiddio yn ystyfnig gan hyd yn oed y gwyddonwyr cyfrifiadurol mwyaf disglair. Mae Pundits yn cyhuddo Silicon Valley, yn wyneb yr heriau hyn, o gwyro oddi wrth ddatblygiadau sylfaenol i ganolbwyntio ar gwmnïau cynyddrannol neu fad-yrru.
Mae hynny, yn amlwg, yn mynd i newid. Yn ddiweddar, gwariodd ceir hunan-yrru Waymo wyth miliwn cilomedr yn teithio. Gall peiriant cyfieithu Microsoft, er nad yw'n rhugl mewn chwe miliwn o ddulliau cyfathrebu, ffitio lefelau cywirdeb dynol mewn tasgau Tsieineaidd-i-Saesneg. Ac mae cychwyniadau yn torri tir newydd mewn lleoedd fel cynorthwywyr deallus, awtomeiddio diwydiannol, canfod twyll, a llawer o rai eraill.
Yn unigol, mae'r technolegau newydd hyn yn addo effeithio ar ein bywydau bob dydd. Gyda'i gilydd, maent yn cynrychioli newid môr yn y ffordd yr ydym yn meddwl am ddatblygu meddalwedd - a hefyd gwyriad rhyfeddol o'r model rhaglennu penodol.
Y datblygiad arloesol sy'n cefnogi pob un o'r datblygiadau hynny yw dysgu dwfn, strategaeth deallusrwydd artiffisial wedi'i chymell gan adeiladu eich ymennydd. Mae'r hyn a ddechreuodd fel offeryn gwerthuso data cymharol gul bellach yn gweithredu fel rhywbeth ger system gyfrifiadurol gyffredinol. Mae'n perfformio'n well na meddalwedd draddodiadol ar draws ystod eang o swyddi ac o'r diwedd gall ddarparu'r systemau deallus sydd wedi eithrio gwyddonwyr cyfrifiadurol ers amser maith - campau y mae'r wasg weithiau'n eu chwythu allan o gymesur.
Fodd bynnag, ynghanol yr hype dysgu dwys, mae'r rhan fwyaf o arsylwyr yn anwybyddu'r rheswm mwyaf i fod yn gadarnhaol am ei ddyfodol: mae dysgu dwys yn ei gwneud yn ofynnol i godwyr ysgrifennu prin unrhyw god. Yn hytrach na dibynnu ar reolau rhagosodedig neu anfonebau, yna mae rhaglen ddysgu ddwfn yn ysgrifennu egwyddorion yn awtomatig yn seiliedig ar enghreifftiau blaenorol. Nid oes ond rhaid i ddatblygwr meddalwedd wneud "sgerbwd garw," i aralleirio Andrej Karpathy o Tesla, yna gadael i'r cyfrifiaduron wneud gweddill y
Yn y bydysawd newydd hwn, nid oes rhaid i raglenwyr ddylunio algorithm arbennig ar gyfer pob problem mwyach. Mae'r rhan fwyaf o'r gwaith yn canolbwyntio, yn hytrach, ar gynhyrchu setiau data sy'n adlewyrchu'r ymddygiad a ddymunir a rheoli'r broses hyfforddi. Tynnodd Pete Warden allan o dîm TensorFlow Google sylw at hyn mor bell yn ôl â 2014: "Roeddwn i'n arfer bod yn godydd," ysgrifennodd. " Rwy'n dysgu cyfrifiaduron i gyfansoddi eu apps eu hunain."
Unwaith eto: nid yw'r model rhaglennu sy'n gyrru'r gwelliannau pwysicaf mewn cymwysiadau heddiw yn mynnu cryn dipyn o raglennu gwirioneddol.
Beth mae hyn yn ei awgrymu ar gyfer dyfodol datblygu meddalwedd?
Bydd rhaglennu a gwyddoniaeth data yn cydgyfarfod fwyfwy
Ni fydd mwyafrif y ceisiadau yn cynnwys rhaglenni dysgu "o'r dechrau i'r diwedd" hyd y gellir rhagweld. Bydd yn dibynnu ar fodelau data i gynnig galluoedd gwybyddiaeth craidd a rhesymeg benodol i ryngweithio â defnyddwyr a chyfieithu canlyniadau. Y cwestiwn "a ddylwn i ddefnyddio AI neu hyd yn oed agwedd gonfensiynol tuag at y broblem hon?" Yn datblygu fwyfwy. Bydd dylunio systemau deallus yn gofyn am reolaeth ar y ddau.
Mae'n debyg mai gweithwyr proffesiynol AI fydd y sêr roc
Mae gwneud AI yn anodd. Bydd rhaglenwyr AI gradd-a-ffeil - nid yn unig academyddion ac ymchwilwyr gwych - yn un o'r arfau mwyaf gwerthfawr i fusnesau meddalwedd yn nes ymlaen. Mae hyn yn cario ychydig o eironi ar gyfer codyddion traddodiadol, sydd â gwaith awtomatig mewn gwahanol ddiwydiannau oherwydd y 1950au ac sydd ar hyn o bryd yn wynebu awtomeiddio rhannol eu swyddi eu hunain. Mae'n sicr na fydd y gofyniad am eu gwasanaethau yn dirywio, ond mae angen i unigolion sy'n dymuno aros ar y blaen, gyda dos iachus o amheuaeth, wirio'r dyfroedd o AI.
Mae angen adeiladu'r gadwyn offer AI
Dywedodd Gil Arditi, arweinydd dysgu peiriannau yn Lyft, ei fod orau. "Mae dysgu trwy beiriant bellach yn y cyfnod cawl primordial. Mae'n debyg iawn i'r gronfa ddata o ddechrau'r 80au neu ddiwedd y 70au. Roedd yn rhaid i chi ddod yn arbenigwr y byd i gael yr eitemau hyn i weithio. " Mae astudiaethau hefyd yn dangos bod llawer o fodelau AI yn ddim yn syml i'w egluro, yn ddibwys i dwyllo ac yn agored i ragfarn. Bydd offer i fynd i'r afael â'r problemau hyn, ymhlith eraill, yn hanfodol i ddatgloi potensial datblygwyr AI.
Mae angen i ni i gyd ymgyfarwyddo ag ymddygiad anrhagweladwy
Mae'r cysyniad o "addysg" pc yn addas ar gyfer rhaglenwyr a defnyddwyr fel ei gilydd. Mae'n atgyfnerthu'r argraff bod cyfrifiaduron yn gwneud yr union beth rydyn ni'n ei ddweud a bod mewnbynnau tebyg yn cynhyrchu allbynnau tebyg yn gyson. Mewn cyferbyniad, mae fersiynau AI yn gweithredu fel systemau anadlu, byw. Bydd offer newydd yn gwneud iddynt ymddwyn yn debycach i raglenni penodol, yn enwedig mewn cyfluniadau sy'n hanfodol i ddiogelwch, fodd bynnag, rydym mewn perygl o golli gwerth y systemau hyn - fel symudiadau "estron" AlphaGo - pe byddem yn gosod y rheiliau gwarchod yn rhy dynn. Wrth i ni dyfu a defnyddio meddalwedd AI, mae'n rhaid i ni ddeall a chofleidio canlyniadau tebygol.
A gobeithio bod y tebygolrwydd o feddiannu AI bron yn sero.