a noddir
Mae'n debyg eich bod wedi clywed am LaMDA Google a'r drafodaeth firaol ynghylch a all AI ddod yn deimladwy. Mae'r tîm yn Tau yn dadlau efallai mai dim ond rhan fach o'i wybodaeth yw teimlad deallusrwydd artiffisial. Yn hytrach, bydd gwir ddeallusrwydd deallusrwydd artiffisial yn seiliedig ar ei allu i ddeall anghenion pobl yn rhesymegol a'u bodloni'n awtomatig.
Tau yw'r platfform cyntaf erioed a fydd yn gallu cymryd meddyliau, cyngor a gwybodaeth ei ddefnyddwyr a diweddaru ei feddalwedd ei hun mewn amser real trwy gael ei ddefnyddwyr i ysgrifennu mewn ieithoedd y gall peiriannau a phobl eu darllen a'u deall. Rhwydwaith cymdeithasol datganoledig Tau a'i agwedd ariannol, Agoras cryptocurrency, yn cael ei bweru gan AI y mae'r tîm yn ei alw'n ddeallusrwydd artiffisial gwirioneddol ddeallus - Rhesymegol AI. Mae AI rhesymegol yn wahanol iawn i Machine Learning, ac, yn ôl sylfaenydd Tau, Ohad Asor, mae ar fin dod yn don fawr nesaf ym myd technoleg.
Ar Tau, bydd Logical AI yn eich galluogi i gymryd rhan mewn trafodaethau o faint biliynau o bobl a gweld ar unwaith ystyr bwriadol cyfunol y tu ôl i'r meddyliau a rennir dros y rhwydwaith. Bydd hyn yn cael ei gyflawni trwy gael pobl i ddefnyddio Ieithoedd Naturiol Rheoledig (CNLs) y gall bodau dynol a pheiriannau eu deall. Bydd pob meddwl a phob darn o wybodaeth, boed yn amlwg neu'n ymhlyg, yn cael eu cydnabod a'u cofrestru'n awtomatig fel eich Worldview, a fydd yn gweithredu fel eich proffil ar Tau ac yn eiddo i chi yn gyfan gwbl i fod yn berchen arno. Bydd cael eich syniadau a'ch gwybodaeth wedi'u trefnu mewn modd mor ddatblygedig yn golygu y byddwch nid yn unig yn gallu darganfod atebion sy'n torri tir newydd, ond hefyd manteisio ar eich gwybodaeth mewn modd diymdrech ac uniongyrchol nad yw wedi bod yn bosibl o'r blaen.
Dim ond trwy fewnbynnu'ch meddyliau ar Tau, bydd eich gwybodaeth yn dod yn ased digidol sy'n eiddo i chi yn awtomatig. Byddwch yn gallu gwerthu'ch gwybodaeth i brynwyr eraill, neu ei defnyddio i gynhyrchu incwm trwy rentu darnau penodol ohoni i'ch tanysgrifwyr gan y bydd Tau yn deall y gall hyd yn oed darn o'ch gwybodaeth fod yn rhan o'r ateb i broblem rhywun. Bydd Tau yn tynnu sylw at y cyfuniad o wybodaeth defnyddwyr lluosog ac yn ei gynnig fel ateb i broblemau pwysig a chymhleth, gan warantu felly bod y wybodaeth ofynnol yn cyfateb i fanylebau 100%.
Ni fyddai'r un o'r atebion hyn yn bosibl gydag unrhyw fath arall o AI, ac eithrio un yn seiliedig ar resymeg. Mae hyn oherwydd, i'w roi yn syml, mae AI Rhesymegol yn ymwneud â geiriau a brawddegau. Yn ei graidd, mae'n ymwneud â'r gallu i gasglu datganiadau o ddatganiadau eraill, yn y ffasiwn yr hyn a elwir yn Rhesymu Diddwythol. Er enghraifft, o'r tri datganiad:
- Mae Paris yn Ffrainc.
- Mae Ffrainc yn Ewrop.
- Os yw x yn y, ac y yn z, yna mae x yn z. Hyn, i bawb x, y, z.
gallwn gasglu'r datganiad
Mae maes Rhesymeg Fathemategol yn dysgu y gall bron pob cwestiwn rhesymegol ddod i lawr i'r math hwn o ddidynnu. Er enghraifft, mae set o ddatganiadau yn gwrth-ddweud ei gilydd, os a dim ond os gallwn ddiddwytho datganiad a'i negyddu ohono.
AI rhesymegol yw mecaneiddio rhesymu rhesymegol: dod o hyd i wrthddywediadau, penderfynu a yw casgliad yn dilyn o ragdybiaethau penodol, ac ati. Felly mae'n ymwneud â'r gallu i adael i beiriannau ddeall yr hyn yr ydym am ei ddweud wrthynt, y tu hwnt i gyfarwyddiadau peiriant yn unig.
Yn y cyfamser, mae Machine Learning, sef y ffurf fwyaf eang o AI ar hyn o bryd, yn ymwneud â chyffredinoli o enghreifftiau. Felly pe baem yn cyfleu'r enghraifft uchod o Ffrainc a Pharis yn y ffasiwn o ddysgu peirianyddol, byddai'n rhaid i ni gyflenwi'r algorithm â llawer o enghreifftiau o'r ffurf “mae x yn y”, ac yna gobeithio y bydd yr algorithm yn dod i'r casgliad bod Paris sydd yn Ewrop.
Nid yw math o gyfathrebu o'r fath hyd yn oed yn haeddu cael ei alw'n ddeallus, oherwydd sut y gall rhywbeth fod yn ddeallus os na all ddod i'r casgliad bod Paris yn Ewrop, a bod yn rhaid iddo weld nifer fawr o enghreifftiau er mwyn “deall” hynny, er bod hyd yn oed hynny heb ei warantu? Mae cyffredinoli o enghreifftiau o natur debygol. Sut allwn ni ddyfalu samplau nas gwelwyd? Mae'n syndod y gall Machine Learning fod yn iawn weithiau ac nid yw'n hollol ar hap, ac yn wir mae Machine Learning yn haeddu cael ei alw'n wyrth fathemategol. Wedi'r cyfan, sut y gall rhywun ddweud rhywbeth sydd, yn ôl pob tebyg, hyd yn oed yn eithaf cywir, heb ddim gwybodaeth y tu hwnt i rai samplau?
Yn syndod, gall dysgu peirianyddol wneud hynny. A dyna hanfod Dysgu Peiriant gyda'i holl fanteision ac anfanteision. Ei achos defnydd yw pan nad oes gennym fawr ddim gwybodaeth am system, a’r cyfan y gallwn ei wneud yw cymryd samplau a cheisio eu cyffredinoli.
Mae AI rhesymegol, ar y llaw arall, yn ymwneud â gwybodaeth lawn ac absolrwydd, boed yn benodol neu'n oblygedig. Mae hefyd yn ymwneud â ffordd llawer mwy effeithlon o gyfathrebu, cyfathrebu uniongyrchol, “dim ond dweud y peth”, yn lle llafurio dros roi llawer o enghreifftiau.
Ymhellach, mae'n digwydd felly bod Machine Learning yn ei hanfod yn analluog i berfformio rhesymu rhesymegol, ee canfod gwrthddywediadau. Profir hyn yn fathemategol gan ddefnyddio dadleuon cymhlethdod-damcaniaethol. Nid yw'n syndod felly mai dim ond mewn meysydd di-eiriau eu natur y mae Machine Learning yn llwyddo, tra ym maes Prosesu Iaith Naturiol, dim ond galluoedd cyfyngedig iawn y mae'n eu cyflwyno.
Fodd bynnag, mae'r ffordd arall yn gwbl ddilys: nid yn unig y gall rhesymeg wneud dysgu peirianyddol, ond mae eisoes yn gwneud hynny. Mynegir algorithmau dysgu peirianyddol eisoes mewn ffurfiau rhesymegol (yn wahanol i enghreifftiau) ac maent eisoes yn cael eu gweithredu fel rhaglenni cyfrifiadurol sydd hefyd ar ffurf resymegol braidd yn debygol, sef cyfarwyddiadau peiriant.
Mae Cwmpasu AI Rhesymegol felly yn cwmpasu Dysgu Peiriannau hefyd, ond ni ellir byth gyflawni'r ffordd arall. Ffordd arall o'i ddweud yw fel a ganlyn: mae dysgu peirianyddol yn y pen draw yn ymdrin â'r hyn a elwir yn Rhesymu Anwythol a Chwythol (sy'n cyfateb yn fras i'r hyn a elwir dysgu dan oruchwyliaeth a heb oruchwyliaeth). Gall AI Rhesymegol, ar y llaw arall, gwmpasu Rhesymu Diddwythol, Rhesymu Anwythol, a Rhesymu Anwythol, yn gyfan gwbl, mewn data ansoddol a meintiol.
Dyma'r prif resymau pam Tau wedi dewis Logical AI fel y ffurf eithaf o AI, gan ddadlau mai dim ond carreg filltir yn hanes AI yw Machine Learning. Bydd atebion Tau yn gwella sawl agwedd ar led band dynol, o raddio trafodaeth, i werth ariannol gwybodaeth, i gontractau smart a llywodraethu datganoledig. Hyn i gyd oherwydd gallu rhesymeg i bontio'r bwlch rhwng bodau dynol a pheiriannau.
Dysgwch fwy am Tau a'r tîm y tu ôl iddo yma
Ymunwch â chymuned gynyddol Tau ymlaen Telegram
Mae hon yn swydd noddedig. Dysgu sut i gyrraedd ein cynulleidfa yma. Darllenwch yr ymwadiad isod.
Credydau Delwedd: Shutterstock, Pixabay, Wiki Commons
Ymwadiad: Mae'r erthygl hon at ddibenion gwybodaeth yn unig. Nid yw'n gynnig uniongyrchol nac yn deisyfiad o gynnig i brynu neu werthu, nac argymhelliad neu ardystiad o unrhyw gynhyrchion, gwasanaethau neu gwmnïau. Bitcoin.com nid yw'n darparu cyngor buddsoddi, treth, cyfreithiol na chyfrifyddu. Nid yw'r cwmni na'r awdur yn gyfrifol, yn uniongyrchol nac yn anuniongyrchol, am unrhyw ddifrod neu golled a achosir neu yr honnir iddo gael ei achosi gan neu mewn cysylltiad â defnyddio neu ddibynnu ar unrhyw gynnwys, nwyddau neu wasanaethau a grybwyllir yn yr erthygl hon.
Ffynhonnell: https://news.bitcoin.com/sentient-ai-does-not-equal-intelligent-ai-tau-uses-logic-to-make-machines-truly-understand-people/