Abonner
KUNSTIG INTELLIGENS

Datamaskiner tenker kanskje bedre uten vår hjelp

Ta mennesket ut av modellen: Ny forskning indikerer at den viktigste suksessparameteren for kunstig intelligens ikke er selve datamodellen, men harde treningsdata og rå datakraft.

Den grønne kurven viser Moores lov om veksten i antallet transistorer i databrikker. Den er grunnlaget for en påstand om at generelle, skalerbare metoder er mer effektive enn å bruke menneskelig tankevirksomhet på å forfine modellene bak kunstig intelligens. Påstanden får støtte i den måten som programmet AlphaGo Zero har lært seg selv å spille Go på. Samt i suksessen for proteinbrettings-programmet AlphaFold 2.
Den grønne kurven viser Moores lov om veksten i antallet transistorer i databrikker. Den er grunnlaget for en påstand om at generelle, skalerbare metoder er mer effektive enn å bruke menneskelig tankevirksomhet på å forfine modellene bak kunstig intelligens. Påstanden får støtte i den måten som programmet AlphaGo Zero har lært seg selv å spille Go på. Samt i suksessen for proteinbrettings-programmet AlphaFold 2. Illustrasjon: Ingeniøren
AV DANIEL SKIPPER RASMUSSEN, INGENIØREN.DK
15. mars 2021 - 15:00

GPT-3 kan skrive tekster, AlphaGo Zero kan spille Go, og AlphaFold 2 kan brette proteiner. Dette er tre eksempler fra den siste forskningen på kunstig intelligens (AI) på enkle, minimalt forutinntatte modeller, trent på enorme mengder data og med enorme mengder datakraft.