আমাদের ব্যাখ্যাযোগ্য এআই কেন দরকার?


56

যদি এআই-এর বিকাশের আসল উদ্দেশ্যটি হ'ল কিছু কাজে মানুষকে সহায়তা করা এবং সেই উদ্দেশ্য এখনও ধরে থাকে তবে কেন আমরা এর ব্যাখ্যাযোগ্যতার বিষয়ে যত্ন নেওয়া উচিত? উদাহরণস্বরূপ, গভীর শিক্ষায়, যতক্ষণ না বুদ্ধি আমাদের তাদের সক্ষমতা সর্বাধিক উন্নতি করতে সহায়তা করে এবং সাবধানতার সাথে তার সিদ্ধান্তগুলিতে উপস্থিত হয়, কেন আমাদের বুদ্ধি কীভাবে কাজ করে তা আমাদের জানতে হবে?


15
যখন এআই আপনাকে ভাল উত্তর দেয় না তখন কী ঘটে ? কীভাবে সমস্যাটি খুঁজে পাচ্ছেন? আপনি যুক্তিটি বুঝতে না পারলে কীভাবে সমাধানটি যাচাই করবেন? আপনি কীভাবে নিশ্চিত হন যে আমরা সবাই কাগজ ক্লিপগুলিতে পরিণত হইনি? :)
লুয়ান

8
এটিকে উত্তর হিসাবে পোস্ট করা হচ্ছে না যেহেতু আমি সন্দেহ করি যে এটি মানদণ্ডগুলি পূরণ করে না, তবে মনে করুন আমরা জলবায়ু সংক্রান্ত সমস্যাগুলি কীভাবে ঠিক করতে হবে এটি একটি এআইকে জিজ্ঞাসা করি এবং এটি "মহাসাগরকে দূষিত" বলে। হতে পারে এটি সঠিক এবং কিছু সংশোধিত উপায় আছে যা জিনিসগুলিকে সংশোধন করে। হতে পারে কোনও বিকাশকারী একটি ত্রুটি করেছে এবং প্রকৃত আউটপুটটি "মহাসাগরগুলিকে আনপলুট" করা উচিত ছিল। আপনি যদি এআইয়ের যুক্তিটি খুব ভাল করে না করে তবে কীভাবে দুজনের মধ্যে পার্থক্য করতে চান?
ফ্ল্যাটার

5
এই প্রশ্নের কোনও উত্তর কি প্রতিকূল কৌশলগুলির অস্তিত্বের সাধারণ জ্ঞানের বাইরে সত্যই প্রয়োজন? এই মুহুর্তে ইনপুট ডেটাতে ক্ষুদ্রতর টুইট করা সম্ভব যা আউটপুটটিতে ব্যাপকভাবে অসম্পূর্ণ পরিবর্তন তৈরি করে। বস্তুর ভিজ্যুয়াল স্বীকৃতি হিসাবে কাজগুলিতে, ফলাফলগুলি সত্যিকারের বুদ্ধিমত্তার বিরুদ্ধে সহজেই চেক করা যায়, ফলাফলগুলি অযৌক্তিক এবং উন্মাদ বলে মনে হয় এবং এটি নির্দেশ করে যে এআই "দেখছেন" যা আমরা দেখছি তার থেকে আলাদা কিছু । এআই যদি এ জাতীয় ক্ষেত্রে নিজেকে ব্যাখ্যা করতে অক্ষম হয় তবে এর উপযোগিতা দ্রুত হ্রাস পাবে।
ম্যাসন হুইলার

1
আপনার প্রশ্নটি ব্যাখ্যাযোগ্য এআইয়ের প্রয়োজনীয়তার উপর ভিত্তি করে, আমি এমন একটি পঠন প্রস্তাব করতে চাই যা এই দৃষ্টিভঙ্গিকে চ্যালেঞ্জ করে - আমি মনে করি সেখানে খুব ভাল পয়েন্ট রয়েছে। অন্যান্য বিষয়গুলির মধ্যে, ব্যাখ্যাযোগ্যতার প্রয়োজনীয়তার একটি কারণ আমাদের চারপাশের সিস্টেমগুলি ব্যাখ্যা করার জন্য আমাদের মানুষের প্রয়োজনের সাথে যুক্ত হতে পারে এবং তারপরে আমরা বুঝতে পারি এমন সিস্টেমে আমাদের উচ্চ আস্থা, এমনকি যদি এই সিস্টেমগুলি অন্যদেরকে আরও কম ব্যবহার করে যা আমরা বুঝতে পারি না। আশা করি এটি প্রতিবিম্বের জন্য কিছু উপাদান যুক্ত করেছে - হ্যাকারুনুন.com/…
এলিসিও কুইন্টিনো

2
এটি একটি আকর্ষণীয় অতিরিক্ত পুনরুদ্ধার হতে পারে। লোকেরা হাস্কি বনাম ওল্ফ শ্রেণীবদ্ধকারী গড়ে তোলার চেষ্টা করেছিল, তখন বুঝতে পেরেছিল যে নেটওয়ার্কটি প্রাণীর উপর নয় তবে পটভূমিতে কারণ পটভূমিতে তুষারযুক্ত সমস্ত চিত্র নেকড়ে ছিল। অন্য কথায়, আপনি যদি একটি গাড়ি সনাক্ত করেন তবে আপনাকে নিশ্চিত হওয়া দরকার যে এটি চিত্রের একটি গাড়ী কারণ এবং ইমেজের পাশের থামার চিহ্নের কারণে নয়।
jaqq

উত্তর:


64

যেমনটি সেলভারাজু এট আল দ্বারা যুক্তিযুক্ত , এআই বিবর্তনের তিনটি ধাপ রয়েছে, এর সবকটিতে ব্যাখ্যাযোগ্যতা সহায়ক।

  1. এআই বিকাশের প্রাথমিক পর্যায়ে, যখন এআই মানুষের পারফরম্যান্সের চেয়ে দুর্বল, স্বচ্ছতা আমাদের আরও ভাল মডেল তৈরি করতে সহায়তা করতে পারে । এটি কোনও মডেল কীভাবে কাজ করে তার একটি আরও ভাল ধারণা দিতে পারে এবং বেশ কয়েকটি মূল প্রশ্নের উত্তর দিতে আমাদের সহায়তা করে। উদাহরণস্বরূপ কেন কোনও মডেল কিছু ক্ষেত্রে কাজ করে এবং অন্যগুলিতে না ঘটে, কেন কিছু উদাহরণ মডেলটিকে অন্যদের তুলনায় বেশি বিভ্রান্ত করে, এই ধরণের মডেলগুলি কেন কাজ করে এবং অন্যরা কাজ করে না, ইত্যাদি etc.

  2. যখন এআই মানুষের পারফরম্যান্সের সমান হয় এবং এমএল মডেলগুলি বেশ কয়েকটি শিল্পে মোতায়েন করা শুরু করে, এটি এই মডেলগুলির জন্য আস্থা তৈরি করতে সহায়তা করতে পারে । আমি পরে এ সম্পর্কে কিছুটা ব্যাখ্যা করব, কারণ আমি মনে করি এটি সবচেয়ে গুরুত্বপূর্ণ কারণ।

  3. এআই যখন লক্ষণীয়ভাবে মানুষকে ছাড়িয়ে যায় (যেমন এআই বাজানো দাবা বা গো), এটি মেশিন শিক্ষণে সহায়তা করতে পারে (অর্থাত্‍ সেই নির্দিষ্ট কাজটিতে কীভাবে মানুষের কার্যকারিতা উন্নত করতে পারে তা মেশিন থেকে শিখানো)।

বিশ্বাস এত গুরুত্বপূর্ণ কেন?

প্রথমে, আমি আপনাকে এমন কয়েকটি শিল্পের উদাহরণ দেই যেখানে বিশ্বাসই সর্বজনীন:

  • স্বাস্থ্যসেবাতে, কোনও নির্দিষ্ট রোগের জন্য একটি ডিপ নিউরাল নেট নির্ণয় করছেন তা কল্পনা করুন। একটি ক্লাসিক ব্ল্যাক বক্স এনএন কেবলমাত্র বাইনারি "হ্যাঁ" বা "না" আউটপুট দেবে। এমনকি যদি এটি নিছক পূর্বাভাসে মানুষকে ছাড়িয়ে যেতে পারে তবে তা বাস্তবে একেবারেই অকেজো হবে। ডাক্তার যদি মডেলটির মূল্যায়নের সাথে দ্বিমত পোষণ করেন, তবে মডেল কেন সেই ভবিষ্যদ্বাণী করেছিলেন তা তিনি জানেন না ; সম্ভবত এটি ডাক্তারকে কিছু মিস করেছে। তদুপরি, যদি এটি একটি ভুল রোগ নির্ণয় করে (উদাহরণস্বরূপ একজন অসুস্থ ব্যক্তিকে স্বাস্থ্যকর হিসাবে শ্রেণীবদ্ধ করা হয় এবং সঠিক চিকিত্সা না পাওয়া যায়) তবে কে দায়িত্ব নেবে: মডেলটির ব্যবহারকারী? হাসপাতাল? মডেল ডিজাইন করে এমন সংস্থা? এর চারপাশের আইনী কাঠামোটি কিছুটা ঝাপসা।

  • আর একটি উদাহরণ স্ব-গাড়ি চালনা গাড়ি। একই প্রশ্ন উত্থাপিত হয়: যদি কোনও গাড়ী ক্র্যাশ করে তবে কার দোষ: ড্রাইভারের? গাড়ি প্রস্তুতকারকের? এআই ডিজাইন করে এমন সংস্থা? আইনি জবাবদিহিতা, এই শিল্পের উন্নয়নের জন্য মূল বিষয়।

প্রকৃতপক্ষে, আস্থার এই অভাব অনেক মতে অনেক ক্ষেত্রেই এআই গ্রহণে বাধা সৃষ্টি করেছে (উত্স: , , ) যদিও একটি চলমান অনুমান রয়েছে যে আরও স্বচ্ছ, ব্যাখ্যামূলক বা ব্যাখ্যাযোগ্য সিস্টেমের সাথে ব্যবহারকারীরা বুদ্ধিমান এজেন্টদের বোঝার জন্য এবং আরও ভালভাবে বিশ্বাস করতে সক্ষম হবেন (উত্স: 1 , 2 , 3 )।

বেশ কয়েকটি বাস্তব বিশ্বের অ্যাপ্লিকেশনগুলিতে আপনি কেবল এটি "94% সময় কাজ করে" বলতে পারবেন না। আপনার একটি যৌক্তিকতা সরবরাহ করার প্রয়োজন হতে পারে ...

সরকারি নীতিমালা

বেশ কয়েকটি সরকার এআইকে নিয়ন্ত্রণ করতে ধীরে ধীরে এগিয়ে চলেছে এবং স্বচ্ছতা এই সমস্তের কেন্দ্রে রয়েছে বলে মনে হচ্ছে।

এই দিকে অগ্রসর হওয়া প্রথমটি হ'ল ইইউ, যা বেশ কয়েকটি নির্দেশিকা নির্ধারণ করেছে যেখানে তারা বলেছে যে এআই স্বচ্ছ হওয়া উচিত (উত্স: 1 , 2 , 3 )। উদাহরণস্বরূপ, জিডিপিআর বলেছে যে কোনও ব্যক্তির ডেটা যদি "স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণ" বা "প্রোফাইলিং" সিস্টেমের অধীন হয় তবে তার অ্যাক্সেসের অধিকার রয়েছে

"যুক্তি সম্পর্কিত অর্থপূর্ণ তথ্য"

( অনুচ্ছেদ 15, ইইউ জিডিপিআর )

এখন এটি কিছুটা অস্পষ্ট, তবে এই সিস্টেমগুলি থেকে কিছু প্রকারের ব্যাখ্যাযোগ্যতার প্রয়োজনের স্পষ্ট ধারণা রয়েছে। ইউরোপীয় ইউনিয়ন যে সাধারণ ধারণাটি প্রবর্তনের চেষ্টা করছে তা হ'ল "যদি আপনার যদি মানুষের জীবনকে প্রভাবিত করে একটি স্বয়ংক্রিয় সিদ্ধান্ত গ্রহণের ব্যবস্থা থাকে তবে নির্দিষ্ট সিদ্ধান্ত কেন নেওয়া হয়েছে তা তাদের জানার অধিকার রয়েছে।" উদাহরণস্বরূপ, কোনও ব্যাংকের একটি এআই গ্রহণ করে এবং loanণ অ্যাপ্লিকেশনগুলি হ্রাস করে, তারপরে আবেদনকারীদের তাদের আবেদন কেন বাতিল করা হয়েছে তা জানার অধিকার রয়েছে ।

সংক্ষেপে ...

ব্যাখ্যাযোগ্য এআইগুলি প্রয়োজনীয় কারণ:

  • এটি আমাদের আরও ভাল বোঝাপড়া দেয়, যা তাদের উন্নতি করতে আমাদের সহায়তা করে।
  • কিছু কিছু ক্ষেত্রে আমরা কীভাবে আরও ভাল সিদ্ধান্ত নিতে পারি তা এআই থেকে শিখতে পারি।
  • এটি ব্যবহারকারীদের এআই-তে বিশ্বাস করতে সহায়তা করে , যা এআইকে আরও ব্যাপকভাবে গ্রহণের দিকে নিয়ে যায়।
  • ভবিষ্যতে (দূরবর্তী নয়) মোতায়েন করা এআইগুলিকে আরও "স্বচ্ছ" হতে পারে।

4
ঠিক এটাই সমস্যা (আইএমএইচও)। প্রায়শই আপনি নিখুঁতভাবে একটি কালো বাক্স পরীক্ষা করতে পারবেন না এবং তারপরে আপনি (জীবনের সমালোচনামূলক অ্যাপ্লিকেশনগুলিতেও) এমন কিছু গ্রহণ করেন যা "যথেষ্ট ভাল বলে মনে হয়", এই ক্ষেত্রে মানব মস্তিষ্ক, এবং আমরা এটির সাথে সবাই ভাল আছি। যদি আমরা এআই-এর পক্ষে এটি না করতে পারি তবে এটি আমাদের নিয়মকানুনের (সীমাবদ্ধতা?) কারণেই নয়, কারণ "বিমানটি উড়ানোর জন্য সবকিছু গাণিতিকভাবে প্রমাণিত হতে হবে" (এটি আজকাল কোনও এআই ছাড়াও নয়)। কোর্সের উপায় আপনি পরীক্ষা একটি এআই একই ভাবে তুমি কি মানুষ পাইলট পরীক্ষা হতে পারে না (এমনকি তারা করতে পারেন যদি আংশিকভাবে কাকতালীয়ভাবে)।
অ্যাড্রিয়ানো রিপিটি

11
@ জসোল্টসিলাজি আমি বলছি না যে সরকারী আইনগুলি খারাপ জিনিস। আমি কেবল বলছি যে আপনি কিছু শিল্পে কাজ করে থাকলে তা ব্যাখ্যাযোগ্য এআই বিকাশের গুরুতর কারণ।
ডিজিব2011

8
যুক্ত করার জন্য অন্য একটি বিষয় হ'ল ঝুঁকির ঘনত্ব। একটি ড্রাগ-স্মিফিং কুকুর পক্ষপাতদুষ্ট হতে পারে এবং কেন এটি নির্দিষ্ট সিদ্ধান্ত নিয়েছিল তা আপনি জিজ্ঞাসা করতে পারবেন না। তবে এটি হাজার হাজারের মধ্যে একটি কুকুর। একটি একক এআই মডেল বিশ্বব্যাপী মোতায়েন হতে চলেছে, তাই যদি এটি ভুল হয় তবে এটির অনেক বড় প্রভাব রয়েছে।
ব্রেন্ডন হোয়াইটিং

19
@ ব্রেন্ডনহাইটিং আসলে এটি একটি আকর্ষণীয় ঘটনা। একটি ড্রাগ-স্নিফিং কুকুর এবং একটি ড্রাগ-স্নিফিং এআইয়ের মধ্যে পার্থক্য কী। কুকুরের যখন নেই তখনও এআইকে কেন একটি ব্যাখ্যা দেওয়ার প্রয়োজন হবে .... আমি মনে করি পার্থক্যটি যে প্রথম ক্ষেত্রে কুকুরটি কেবল একটি হাতিয়ার যা মানুষের (এই ক্ষেত্রে ডিইএ পুলিশ) তৈরি করতে সহায়তা করে তার সিদ্ধান্ত। এর জন্য তিনি চূড়ান্তভাবে দায়ী, কুকুর নয়। একইভাবে, সিদ্ধান্ত-সমর্থনকারী এআইগুলিতে কোনও সমস্যা নেই , কেবল সিদ্ধান্ত গ্রহণকারীদের সাথে । এইভাবে আমি মনে করি অনেকগুলি ডোমেনে এই পুরো জবাবদিহিতা জিনিসটি শেষ পর্যন্ত বাইপাস করা হবে।
ডিজিব ২০১১ ২১ শে

6
হতে পারে এটি অজানা অজানা সমস্যাও। আমরা হাজার হাজার বছর ধরে প্রাণী প্রশিক্ষিত করেছি এবং আমরা স্থিতিশীল যে এই স্থিতিশীল pretty যদি বিশ্বকে দখল করে নেওয়া প্রশিক্ষণপ্রাপ্ত প্রাণীদের প্যাকেজগুলি রাখা হত, সম্ভবত এতক্ষণে এটি ঘটত। (যদিও আমি এই মতবাদটিই পছন্দ করি যে বেশিরভাগ কুকুর পরজীবী ধরনের, তারা এত সুন্দর হয়ে উঠেছে যে আমরা আমাদের বাচ্চাদের পরিবর্তে তাদের যত্ন নিই)।
ব্রেন্ডন হোয়াইট 21

15

আমাদের ব্যাখ্যাযোগ্য এআই কেন দরকার? ... কেন আমাদের এটি জানতে হবে "এর বুদ্ধি কীভাবে কাজ করে?"

কারণ সরঞ্জামগুলিতে অ্যাক্সেস সহ যে কেউ, যথেষ্ট দক্ষতা এবং পর্যাপ্ত সময়, সিস্টেমকে এমন সিদ্ধান্ত নিতে বাধ্য করতে পারে যা অপ্রত্যাশিত is সরঞ্জামগুলির মালিক, বা তৃতীয় পক্ষগুলি, কেন এটি সঠিক তা ব্যাখ্যা ছাড়াই সিদ্ধান্তের উপর নির্ভর করে কোনও ক্ষতি হতে পারে।

উদাহরণ - কেউ আবিষ্কার করতে পারে :

  • জন স্মিথ নামে পরিচিত এবং হার্ট সার্জারির জন্য অনুরোধ করেছেন এমন লোকেরা: মঙ্গলবার সকাল, বুধবার দুপুর, বা শুক্রবার শুক্রবার বা বিজোড় দিন এবং মাসগুলিতে লাইনের সামনের দিকে যাওয়ার 90% সুযোগ থাকে।

  • যে দম্পতিরা বর্ণের প্রথমার্ধে পুরুষের শেষ নাম একটি বিজোড় চিঠি রাখে এবং স্ত্রী / স্ত্রীর সাথে loanণের জন্য আবেদন করে যাদের প্রথম নাম বর্ণমালার শুরু থেকে একটি চিঠি দিয়ে শুরু হয় তাদের কাছে ifণ পাওয়ার সম্ভাবনা 40% বেশি থাকে তাদের ক্রেডিট ইতিহাসে 5 টিরও কম খারাপ এন্ট্রি।

  • প্রভৃতি

লক্ষ্য করুন যে উপরোক্ত উদাহরণগুলি জিজ্ঞাসা করা প্রশ্ন সম্পর্কিত কারণগুলি নির্ধারণ করা উচিত নয় , তবুও কোনও বিরোধী (তাদের নিজস্ব সরঞ্জামাদি বা আলগোরিদমের জ্ঞান সহ) এটি ব্যবহার করা সম্ভব।

উত্স কাগজপত্র :

  • " অ্যাডাহাট: আর্কেফিস ফেস আইডি সিস্টেমে রিয়েল-ওয়ার্ল্ড অ্যাডভারসিয়েরিয়াল আক্রমণ " (আগস্ট 23 2019) স্টেপান কমকভ এবং আলেকসান্দ্র পেটিউস্কো দ্বারা

    • একটি স্টিকার তৈরি করা এবং এটি আপনার টুপিতে রাখলে মুখের স্বীকৃতি সিস্টেম বোকা হয়।
  • " রেজিলিন্ট ফিচার রিজেনারেশনের মাধ্যমে অ্যাডভারসিয়াল আক্রমণের বিরুদ্ধে প্রতিরক্ষা " (জুন 8 2019), তেজাস বোরকার, ফেলিক্স হাইড এবং লিনা করমের রচনা

    • "গভীর নিউরাল নেটওয়ার্ক (ডিএনএন) পূর্বাভাসটি সাবধানতার সাথে রচনা করা অ্যাডভারসিয়াল পার্টব্রুব্যাশনের জন্য দুর্বল বলে প্রমাণিত হয়েছে Spec বিদ্যমান প্রতিকূল প্রতিরক্ষা কৌশলগুলি থেকে শুরু করে, যা চিত্র ডোমেনে কাজ করে, আমরা একটি অভিনব প্রতিরক্ষা উপস্থাপন করি যা ডিএনএন বৈশিষ্ট্য ডোমেনে কাজ করে এবং কার্যকরভাবে এই ধরনের সর্বজনীন বিদ্বেষমূলক আক্রমণগুলির বিরুদ্ধে প্রতিরক্ষা করে Our আমাদের পদ্ধতির প্রাক-প্রশিক্ষিত সংশোধনমূলক বৈশিষ্ট্যগুলি চিহ্নিত করে যা প্রতিকূলতার পক্ষে সবচেয়ে ঝুঁকিপূর্ণ are গোলমাল এবং ডিফেন্ডার ইউনিটগুলি মোতায়েন করে যা এই ডিএনএন ফিল্টার অ্যাক্টিভেশনগুলিকে শব্দ-স্থিতিস্থাপক বৈশিষ্ট্যগুলিতে রূপান্তর করে (পুনর্জাত করে), অদৃশ্য অ্যাডভারসিয়াল পার্টেরব্যাবেশনের বিরুদ্ধে রক্ষা করে। "

  • " গভীর নিউরাল নেটওয়ার্কগুলিকে বোকা বানানোর জন্য এক পিক্সেল আক্রমণ " (মে 3 2019), জিয়াউই সু, ড্যানিলো ভাসকনসিলোস ভার্গাস এবং সাকুরাই কাউচি

    • একটি পিক্সেল পরিবর্তন করা এই ত্রুটিগুলির কারণ হতে পারে:

    চিত্র 1
    চিত্র 1. 1. প্রস্তাবিত অ্যালগরিদমের সাহায্যে এক পিক্সেল আক্রমণ তৈরি করা হয়েছে যা সিআইএফএআর -10 ডেটাসেটে প্রশিক্ষিত তিন ধরণের ডিএনএনকে সফলভাবে বোকা বানিয়েছে: দ্য অল কনভোলশনাল নেটওয়ার্ক (অলকনভ), নেটওয়ার্ক ইন নেটওয়ার্ক (এনএন) এবং ভিজিজি। মূল শ্রেণীর লেবেলগুলি কালো রঙে থাকে যখন লক্ষ্য শ্রেণীর লেবেল এবং সংশ্লিষ্ট আস্থাটি নীচে দেওয়া হয়।

     

    চিত্র ২
    চিত্র 2. চিত্রযুক্ত নেট ডেটাसेटে এক-পিক্সেল আক্রমণ যেখানে পরিবর্তিত পিক্সেলগুলি লাল চেনাশোনাগুলির সাথে হাইলাইট করা হয়েছে। মূল শ্রেণীর লেবেলগুলি কালো রঙে থাকে যখন লক্ষ্য শ্রেণীর লেবেল এবং তাদের সম্পর্কিত আত্মবিশ্বাস নীচে দেওয়া হয়।

সিদ্ধান্তে কীভাবে এবং কেন সিদ্ধান্ত এলো সে সম্পর্কে কোনও ব্যাখ্যা ছাড়াই একেবারে নির্ভর করা যায় না।


1
একটি পিক্সেল আক্রমণ এবং অন্যান্য অনুরূপ জিনিসগুলির অনুসন্ধানগুলি কেন আমি দাবি করি যে গভীর শিক্ষণ কিছুই শিখছে না।
জোশুয়া

1
@ জোশুয়া ওয়েল এটি মানব শেখার মতো শিখছে না (যুক্তি বোঝা), তবে এটি এমন বহু-মাত্রিক ফাংশন শিখতে পারে যা এই চিত্রগুলিকে বিভাগগুলিতে শ্রেণিবদ্ধ করতে পারে। এটি নিজে থেকে এটি করেছে, যদিও এটি ব্রুট ফোর্স ব্যবহার করে সর্বোত্তম সমাধানের সমাধান করে। ধাতব একটি বান্ডিল থেকে প্রত্যাশা করা অনেকটাই, এবং নিয়মিত পদ্ধতিতে বিদ্যুৎ প্রবাহিত করার জন্য বালি খুব সুন্দরভাবে সাজানো হয়েছিল।
ব্যবহারকারী 14492

1
আপনার উদাহরণগুলিতে ডাব্লুআরটি, দম্পতিদের একটি kyণ শর্তযুক্ত sayণ বলুন, কেবলমাত্র সেই মডেলের ডেটা খাওয়ানোর মাধ্যমে এই জাতীয় জিনিসটি প্রশমিত করা যায় না? নামটি কখনই এআইকে খাওয়ানো উচিত নয়, কারণ এআই'র কখনই অনুরোধকারীর নামের উপর ভিত্তি করে সিদ্ধান্ত গ্রহণ করা উচিত নয়। আমি আপনার বক্তব্যটি বুঝতে পারি যদিও, এআইকে যে ডেটা পয়েন্টের প্রয়োজন আসলে এর তুলনায় কম সংকীর্ণ উদাহরণ থাকতে পারে। এক পিক্সেল আক্রমণ অত্যন্ত আকর্ষণীয়
ক্রંચার

@ ক্রাঙ্কার কম সংক্ষিপ্ত উদাহরণগুলি হ'ল দৃষ্টিকোণ যতটা 20/20 হয় তার চেয়ে বেশি ভাল হয় one পূর্ববর্তী অস্বীকৃত loanণের উভয়ের মধ্যে প্রধান সংখ্যা (than-এর বেশি) ছিল এবং পূর্ববর্তীটির দুটি সংখ্যা ছিল যা প্রধান ছিল এবং ১ 43 থেকে ৪৩ এর মধ্যে, ইত্যাদি কীভাবে হয় তবে আপনি এমন কাউকে খুঁজে পান যা বলে যে তারা এক্স এর জন্য কিছু বিক্রি করবে ডলার, loanণ নেওয়ার এবং অযোগ্য হওয়ার চেষ্টা করুন, কয়েকবার করুন, এখন কোনও বাড়ি বা জাহাজের জন্য loanণ নিন - 30% ভাল সুযোগ এবং পূর্বের অস্বীকৃতি ছাড়যুক্ত। কারণটির পিছনে কোনও ব্যাখ্যা ছাড়াই আপনি সর্বদা নিজের পছন্দটি করতে চাইবেন।
রব

@ জোশুয়া ওয়েল, তারা অবশ্যই একটি পিক্সেল আক্রমণ এবং অনুরূপ জিনিসগুলি কীভাবে খুঁজে পাবে তা শিখতে পারে। (এখানে লিঙ্কযুক্ত কাগজটি একটি বিবর্তনীয় পদ্ধতির ব্যবহার করেছে, তবে আমি জিএনএস ব্যবহার করে একই রকম ফলাফল দেখেছি)) শ্রেণিবিন্যাসের কোনও পদ্ধতি নিখুঁত হতে যাচ্ছে না। মানুষের দৃষ্টি অপটিক্যাল বিভ্রমের জন্য দুর্বল। এটি মেশিন সমতুল্য। আমরা কেবল মেশিন ভিশন সিস্টেমগুলির জন্য আরও চরম উদাহরণগুলি খুঁজে পেতে পারি কারণ তারা মানুষের তুলনায় আরও দ্রুত ভবিষ্যদ্বাণী তৈরি করতে এবং রেকর্ড করতে পারে, তাই আমরা নির্দিষ্ট মানদণ্ডের সাথে মেলে এমন ব্যর্থতার রাজ্যগুলি খুঁজে পেতে অন্য সিস্টেমকে কার্যকরভাবে প্রশিক্ষণ দিতে পারি।
রায়

8

যদি আপনি এমন একটি ব্যাংক, হাসপাতাল বা অন্য কোনও সত্তা যা লোকের জীবনে ব্যাপক প্রভাব ফেলে এমন ক্রিয়া সম্পর্কে সিদ্ধান্ত নিতে ভবিষ্যদ্বাণীমূলক বিশ্লেষণ ব্যবহার করে তবে গ্রেডিয়েন্ট বুস্টেড ট্রি আপনাকে এটি করতে বলেছিল বলে আপনি গুরুত্বপূর্ণ সিদ্ধান্ত নিতে পারবেন না। প্রথমত, কারণ এটি ঝুঁকিপূর্ণ এবং অন্তর্নিহিত মডেলটি ভুল হতে পারে এবং দ্বিতীয়ত, কারণ কিছু ক্ষেত্রে এটি অবৈধ - ব্যাখ্যা করার অধিকার দেখুন ।


5

ব্যাখ্যাযোগ্য এআই প্রায়শই কাঙ্ক্ষিত কারণ

  1. এআই (বিশেষত কৃত্রিম নিউরাল নেটওয়ার্কগুলি) তাদের উদ্দেশ্যযুক্ত কাজটি ধ্বংসাত্মকভাবে করতে ব্যর্থ হতে পারে । আরও সুনির্দিষ্টভাবে বলা যায়, এটিকে হ্যাক করা বা আক্রমণাত্মক উদাহরণগুলির সাথে আক্রমণ করা যেতে পারে বা এটি অপ্রত্যাশিত ভুল সিদ্ধান্ত নিতে পারে যার পরিণতি বিপর্যয়কর (উদাহরণস্বরূপ, এটি মানুষের মৃত্যুর কারণ হতে পারে)। উদাহরণস্বরূপ, কল্পনা করুন যে রোগীর শর্তের উপর ভিত্তি করে একটি এআই, এমন কোনও ওষুধের মাত্রা নির্ধারণের জন্য যা রোগীকে দেওয়া দরকার responsible যদি এআই একটি ভুল পূর্বাভাস দেয় এবং এটি রোগীর মৃত্যুর দিকে পরিচালিত করে তবে কী হবে? এ জাতীয় পদক্ষেপের জন্য কে দায়ী থাকবে? এআই এর ডোজ ভবিষ্যদ্বাণী গ্রহণ করার জন্য, চিকিত্সকদের বিশ্বাস করা দরকারএআই, তবে বিশ্বাস কেবল বোঝার সাথে আসে, যার ব্যাখ্যা প্রয়োজন। সুতরাং, এই জাতীয় সম্ভাব্য ব্যর্থতা এড়াতে, এআই এর অভ্যন্তরীণ কার্যকারিতা বোঝা মৌলিক, যাতে এটি আবার সেই ভুল সিদ্ধান্ত না নেয়।

  2. এআই এর প্রায়শই মানুষের সাথে কথোপকথন করা প্রয়োজন যা সংবেদনশীল মানুষ (আমাদের অনুভূতি রয়েছে) এবং এর প্রায়শই ব্যাখ্যা বা আশ্বাসের প্রয়োজন হয় (কিছু বিষয় বা ঘটনা সম্পর্কিত)।

  3. সাধারণভাবে, মানুষ প্রায়শই তাদের পারিপার্শ্বিকতা এবং বিশ্ব সম্পর্কে ব্যাখ্যা এবং বোঝার সন্ধান করে। প্রকৃতি দ্বারা, আমরা কৌতূহলী এবং অনুসন্ধানকারী মানুষ। কেন একটি আপেল পড়ে?


4

এর উত্তর অবিশ্বাস্যভাবে সহজ। আপনি যদি একদিন ব্যাঙ্কের নির্বাহী হন তবে আপনাকে আদালতে দাঁড়াতে হবে এবং ব্যাখ্যা করতে হবে যে আপনার এআই এই সমস্ত লোককে বন্ধক কেন অস্বীকার করেছে ... যারা বৈষম্যবিরোধী আইনের অধীনে কিছু সুরক্ষিত বৈশিষ্ট্য ভাগ করে নেওয়ার ঘটনা ঘটে। আপনি যদি অ্যালগরিদমগুলি সম্পর্কে কিছুটা বিড়বিড় করে প্রশ্নটি হ্যান্ডওয়াভ করেন তবে বিচারক খুশি হবেন না। বা আরও খারাপ, কেন এই গাড়ি / বিমানটি ক্র্যাশ করেছে এবং আপনি কীভাবে পরের বার এটি প্রতিরোধ করবেন।

এটি বহু শিল্পে এআইকে আরও ব্যাপকভাবে গ্রহণের প্রধান প্রতিবন্ধক।


1
"উত্তর" আপনার কেসকে ছাড়িয়ে যাচ্ছে। আপনি "একটি উত্তর ..." বললে আমি উজ্জীবিত হব
জন কোলেম্যান

3

আরেকটি কারণ: ভবিষ্যতে, এআই এমন কাজগুলির জন্য ব্যবহৃত হতে পারে যা মানুষের দ্বারা বোঝা সম্ভব নয়, এআই অ্যালগরিদম কীভাবে এই সমস্যায় কাজ করে তা বোঝার মাধ্যমে আমরা প্রদত্ত ঘটনার প্রকৃতি বুঝতে পারি।


2

আমরা ব্যাখ্যাযোগ্য এআই কেন চাই এর আরও ব্যবহারিক কারণগুলির উল্লেখ করে এই সমস্ত উত্তরগুলির পাশাপাশি আমি আরও একটি দার্শনিক যুক্ত করতে চাই।

আমাদের চারপাশের জিনিসগুলি কীভাবে কাজ করে তা বোঝা প্রাচীনত্ব থেকে বিজ্ঞানের অন্যতম প্রধান চালিকা শক্তি। জিনিসগুলি কীভাবে কাজ করে তা আপনার যদি না বুঝতে পারে তবে আপনি এই বিন্দুটি অতিক্রম করতে পারবেন না। কেবলমাত্র "মাধ্যাকর্ষণ কাজ করে" এটি কীভাবে কাজ করে তা বোঝার চেষ্টা করে আমাদের থামিয়ে দেয় না। এর পরিবর্তে এর আরও ভাল বোঝার ফলে বেশ কয়েকটি মূল আবিষ্কার হয়েছিল, যা আমাদের প্রযুক্তি উন্নত করতে সহায়তা করেছে।

তেমনিভাবে, যদি আমরা "এটি কাজ করে" এ থামি তবে আমরা এটির উন্নতি বন্ধ করব।


সম্পাদনা:

এআই কেবল "মেশিনগুলিকে চিন্তা" করার বিষয়ে নয়, মানুষের মস্তিষ্ক কীভাবে কাজ করে তা বুঝতে তাদের মাধ্যমেও। এআই এবং স্নায়ুবিজ্ঞান যেতে হাত-বাই-হাত

এআই এর ব্যাখ্যা না দিয়ে এই সমস্ত কিছু সম্ভব হবে না।


0

এটি ধরে নেওয়া উচিত নয় যে এআই এর বিকাশটি মূলত মানুষকে সাহায্য করার আকাঙ্ক্ষায় উদ্দীপিত হয়েছিল। প্রমাণিত বা অস্বীকার করাও সমানভাবে কঠিন অনেক উপলব্ধিযোগ্য ব্যাখ্যা রয়েছে।

  • অন্য কেউ করার আগে কিছু ভবিষ্যত ধারণা স্বপ্ন দেখতে জেনে থাকুন
  • কিছু কল্পনা করা শত্রু বা কিছু ভবিষ্যতের সম্ভাব্য সামনের দিকে আগেই ক্ষমতা অর্জন করুন
  • কারণ এটি সম্ভব হতে পারে
  • মজার জন্য
  • কারণ মার্কিন প্রতিরক্ষা বিভাগ সম্ভবত এটি অনির্দিষ্টকালের জন্য অর্থায়ন করবে
  • এটি ক্যারিয়ারের একটি ভাল পদক্ষেপ
  • মানব মস্তিষ্ক সম্পর্কে বিশেষত কোন আশ্চর্যজনক কিছু নেই তা প্রমাণ করার জন্য
  • আমাদের ভাড়া করা হয়েছিল এবং কিছু অর্থ দেওয়া হয়েছিল এবং এটি ব্যয় করার ভাল উপায় বলে মনে হয়েছিল
  • এটি অনুসরণ করার সিদ্ধান্ত নেওয়া হয়েছিল তবে কেন আমাদের সত্যিই মনে নেই remember

এই প্রশ্নটিতেও কিছু দুর্বল সংজ্ঞায়িত বর্ণনামূলক শব্দ রয়েছে, যদিও এগুলি প্রতিস্থাপনের জন্য আরও ভাল শব্দ খুঁজে পাওয়া কঠিন হতে পারে। কীভাবে আমরা এগুলিকে আনুষ্ঠানিকতা দেব?

  • তাদের সর্বোত্তম দক্ষতার কাছে (বুদ্ধিমান সিস্টেমগুলি) --- কোন উপায়ে আমরা দক্ষতাগুলি পরীক্ষা করে তাদের সাথে ফলাফলগুলি তুলনা করব? আমরা একজন শিক্ষার্থীকে বলি, "আপনি নিজেকে প্রয়োগ করছেন না," তবে এটি কোনও বৈজ্ঞানিক পর্যবেক্ষণ নয়। এটি তৃতীয় পক্ষের গ্রেডিং সিস্টেম এবং অন্যান্য ফলস্বরূপ দলগুলির দ্বারা প্রয়োগের ভিত্তিতে পূরণ করা হয়নি এমন কৃতিত্বের প্রক্ষেপণের ভিত্তিতে কিছুটা স্বেচ্ছাচারিত রায়।
  • সাবধানতার সাথে সিদ্ধান্তে পৌঁছানো --- যত্ন বোঝায় যে উদ্দেশ্যগুলি নিজেরাই objective আমরা এখনও এমন একটি অগ্রিম কম্পিউটিং প্ল্যাটফর্ম নথিভুক্ত করি নি যা পরিস্থিতি সম্পর্কে বিমূর্ত সচেতনতার জন্য প্রয়োগ নীতিশাস্ত্রকে এনকোড করে, যেমন একটি নৈতিক মানুষের ক্ষেত্রে, যার ফলে যত্নের দ্বারা কোনও বাস্তববাদী অর্থ পাওয়া যায়। কোনও ন্যান্ড গেট নির্ভরযোগ্যভাবে একটি ন্যানড ফাংশন সম্পাদন করে বা কিছু অ্যালগরিদম নির্দিষ্ট অবস্থার অধীনে প্রদত্ত ডেটা সেট আকারের সাথে রূপান্তরিত হওয়ার প্রমাণিত হয় যখন আমরা সতর্ক থাকি তখন আমরা কী করছি এর সম্পূর্ণরূপে বর্ধিত অর্থ।
  • ব্যাখ্যাযোগ্য --- এটিও অস্পষ্ট। একটি চূড়ান্তভাবে, একটি কৃত্রিম নেটওয়ার্কের রূপান্তরকালে প্যারামিটার মানগুলির সেটগুলিতে রূপান্তর একটি ব্যাখ্যা, তবে পৃথক মানগুলি ব্যাখ্যা করা হয় না। বিপরীত চূড়ান্ত ক্ষেত্রে, একটি অনুমান, পরীক্ষামূলক নকশা, শর্তগুলির একটি সেট চয়ন, বিশ্লেষণ, ফলাফল এবং উপসংহারের সম্পূর্ণ প্রতিবেদন এখনও একটি বিস্তৃত ব্যাখ্যা নয়। এই জাতীয় প্রতিবেদনে প্রতিবেদনের দ্বারা বর্ণিত গবেষণায় মানব বুদ্ধিমত্তার প্রয়োগ সম্পর্কিত বিবরণ কেবল 1% এর নীচে অন্তর্ভুক্ত থাকতে পারে।

ট্র্যাকিবিলিটির ভিত্তিতে ব্যাখ্যাযোগ্য না হওয়ার জন্য 1990 এর দশকের প্রথমদিকে এআই জার্নালগুলিতে কৃত্রিম নেটওয়ার্কগুলিতে প্রাথমিক কাজ সমালোচিত হয়েছিল। উত্পাদনের (নিয়ম-ভিত্তিক) সিস্টেমগুলি প্রয়োগ করা হয়েছিল এমন বিধিগুলির নিরীক্ষা ট্রেইলগুলি ফেলে রেখেছিল এবং পূর্ববর্তী কোন বিধিগুলির ফলাফলের জন্য যাতে কেউ ফলাফলের লিখিত প্রমাণ সংগ্রহ করতে পারে। এটি ছিল সীমিত উপযোগিতা।

যখন স্টিয়ারিং হুইলগুলি যানবাহন থেকে সরিয়ে ফেলা হয় এবং কিছু অঞ্চলগুলি মানব ড্রাইভিংয়ের বিরুদ্ধে আইন শুরু করতে শুরু করে, এটি এমনটি হবে না কারণ এক মিলিয়ন পরিস্থিতিগুলির সুরক্ষার প্রমাণগুলি লিখিত হয়েছিল। এটি হ'ল কারণ পর্যাপ্ত পর্যাপ্ত সময়সীমার মধ্যে নির্দিষ্ট একটি গাড়ীর ধরণের এআই ড্রাইভারের দ্বারা ইনস্টল করা এআই ড্রাইভারের ফলে রেকর্ডকৃত দুর্ঘটনাজনিত মৃত্যু, ভাঙ্গন এবং সম্পত্তির ধ্বংসগুলি মানব চালকদের জন্য বিতরণগুলির উপর তার সুরক্ষা নির্দেশ করে। অবশেষে কিছু আদালতের কক্ষে বা আইনসভার কক্কাসে কেউ এই বা এর সমতুল্য বলবেন।

যদি আমরা আলোচনার অধীনে এই নির্দিষ্ট শর্তে মানব ড্রাইভিংকে নিষিদ্ধ না করি, তবে আমরা প্রতি বছর এক্স সংখ্যক পুরুষ, মহিলা, শিশু এবং প্রবীণ পথচারী এবং যাত্রীদের অকাল মৃত্যুর জন্য সাজা দিচ্ছি।

পদক্ষেপ গ্রহণের ব্যবস্থা এবং নির্দিষ্ট ক্ষেত্রে সিদ্ধান্ত নেওয়া কার্যকর, তবে এআই কেন কার্যকর এবং অধ্যয়নের একটি কার্যকর ক্ষেত্র হয়ে ওঠে কেন তা অনির্দিষ্ট।

  • প্রতিযোগিতামূলক এআই সিস্টেমগুলিকে কিছু পরিমাণের সাথে তুলনা করা আকর্ষণীয় হবে।
  • বুদ্ধি সম্পর্কে আরও বুঝতে পারা এটি দুর্দান্ত একাডেমিক মূল্য হতে পারে।
  • আরও ভাল ব্যাখ্যা একটি ভাল কাগজ তৈরি করে।
  • আমি একদিন ডুডলিং করছিলাম এবং এমন একটি সিস্টেমের নির্দিষ্ট শ্রেণীর ব্যাখ্যার জন্য পৌঁছেছিলাম যা দেখে মনে হচ্ছে খারাপভাবে ব্যাখ্যা করা হয়নি।

যদিও এআই সিস্টেমগুলির অ-অডিটযোগ্যতা আইনসভা ও বিচারিক ঘটনাগুলির তলে উঠে আসতে পারে, তবে অনেকগুলি সিদ্ধান্ত যেভাবে পরিসংখ্যানিক মূল্যায়ন প্রকাশিত হয় এবং তা উপলব্ধি করা হয় তার ভিত্তিতেই হবে। যেগুলি সিস্টেমগুলিকে এমনভাবে পরিচালিত করার জন্য জোর দিয়ে থাকে যেগুলি ব্যাখ্যা করা যেতে পারে সম্ভবত সচেতনভাবে বা অবচেতনভাবে এই ধারণাটির প্রতি আগ্রহের দ্বারা অনুপ্রাণিত হবে যে মানুষের আধিপত্য প্রকাশ্য নিয়তি। শীঘ্র যুদ্ধের সময় যারা মার্কিন যুক্তরাষ্ট্র ও ইউএসএসআর স্বার্থকে সাহায্য করেছিল তাদের অনেকেই এখন স্নায়ুযুদ্ধের উভয় পক্ষেরই উত্তরসূরিদের দ্বারা সন্ত্রাসবাদী নেতা বলে বিবেচনা করছেন।

সম্পর্কিত এবং আরও স্পষ্টভাবে উত্তরযোগ্য প্রশ্ন হ'ল কোনও বুদ্ধিমান সহায়ক অনির্দিষ্টকালের জন্য সহায়ক হিসাবে প্রত্যাশা করা যেতে পারে কিনা। চিরদিনের জন্য বুদ্ধিমান-চিরকালের জন্য সহায়তাকারীদের তদন্ত চলছে এবং সাই ফাই লেখক এবং চিত্রনাট্যকার থেকে শুরু করে সামরিক অনুমোদিত থিঙ্ক ট্যাঙ্কার পর্যন্ত সকলের কাছে অসাধারণ আগ্রহ।


-1

আইএমএইচও, ব্যাখ্যাযোগ্য এআইয়ের সর্বাধিক গুরুত্বপূর্ণ প্রয়োজন হ'ল আমাদের বৌদ্ধিকভাবে অলস হওয়া থেকে রোধ করা। আমরা কীভাবে উত্তরগুলি পাওয়া যায় তা বোঝার চেষ্টা বন্ধ করে দিলে আমরা আমাদের মেশিনগুলিতে খেলাটি স্বীকার করেছি।


ঠিক আছে, আমরা বুঝতে পারি যে তারা কীভাবে একটি উচ্চ স্তরের উত্তরগুলি খুঁজে পায়: তারা আশাব্যঞ্জক নিদর্শন না পাওয়া পর্যন্ত তারা প্রায় মিলিয়ন বার অনুমান করে। বুদ্ধিজীবী কাজটি বুঝতে হবে যে এই প্যাটারগুলিকে কী কারণ - এটি একটি প্রশ্ন যা এআই এর চেয়ে কম যত্ন করে না।
জেডসোল্ট সিলাজি

কখনও কখনও এটি সত্য, তবে কিছু ধরণের এআই (যেমন জেনেটিক অ্যালগরিদম) প্রায়শই এর চেয়ে ভাল করে এবং কাঠামোগত কারণগুলির জন্য ভাল ক্লুগুলি সরবরাহ করার জন্য কাঠামোগত করা যায়। কখনও কখনও কেবল এটি নির্দেশ করে যে "এই ডেটা সেটের সন্ধান পাওয়া প্যাটার্নটি এই অন্যান্য ডেটা সেটে পাওয়া প্যাটার্নের সাথে খুব ঘনিষ্ঠভাবে সাদৃশ্যপূর্ণ" খুব তথ্যবহুল হতে পারে এবং কারণের ব্যাখ্যা ব্যাখ্যা করতে পারে।
এস ম্যাকগ্রু
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.