هوش مصنوعی هوشمند هستند، اما انسان ها هستند که می دانند کجا به دنبال خرد بگردند – Recknsense

مقدار زیادی دانش در اختیار ما است، بنابراین فکر می کنید این روزها کارشناس شدن آسان است. اگر فقط این درست بود! متأسفانه، همه ما فقط به دلیل وجود اینترنت فوق العاده باهوش نیستیم. علیرغم این واقعیت که حجم وسیعی از اطلاعات به راحتی در دسترس به صورت آنلاین در دسترس است، این شما را فوراً به یک متخصص تبدیل نمی کند. شما باید بدانید کجا باید جستجو کنید تا چیزهای خوب را پیدا کنید. اطلاعات مهم بدتر از همه، با افزایش اینترنت ما، مشکل دشوارتر می شود.

ما می دانیم که کسب تجربه یا خرد تنها به مقدار اطلاعاتی که در دسترس ماست بستگی ندارد. در واقع، ممکن است تنها به چند مورد منتخب از دانش نیاز باشد تا آنچه مهم است تجزیه شود. هنر جمع‌آوری مؤثر دانش، مهارتی است که افراد دائماً روی آن کار می‌کنند. در حالی که پیشرفت های زیادی در دریافت اطلاعات جهانی و سازماندهی آن به صورت آنلاین صورت گرفته است، اکنون برای شناسایی با ارزش ترین سایت های حفاری به کمک بیشتری نیاز داریم.

احتمالاً برای به دست آوردن خرد دانش به طرز شگفت آور کمی خواهد بود، شاید حتی یک عدد تک رقمی. کمتر از 10 مورد از دانش (کتاب، ویدئو، مقاله علمی و غیره) ممکن است برای درک یک موضوع خیلی کم به نظر برسد، اما به نظر می‌رسد که ما به عنوان انسان با کمتری بهتر عمل می‌کنیم. الهام بخش مقادیر کم از نظریه های دیگر در مورد ظرفیت ذاتی مغز برای حفظ اطلاعات مهم گرفته شده است. به عنوان مثال، ما تعداد متوسطی از مواردی داریم که مغز ما می تواند به راحتی آن ها را در یک لحظه به خاطر بسپارد و تعداد متوسطی از دوستان نزدیک که با آنها در تماس هستیم. بنابراین، به نظر قابل قبول است که یک عدد متوسط ​​(پایین) مشابه برای چیزهایی وجود داشته باشد که قبل از اینکه بتوانیم در مورد چیزی عاقل باشیم باید بدانیم. من قبلاً کمی در مورد اعداد و خرد نوشته ام فرمولی برای خرد.

یادگیری چیزی در حال حاضر حتی یک چالش بیشتر است زیرا گزینه های زیادی وجود دارد که ادعا می کنند کمک می کنند. از کجا شروع کنیم و به چه کسی می توان اعتماد کرد؟ شاید یک یا دو سند مهم وجود داشته باشد که باید خوانده شود، یا کتاب هایی که به وضوح دانش کلیدی را توضیح می دهند. انتخاب های زیادی در مورد نحوه یادگیری چیزهای جدید وجود دارد که می توان قبل از شروع آن را ترک کرد.

اگر فقط می‌توانستیم به جایی برویم که فقط روشن‌فکرترین آیتم‌ها در آن فهرست شده باشند – مانند یک برگه تقلب. اما مشکل همچنان باقی است – چه کسی این موارد ضروری را انتخاب می کند و آیا می توانیم به آنها اعتماد کنیم؟ هر کسی در مورد بهترین کتاب برای خواندن یا بهترین تکنیک یا پردازش در یک سناریوی خاص نظری دارد. در حالت ایده آل، ما امیدواریم که یک موتور جستجو جایی باشد که شما این موارد ضروری را دریافت کنید. با این حال، هنگامی که نتایج معمولی موتورهای جستجو را با آنچه که “کسی آگاه” به شما می‌گوید مقایسه می‌کنیم، متوجه می‌شویم که پاسخ انسان با پاسخ ماشین کاملاً متفاوت است.

در اینجا یک مثال در دنیای واقعی با استفاده از یک موتور جستجوی شناخته شده در مقایسه با فهرست منابع انسانی آورده شده است:

1. جستجوی “منابع AI” – 4 پاسخ اول تبلیغات هستند، از جمله Palantir، Berkeley، سپس “Education – Google AI”، چندین منبع رایگان، یک مقاله متوسط ​​و لیستی از شرکت های هوش مصنوعی.
2. توصیه‌های انسانی از سؤال از چند نفر در کسب‌وکار – یک دوره مقدماتی، یک وب‌سایت با آخرین اخبار هوش مصنوعی، یک کتاب در مورد مسائل تعصب هوش مصنوعی، یک کتاب مبتدی خوب در مورد این فناوری. (می توانید این لیست را ببینید در صفحه ارجاع ما)

نتایج انسانی شامل مواردی است که توسط افراد واقعی آزمایش شده است، که در زمینه‌ها و نظرات مختلف متفاوت است، به عنوان مثال. نه فقط محبوب ترین و بالاترین رتبه. گاهی اوقات مردم توصیه های خوبی دریافت می کنند که هرگز به بالای نتایج جستجو نمی رسند. نقطه ضعف نتایج جستجو این است که با توجه به مدل کسب و کار تبلیغات جستجویی که امروزه وجود دارد، ممکن است کمتر مورد اعتماد قرار گیرند.

وقتی بخش زیادی از اینترنت مبتنی بر تبلیغات یا قابل پخش باشد، می‌تواند انگیزه‌های پشت این توصیه‌ها را زیر سوال ببرد. مردم هنگام توصیه می توانند تعصبات خاص خود را داشته باشند، اما با استفاده از غرایز طبیعی خود، به نظر می رسد در شناسایی مقصران آشکار خوب عمل کنیم. تفاوت دیگر بین نتایج جستجو و فهرستی که می توان به آن دست یافت، دانش کمتر است. در حالی که موتور جستجو کل اینترنت را جستجو کرده است تا به صفحات اول نتایج برسد (اگرچه می دانیم که صفحه اول معمولاً تنها صفحه مشاهده شده است)، لیست های توصیه های انسانی، در مقابل، مختصرتر هستند. از این گذشته، ما فقط می‌توانیم تعداد زیادی فکر را در یک زمان نگه داریم و یک فیلتر طبیعی اتفاق می‌افتد.

قدرت مدل ساده

در کتاب جدید بسیار توصیه شده خود در مورد هوش مصنوعی و ارزش های انسانی به نام “مشکل هم ترازی” برایان کریستین تاثیر سادگی را در فصل شفافیت مورد بحث قرار می دهد. او به تحقیقات انجام شده اشاره می کند که مدل های پیچیده هوش مصنوعی را با ساده ترین مدل ها مقایسه می کند. به این نتیجه قابل توجه رسیدیم که مدل های ساده می توانند به خوبی یا حتی بهتر از مدل های پیچیده باشند. کریستین به تحقیقات در مورد تصمیمات دنیای واقعی، مانند احکام آزادی مشروط یا معاینات پزشکی اشاره می کند که نشان داده شده است مدل های ساده موثرتر از مدل های پیچیده عمل می کنند.

معلوم می شود که مقدار کمی از دانش می تواند بهترین نتایج را ایجاد کند، نه یک لیست پیچیده بزرگ از متغیرها یا مجموعه داده ها. انسان‌ها به‌ویژه در کشف این ذره دانش خوب هستند. همانطور که در کتاب کریستین نقل شده است، “تجربه انسانی این است که ما خوب می دانیم به دنبال چه چیزی باشیم.” ما همچنین به طور طبیعی در آن کارآمد هستیم. شاید تمایل ما به صرفه جویی در انرژی و تلاش ما را به دنبال ساده ترین راه برای رسیدن به راه حل کند. ما در محاسبه سریع اطلاعات مهم مهارت فوق العاده ای داریم. هوش مصنوعی به این سمت گرایش ندارد، حداقل هنوز. یادگیری ماشینی به گونه ای طراحی شده است که داده های زیادی را مصرف می کند، و این به خودی خود می تواند تجلیل شود، حتی گاهی اوقات به عنوان یک دستاورد. با این حال، به نظر نمی رسد که آموزش بر روی مقادیر انبوه داده همیشه مزیتی به ماشین ها بدهد. در حالی که موقعیت‌های زیادی وجود دارد که در آن مقادیر انبوه داده دقیقاً همان چیزی است که مورد نیاز است، سناریوهای زیادی وجود دارد که منجر به نتایج بهتری نمی‌شود – به‌ویژه زمانی که «هوش مصنوعی عمومی» مورد نیاز است. هر چه بیشتر سعی می کنیم هوش مصنوعی را یک عقل کلی یا مشترک ارائه دهیم، به امید اینکه آن را انسانی تر کنیم، کمتر به مدل های پر داده فعلی ما به عنوان پاسخ اشاره می کند.

با ترکیب تعداد کمی از چیزهایی که باید بدانید با مجموعه‌ای از قوانین ساده، می‌توانیم با استفاده از مجموعه‌ای از «حکمت» در مورد یک موضوع معین، راه‌حلی پیدا کنیم. جایی بین یک موتور جستجوی کلان داده و یک توصیه تماماً انسانی، یک الگوریتم ساده برای یافتن خرد وجود دارد که روزی می تواند کدگذاری شود.

اگر به توصیه های انسانی علاقه مند هستید، نگاهی بیندازید لیست ما بر میانبر برای چندین موضوع انتخاب شده

آیا می توانیم یک لطف سریع بخواهیم؟ اگر یک دقیقه فرصت دارید، لطفا پاسخ دهید نظرسنجی بسیار کوتاه ما که از نحوه کسب دانش می پرسد – فقط 4 سوال چند گزینه ای است و تحقیقات کاربر به ما کمک می کند Recknsense را بهتر طراحی کنیم.