Gevoelige AI is niet gelijk aan intelligente AI

gesponsord

U hebt waarschijnlijk wel gehoord van LaMDA van Google en de virale discussie over de vraag of een AI bewust kan worden. Het team van tau stelt dat het gevoel van een AI misschien maar een klein deel van zijn intelligentie is. De ware intelligentie van AI zal eerder gebaseerd zijn op zijn vermogen om de behoeften van mensen logisch te begrijpen en automatisch te bevredigen.

tau is het allereerste platform dat in staat zal zijn om de gedachten, adviezen en kennis van zijn gebruikers te nemen en zijn eigen software in realtime bij te werken door zijn gebruikers te laten schrijven in talen die zowel machines als mensen kunnen lezen en begrijpen. Tau's gedecentraliseerde sociale netwerk en zijn monetaire aspect, Agoras cryptogeld, wordt aangedreven door een AI die het team de echt intelligente kunstmatige intelligentie noemt - Logical AI. Logische AI ​​is radicaal anders dan Machine Learning en staat volgens Tau's oprichter Ohad Asor op het punt de volgende grote golf in de wereld van technologie te worden.

Op Tau stelt Logical AI je in staat deel te nemen aan discussies ter grootte van miljarden mensen en onmiddellijk de collectieve opzettelijke betekenis te zien achter de gedachten die via het netwerk worden gedeeld. Dit wordt bereikt door mensen Controlled Natural Languages ​​(CNL's) te laten gebruiken die zowel mensen als machines kunnen begrijpen. Elke gedachte en elk stukje kennis, expliciet of impliciet, wordt automatisch herkend en geregistreerd als uw wereldbeeld, dat zal fungeren als uw profiel op Tau en volledig van u zal zijn. Door uw ideeën en kennis op zo'n geavanceerde manier te organiseren, kunt u niet alleen baanbrekende oplossingen ontdekken, maar ook geld verdienen met uw kennis op een moeiteloze en directe manier die voorheen niet mogelijk was.

Alleen al door uw mening over Tau in te voeren, wordt uw kennis automatisch een digitaal bezit van u. U kunt uw kennis verkopen aan andere kopers, of het gebruiken om inkomsten te genereren door specifieke delen ervan aan uw abonnees te verhuren, aangezien Tau zal begrijpen dat zelfs een deel van uw kennis een deel van de oplossing voor iemands probleem kan zijn. Tau zal de combinatie van kennis van meerdere gebruikers onder de aandacht brengen en voorstellen als een oplossing voor belangrijke en complexe problemen, waardoor de vereiste kennis 100% overeenkomt met de specificaties.

Geen van deze oplossingen zou mogelijk zijn met een ander type AI, behalve een die gebaseerd is op logica. Simpel gezegd, Logical AI draait namelijk om woorden en zinnen. In de kern gaat het om het vermogen om uitspraken af ​​te leiden uit andere uitspraken, op de manier van wat deductief redeneren wordt genoemd. Bijvoorbeeld uit de drie uitspraken:

• Parijs ligt in Frankrijk.
• Frankrijk ligt in Europa.
• Als x in y is, en y in z, dan is x in z. Dit, voor alle x, y, z.

we kunnen de verklaring afleiden

Het vakgebied van de wiskundige logica leert dat vrijwel alle logische vragen tot deze vorm van deductie kunnen leiden. Een reeks uitspraken is bijvoorbeeld tegenstrijdig, als en alleen als we daaruit zowel een uitspraak als de ontkenning ervan kunnen afleiden.

Logische AI ​​is de mechanisering van logisch redeneren: het vinden van tegenstrijdigheden, bepalen of een conclusie volgt uit gegeven aannames, enzovoort. Het gaat daarom om het vermogen om machines te laten begrijpen wat we ze willen vertellen, meer dan alleen machine-instructies.

Ondertussen draait Machine Learning, momenteel de meest voorkomende vorm van AI, om generaliseren van voorbeelden. Dus als we het bovenstaande voorbeeld van Frankrijk en Parijs zouden communiceren in de vorm van machinaal leren, zouden we het algoritme moeten voorzien van veel voorbeelden van de vorm "x is in y", en dan hopen dat het algoritme zal concluderen dat Parijs ligt in Europa.

Een dergelijke vorm van communicatie verdient het niet eens intelligent te worden genoemd, want hoe kan iets intelligent zijn als het niet kan concluderen dat Parijs in Europa ligt en een groot aantal voorbeelden moet zien om te "begrijpen" dat, terwijl zelfs dat niet gegarandeerd? Generaliseren uit voorbeelden is van probabilistische aard. Hoe kunnen we een schatting maken van ongeziene monsters? Het is verrassend dat Machine Learning soms gelijk kan hebben en niet volledig willekeurig is, en Machine Learning verdient het inderdaad om een ​​wiskundig wonder te worden genoemd. Immers, hoe kan iemand iets zeggen dat, met grote waarschijnlijkheid, zelfs bij benadering correct is, onder nul kennis buiten enkele steekproeven?

Verrassend genoeg kan machine learning dat doen. En dat is waar Machine Learning over gaat met al zijn voor- en nadelen. De use-case is wanneer we weinig tot geen kennis over een systeem hebben, en alles wat we kunnen doen is steekproeven nemen en proberen deze te generaliseren.

Bij logische AI ​​gaat het daarentegen om volledige kennis en absoluutheid, expliciet of impliciet. Het gaat ook om een ​​veel efficiëntere manier van communiceren, directe communicatie, “gewoon zeggen wat het is”, in plaats van te zwoegen over het geven van veel voorbeelden.

Verder is het zo dat Machine Learning inherent niet in staat is om logisch te redeneren, bijvoorbeeld om tegenstrijdigheden op te sporen. Dit is wiskundig bewezen met behulp van complexiteitstheoretische argumenten. Het is daarom geen verrassing dat Machine Learning alleen succes heeft op gebieden die non-verbaal van aard zijn, terwijl het op het gebied van Natural Language Processing slechts zeer beperkte mogelijkheden biedt.

Maar andersom is volkomen geldig: niet alleen logica kan machine learning doen, maar doet dat al. Machine learning-algoritmen worden al uitgedrukt in logische vormen (in tegenstelling tot voorbeelden) en zijn al geïmplementeerd als computerprogramma's die ook een logische, eerder probabilistische vorm aannemen, namelijk machine-instructies.

Het afdekken van Logical AI omvat dus ook Machine Learning, maar andersom kan nooit worden bereikt. Een andere manier om het te zeggen is als volgt: machine learning omvat uiteindelijk wat inductief en abductief redeneren wordt genoemd (wat ongeveer overeenkomt met wat wordt genoemd begeleid en niet-gesuperviseerd leren), en als zodanig is het veelbelovend, maar nog steeds in een vorm die beperkt is tot louter voorbeelden, en verder hebben de huidige technologieën alleen te maken met gegevens van numerieke aard, of met gegevens die daarin kunnen worden omgezet. Logische AI, aan de andere kant, kan deductief redeneren, inductief redeneren en abductief redeneren in zijn geheel omvatten, zowel in kwalitatieve als kwantitatieve gegevens.

Dit zijn de belangrijkste redenen waarom: tau heeft Logical AI gekozen als de ultieme vorm van AI, met het argument dat Machine Learning slechts een mijlpaal is in de geschiedenis van AI. De oplossingen van Tau zullen vele aspecten van menselijke bandbreedte verbeteren, van discussieschaling tot het genereren van inkomsten met kennis, tot slimme contracten en gedecentraliseerd bestuur. Dit alles vanwege het vermogen van logica om de kloof tussen mens en machine te overbruggen.

Lees meer over Tau en het team erachter hier

Word lid van de groeiende Tau-gemeenschap op Telegram

Dit is een gesponsord bericht. Leer hoe u ons publiek kunt bereiken hier. Lees onderstaande disclaimer.

Bitcoin.com-media

Bitcoin.com is de belangrijkste bron voor alles wat met crypto te maken heeft.
Neem contact op [e-mail beveiligd] om te praten over persberichten, gesponsorde berichten, podcasts en andere opties.

Beeldkredieten: Shutterstock, Pixabay, Wiki Commons