FAKTANTARKASTUS 1 Ei tullut tietoyhteiskuntaa. Tuli markkinointihöpöinen tietoistettu yhteiskunta.

TiVi höpsii syväoppimisesta

  • Tietoviikko
    Tietoviikko

Syväoppiminen on vain harvoin käyttökelpoinen tapa ratkaista ongelmia ja vaatii lisäksi valtavasti tietokonekapasiteettia. TiVi täysin harhassa, kuva.

Piditkö tästä kirjoituksesta? Näytä se!

1Suosittele

Yksi käyttäjä suosittelee tätä kirjoitusta. - Näytä suosittelija

NäytäPiilota kommentit (13 kommenttia)

Käyttäjän raimoylinen kuva
Raimo Ylinen

Kun vielä tietäisi, miten syväoppiminen poikkeaa tavallisesta oppimisesta. Ei monikerroksisten algoritmien käyttö tuo mitään uutta. Ongelma valitettavasti on siinä, että tietokone osaa käsitellä vain numeerista tietoa eli kvalitatiivisetkin käsitteet on puettava kvantitatiiviseen muotoon.

Käyttäjän grohn kuva
Lauri Gröhn

Deep Learning is a sub-area of Machine Learning, that makes use of "Deep Neural Networks", networks that are equipped with many layers and new algorithms for the pre-processing of data.

Käyttäjän jormanordlin kuva
Jorma Nordlin

Kuinka pitkälle päästään näillä? En ole sinänsä perhetynyt mikropiirien tilanteeseen tämän asian osalta. Perinteisen mikroprosessorin käyttö ei ole kovin hyvä ratkaisu.

"Neural network chip has 1,024 neurons"
"The CM1K neural network chip features 1,024 neurons working in parallel, which can be daisy-chained to other CM1K chips. The IC targets smart sensor and camera applications and can classify patterns at high speed while coping with ill-defined data and unknown events."

https://www.electronicproducts.com/Digital_ICs/Mic...

Käyttäjän grohn kuva
Lauri Gröhn

Mikroprosessoreilla ei ole asiaa syväoppimiseen. Ainakin toistaiseksi on pakko tyytyä monikerroksisten suurien neuroverkkojen emulointiin supertietokoneilla. Pitää myös olla valtavasti dataa, siksi useimmiten ei voida käyttää syväoppimista. TiVin juttu on senttarin hömppää.

Käyttäjän heikkihyotyniemi kuva
Heikki Hyötyniemi
Käyttäjän grohn kuva
Lauri Gröhn Vastaus kommenttiin #5

Ei kannata hämäytyä Alphago Zerosta. Siinä tarvittava data syntyy itseä vastaan pelaamalla säännöillä joita muuama rivi. Täysin vieras tilanne normaalisovelluksissa. AZ tavallaan huijaa ihmisiä yleistysharhana.

Odotan mielenkiinnolla, mitä Merilehto kirjoittaa uudessa kirjassaan syväoppimisesta. Tämä Hesarin haastattelun kohta herätää epäilyksiä:

”Merilehto puhuu paljon syväoppimisesta. Se tarkoittaa toisiinsa yhteydessä olevia neuroverkkoja, jotka kykenevät oppimaan havainnoimalla ja voivat jo nyt opettaa itse itseään.”

Saan kirjsn huomenna. 1. Painos loppuunmyyty!

Käyttäjän heikkihyotyniemi kuva
Heikki Hyötyniemi Vastaus kommenttiin #6

"... säännöillä joita muutama rivi"

Pelkään että seuraava ala jossa tekoäly ohittaa ihmiset on matematiikka.

Käyttäjän aesalli kuva
Arto Salli Vastaus kommenttiin #8

”Pelkään että seuraava ala jossa tekoäly ohittaa ihmiset on matematiikka.”

Turha pelko! Ei mitään mahdollisuuksia näköpiirissä olevassa tulevaisuudessa, vaikka laskentateho saataisiin kasvatettua biljoonakertaiseksi nykyisestä.

Käyttäjän grohn kuva
Lauri Gröhn Vastaus kommenttiin #6

Antti Merilehdon kirja täyttää hyvin tehtävänsä: Tekoäly, matkaopas johtajalle.

Käyttäjän erkkilaitila1 kuva
Erkki Laitila

Täydellistä hömppää näyttää olevan tuo syväoppiminen. Tivi-lehti on ensimmäisenä levittelemässä hypeä. Monella muulla alalla ammattilehdet tuntevat arvonsa, mutta ei IT-alalla.

Käyttäjän grohn kuva
Lauri Gröhn

Puolueiden puheenjohtajat keskustelivan tekoälystä Porvoon paneelissa. Toivoivat, että tekoälyn päätöksen algoritmit pitäisi avata. Eivät siis vielä ymmärtäneet, että syväoppimisessa on kyse black box -päätöksenteosta eikä algoritmeista.

Käyttäjän grohn kuva
Lauri Gröhn

Antti Merilehto oli vieraana Huomenta Suomessa. Popolon kroonisesti tyhmiin kysymyksiin ei voi antaa hyviä vastauksia.

Käyttäjän grohn kuva
Lauri Gröhn

The simple sentence
“the chicken is too hot to eat”
can mean that a barnyard animal is ill or that dinner needs to cool down. There is no chance of a human mistaking the speaker’s meaning despite the inherent ambiguity of the sentence itself. The context in which someone would say this would make the meaning obvious.

In contrast, a machine intelligence has to build context for every new piece of data it encounters. It has to process a huge amount of data to simulate understanding. Imagine all the questions a computer would have to answer before being able to diagnose the problem with our hot chicken. What is a chicken? Is the chicken alive or dead? Are you on a farm? Is a chicken something you eat? What is eating? When I used this example at a lecture to an audience that was mostly English second-language, someone pointed out later that there was even an additional element of ambiguity because “hot” in English can mean the level of spice or the temperature of food. Gaspsrov

Toimituksen poiminnat

Tämän blogin suosituimmat kirjoitukset