Kako bi umjetna inteligencija funkcionirala, trebat će dosta novca i hrpa “dobrih” podataka, pokazuje nedavno istraživanje.
Najvidljiviji nedavni eksperiment u povećanju ljudske produktivnosti pomoću pametnih strojeva je GitHubov Copilot.
Slično načinu na koji vaš pametni telefon (ili stvari poput Gmaila) može sugerirati riječi ili izraze dok tipkate, Copilot pomaže programerima predlažući redove koda ili funkcije za upotrebu. Obučen na milijardama linija koda na GitHubu, Copilot obećava poboljšanje produktivnosti programera dopuštajući im da pišu manje, ali bolje.
Prerano je tvrditi hoće li Copilot raditi. Ne mislimo da li može ili ne može učiniti ono što misli; mnogi programeri požurili su isprobati i pohvalili njegov potencijal.
Ne biste trebali očekivati da je kod koji Copilot proizvodi točan. Kao prvo, još su rani dani za ovu vrstu aplikacije, s malo obuke izvan početnog skupa podataka. Kako sve više ljudi koristi Copilot, a ono se oslanja na to kako oni koriste njegove prijedloge za pojačanje učenja, njegovi bi se prijedlozi trebali poboljšati. Međutim, i dalje ćete morati donositi odluke o isječcima koje koristite i načinu na koji ih koristite. Također morate biti oprezni s kodom koji Copilot generira iz sigurnosnih razloga.
Također postoji zabrinutost zbog autorskih prava i otvorenog koda, između ostalog.
Neki misle da ovo zvuči sjajno u teoriji, ali će nestati kako se programeri vraćaju praksi pisanja koda. Ključno je da li je programerima Copilotov prijedlog koda koristan u stvarnim programskim scenarijima, a ne prilično prokleta činjenica da to uopće može učiniti.
Najbolji AI povećava ljudsku kreativnost, a ne zamjenjuje je.
Autonomna vožnja
Stvarnost je današnjih automobila koji sami upravljaju, naravno da oni ne upravljaju sobom, ali mogu pomoći vozačima preuzimajući veći dio tereta. (Kad bi se samo Elon Musk prodavao na ovaj način)
Obećanje autonomnih vozila donekle je otežano njihovim oslanjanjem na GPS koji može propasti.
No, kako je opisano u časopisu Science Robotics, znanstvenici s Caltecha došli su do “sezonski nepromjenjive duboke transformacije za vizualnu navigaciju prema terenu”.
U ljudskom govoru to znači da autonomni sustavi (poput automobila) mogu uzeti znakove s terena oko sebe kako bi odredili svoju lokaciju, bilo da je taj teren prekriven snijegom, otpalim lišćem ili bujnom proljetnom travom.
Trenutne metode zahtijevaju kartiranje/podatke o terenu da se podudaraju gotovo točno s onim što vozilo “vidi”, ali snijeg i druge stvari to mogu pokvariti. Znanstvenici s Caltecha zauzeli su drugačiji pristup, nazvan učenje s vlastitim nadzorom. “Dok se većina strategija računalnog vida oslanja na ljudske bilježitelje koji pažljivo kuriraju velike skupove podataka kako bi podučili algoritam kako prepoznati ono što vidi, a umjesto toga dopušta algoritmu da se sam poučava. Umjetna inteligencija traži uzorke na slikama iscrtavajući detalje i značajke koje bi ljudima vjerojatno nedostajale. ” Koristeći ovaj pristup dubokog učenja, znanstvenici su stvorili vrlo točan način poboljšanja načina na koji strojevi vide svijet i koji reagiraju na njega.
Sve u svemu, zaključak je da nas čekaju uzbudljive godine na tehnološkom planu i AI zasigurno zauzima dosta važno mjesto u tom procesu razvoja.