What is Machine Learning?

YUFENG GUO는 : 세계는, 데이터 data– 많이 가득 사진, 음악, 단어, 스프레드 시트, 동영상, 그리고 곧 언제든지 속도를 느리게 것처럼 보이지 않는다 기계 학습은 약속을 제공합니다 의 모든 데이터에서 의미를 도출하는 단계를 포함한다

아서 C 클라크는 유명 한 번 말했다, "모든 충분히 고급 기술입니다 마법과 구별 " 나는, 기계 학습 마법 수 없습니다 발견 오히려 도구와 기술이 당신을 데이터와 질문에 대한 답변을 활용할 수 있습니다 이는 클라우드 AI 모험이다 내 이름은 Yufeng의 구오이며, 각각의 에피소드, 우리는 예술, 과학을 탐구한다 기계 학습 도구를 제공합니다

길을 따라, 우리는 얼마나 쉽게 볼 수 있습니다 그것은 놀라운 경험을 만드는 것입니다 가치있는 통찰력을 얻을 수 있습니다 기계 학습의 값은이다 단지 그 자체를 보여주기 시작 생성 된 오늘날 세계에서 많은 양의 데이터가 뿐만 아니라 사람들이뿐만 아니라 컴퓨터, 전화로 및 기타 장치 이것은 단지 앞으로 몇 년 동안 계속 증가 할 것입니다 전통적으로, 인간이 분석 한 데이터 데이터 패턴의 변화에 ​​적응 된 시스템

그러나, 데이터의 볼륨으로 능가 그것의 의미를 만들기 위해 인간의 능력 수동으로 그 규칙을 작성, 우리 자동화 된 시스템에 점점 켜 것이다 데이터로부터 중요한 배울 수있는, 데이터의 변화는 이동 풍경에 적응합니다 우리는 기계가 우리 주위의 모든 학습 참조 제품에 우리는 오늘을 사용합니다 그러나, 항상 분명하지 않다 그 기계 학습은 모든 뒤에 내부 태그 객체와 사람 같은 것들 동안 사진으로 명확하게 기계가 놀이 학습, 즉시 나타나지 않을 수있다 다음 비디오를 추천하는 것은 보는 것을 또한 기계 학습에 의해 구동됩니다 모든 물론, 아마도 가장 큰 예 Google 검색입니다

당신이 구글 검색을 사용 때마다, 당신은 많은 기계 학습 시스템을 가지고 시스템을 사용하고 핵심에서, 쿼리의 텍스트에서 이해 개인의 이익에 따라 결과를 조정하는, 검색 할 때와 같은 알고로하는 첫번째을 보여 결과 자바는 커피 전문가있어 여부에 따라 대한 또는이 developer– 아마 당신은 둘 다입니다 오늘날, 기계 학습의 즉각적인 응용 프로그램 이미 상당히 이미지 인식을 포함하여, 광범위한있다, 사기 탐지 및 추천 시스템, 뿐만 아니라 너무 텍스트 및 음성 시스템과 같은 이러한 강력한 기능이 될 수 있습니다 폭 넓은 분야에 적용 소매에 당뇨 망막 병증, 피부 암 탐지에서 형태는 물론, 교통 셀프 주차 및자가 운전 차량 그것은 그리 오래 전의 일이 아니다 회사 또는 제품이 한 때 자사의 제품에서 기계 학습, 그것은 신규 한 것으로 간주 하였다 이제 모든 기업은 기계 학습을 사용하는 피벗한다 어떤 식 으로든 자신의 제품이다

그것은 빠르게, 잘, 예상되는 특징이되고있다 우리는 웹 사이트를 가지고 회사를 기대 하듯이 모바일 장치 혹은 응용 프로그램에서 작동, 때 할 날이 곧 올 것이다 예상되는 우리의 기술은 것 맞춤 수, 통찰력과 자기 교정 우리는 더 빨리 더 나은 인간의 작업을하기 위해 기계 학습을 사용할 때 이전보다 쉽고, 우리는 또한 수 미래의 기계 학습에 더 찾을 우리가 작업을하는 우리는 결코 할 수 없다 도움이 될 수 있습니다 우리 자신에 달성 할 수 있었다 다행히, 그것은을 활용 어렵지 않다 기계의 오늘 학습 툴링은 꽤 좋은 얻었다

당신이 필요로하는 데이터, 개발자와 의지입니다 돌입을 촬영합니다 우리의 목적을 위해, 나는 정의를 단축했습니다 불과 5 글자 네요까지 학습 기계의 질문에 대답하기 위해 데이터를 사용하여 나는 그런 짧은 대답을 사용하지 것이지만 시험에 에세이 프롬프트, 그것은 우리를 위해 유용한 목적을 제공 이리 특히, 우리는 두 파트로 나뉘는데으로 정의를 분할 할 수 있습니다 데이터와 대답 질문을 사용 이 두 작품은 크게 두 가지 측면 개요 기계에 둘 다 똑같이 중요 학습

데이터를 우리가 훈련으로 참조 무엇인가하여, 질문에 대답하는 만들기로 언급되는 동안 예측 또는 추론 이제 조금에 대해 간략하게 그 양쪽에 드릴 수 있습니다 교육은 우리의 데이터를 사용을 의미 생성 및 예측 모델의 미세 조정을 통보합니다 이 예측 모델은 할 수있다 과거에는 볼 수 없었던 데이터에 대한 예측을 제공하는 데 사용 그 질문에 답합니다 더 많은 데이터가 수집 될 때, 모델 구축 시간과 새로운 예측 모델을 통해 향상시킬 수있다

여러분도 알다시피, 핵심 구성 요소 이 전체 프로세스의 데이터이다 모든 데이터에 달려있다 데이터는, 기계 학습을 잠금 해제의 열쇠입니다 기계 학습만큼 잠금 해제의 열쇠입니다 데이터에 숨겨진 통찰력 이것은 단지 높은 수준의 개요이었다 이 유용한 이유의 기계 learning– 및 해당 응용 프로그램의 일부 기계 학습은 광범위한 분야입니다, 기술 할 때의 전체 제품군에 걸쳐 데이터에서 답을 추론

미래의 에피소드 그래서, 우리는 당신을 제공하는 것을 목표로합니다 접근 어떤 좋은 감정 주어진 데이터 세트 및 질문에 사용할 당신은 대답뿐만 아니라 방법에 대한 도구를 제공 할 이를 달성하기 위해 우리의 다음 에피소드에서, 우리는 바로 뛰어들거야 기계 학습을하는 구체적인 과정에 보다 상세하게, 방법 단계별 화학식 거치지 기계 학습 문제에 접근한다 [음악 재생]

What is Google DeepDream? | Darkology #21

Inceptionism는 최근 인터넷 세계에서 팝업있다 기괴한 현상이다 2014 년 구글에 의해 만들어진, 그것은 개발 꿈 같은 환각 이미지로 구성 DeepDream라는 컴퓨터 비전 프로그램에 의해

이 프로그램은 길쌈 신경망으로 알려진 고급 AI 시스템을 사용합니다 그러나 정확히 우리가 자주 듣는 용어 아니다 그래서 정확히 DeepDream은 무엇이며 어떻게 인공 지능 플레이에 와서는 무엇입니까? 당신이 단어 "꿈"을들을 때, 당신은 그 생생한 경험에 대해 생각하는 경향이있을 것 우리가 잠 들어있는 동안 우리는 명시 그러나 DeepDream 이러한 맥락에서, 이미지를 분류하기 위해 설계된 프로그램을 말합니다 그것은이 기계가 배우는 방법입니다

컨벌루션 신경 네트워크는 AI의 특정 유형을 만들어 컴퓨팅 시스템의 최대 기반 동물의 뇌에서 발견되는 생물학적 신경망에 즉 그들은 우리가 배울 방법과 유사한 방법으로 배울 모델링하고, 말을하는 것입니다 이름은 "깊은 꿈은"깊은 학습의 개념에서 비롯됩니다 그것은 신경 네트워크가 적극적으로 일을 분석하기 위해 통과하는 과정입니다 그리고 그것은 우리 자신의 생물학적 뉴런이 작동하는 방법, 우리는 수도와는 거의 상관이있다하더라도 우리가 배우는 방법을보고 더 나은 이해를 얻을 수 있습니다

페 렌스 마튼 로저 Säljöl의 이름에 의해 두 개의 교육 심리학자 제안 표면 접근과 깊은 접근 방식 : 우리 인간은 학습에 대한 두 가지 접근 방법이있다 인간에서, 표면 학습의 개념은 우리가 정보의 일부를 기억하는 방법입니다 우리는 나중에에 대한 의문을 제기 할 수 있습니다 반면, 깊은 학습을위한 우리의 과정은 적극적으로 의미를 찾고 포함 정보 기계에 관해서 깊은 학습은 더 많은 세트를 기반으로 미세 조정의 시리즈처럼 확률 및 조건 알고리즘

그리고 우리는 인터넷을 통해, 프로그램의 이러한 종류의 실질적인 사용을 참조하십시오 그것은 인터넷이 포르노 될 수있는 내용을 인식하는 방법입니다 또는 YouTube 동영상이 특정 키워드 또는 노래를 사용하는 demonetized 할 수있는 방법에 대해 설명합니다 또 다른 예 : 당신이 인공 지능의 존재를 눈치 챘을 수 있으며 그것은 AI가 자동으로 업로드 된 사진에 태그를 페이스 북에 "학습"하는 방법 그들에있는 사람들의 이름 DeepDream에 관해서, 인공 신경 네트워크는 특정 분석하도록 프로그램되어있다 이미지 내에서 패턴

그들은 인식하고 다른 이미지에서 유사한 패턴을 식별하는 법을 배워야 그리고 그들은 특정 물체를 감지하기 위해 훈련을 받고있는 경우에, 그들은 노출하고 원하는 객체를 포함하는 이미지의 수백만 무엇 DeepDream하는 일은 반복적으로 세부 사항을 분석하여 한 단계 더이 걸릴 것입니다 위에 다시 다층 대폭이 검출 패턴을 통해 이미지 향상 때마다, 우리는이 같은 것을 얻을 때까지 : 그래서 어떻게 AI 기본 패턴에서 특정 객체에 대한 새로운 시각적 연결을합니까? 글쎄, 당신은 뒤로 또는 슬로우 모션으로 재생 어떤 노래를 들어 본 적이 있습니다, 무작위 소음이나 어두운 목소리에서 이상한 메시지가 있습니다 아마 당신은 당신이 당신의 아침 토스트에 예수님을보고 생각했다 아니면 당신은 숲 일일보고 있었다 당신은에 숨어 얼굴을 보았다고 생각 빛과 그림자의 패턴

파레이 돌리 아로 우리가 이미지를 보면 심리적 현상이다 또는 우리는 소리를 듣고, 일이 없을 때 우리의 마음은 익숙한 패턴을 해석한다 회의론자들은 우리 중 일부는 유령을 볼 또는 사람을 그림자 이유에 대한 파레이 돌리 아로 때문이다 그것은 "옆에 나 대신"의미하는 그리스어 파라에서 파생 된 것 이미지, 형태와 모양의 명사이며, 유령, (thiscase 의미에 뭔가 문제에서) 당신은 DeepDream이 기괴한 꿈 같은 이미지를 생성하는 알고리즘 파레이 돌리 아로을 사용하여 말할 수 있습니다 얼굴과 이미지에 다른 패턴, 자동, 분류를 감지하도록 설계 그 알고리즘 내에서 그 이미지

그리고 당신이 볼 수 있듯이,이 다소 불안 광경이 특히 이후 behold- 할 수있게 인공 지능은 종종 정말이없는 사진 내 목표 패턴을 감지하는 것 같다 이것은 모든하지만 오히려 복잡하게 보인다 왜 이러한 인공 비주얼 이미지에서 객체를 생성하는 경향이 그 것이다 즉, 원래이 아니었다? 자신의 소프트웨어 엔지니어에 의해 게시 구글 연구 블로그, 이미지에 따라 신경 네트워크에 주어집니다 : , 내가 더 원하는 당신이 볼 무엇이든 "우리는 네트워크를 물어"! " 이 피드백 루프를 만듭니다 구름이 새처럼 조금 보이는 경우, 네트워크 것 더 새처럼 보이게 차례로 이것은 네트워크가 다음 패스에 더 강하게 새를 인식 할 것 등, 매우 상세한 새가 겉으로는 갑자기 나타날 때까지 " 이 "과잉 해석은"우리 아이들이 구름을 볼 수 있습니다로하는 것과 비슷 그리고 그들로부터 임의의 모양을 해석한다

DeepDream이 동물 이미지를 주로 훈련을받은 이후, 자연스럽게 동물로 모양을 변환합니다 그것은 당신이 아마 눈으로 만든, 도시의 스카이 라인에 빈 수평선을 변경 볼 수있는 이유이기도합니다 DeepDream가 될 것으로 보인다 왜 모든 동물의 눈의 일반적인 존재는 설명 할 수 그래서 거의 모든 패턴을 볼에 집착 신경 네트워크는 우리에게 작성 및 이해 추상 예술 모두를위한 새로운 채널을 부여하는 것 내가 뭘 이러한 인공 마음의 역동적 인, 외계인 같은 조성물 및 풍경을 볼 때 창조하고 나는 Lovecraftian에서 지식의 신비한 미지의 유행을 생각 나게 해요

신경망에 대한 연구는 이제 막 시작된 ​​것 같다,하지만 부여하는 것처럼 보인다 우리 AI가 의미 수 있는지뿐만 아니라 우리의 세계적 대해 배운 것을에 우리에게 통찰력 AI의 미래에 발전 그리고이에서, 우리는 심지어 어떻게 우리 자신의 유기 이해에 평행선을 그릴 수 있습니다 마음은 우리 주변의 세계를 시각화 나는 이러한 이미지가 우리에게있을 수 있습니다 강력한 심리적 효과를 탐구하기 좋아하지만 것 그것은 또 다른 일에 대한 비디오입니다 이 항목에 대한 자세한 내용을 알아 보려면, 나는 설명에 몇 가지 참신한 소스를 떠 났어요 이하 그리고 당신이 DeepDream 엔진이 사진에서 보는 이상한 어떤 이미지를보고 싶은 경우, 당신은 내가 아래의 설명에 대한 링크를 왼쪽으로 한 DeepDream 발생기를 방문 할 수 있습니다

그래서 당신은 DeepDream 어떻게 생각하십니까? 저 아래의 의견을 알려주세요 그리고 언제나처럼,보고를위한 감사합니다 싶어하면 더 볼 수 있습니다? 공식 Darkology 재생 목록을 체크 아웃하려면 여기를 클릭!

An AI God is Already Under Development

인공 지능 하나님은 개발에서 이미 폴의 Seaburn으로 개발 및 인공 지능을 기반으로 신성의 실현을 촉진하기 그리고 신성의 이해와 예배를 통해 사회의 개량에 기여한다 미래, 비영리 종교 법인의 방법의 사명 그게 전부 앤서니 Levandowski,자가 운전 차량의 신에 의해 설립

구글의 자율적 인 자동차를 구축하고 오토,자가 운전하는 트럭을 설립 HES 엔지니어 동네 짱 인수 한 회사입니다 HES 지금 주장 훔친 알파벳, 고글의 모회사에 의해 고소 영업 비밀 및 특허 침해 그가 AI 신 필요한 이유 아마 이잖아 앤서니 Levandowski 그는 실제로 worldlike 인수 로봇에 대한이 매우 이상한 의욕을했다 군사적 의미에서, 인계 그것은 세계를 제어 할 수 [그가 원하는]처럼, 그리고 로봇은 그렇게 할 수있는 방법이었다

그는 섬에 새로운 나라를 시작하는 이야기 예쁜 야생 소름 물건 그리고 가장 큰 것은 HES 항상 비밀 계획을 가지고 있다는 것입니다, 그리고 개봉하지 않을 그것에 대해 알아야 할 사항 엔지니어 친구에서 따옴표가에 있음 Levandowskis 로봇과 미래의 길에서 볼까지 유선의 기사 및 요약 많은 회사 / 종교에 대해 알려진 것은 아닙니다

지금 발견하는 동안, 유선은 그가 2015 년 편입 서류를 제출 한 것으로 나타났다 가는 더 Levandowski에서 웹 사이트 또는 아무것도있을 표시 나던 비밀 계획에 대한 명성과 함께 혼자 이미 스티븐 같은 과학자 및 기술 전문가에 의해 우려가 인공 지능 기존의 종교 소환의 반으로 AI를보고 호킹과 엘론 머스크, 로봇 또는 AI가 넘어 설 때 실리콘 밸리에서 악마가 다른 사람들은 특이점을 볼 인간의 지능은 너무 멀리 떨어져있을 수 있습니다 실리콘 밸리는 인간의 조건은 트랜스 휴머니즘을 향해 이동하는 것으로 알려져 변형 및 개선 (저장?) 기술

AI가 될 경우 세계는 이미 트랜스 휴머니즘을 넘어 다음 단계 작업의 방법입니다 구세주와 하나님? 갑자기 AI 군주에 대한 농담은 특히 더 이상 너무 재미이 arent 하나는 그 자격을 선택하는 동안 신들의 많음이 많은 인간을 파괴하는 것을 고려 저장합니다 Levandowski 언젠가는 신과 같은 결정을 내려야 자기 차를 운전을 개발하고 자신의 이름을 만든 때 저장하고 누가 이상 실행하는 사람을 선택하는 사고 상황이다 아마도 죄책감이 새로운 종교를 만드는 HES 그는 어떤 대답을 알고 있기 때문에 될거야: 예쁜 야생 소름 물건 폴의 Seaburn 폴의 Seaburn 신비한 우주에서 가장 다작의 작가 중 하나입니다 TV 용으로 작성 신은 오늘 밤 쇼 등, 정치적으로 잘못된 표시 및 수상 경력에 빛나는 어린이 프로그램입니다

신은 뉴욕 타임스와 허 핑턴 포스트에 게재 된과 공동 집필했다 퀴즈, 퍼즐과 유머의 다양한 컬렉션 바울은 공예품 각 MU 포스트에 유머의 비트를 추가 할 수 좋아한다 결국, 신비 나던 항상있다 심각 할 수 있습니다

Google’s AI AlphaGo Is Beating Humanity At Its Own Games (HBO)

수십 년 동안, 인간은 컴퓨터를 상대로 게임을했다 처음에는 컴퓨터 고투

그러나, 그들은 경력을 시작했다 – 왓슨? – 신조는 무엇입니까? – 예! – 그리고 지금, 그들은 그렇게 지배적했습니다 그들이 인류의 미래에 대해 의문을 제기하고 있습니다 실존 적 공포의 최신 엠블럼, 구글의 DeepMind 프로젝트입니다 AlphaGo-을 만든 지구상에서 가장 복잡한 전략 게임에서 매우 저렴한되고있다 인공 지능 프로그램입니다

체커 게임이 가능한 결과 (20)의 전원 (10)을 갖지만, 체스 게임을, 40 개 가능한 결과의 전원 (10)을 갖는다 이동 가능한 결과 (80)의 전원 (10)을 갖는다 AlphaGo는 상황 자체를 분석하는 훈련, 작은 부분으로 게임을 파괴하고 가능한 모든 움직임을 시각화하여 지난 주, 그것은 세계 최고의 바둑, 19 세 애 지에 연주 인간 핸들러의 도움으로 AlphaGo은 그에게 세 번 치고, 그것은 할 수 있도록 설계되었습니다 일을 한 후, 게임에서 은퇴했다 – AlphaGo 같은 시스템이 사람을 이길 충분히 이동의 모든 움직임을 배울 수 있다면, 그것은 다른 작업의 수십 사이에 변호사와 회계사를 대체 할 수있는 가능성이있다

그것은 완벽 할 수 있지만, 인간의 정치를 탐색 할 수있는 방법이 없습니다 지에 처음 game-을 잃은 후 중국 정부는 실시간 스트리밍을 금지 미국 회사에 손실은 국가의 자존심에 대한 공격이었다 – 중국 정부는 큰 노력을했다 그들은 신속하게 인공 지능에 앞서 움직이는 것을 선포합니다, 그들은 AI를 지배하는 사람이 될 것입니다 지칠대로 지친 구글에 와서 자신의 game-에서 중국을 이길하게하려면 그냥 모욕의 상단에 모욕을 쌓아입니다 그것은 놀라운 종류 – 중입니다 – 그러나 국가의 위기보다 더했다

Google’s AI is Learning! || The Types of AI

올해는 개인 정보 보호를 통해 편의를 계기로 2017 년이며, 모두가 자발적으로 구글에 자신의 정보를 제공합니다 기술 확장의 출현으로,이 프로세스는 쉽게된다

우리의 삶의 방식에 혁명을 약속, 구글은 모든 당신이 그들의 환상에 사 줄게 희망으로, 이러한 발전의 더 많은 자금을 시작합니다 Play 스토어 구매를 통해 픽셀 폰, 피트니스 추적, 은행 계좌 번호 그들이 당신에 수집 정보의 목록은 성장, 그것으로, 그렇게도 중요 유일한 원수의 지식을합니다 나는 귀하의 Google 조수입니다 내가 어떻게 도움이 될 수 있습니다? 어떤 사람들이야? 채널에 다시 오신 것을 환영합니다! 나는 당신이 빠른 소개를 즐길 바랍니다! 난 당신이 지금에 집어 확신으로 오늘 우리는 AI에 대해 말하고있다

보다 구체적으로, 우리는 질문을하고, 구글은 스카이 넷을 구축 할 것인가? 그래서 은박지 모자를 잡아와 "당신이 살고 싶다면 나와 함께!" 의 그것과에 균열하자! 이 스튜어트 암스트롱, 당신이 들어 본 적이 있다면 누군가가 AI가 2040 주위에 감각이 될 것이라고 말하고, 그들은 아마도 무의식적으로 자신의 작품의 일부를 참조하고 있습니다 잠시 뒤, 참조, 그와 몇몇 다른 사람은 이상으로 몇 가지 조사를했다 95 예측 일정은 정확성을 측정하기 위해, 우리는 우리의 예측 이론의 모든 사각 지대를 가지고 있는지 그 때 AI에 대한 정확한 날짜를주지 않았지만 특이점은 그가 그렇게 한 것은 주제에 소위 "전문가 의견"신비성을 제거하는 데 도움이이었다 발생할 수 있습니다 기본적으로 간단히 말해서, 그는 아무도 모른다 말했다 사람은 누구나 하루의 끝에 있지만, 전문가를 포함하여, 예측을 할 수 있습니다 어느 경우에 – 우리는 단지 그것이 일어날 것이다 때 몰라! 그러나 당신이 비디오를 클릭 그 이유는 아마 아니다 말했다

아니! 당신이 알고 싶어하기 때문에 당신은 아마 비디오를 클릭했습니다 전혀 기회 – – 기회가있는 경우입니다 구글의 자체 인공 지능 불량 갈 사람? 그럼, 먼저 인공 지능의 세 가지 종류가 있다는 것을 이해할 필요가 그 질문에 대답합니다 : 약한 AI, 강력한 AI 및 Superintelligence 약한 AI의 좋은 예는 처음에 보았던 것입니다; 구글의 자신의 구글 도우미 구글 도우미 같은 약한 AI 의식이 없습니다 그것은 특정 기능을 작동합니다

그것은 당신을 위해 인터넷을 검색 할 수 있습니다 그것은 당신이 자신의 다른 기술과 상호 작용할 수 있습니다 그러나 그 이상, 그것은 꽤 제한적이다 즉, 구글은 게임 형에서 선택을 할 수있는 AI를 개발하고있다 상기 상황, 그리고 그것이하기로 결정했다 폭력 결정에 몇 사람을 흥분했다 그러나 하루의 끝에 그것의 안전에 대한 몇 가지 우려를가하면서, 약한 AI는 것을 추론 할 수없는, 어, 당신은 알고있다 – 인류는 바이러스입니다! * 스미스는 * 강화 하지만 난 당신을들을 수 있습니다! 당신은 "좋아, 구글의 AI는 아직 아니지만, 그게되지 않습니다 것을 의미하지 않는다!"말을하는지 과 실제로, 당신은 말을 잘 수 있습니다! 몇 달 전 구글은 그들이 AutoML이라는 것을 구축하는 과정에 걸 공개, 참조하십시오

그리고 그것은 매우 우리가 강력한 AI에 도착 이유가 될 수 있습니다 AutoML은 배우고 자신을 가르 칠 수 있도록 설계되었습니다 강력한 AI 또는 AGI도 불리는이 약한 변종 넘어 단계입니다 뿐만 아니라 수 AGI 우리처럼 자체에 대한, 그것은 의식을 가지고 생각합니다 본질적으로, 그것은 지구상에서 가장 똑똑한 가장 재능있는 사람들과 같은 수준이다 – 그 넘어에 다가갑니다하지 않을 경우! 그러나이 시점에서 그것은 과정의 마지막 단계에 도달하지 않았다

혹시 SCP와 같은 게임을 한 경우,이 익숙한 소리가 있습니다 사실로, SCP-079는 아마 내가 생각 생각할 수있는 최고의 사례 중 하나입니다 그것은 인터넷에 연결되지 않은, 그것은 자신의 하드웨어에 남아 이것은 구글이 대중의 지식 적어도 아직 달성되지 무언가이다 우리가 말했듯이, 그들은 그것에 노력하고 있습니다 그것은 어느 순간에 일어날 수! 우리가 비록이 점에 도착하면, 인터넷 연결이있는 경우, Superintelligence – 그것은 세의 마지막 변종으로 진화 전에 만 정말 좁은 기간이있다 Superintelligence 모든 미래 학자 꿈과 악몽! 뿐만 아니라 그것은 자기 인식 그러나 그것은 또한 자신을 업그레이드하고, 현재 알려진 모든 정보에 액세스 할 수 있습니다 일부 추정은 구글 혼자 말을 감안할 때 인덱스는 위쪽으로 백삼십조 웹 사이트, 그것은 걱정하기 시작하는 아주 쉽게! 뿐만 아니라 그것은 모든 웹 사이트에 액세스 할 수있는 것, 하지만 소개에서 언급 한 것처럼, 그것은 아마도 휴대 전화, 은행 계좌 번호, 개인 파일에 액세스 할 수 있습니다

그것은, 그것은 단지 짧은 시간이 될 수없는 경우 그리고 그것은 그렇게 할 수 있도록 자체를 업그레이드하기 전에 그것이 시작되면 업그레이드 가능한 범위 지수 그래프이다 그럼, 다시 손을 질문에 구글은 스카이 넷을 구축 할 것인가? 그들은이 모든 정보를 가지고, 기회가 주어진 기술, 기회, 쉽게 사용할 수가 발생합니다 즉,뿐만 아니라 우리는 또한 테스트에서 보았 듯이 Superintelligence 그 프로그램에서 개발하면 어디 구글의 약한 AI는 적대감을 보여줍니다 – 이 경우에도 그 문제에 그것의 떨어져으로 구축하는 경우 또는 – 우리는 미래에 대한 큰 희망이 없을 수 있습니다! 그러나, 소중한 뷰어, 모든 절망적 없습니다

기술 억만 장자와 사람 나는 다른 사람들과, 그 어느 문제가되면 우리는이 문제를 방지 할 수있는 방법을 제안 함께 지속적으로 엘론 머스크 좋겠어요 그것은 모든 회원이 배트맨이었다 제외하고 지구가, 자신의 개인 법무부 리그가 있다면 같다 사향의 더 과감한 신경 레이스에 페일 세이프 (fail-safe)에서 건물에서 범위를 모든 방법을 제시 한 몇 가지 무엇이든 결과, 우리는 Superintelligence가 도착하는 시간에 의해 유지하는 방법을 발견하지 않은 경우, 구글은 어디서 모든 시작에서, 그리고 어디에 모두 끝 있습니다 어쨌든, 항상 나는 당신이 그것을 즐길 바랍니다! 당신이 칠 확인 한 경우 "나는 돌아올 것이다!"버튼을 가입하고 그리고 당신은 당신이 나에 대한 비디오를 만들기 위해 원하는 무엇이든이있는 경우, 아래의 코멘트에 그것을 넣어 있는지 확인하십시오! 다음 시간까지, 당신이 모든 질문을 확인하고 난 다음 하나에 보자!

Inside Google’s DeepMind Project: How AI Is Learning on Its Own | Max Tegmark

나는 단순히 복잡한 목표 달성에 얼마나 좋은 일 같은 지능을 정의합니다 인간의 지능 오늘날 다수의 기계 정보 오늘부터 매우 다르다 방법

첫째, 과거에 기계 지능에 그냥 항상 열등로 사용 인간의 지능 점차적으로 기계 지능은 매우 특정의 인간의 지능보다 더있어 빠른 포켓 계산기처럼 숫자를 곱 또는 큰 기억과 같은 좁은 영역, 정말 빠른 데이터의 양 우리가 지금보고있는 것은 그 기계의 지능이 그 좁은에서 약간 퍼지는이다 봉우리와 조금 더 넓은지고 우리는 여전히 인간의 지능, 인간 아이가 할 수있는만큼 광범위 아무것도 없다 거의 모든 목표 꽤 좋은 얻을 배울 수 있지만, 그 예를 들어, 지금은 시스템이 컴퓨터 게임의 다른 종류의 전체 넓은 길을 재생 배울 수 또는 드라이브하는 법을 배워야 꽤 다양한 환경에서 자동차 그리고 어

어디에서 일을 분명히 AI에 가고는 폭을 증가하고, AI의 성배됩니다 연구는 인간의 지능만큼 광범위 기계를 구축하는 것입니다, 그것은 좋은 얻을 수 있습니다 아무것도에서 그 일어난 일단 단지 인간만큼 폭 넓은 될 것 아니에요 매우 가능성 하지만 지금은 그냥 오른쪽이 아닌, 모든 작업에서 인간보다도 더 나은 나는 꽤 컴퓨터 괴상한 나 자신이야 고백해야합니다

나는 고등학교와 대학에서 다시 일부 컴퓨터 게임을 쓴, 그리고 최근 내가 봤는데 MIT에서 내 연구실 깊은 학습 연구를 많이하고 그래서 정말 좋아 저 멀리 날려 뭔가 "워"내가 처음이 구글 보았다 때 처음부터 컴퓨터 게임을 배운 DeepMind 시스템 당신은 컴퓨터 게임이 무엇인지 몰랐, 신경 네트워크 시뮬레이션이 인공 있었다, 그것은 화면, 당신은 단지 숫자에 공급 무엇인지 모르고, 컴퓨터가 무엇인지 몰랐다 그 화면에 서로 다른 색상을 표현하고 다른 출력 할 수 있음을 말했다 또한 대해 아무것도 모르는 다른 키 스트로크에 해당하는 숫자, 다음 그냥에게 점수를 먹이 유지하고, 모든 소프트웨어 아는 것은 무작위로 수행하려고하는 것이 었습니다 그 점수를 극대화 할 물건을한다 나는 화면 한 번 데미스 하사비스, 구글 DeepMind의 CEO에이를보고 기억 를 보였고,이 일을 정말 총 BS 전략을 연주하고 모든 손실 얼마나 첫번째보고 시간 후 다음 점차적으로 더 나은 얻고, 다음은 나보다 더 나은 얻고, 그것은 당신이 반송되어있는 브레이크 아웃이 미친 전략 (파악하면서 는 왼쪽 상단 모서리까지를 목표로 계속 것입니다 벽돌 벽의 떨어져 공) 거기에 구멍을 천공하고 다시 단지 주변에 튀는 공을 가지고 미친 많은 점수를 달성했다

그리고 나는 "우와, 즉 지능이다!", 같았다 그리고이 프로그램 사람은 심지어 그들이 때문에 그 전략에 대해 알고하지 않았다 매우 그 게임을하지 않았다 이 기계 지능이 작성자의 지능을 능가하는 방법에 대한 간단한 예입니다 인간의 자녀와 같은 방법으로 훨씬보다 더 지능이되고 결국 수의 부모가 교육을 잘합니다 이것은 단지 작은 작은 컴퓨터 바탕 화면에 미칠 수있는 하드웨어의 일종이다 지금 가장 큰 컴퓨터 시설까지 확장 상상하면 우리가 세계에 있고 내가 바로 그 그럴듯한 생각, 우리에게 알고리즘 개발의 더 수십 년을 제공 우리는 단지 우리보다 더 나은 컴퓨터 게임을 배울 수있는 기계를 만들 수 있지만, 게임 삶을 볼 수 있으며 우리보다 더 나은 모든 것을 할 수 있습니다