×

LingQ'yu daha iyi hale getirmek için çerezleri kullanıyoruz. Siteyi ziyaret ederek, bunu kabul edersiniz: çerez politikası.

image

TED talks, How does artificial intelligence learn? - Briana Brownell

How does artificial intelligence learn? - Briana Brownell

Today, artificial intelligence helps doctors diagnose patients,

pilots fly commercial aircraft, and city planners predict traffic. But no matter what these AIs are doing, the computer scientists who designed them

likely don't know exactly how they're doing it. This is because artificial intelligence is often self-taught, working off a simple set of instructions

to create a unique array of rules and strategies. So how exactly does a machine learn?

There are many different ways to build self-teaching programs. But they all rely on the three basic types of machine learning: unsupervised learning, supervised learning, and reinforcement learning. To see these in action,

let's imagine researchers are trying to pull information

from a set of medical data containing thousands of patient profiles.

First up, unsupervised learning.

This approach would be ideal for analyzing all the profiles

to find general similarities and useful patterns.

Maybe certain patients have similar disease presentations,

or perhaps a treatment produces specific sets of side effects.

This broad pattern-seeking approach can be used to identify similarities between patient profiles and find emerging patterns, all without human guidance.

But let's imagine doctors are looking for something more specific.

These physicians want to create an algorithm for diagnosing a particular condition.

They begin by collecting two sets of data—

medical images and test results from both healthy patients

and those diagnosed with the condition.

Then, they input this data into a program

designed to identify features shared by the sick patients

but not the healthy patients.

Based on how frequently it sees certain features, the program will assign values to those features' diagnostic significance,

generating an algorithm for diagnosing future patients. However, unlike unsupervised learning,

doctors and computer scientists have an active role in what happens next. Doctors will make the final diagnosis

and check the accuracy of the algorithm's prediction. Then computer scientists can use the updated datasets

to adjust the program's parameters and improve its accuracy. This hands-on approach is called supervised learning.

Now, let's say these doctors want to design another algorithm to recommend treatment plans.

Since these plans will be implemented in stages,

and they may change depending on each individual's response to treatments,

the doctors decide to use reinforcement learning.

This program uses an iterative approach to gather feedback

about which medications, dosages and treatments are most effective. Then, it compares that data against each patient's profile to create their unique, optimal treatment plan. As the treatments progress and the program receives more feedback,

it can constantly update the plan for each patient. None of these three techniques are inherently smarter than any other.

While some require more or less human intervention, they all have their own strengths and weaknesses

which makes them best suited for certain tasks.

However, by using them together,

researchers can build complex AI systems,

where individual programs can supervise and teach each other. For example, when our unsupervised learning program finds groups of patients that are similar,

it could send that data to a connected supervised learning program. That program could then incorporate this information into its predictions. Or perhaps dozens of reinforcement learning programs

might simulate potential patient outcomes

to collect feedback about different treatment plans. There are numerous ways to create these machine-learning systems,

and perhaps the most promising models

are those that mimic the relationship between neurons in the brain. These artificial neural networks can use millions of connections

to tackle difficult tasks like image recognition, speech recognition, and even language translation.

However, the more self-directed these models become,

the harder it is for computer scientists

to determine how these self-taught algorithms arrive at their solution. Researchers are already looking at ways to make machine learning more transparent. But as AI becomes more involved in our everyday lives,

these enigmatic decisions have increasingly large impacts

on our work, health, and safety.

So as machines continue learning to investigate, negotiate and communicate, we must also consider how to teach them to teach each other to operate ethically.

Learn languages from TV shows, movies, news, articles and more! Try LingQ for FREE

How does artificial intelligence learn? - Briana Brownell ||künstliche|Intelligenz|lernt|Briana(1)|Brownell(1) |||||Briana Brownell|Briana Brownell Wie lernt künstliche Intelligenz? - Briana Brownell How does artificial intelligence learn? - Briana Brownell ¿Cómo aprende la inteligencia artificial? - Briana Brownell Comment l'intelligence artificielle apprend-elle ? - Briana Brownell Come apprende l'intelligenza artificiale? - Briana Brownell 人工知能はどのように学習するのか?- ブリアナ・ブラウネル 인공 지능은 어떻게 학습할까요? - 브리아나 브라우넬 Jak uczy się sztuczna inteligencja - Briana Brownell Como é que a inteligência artificial aprende? - Briana Brownell Как учится искусственный интеллект? - Бриана Браунелл Yapay zeka nasıl öğreniyor? - Briana Brownell 人工智能是如何学习的? - 布里安娜布劳内尔 人工智能如何学习? - 布里安娜·布劳内尔 人工智慧如何學習? - 布里安娜·布勞內爾

Today, artificial intelligence helps doctors diagnose patients, |||hilft|Ärzte|diagnostizieren|Patienten |||||diagnosticar os| Hoy en día, la inteligencia artificial ayuda a los médicos a diagnosticar a los pacientes, Obecnie sztuczna inteligencja pomaga lekarzom w diagnozowaniu pacjentów, Сегодня искусственный интеллект помогает врачам диагностировать пациентов,

pilots fly commercial aircraft, and city planners predict traffic. |||aeronaves comerciales||||| Piloten|fliegen|kommerziell|Flugzeuge||Stadt|Planer|sagen voraus|Verkehr ||商業用|||||| |||aeronaves comerciais|||os planejadores urbanos|preveem| los pilotos vuelan aviones comerciales y los urbanistas predicen el tráfico. пилоты управляют коммерческими самолетами, а градостроители прогнозируют движение. But no matter what these AIs are doing, the computer scientists who designed them aber||egal|||KI|||||||| |||||||||bilgisayar uzmanları|||| |||||as IAs|||||||| Pero no importa lo que estén haciendo estas IA, los científicos informáticos que las diseñaron Ale bez względu na to, co robią te SI, informatycy, którzy je zaprojektowali Но что бы ни делали эти ИИ, компьютерщики, которые их разработали, Але незалежно від того, що роблять ці штучні інтелекти, комп’ютери, які їх розробили

likely don't know exactly how they're doing it. probablemente no sepa exactamente cómo lo están haciendo. Prawdopodobnie nie wiedzą dokładnie, jak to robią. скорее всего, не знают точно, как они это делают. This is because artificial intelligence is often self-taught, ||||||||autoensinado Esto se debe a que la inteligencia artificial suele ser autodidacta, Dzieje się tak, ponieważ sztuczna inteligencja jest często samoukiem, Это потому, что искусственный интеллект часто самоучка, working off a simple set of instructions ||||Satz||Anweisungen trabajando con un simple conjunto de instrucciones praca w oparciu o prosty zestaw instrukcji отработка простого набора инструкций

to create a unique array of rules and strategies. ||||einzigartiges Array|||| ||||配列|||| ||||um conjunto|||| to create a unique array of rules and strategies. para crear una gama única de reglas y estrategias. aby stworzyć unikalny zestaw zasad i strategii. para criar um conjunto único de regras e estratégias. создать уникальный набор правил и стратегий. So how exactly does a machine learn? Entonces, ¿cómo aprende exactamente una máquina? Jak dokładnie maszyna się uczy? Итак, как именно обучается машина?

There are many different ways to build self-teaching programs. Hay muchas formas diferentes de crear programas de autoaprendizaje. Istnieje wiele różnych sposobów tworzenia programów samouczących. Есть много разных способов создания программ самообучения. But they all rely on the three basic types of machine learning: |||dependem de|||||||| Pero todos se basan en los tres tipos básicos de aprendizaje automático: Wszystkie one opierają się jednak na trzech podstawowych typach uczenia maszynowego: Mas todos eles contam com os três tipos básicos de aprendizado de máquina: unsupervised learning, supervised learning, and reinforcement learning. unüberwacht||überwacht|||Verstärkung| |||||pekiştirme öğrenmesi| não supervisionado||supervisionada|||aprendizagem por refor| aprendizaje no supervisado, aprendizaje supervisado y aprendizaje reforzado. uczenie bez nadzoru, uczenie nadzorowane i uczenie ze wzmocnieniem. обучение без учителя, обучение с учителем и обучение с подкреплением. To see these in action, Para verlos en acción, Aby zobaczyć je w akcji,

let's imagine researchers are trying to pull information ||Forscher||||| imaginemos que los investigadores están tratando de extraer información Wyobraźmy sobie, że badacze próbują uzyskać informacje vamos imaginar que os pesquisadores estão tentando obter informações представим, что исследователи пытаются извлечь информацию

from a set of medical data containing thousands of patient profiles. ||||||enthaltend|||| ||||||||||perfis de pacientes a partir de un conjunto de datos médicos que contienen miles de perfiles de pacientes. z zestawu danych medycznych zawierających tysiące profili pacjentów. a partir de um conjunto de dados médicos contendo milhares de perfis de pacientes. из набора медицинских данных, содержащего тысячи профилей пациентов.

First up, unsupervised learning. ||unüberwachtes Lernen| Primero, aprendizaje sin supervisión. Во-первых, обучение без учителя.

This approach would be ideal for analyzing all the profiles ||||||análise de||| Este enfoque sería ideal para analizar todos los perfiles. Takie podejście byłoby idealne do analizy wszystkich profili

to find general similarities and useful patterns. ||||||Muster |||semelhanças gerais||| para encontrar similitudes generales y patrones útiles. aby znaleźć ogólne podobieństwa i użyteczne wzorce.

Maybe certain patients have similar disease presentations, vielleicht||||||Krankheitsbilder Quizás ciertos pacientes tengan presentaciones de enfermedades similares, Być może niektórzy pacjenci mają podobne objawy choroby, Возможно, некоторые пациенты имеют схожие проявления болезни,

or perhaps a treatment produces specific sets of side effects. |||Behandlung|||Gruppen||| ||||||conjuntos específicos||| o quizás un tratamiento produce una serie de efectos secundarios específicos. ou talvez um tratamento produza conjuntos específicos de efeitos colaterais. или, возможно, лечение вызывает определенный набор побочных эффектов.

This broad pattern-seeking approach can be used to identify similarities |ampla||||||||| Este amplio enfoque de búsqueda de patrones se puede utilizar para identificar similitudes Esta abordagem ampla de busca de padrões pode ser usada para identificar semelhanças Этот широкий подход к поиску паттернов можно использовать для выявления сходства. between patient profiles and find emerging patterns, |||||emergentes| entre perfiles de pacientes y encontrar patrones emergentes, entre perfis de pacientes e encontrar padrões emergentes, между профилями пациентов и поиск новых закономерностей, all without human guidance. |||orientação humana todo sin la guía humana.

But let's imagine doctors are looking for something more specific. Pero imaginemos que los médicos buscan algo más específico.

These physicians want to create an algorithm ||||||algoritmo Estos médicos quieren crear un algoritmo Эти врачи хотят создать алгоритм for diagnosing a particular condition. ||||Zustand |diagnóstico de||| para diagnosticar una condición particular. для диагностики конкретного состояния.

They begin by collecting two sets of data— |||coletando|||| Empiezan por recopilar dos conjuntos de datos: Eles começam coletando dois conjuntos de dados— Они начинают со сбора двух наборов данных:

medical images and test results from both healthy patients imágenes médicas y resultados de pruebas de pacientes sanos медицинские изображения и результаты анализов как от здоровых пациентов

and those diagnosed with the condition. y aquellos diagnosticados con la condición. и те, у кого диагностировано это заболевание. і тих, у кого діагностовано це захворювання.

Then, they input this data into a program Luego, ingresan estos datos en un programa

designed to identify features shared by the sick patients |||Merkmale||||| diseñado para identificar características compartidas por los pacientes enfermos разработан для выявления черт, присущих больным пациентам

but not the healthy patients. pero no los pacientes sanos. но не здоровых пациентов.

Based on how frequently it sees certain features, Según la frecuencia con la que ve determinadas funciones, Com base na frequência com que ele vê certos recursos, В зависимости от того, как часто он видит определенные функции, the program will assign values to those features' diagnostic significance, |||zuweisen|||||| |||atribuirá valores|||||| el programa asignará valores a la importancia diagnóstica de esas características, программа присвоит значения диагностической значимости этих признаков, програма призначить значення діагностичної важливості цих функцій,

generating an algorithm for diagnosing future patients. gerando|||||| generando un algoritmo para el diagnóstico de futuros pacientes. создание алгоритма диагностики будущих пациентов. However, unlike unsupervised learning, Sin embargo, a diferencia del aprendizaje no supervisado, Однако, в отличие от неконтролируемого обучения,

doctors and computer scientists have an active role in what happens next. los médicos y los informáticos tienen un papel activo en lo que sucederá a continuación. врачи и ученые-компьютерщики играют активную роль в том, что произойдет дальше. Doctors will make the final diagnosis |||||diagnóstico final Los médicos harán el diagnóstico final.

and check the accuracy of the algorithm's prediction. |||Genauigkeit||||Vorhersage ||||||do algoritmo| y comprobar la precisión de la predicción del algoritmo. и проверьте точность предсказания алгоритма. Then computer scientists can use the updated datasets ||||||atualizados|conjuntos de dados Entonces, los científicos informáticos pueden usar los conjuntos de datos actualizados Então, os cientistas da computação podem usar os conjuntos de dados atualizados Затем ученые-компьютерщики смогут использовать обновленные наборы данных.

to adjust the program's parameters and improve its accuracy. |ajustar||do programa|os parâmetros|||| para ajustar los parámetros del programa y mejorar su precisión. This hands-on approach is called supervised learning. Este enfoque práctico se denomina aprendizaje supervisado. Essa abordagem prática é chamada de aprendizagem supervisionada. Этот практический подход называется обучением с учителем.

Now, let's say these doctors want to design another algorithm Ahora, digamos que estos médicos quieren diseñar otro algoritmo. Теперь предположим, что эти врачи хотят разработать другой алгоритм to recommend treatment plans. recomendar planes de tratamiento. рекомендовать планы лечения.

Since these plans will be implemented in stages, |||||||Phasen |||||実施される|| |||||serão executadas|| Dado que estos planes se implementarán por etapas, Поскольку эти планы будут реализовываться поэтапно,

and they may change depending on each individual's response to treatments, ||||||||||tratamientos médicos |||||||indivíduo|||tratamentos y pueden cambiar según la respuesta de cada individuo a los tratamientos, e podem mudar dependendo da resposta de cada indivíduo aos tratamentos, и они могут меняться в зависимости от реакции каждого человека на лечение, і вони можуть змінюватися залежно від реакції кожної людини на лікування,

the doctors decide to use reinforcement learning. los médicos deciden utilizar el aprendizaje por refuerzo. врачи решают использовать обучение с подкреплением.

This program uses an iterative approach to gather feedback ||||iterative|||| |||||||recopilar| ||||iterativa|||coletar| Este programa utiliza un enfoque iterativo para recopilar comentarios Este programa usa uma abordagem iterativa para coletar feedback

about which medications, dosages and treatments are most effective. |||||Behandlungen||| |||dosis||||| ||os medicamentos|dosagens||||| |||投与量||||| sobre qué medicamentos, dosis y tratamientos son más efectivos. о том, какие лекарства, дозы и методы лечения наиболее эффективны. Then, it compares that data against each patient's profile |||||||do paciente| Luego, compara esos datos con el perfil de cada paciente. Затем он сравнивает эти данные с профилем каждого пациента. to create their unique, optimal treatment plan. para crear su plan de tratamiento único y óptimo. para criar seu plano de tratamento ideal e exclusivo. As the treatments progress and the program receives more feedback, A medida que avanzan los tratamientos y el programa recibe más comentarios,

it can constantly update the plan for each patient. puede actualizar constantemente el plan para cada paciente. он может постоянно обновлять план для каждого пациента. None of these three techniques are inherently smarter than any other. ||||||von Natur aus|||| ||||||本質的に|||| ||||||intrinsecamente|||| Ninguna de estas tres técnicas es intrínsecamente más inteligente que cualquier otra. Ни один из этих трех методов не является умнее любого другого.

While some require more or less human intervention, |||||||intervenção humana Mientras que algunos requieren una intervención más o menos humana, В то время как некоторые требуют большего или меньшего вмешательства человека, they all have their own strengths and weaknesses |||||||Schwächen |||||||debilidades |||||forças|| todos tienen sus propias fortalezas y debilidades у всех есть свои сильные и слабые стороны

which makes them best suited for certain tasks. ||||geeignet||| ||||mais adequados||| lo que los hace más adecuados para determinadas tareas. что делает их наиболее подходящими для определенных задач.

However, by using them together, Sin embargo, al usarlos juntos,

researchers can build complex AI systems, ||||inteligência artificial| los investigadores pueden construir sistemas de IA complejos, исследователи могут создавать сложные системы ИИ,

where individual programs can supervise and teach each other. ||||supervisionar|||| donde los programas individuales pueden supervisarse y enseñarse unos a otros. где отдельные программы могут контролировать и обучать друг друга. For example, when our unsupervised learning program ||||no supervisado|| Por ejemplo, cuando nuestro programa de aprendizaje no supervisado finds groups of patients that are similar, encuentra grupos de pacientes que son similares,

it could send that data to a connected supervised learning program. podría enviar esos datos a un programa de aprendizaje supervisado conectado. он может отправлять эти данные в подключенную программу контролируемого обучения. That program could then incorporate this information into its predictions. |||||||||Vorhersagen ||||組み込む||||| Ese programa podría entonces incorporar esta información en sus predicciones. Затем эта программа могла бы включить эту информацию в свои прогнозы. Or perhaps dozens of reinforcement learning programs O quizás docenas de programas de aprendizaje reforzado Ou talvez dezenas de programas de aprendizagem por reforço Или, возможно, десятки программ обучения с подкреплением.

might simulate potential patient outcomes |simular|||resultados potenciais podría simular los posibles resultados del paciente pode simular os resultados potenciais do paciente может имитировать потенциальные результаты лечения пациентов

to collect feedback about different treatment plans. para recopilar comentarios sobre diferentes planes de tratamiento. для сбора отзывов о различных планах лечения. There are numerous ways to create these machine-learning systems, Existen numerosas formas de crear estos sistemas de aprendizaje automático,

and perhaps the most promising models ||||promissor| y quizás los modelos más prometedores и пожалуй самые перспективные модели

are those that mimic the relationship between neurons in the brain. |||nachahmen||||||| son aquellos que imitan la relación entre neuronas en el cerebro. são aqueles que imitam a relação entre os neurônios no cérebro. те, которые имитируют отношения между нейронами в мозге. These artificial neural networks can use millions of connections |||redes neurais||||| Estas redes neuronales artificiales pueden utilizar millones de conexiones

to tackle difficult tasks like image recognition, speech recognition, |angehen||||||| |abordar||||||| para abordar tareas difíciles como el reconocimiento de imágenes, el reconocimiento de voz, para lidar com tarefas difíceis, como reconhecimento de imagem, reconhecimento de fala, для решения сложных задач, таких как распознавание изображений, распознавание речи, вирішувати складні завдання, такі як розпізнавання зображень, розпізнавання мови, and even language translation. e incluso traducción de idiomas.

However, the more self-directed these models become, Sin embargo, cuanto más autodirigidos se vuelven estos modelos, No entanto, quanto mais autodirecionados esses modelos se tornam, Однако чем более самостоятельными становятся эти модели,

the harder it is for computer scientists cuanto más difícil es para los informáticos

to determine how these self-taught algorithms arrive at their solution. |決定する||||||||| para determinar cómo|||||||||| para determinar cómo estos algoritmos autodidactas llegan a su solución. para determinar como esses algoritmos autodidatas chegam a sua solução. чтобы определить, как эти алгоритмы-самоучки приходят к своему решению. Researchers are already looking at ways to make machine learning more transparent. |||||||||||透明な |||||||||||mais transparente Los investigadores ya están buscando formas de hacer que el aprendizaje automático sea más transparente. Os pesquisadores já estão procurando maneiras de tornar o aprendizado de máquina mais transparente. Исследователи уже ищут способы сделать машинное обучение более прозрачным. But as AI becomes more involved in our everyday lives, Pero a medida que la IA se involucra más en nuestra vida cotidiana, Mas à medida que a IA se torna mais envolvida em nossas vidas cotidianas, Но по мере того, как ИИ все больше вовлекается в нашу повседневную жизнь,

these enigmatic decisions have increasingly large impacts |rätselhaften||||| |謎めいた|||ますます|| |enigmáticas||||| estas enigmáticas decisiones tienen impactos cada vez mayores essas decisões enigmáticas têm impactos cada vez maiores

on our work, health, and safety. sobre nuestro trabajo, salud y seguridad.

So as machines continue learning to investigate, negotiate and communicate, ||||||untersuchen|verhandeln|| A medida que las máquinas continúan aprendiendo a investigar, negociar y comunicarse, Так как машины продолжают учиться исследовать, договариваться и общаться, we must also consider how to teach them to teach each other to operate ethically. ||||||||||||||ethisch ||||||||||||||etik kurallara uygun ||||||||||||||de manera ética ||||||||||||||de forma ética también debemos considerar cómo enseñarles a enseñarse unos a otros a operar éticamente. мы также должны подумать о том, как научить их учить друг друга действовать этично.