Using an artificial intelligence te

Using an artificial intelligence technique inspired by theories about how the brain recognizes patterns, technology companies are reporting startling gains in fields as diverse as computer vision, speech recognition and the identification of promising new molecules for designing drugs.

The advances have led to widespread enthusiasm among researchers who design software to perform human activities like seeing, listening and thinking. They offer the promise of machines that converse with humans and perform tasks like driving cars and working in factories, raising the specter of automated robots that could replace human workers.

The technology, called deep learning, has already been put to use in services like Apple’s Siri virtual personal assistant, which is based on Nuance Communications’ speech recognition service, and in Google’s Street View, which uses machine vision to identify specific addresses.

But what is new in recent months is the growing speed and accuracy of deep-learning programs, often called artificial neural networks or just “neural nets” for their resemblance to the neural connections in the brain.

“There has been a number of stunning new results with deep-learning methods,” said Yann LeCun, a computer scientist at New York University who did pioneering research in handwriting recognition at Bell Laboratories. “The kind of jump we are seeing in the accuracy of these systems is very rare indeed.”

Artificial intelligence researchers are acutely aware of the dangers of being overly optimistic. Their field has long been plagued by outbursts of misplaced enthusiasm followed by equally striking declines.

In the 1960s, some computer scientists believed that a workable artificial intelligence system was just 10 years away. In the 1980s, a wave of commercial start-ups collapsed, leading to what some people called the “A.I. winter.”

But recent achievements have impressed a wide spectrum of computer experts. In October, for example, a team of graduate students studying with the University of Toronto computer scientist Geoffrey E. Hinton won the top prize in a contest sponsored by Merck to design software to help find molecules that might lead to new drugs.

From a data set describing the chemical structure of thousands of different molecules, they used deep-learning software to determine which molecule was most likely to be an effective drug agent.

The achievement was particularly impressive because the team decided to enter the contest at the last minute and designed its software with no specific knowledge about how the molecules bind to their targets. The students were also working with a relatively small set of data; neural nets typically perform well only with very large ones.

“This is a really breathtaking result because it is the first time that deep learning won, and more significantly it won on a data set that it wouldn’t have been expected to win at,” said Anthony Goldbloom, chief executive and founder of Kaggle, a company that organizes data science competitions, including the Merck contest.

Advances in pattern recognition hold implications not just for drug development but for an array of applications, including marketing and law enforcement. With greater accuracy, for example, marketers can comb large databases of consumer behavior to get more precise information on buying habits. And improvements in facial recognition are likely to make surveillance technology cheaper and more commonplace.

Artificial neural networks, an idea going back to the 1950s, seek to mimic the way the brain absorbs information and learns from it. In recent decades, Dr. Hinton, 64 (a great-great-grandson of the 19th-century mathematician George Boole, whose work in logic is the foundation for modern digital computers), has pioneered powerful new techniques for helping the artificial networks recognize patterns.

Modern artificial neural networks are composed of an array of software components, divided into inputs, hidden layers and outputs. The arrays can be “trained” by repeated exposures to recognize patterns like images or sounds.

These techniques, aided by the growing speed and power of modern computers, have led to rapid improvements in speech recognition, drug discovery and computer vision.

Deep-learning systems have recently outperformed humans in certain limited recognition tests.

Last year, for example, a program created by scientists at the Swiss A. I. Lab at the University of Lugano won a pattern recognition contest by outperforming both competing software systems and a human expert in identifying images in a database of German traffic signs.

The winning program accurately identified 99.46 percent of the images in a set of 50,000; the top score in a group of 32 human participants was 99.22 percent, and the average for the humans was 98.84 percent.

1 2 NEXT PAGE »
This article has been revised to reflect the following correction:

Correction: November 29, 2012

An article on Saturday about rapid advances in the artificial intelligence technique called deep learning misstated the number of molecules analyzed in a contest sponsored by Merck and won by students using deep-learning software. Contestants analyzed thousands of molecules that might lead to new drugs, not 15. (There were 15 data files, each containing thousands of molecules.)

ผลลัพธ์ (ไทย) 1:

ใช้เทคนิคปัญญาประดิษฐ์บันดาลใจทฤษฎีเกี่ยวกับการสมองจดจำรูปแบบ เทคโนโลยีบริษัทจะรายงานกำไรในฟิลด์ที่มีความหลากหลายเช่นคอมพิวเตอร์วิทัศน์ รู้ และรหัสของโมเลกุลใหม่สัญญาสำหรับการออกแบบยาตกใจความก้าวหน้าได้นำไปสู่ความกระตือรือร้นอย่างแพร่หลายในหมู่นักวิจัยที่ออกแบบซอฟต์แวร์เพื่อดำเนินกิจกรรมต่าง ๆ ของมนุษย์เช่นการดู ฟังและคิด พวกเขาให้คำมั่นสัญญาของเครื่องที่สนทนากับมนุษย์ และทำงานเช่นขับขี่รถยนต์ และทำงานในโรงงาน เพิ่ม specter ของหุ่นยนต์อัตโนมัติที่สามารถแทนแรงงานมนุษย์เทคโนโลยี เรียกว่าลึกเรียนรู้ มีการให้ใช้ ในบริการของ Apple สิริเสมือนผู้ช่วยส่วนตัว ซึ่งขึ้นอยู่กับบริการการรับรู้เสียงยกย่องสื่อสาร และของ Google Street ดู ที่ใช้จักรวิทัศน์เพื่อระบุที่อยู่ที่ระบุแต่มีอะไรใหม่ในเดือนที่ผ่านมาเติบโตเร็วและความถูกต้องของโปรแกรมการเรียนรู้ลึก มักจะเรียกว่าเครือข่ายประสาทเทียม หรือเพียง "ตาข่ายประสาท" ในรูปของการเชื่อมต่อประสาทในสมอง"มีจำนวนผลลัพธ์ใหม่สวยงามด้วยวิธีการเรียนรู้ลึก กล่าวว่า Yann LeCun วิทยาศาสตร์คอมพิวเตอร์ที่มหาวิทยาลัยนิวยอร์กที่ได้วิจัยบุกเบิกในการรู้จำลายมือในห้องปฏิบัติการเบลล์ "ชนิดของการกระโดดที่เราเห็นในความถูกต้องของระบบเหล่านี้ไม่ยากแน่นอน"นักวิจัยปัญญาประดิษฐ์มีทั้งตระหนักถึงอันตรายของการในเชิงบวกมากเกินไป ความมียาวถูกเลือก โดย outbursts เรากระตือรือร้นตามโดดเด่นลดอัตราเท่า ๆ กันในปี 1960 นักวิทยาศาสตร์คอมพิวเตอร์บางคนเชื่อว่า ระบบปัญญาประดิษฐ์ที่สามารถทำงานได้ถูกเก็บเพียง 10 ปี ในทศวรรษ 1980 คลื่นของพาณิชย์ตอัพยุบ นำไปสู่อะไรบางคนเรียกว่า "A.I. ฤดูหนาว"แต่ความสำเร็จล่าสุดได้ประทับใจผู้เชี่ยวชาญคอมพิวเตอร์หลากหลาย ในเดือนตุลาคม เช่น ทีมนักศึกษาปริญญาโทที่ศึกษา โดยนักวิทยาศาสตร์คอมพิวเตอร์มหาวิทยาลัยโตรอนโต Hinton E. นี่ชนะรางวัลสูงสุดในการประกวดที่สนับสนุน โดยบริษัทเมอร์คในการออกแบบซอฟต์แวร์เพื่อช่วยค้นหาโมเลกุลที่อาจนำไปสู่ยาเสพติดใหม่จากชุดข้อมูลที่อธิบายโครงสร้างทางเคมีของโมเลกุลแตกต่างกัน พวกเขาใช้ซอฟต์แวร์เรียนรู้ลึกเพื่อตรวจสอบโมเลกุลที่ถูกมักจะเป็นตัวแทนยาที่มีประสิทธิภาพความสำเร็จน่าประทับใจอย่างยิ่งเนื่องจากทีมงานตัดสินใจที่จะป้อนการประกวดนาทีสุดท้าย และออกแบบซอฟต์แวร์ที่ มีความรู้เฉพาะเกี่ยวกับวิธีโมเลกุลผูกกับเป้าหมายของพวกเขา นักเรียนยังทำงานกับชุดเล็กของข้อมูล ตาข่ายประสาทโดยทั่วไปทำดีเฉพาะกับคนที่มีขนาดใหญ่มาก"นี้เป็นผลอันน่าทึ่งจริง ๆ เพราะเป็นครั้งแรกที่ได้รับรางวัลเรียนลึก และมากอย่างมากก็ชนะข้อมูลการตั้งค่าให้มันจะไม่มีการคาดว่าจะชนะที่ กล่าวว่า Anthony Goldbloom ประธานเจ้าหน้าที่บริหารและผู้ก่อตั้งของ Kaggle บริษัทที่จัดการแข่งขันวิทยาศาสตร์ข้อมูล รวมถึงการประกวดเมอร์คความก้าวหน้าในการรู้จำรูปแบบเก็บผลไม่เพียงแต่ การพัฒนายา แต่ สำหรับอาร์เรย์ของโปรแกรมประยุกต์ รวมถึงการตลาดและกฎหมายบังคับใช้ มีความแม่นยำมากขึ้น เช่น นักการตลาดสามารถหวีฐานข้อมูลขนาดใหญ่ของพฤติกรรมผู้บริโภคจะได้รับข้อมูลชัดเจนยิ่งขึ้นในการซื้อนิสัย และปรับปรุงในการรู้จำใบหน้ามักจะทำให้เทคโนโลยีเฝ้าระวังมากขึ้นเป็นธรรมดา และถูกกว่าเครือข่ายประสาทเทียม คิดย้อนกลับไปช่วงทศวรรษ 1950 พยายามเลียนแบบวิธีการดูดซับข้อมูลสมอง และเรียนรู้จากมัน ในทศวรรษที่ผ่านมาล่าสุด ดร. Hinton, 64 (มีดีดีหลานของนักคณิตศาสตร์ศตวรรษจอร์จหญิงปูเล่ ทำงานในตรรกะเป็นพื้นฐานสำหรับคอมพิวเตอร์ดิจิตอลทันสมัย), มีเป็นการผู้บุกเบิกเทคนิคใหม่ที่มีประสิทธิภาพช่วยจดจำรูปแบบเครือข่ายประดิษฐ์เครือข่ายประสาทเทียมทันสมัยประกอบด้วยอาร์เรย์ของคอมโพเนนต์ของซอฟต์แวร์ อินพุต ชั้นที่ซ่อน และแสดงผล อาร์เรย์สามารถจะ "ฝึกอบรม" โดยถ่ายภาพซ้ำจดจำรูปแบบเช่นภาพหรือเสียงเทคนิคเหล่านี้ ด้วยความเร็วที่เพิ่มขึ้นและพลังงานของเครื่องคอมพิวเตอร์ที่ทันสมัย ได้นำไปสู่การปรับปรุงอย่างรวดเร็วในการรู้จำเสียง ยาวิสัยทัศน์คอมพิวเตอร์และค้นพบเรียนรู้ลึกมีล่า outperformed มนุษย์ในบางการทดสอบการรับรู้ที่จำกัดปี เช่น โปรแกรมที่สร้างขึ้น โดยนักวิทยาศาสตร์ที่แล็บ A. สวิส I. ที่มหาวิทยาลัยของ Lugano outperforming ทั้งชนะเป็นรูปแบบการประกวดแข่งขันระบบซอฟต์แวร์และผู้เชี่ยวชาญบุคคลในการระบุรูปภาพในฐานข้อมูลสัญญาณจราจรภาษาเยอรมันโปรแกรมชนะอย่างระบุร้อยละ 99.46 ของภาพในชุด 50000 คะแนนสูงสุดในกลุ่มของผู้เรียนบุคคลที่ 32 ร้อยละ 99.22 และค่าเฉลี่ยของมนุษย์ได้ร้อยละ 98.841 2 หน้าถัดไป»บทความนี้ได้ถูกปรับปรุงเพื่อสะท้อนการแก้ไขต่อไปนี้:การแก้ไข: 29 พฤศจิกายน 2012บทความเกี่ยวกับความก้าวหน้าอย่างรวดเร็วในเทคนิคของปัญญาประดิษฐ์ที่เรียกว่าเรียนรู้ลึกเสาร์ misstated จำนวนโมเลกุลที่วิเคราะห์ในประกวดสนับสนุน โดยบริษัทเมอร์ค และชนะนักเรียนใช้ซอฟต์แวร์เรียนรู้ลึก แข่งขันวิเคราะห์พันโมเลกุลที่อาจนำไปสู่ยาใหม่ 15 ไม่ (มีข้อมูล 15 พันโมเลกุลแต่ละที่มี)

ผลลัพธ์ (ไทย) 2:

การใช้เทคนิคปัญญาประดิษฐ์แรงบันดาลใจจากทฤษฎีที่เกี่ยวกับสมองรับรู้รูปแบบ บริษัท เทคโนโลยีที่มีการรายงานกำไรน่าตกใจในสาขาที่หลากหลายเช่นเดียวกับวิสัยทัศน์คอมพิวเตอร์รู้จำเสียงพูดและบัตรประจำตัวของโมเลกุลใหม่ที่มีแนวโน้มในการออกแบบยาเสพติดความก้าวหน้าได้นำไปสู่ความกระตือรือร้นแพร่หลายในหมู่ นักวิจัยที่ออกแบบซอฟแวร์ในการดำเนินการกิจกรรมของมนุษย์เช่นการเห็นการฟังและการคิด พวกเขามีสัญญาของเครื่องที่สนทนากับมนุษย์และดำเนินการเช่นการขับรถและการทำงานในโรงงานเลี้ยงผีของหุ่นยนต์อัตโนมัติที่สามารถใช้ทดแทนแรงงานมนุษย์เทคโนโลยีที่เรียกว่าการเรียนรู้ลึกได้รับการใส่อยู่แล้วที่จะใช้ในการให้บริการเช่นแอปเปิ้ล ศิริผู้ช่วยเสมือนส่วนบุคคลซึ่งจะขึ้นอยู่กับการบริการที่ได้รับการยอมรับแตกต่างกันนิดหน่อยสื่อสารคำพูดและในของ Google Street View ซึ่งใช้การมองเห็นเครื่องที่จะระบุที่อยู่ที่เฉพาะเจาะจงแต่สิ่งที่ใหม่ในเดือนที่ผ่านมาเป็นความเร็วที่เพิ่มขึ้นและความถูกต้องของโปรแกรมลึกการเรียนรู้ มักจะเรียกว่าเครือข่ายประสาทเทียมหรือเพียงแค่ "ประสาท" สำหรับความคล้ายคลึงกันของพวกเขาที่จะเชื่อมต่อระบบประสาทในสมอง"มีจำนวนของผลลัพธ์ใหม่ที่สวยงามด้วยวิธีลึกการเรียนรู้" ยานน์ LeCun นักวิทยาศาสตร์คอมพิวเตอร์ที่มหาวิทยาลัยนิวยอร์กกล่าวว่า ใครทำสำรวจวิจัยในการรับรู้ลายมือที่ Bell Laboratories "ชนิดของการกระโดดเราจะเห็นในความถูกต้องของระบบเหล่านี้เป็นของหายากมากอย่างแน่นอน." นักวิจัยปัญญาประดิษฐ์มีความตระหนักถึงอันตรายของการเป็นในแง่ดีเกินไป สนามของพวกเขาได้รับการรบกวนด้วยระเบิดของความกระตือรือร้นหายตามด้วยลดลงที่โดดเด่นอย่างเท่าเทียมกันในปี 1960, นักวิทยาศาสตร์คอมพิวเตอร์บางคนเชื่อว่าว่าระบบปัญญาประดิษฐ์ที่สามารถทำงานได้เพียง 10 ปีออกไป ในช่วงปี 1980 คลื่นของการค้าการเริ่มต้นสุขภาพทรุดตัวลงนำไปสู่สิ่งที่บางคนเรียกว่า "ฤดูหนาว AI." แต่ความสำเร็จที่ผ่านมาได้สร้างความประทับใจให้คลื่นความถี่กว้างของผู้เชี่ยวชาญด้านคอมพิวเตอร์ ในเดือนตุลาคมเช่นทีมงานของนักศึกษาปริญญาโทเรียนกับมหาวิทยาลัยโตรอนโตนักวิทยาศาสตร์คอมพิวเตอร์จอฟฟรีย์อีฮินตันได้รับรางวัลรางวัลสูงสุดในการประกวดการสนับสนุนจากเมอร์ในการออกแบบซอฟแวร์ที่จะช่วยหาโมเลกุลที่อาจนำไปสู่ยาเสพติดใหม่จากข้อมูล ตั้งอธิบายโครงสร้างทางเคมีของพันของโมเลกุลที่แตกต่างกันพวกเขาใช้ซอฟต์แวร์ลึกการเรียนรู้เพื่อตรวจสอบว่าเป็นโมเลกุลที่มีโอกาสมากที่สุดที่จะเป็นตัวแทนของยาเสพติดที่มีประสิทธิภาพประสบความสำเร็จเป็นที่น่าประทับใจโดยเฉพาะอย่างยิ่งเพราะทีมตัดสินใจที่จะเข้าร่วมการแข่งขันในนาทีสุดท้ายและการออกแบบ ซอฟแวร์ที่มีความรู้เฉพาะเกี่ยวกับวิธีโมเลกุลผูกกับเป้าหมายของพวกเขา นักเรียนก็ยังทำงานร่วมกับชุดที่ค่อนข้างเล็กของข้อมูล ประสาทมักจะทำงานได้ดีเฉพาะกับคนที่มีขนาดใหญ่มาก"นี่คือผลที่น่าทึ่งจริงๆเพราะมันเป็นครั้งแรกที่ได้รับรางวัลการเรียนรู้ลึกและมากขึ้นอย่างมีนัยสำคัญมันจะอยู่กับข้อมูลที่กำหนดว่ามันจะไม่ได้รับการคาดหวังที่จะชนะที่, "แอนโธนี Goldbloom, หัวหน้าผู้บริหารและผู้ก่อตั้ง Kaggle บริษัท ที่จัดงานการแข่งขันวิทยาศาสตร์ข้อมูลรวมทั้งการแข่งขันเมอร์คกล่าวว่าความก้าวหน้าในความหมายไว้จดจำรูปแบบไม่เพียง แต่สำหรับการพัฒนายาเสพติด แต่สำหรับอาร์เรย์ของการใช้งานรวมถึงการตลาดและการบังคับใช้กฎหมาย ที่มีความแม่นยำมากขึ้นเช่นการตลาดสามารถหวีฐานข้อมูลขนาดใหญ่ของพฤติกรรมของผู้บริโภคที่จะได้รับข้อมูลที่แม่นยำมากขึ้นในการซื้อนิสัย และการปรับปรุงในการจดจำใบหน้ามีแนวโน้มที่จะทำให้เทคโนโลยีการเฝ้าระวังที่ถูกกว่าและเป็นเรื่องธรรมดามากขึ้นเครือข่ายประสาทเทียมความคิดที่จะกลับไปในปี 1950, พยายามที่จะเลียนแบบวิธีที่สมองดูดซับข้อมูลและเรียนรู้จากมัน ในทศวรรษที่ผ่านมาดร. ฮินตัน, 64 (ดีที่หลานชายของคณิตศาสตร์ในศตวรรษที่ 19 จอร์จบูลซึ่งมีการทำงานในตรรกะเป็นรากฐานสำหรับคอมพิวเตอร์ดิจิตอลที่ทันสมัย) ได้เป็นผู้บุกเบิกเทคนิคใหม่ที่มีประสิทธิภาพในการช่วยให้เครือข่ายเทียมรับรู้รูปแบบ . เครือข่ายประสาทเทียมในปัจจุบันจะประกอบด้วยอาร์เรย์ของส่วนประกอบซอฟต์แวร์แบ่งออกเป็นปัจจัยการผลิตชั้นที่ซ่อนอยู่และเอาท์พุท อาร์เรย์สามารถ "การฝึกอบรม" โดยได้รับสารในการรับรู้รูปแบบเช่นภาพเสียงหรือเทคนิคเหล่านี้ได้รับความช่วยเหลือโดยความเร็วที่เพิ่มขึ้นและพลังของคอมพิวเตอร์ที่ทันสมัยได้นำไปสู่การปรับปรุงอย่างรวดเร็วในการรู้จำเสียงพูด, การค้นพบยาเสพติดและวิสัยทัศน์คอมพิวเตอร์ลึกการเรียนรู้ ระบบมีประสิทธิภาพสูงกว่าเมื่อเร็ว ๆ นี้มนุษย์ในการทดสอบการรับรู้ที่ จำกัด บางประการเมื่อปีที่แล้วสำหรับตัวอย่างเช่นโปรแกรมที่สร้างขึ้นโดยนักวิทยาศาสตร์ที่สวิส AI Lab ที่มหาวิทยาลัยลูกาโนชนะการประกวดการจดจำรูปแบบโดยดีกว่าทั้งการแข่งขันระบบซอฟต์แวร์และผู้เชี่ยวชาญของมนุษย์ในการระบุภาพ ในฐานข้อมูลของการจราจรที่เยอรมันลงนามโปรแกรมที่ชนะอย่างถูกต้องระบุร้อยละ 99.46 ของภาพในชุดของ 50,000; คะแนนสูงสุดในกลุ่มของผู้เข้าร่วม 32 คนคิดเป็นร้อยละ 99.22 และค่าเฉลี่ยสำหรับมนุษย์เป็นร้อยละ 98.84 1 2 หน้าถัดไป» บทความนี้ได้รับการแก้ไขเพื่อให้สอดคล้องกับการแก้ไขต่อไปนี้: การแก้ไข: 29 พฤศจิกายน 2012 บทความในวันเสาร์ที่ เกี่ยวกับความก้าวหน้าอย่างรวดเร็วในเทคนิคปัญญาประดิษฐ์ที่เรียกว่าการเรียนรู้ลึก misstated จำนวนโมเลกุลการวิเคราะห์ในการประกวดการสนับสนุนจากเมอร์คและได้รับรางวัลโดยนักเรียนใช้ซอฟต์แวร์ลึกการเรียนรู้ ผู้เข้าแข่งขันวิเคราะห์หลายพันโมเลกุลที่อาจนำไปสู่ยาเสพติดใหม่ไม่ 15. (มี 15 แฟ้มข้อมูลแต่ละที่มีหลายพันของโมเลกุลเป็น.)

ผลลัพธ์ (ไทย) 3:

การใช้เทคนิคปัญญาประดิษฐ์ โดยได้รับแรงบันดาลใจจากทฤษฎีเกี่ยวกับสมองจำรูปแบบ บริษัท เทคโนโลยีมีการรายงานที่น่าตกใจจากสาขาต่าง ๆ เช่น วิสัยทัศน์คอมพิวเตอร์ , การรู้จำเสียงพูดและการกำหนดแนวโน้มใหม่ในการออกแบบ

โมเลกุลยาความก้าวหน้ามีความกระตือรือร้นที่จะนำอย่างกว้างขวางในหมู่นักวิจัยที่ออกแบบซอฟต์แวร์เพื่อแสดงกิจกรรมของมนุษย์ เช่น การเห็น การฟัง และการคิด พวกเขาเสนอสัญญาของเครื่องจักรที่ใช้กับมนุษย์และการปฏิบัติงาน เช่น การขับรถยนต์และทำงานในโรงงาน , เพิ่มสางของหุ่นยนต์อัตโนมัติที่สามารถแทนที่แรงงานมนุษย์

เทคโนโลยี ที่เรียกว่า เรียนลึกได้ถูกใช้ในการให้บริการ เช่น แอปเปิ้ลศิริเสมือนผู้ช่วยส่วนตัวซึ่งจะขึ้นอยู่กับ ' นวลพูดสื่อสารบริการการรับรู้ และใน Google Street View ซึ่งใช้วิสัยทัศน์ของเครื่องเพื่อระบุที่อยู่ที่เฉพาะเจาะจง .

แต่สิ่งที่อยู่ใหม่ในเดือนล่าสุดคือการเจริญเติบโตความเร็วและความถูกต้องของโปรแกรมการเรียนรู้ที่ลึกมักจะเรียกว่าโครงข่ายประสาทเทียมหรือ " ตาข่ายประสาท " ของพวกเขามีความคล้ายคลึงกับการเชื่อมต่อระบบประสาทในสมอง

" มีจำนวนของที่สวยงามใหม่ผลลัพธ์กับลึกวิธีการเรียนรู้ที่ " XXX lecun , นักวิทยาศาสตร์คอมพิวเตอร์จากมหาวิทยาลัยนิวยอร์ค ผู้ทำวิจัยบุกเบิกในการเขียนด้วยลายมือที่ห้องปฏิบัติการเบลล์" ชนิดของการกระโดดที่เราเห็นในความถูกต้องของระบบเหล่านี้มีน้อยมากจริงๆ "

ปัญญาประดิษฐ์นักวิจัยได้ตระหนักในอันตรายของการเป็นในแง่ดีเกินไป เขตของตนได้รับการ plagued โดย outbursts ของถูกใส่ผิดที่กระตือรือร้นตามกันจะลดลง

ในปี 1960นักวิทยาศาสตร์บางคนเชื่อว่าคอมพิวเตอร์ระบบปัญญาประดิษฐ์ที่สามารถใช้งานได้แค่ 10 ปีไป ในช่วงปี 1980 , คลื่นของ start-ups พาณิชย์ล้ม นำไปสู่สิ่งที่บางคนเรียกว่า " AI ฤดูหนาว "

แต่ล่าสุดผลงานได้ประทับใจ สเปกตรัมกว้างของผู้เชี่ยวชาญคอมพิวเตอร์ ในเดือนตุลาคม , ตัวอย่างเช่นทีมนักศึกษาปริญญาโทเรียนกับมหาวิทยาลัยโตรอนโตนักวิทยาศาสตร์คอมพิวเตอร์เจฟฟรีย์อี. ฮินตัน ชนะรางวัลสูงสุดในการประกวดได้รับการสนับสนุนโดยเมอร์คการออกแบบซอฟต์แวร์เพื่อช่วยให้ค้นหาโมเลกุลที่อาจนำยาใหม่

จากชุดข้อมูลที่อธิบายถึงโครงสร้างทางเคมีของพันของโมเลกุลที่แตกต่างกันพวกเขาใช้ซอฟต์แวร์การเรียนรู้ลึกเพื่อตรวจสอบ ซึ่งโมเลกุลคือมักจะเป็นเอเย่นต์ยาเสพติดที่มีประสิทธิภาพ .

เรียนก็น่าประทับใจโดยเฉพาะอย่างยิ่ง เพราะทีมตัดสินใจที่จะประกวดในนาทีสุดท้ายและการออกแบบซอฟต์แวร์กับไม่เฉพาะความรู้เกี่ยวกับวิธีการจับกับโมเลกุลเป้าหมายของพวกเขา นักเรียนที่ยังทำงานกับชุดค่อนข้างเล็ก ๆของข้อมูลตาข่ายประสาทมักจะทำได้ดีเท่านั้นที่มีขนาดใหญ่มาก . .

" นี่คือผลที่น่าทึ่งมากๆ เพราะมันเป็นครั้งแรกที่ลึกการเรียนรู้ วอน และความจะเป็นชุดข้อมูลที่ไม่ได้คาดหวังที่จะชนะที่ , " กล่าวว่า แอนโทนี่ goldbloom หัวหน้าผู้บริหารและผู้ก่อตั้งของ kaggle , บริษัทที่จัดแข่งขันวิทยาศาสตร์ข้อมูล รวมทั้งการประกวด

บริษัทเมอร์คความก้าวหน้าในรูปแบบถือความหมายไม่ใช่แค่การพัฒนายาสำหรับอาร์เรย์ของงานรวมถึงการตลาดและการบังคับใช้กฎหมาย มีความถูกต้องมากขึ้นตัวอย่างเช่นนักการตลาดสามารถหวีขนาดใหญ่ฐานข้อมูลพฤติกรรมของผู้บริโภคเพื่อให้ได้ข้อมูลที่ชัดเจนมากขึ้นในการซื้อ นิสัยและการปรับปรุงในใบหน้ามีแนวโน้มที่จะทำให้เทคโนโลยีการเฝ้าระวังที่ถูกกว่าและธรรมดามากกว่า

โครงข่ายประสาทเทียม ความคิดจะกลับไปปี 1950 , พยายามที่จะเลียนแบบวิธีที่สมองซึมซับข้อมูลและเรียนรู้จากมัน ในทศวรรษที่ผ่านมา , หมอเด็ก , 64 ( หลานชายที่ดีเยี่ยมของจอร์จบูลนักคณิตศาสตร์ในศตวรรษที่ 19 ,ที่มีเหตุผลในการทำงานเป็นรากฐานสำหรับดิจิตอลที่ทันสมัยคอมพิวเตอร์ ) ได้บุกเบิกเทคนิคใหม่ที่มีประสิทธิภาพเพื่อช่วยให้เครือข่ายเทียมจำรูปแบบ

ทันสมัยโครงข่ายประสาทเทียมจะประกอบด้วยอาร์เรย์ของส่วนประกอบซอฟต์แวร์แบ่งออกเป็น 4 ชั้นซ่อนและเอาท์พุท อาร์เรย์สามารถ " ฝึก " โดยย้ำการรับรู้รูปแบบเช่นภาพหรือเสียง

เทคนิคเหล่านี้ ช่วยเพิ่มความเร็วและพลังของคอมพิวเตอร์ที่ทันสมัยได้นำไปสู่การปรับปรุงอย่างรวดเร็วในการรู้จำเสียงพูด , การค้นพบและวิสัยทัศน์คอมพิวเตอร์ยา

ลึกการเรียนรู้ระบบนี้ในมนุษย์ในการทดสอบการรับรู้จำกัดบาง

ปีที่แล้ว ตัวอย่างเช่น โปรแกรมที่สร้างขึ้นโดยนักวิทยาศาสตร์ที่สวิส . . .ห้องปฏิบัติการที่มหาวิทยาลัยซิดนีย์จะเป็นรูปแบบการแข่งขันโดย outperforming ทั้งการแข่งขันซอฟแวร์ระบบและผู้เชี่ยวชาญด้านมนุษย์ในการระบุภาพในฐานข้อมูลของสัญญาณจราจรเยอรมัน

ชนะโปรแกรมได้อย่างถูกต้องระบุ 99.46 เปอร์เซ็นต์ของภาพในชุดของ 50 , 000 ; คะแนนสูงสุดในกลุ่มของผู้เข้าร่วม 32 คน 99.22 เปอร์เซ็นต์ และค่าเฉลี่ยสำหรับมนุษย์คือ 9884 เปอร์เซ็นต์

1 2 หน้าถัดไป »
บทความนี้ได้รับการปรับปรุงเพื่อสะท้อนให้เห็นการแก้ไขดังต่อไปนี้ :

แก้ไข : 29 พฤศจิกายน , 2012

บทความเมื่อวันเสาร์เกี่ยวกับความก้าวหน้าอย่างรวดเร็วในเทคนิคปัญญาประดิษฐ์ที่เรียกว่าลึกการเรียนรู้ misstated จำนวนโมเลกุลที่ใช้ในการประกวดได้รับการสนับสนุนจากเมอร์ค และได้รับรางวัลโดยนักศึกษาโดยใช้ ซอฟต์แวร์การเรียนรู้อย่างลึกซึ้งผู้เข้าแข่งขันวิเคราะห์หลายพันโมเลกุลที่อาจนำยาใหม่ ไม่ใช่ 15 ( มี 15 ข้อมูลไฟล์แต่ละที่มีหลายพันโมเลกุล )