Being able to input A and output B

Being able to input A and output B will transform many industries. The technical term for building this A→B software is supervised learning. A→B is far from the sentient robots that science fiction has promised us. Human intelligence also does much more than A→B. These A→B systems have been improving rapidly, and the best ones today are built with a technology called deep learning or deep neural networks, which were loosely inspired by the brain. But these systems still fall far short of science fiction. Many researchers are exploring other forms of AI, some of which have proved useful in limited contexts; there may well be a breakthrough that makes higher levels of intelligence possible, but there is still no clear path yet to this goal
Today’s supervised learning software has an Achilles’ heel: It requires a huge amount of data. You need to show the system a lot of examples of both A and B. For instance, building a photo tagger requires anywhere from tens to hundreds of thousands of pictures (A) as well as labels or tags telling you if there are people in them (B). Building a speech recognition system requires tens of thousands of hours of audio (A) together with the transcripts (B).
So what can A→B do? Here’s one rule of thumb that speaks to its disruptiveness:

If a typical person can do a mental task with less than one second of thought, we can probably automate it using AI either now or in the near future

ผลลัพธ์ (ไทย) 2:

ความสามารถในการป้อนข้อมูลและการส่งออก B จะเปลี่ยนหลายอุตสาหกรรม ระยะทางเทคนิคสำหรับการสร้างซอฟต์แวร์→ B นี้คือการเรียนรู้ภายใต้การดูแล →เป็น B อยู่ไกลจากหุ่นยนต์ที่มีชีวิตนิยายวิทยาศาสตร์ที่ได้สัญญากับเรา ความฉลาดของมนุษย์ยังไม่มากขึ้นกว่า→ B เหล่านี้ระบบ→ B ได้รับการพัฒนาอย่างรวดเร็วและคนที่ดีที่สุดในวันนี้จะสร้างขึ้นด้วยเทคโนโลยีที่เรียกว่าการเรียนรู้ลึกหรือเครือข่ายประสาทลึกซึ่งได้แรงบันดาลใจอย่างอิสระโดยสมอง แต่ระบบเหล่านี้ยังคงตกอยู่ห่างไกลจากนิยายวิทยาศาสตร์ นักวิจัยหลายคนมีการสำรวจรูปแบบอื่น ๆ ของ AI บางแห่งซึ่งได้พิสูจน์แล้วว่ามีประโยชน์ในบริบท จำกัด ; อาจจะดีที่ทำให้ประสบความสำเร็จระดับสูงของหน่วยสืบราชการลับที่เป็นไปได้ แต่ยังคงไม่มีเส้นทางที่ชัดเจนยังเป้าหมายนี้
ซอฟแวร์การเรียนรู้ในวันนี้ภายใต้การดูแลมีจุดอ่อน: มันต้องมีข้อมูลจำนวนมาก คุณจะต้องแสดงระบบจำนวนมากตัวอย่างของทั้ง A และ B ตัวอย่างเช่นการสร้างภาพต้องการ Tagger ใดก็ได้จากหลายสิบหลายร้อยหลายพันภาพ (A) เช่นเดียวกับป้ายหรือแท็กบอกคุณถ้ามีคนในพวกเขา (B) การสร้างระบบรู้จำเสียงพูดต้องนับหมื่นของชั่วโมงของเสียง (A) ร่วมกับจิตบำบัด (B).
ดังนั้นสิ่งที่→ B จะทำอย่างไร นี่คือหนึ่งในกฎของหัวแม่มือที่พูดถึง disruptiveness ของ:

ถ้าคนทั่วไปสามารถทำได้เป็นงานจิตที่มีน้อยกว่าหนึ่งวินาทีของความคิดเราอาจจะสามารถทำงานโดยอัตโนมัติโดยใช้ AI อย่างใดอย่างหนึ่งในขณะนี้หรือในอนาคตอันใกล้

ผลลัพธ์ (ไทย) 3:

สามารถนำเข้าและส่งออก B จะเปลี่ยนอุตสาหกรรมหลายประเภท ศัพท์เฉพาะสำหรับอาคารนี้เป็น→ keyboard - key - name B ซอฟต์แวร์ควบคุมการเรียนรู้ A → keyboard - key - name B อยู่ห่างจากหุ่นยนต์มีความรู้สึกว่า นิยายวิทยาศาสตร์ มีสัญญากับเรา สติปัญญาของมนุษย์ยังไม่มากกว่า→ keyboard - key - name . เหล่านี้→ keyboard - key - name B ระบบได้รับการปรับปรุงอย่างรวดเร็ว และคนที่ดีที่สุดในวันนี้ถูกสร้างขึ้นด้วยเทคโนโลยีที่เรียกว่าเรียนรู้ลึกหรือโครงข่ายประสาทลึก ซึ่งสร้างแรงบันดาลใจโดยสมอง แต่ระบบเหล่านี้ยังคงตกอยู่ห่างไกลจากนิยายวิทยาศาสตร์ นักวิจัยหลายคนสำรวจรูปแบบอื่น ๆของไอ ซึ่งพิสูจน์แล้วว่าเป็นประโยชน์ในบริบทจำกัด ; มันอาจจะเป็นการทำให้ระดับที่สูงขึ้นของความฉลาดที่สุด ก็ยังไม่เคลียร์เส้นทาง แต่เพื่อเป้าหมายนี้วันนี้มีการเรียนรู้ซอฟต์แวร์มีจุดอ่อน : มันต้องมีปริมาณขนาดใหญ่ของข้อมูล คุณต้องแสดงระบบหลายตัวอย่างของทั้ง A และ B สำหรับอินสแตนซ์ , อาคารรูปถ่าย Tagger ใช้ที่ใดก็ได้จากหลายสิบหลายร้อยหลายพันภาพ ( ) เป็นป้ายชื่อหรือแท็กบอก ถ้าคนเหล่านั้น ( B ) การสร้างระบบรู้จำเสียงพูดต้องนับหมื่นของชั่วโมงเสียง ( ) พร้อมกับใบรับรองผลการเรียน ( B )ดังนั้นสิ่งที่สามารถ→ keyboard - key - name B เหรอ ? นี่เป็นกฎของหัวแม่มือที่พูดของ disruptiveness :ถ้าคนปกติสามารถทำงานจิตที่มีน้อยกว่าหนึ่งวินาทีของความคิด เราอาจทำให้มันใช้ AI ทั้งในขณะนี้หรือในอนาคตอันใกล้