Mašīnu uztvere izmanto sensorus un algoritmus, lai interpretētu pasauli, savukārt cilvēka uztvere balstās uz bioloģiskajām maņām un gadu desmitiem ilgu dzīves pieredzi. Abas sistēmas apstrādā sensoru ievadi, taču tās ievērojami atšķiras pēc precizitātes, pielāgojamības un spējas izprast kontekstu.
Mākslīgā intelekta atzars, kas ļauj datoriem un robotiem interpretēt datus no kamerām, mikrofoniem un citiem sensoriem.
Bioloģiskais process, kurā cilvēka smadzenes interpretē sensoro informāciju no redzes, dzirdes, taustes, garšas un ožas.
| Funkcija | Mašīnu uztvere | Cilvēka uztvere |
|---|---|---|
| Ievades metode | Digitālie sensori (kameras, LiDAR, mikrofoni) | Bioloģiskās maņas (acis, ausis, āda, deguns, mēle) |
| Apstrādes ātrums | Miljardiem darbību sekundē | Aptuveni 11 miljoni bitu sekundē sensorās ievades |
| Mācību pieeja | Apmācīts ar marķētām datu kopām un pastiprināšanas signāliem | Mācās, izmantojot pieredzi, atdarināšanu un sociālo mijiedarbību |
| Energoefektivitāte | Nepieciešama ievērojama elektriskā jauda (vatos uz kilovatiem) | Cilvēka smadzenes darbojas ar aptuveni 20 vatiem |
| Pielāgošanās spēja | Ierobežots ar apmācības datiem; grūtības ar jaunām situācijām | Ļoti elastīgs; var vispārināt, pamatojoties uz ļoti nelielu skaitu piemēru |
| Kļūdu apstrāde | Neizdodas klusi vai ar lielu pārliecību, izmantojot nepazīstamus ievades datus | Atzīst nenoteiktību un meklē vairāk informācijas |
| Konteksta izpratne | Paļaujas uz inženiertehniskām funkcijām vai apgūtiem modeļiem | Balstās uz kultūras zināšanām, emocijām un atmiņu |
| Darbības apstākļi | Vislabāk strukturētā, labi apgaismotā un paredzamā vidē | Darbojas gandrīz visās dabiskajās vidēs uz Zemes |
Mašīnu uztvere darbojas, pārveidojot neapstrādātus sensoru datus skaitliskos attēlojumos, ko algoritmi var analizēt. Piemēram, kamera uztver pikseļus, kas, izmantojot neironu tīklu slāņus, tiek pārveidoti par iezīmju kartēm. Cilvēka uztvere seko līdzīgam augšupvērstam ceļam, bet pievieno augšupvērstu apstrādi, kur cerības un atmiņas veido to, ko mēs faktiski redzam. Tāpēc ārsts rentgenuzņēmumā var pamanīt smalku lūzumu, ko iesācējs pilnībā nepamanītu.
Mašīnu uztveres sistēmas apmācībai parasti ir nepieciešami tūkstošiem vai miljoniem marķētu piemēru, un modeļa atjaunināšana nozīmē atkārtotu apmācību ar jauniem datiem. Turpretī cilvēki var iemācīties atpazīt jaunu putnu sugu pēc tam, kad to ir redzējuši tikai vienu vai divas reizes. Šī paraugu efektivitāte joprojām ir viena no lielākajām atšķirībām starp mākslīgo un bioloģisko uztveri, un tā ir aktīva mākslīgā intelekta pētījumu joma, kas pazīstama kā mācīšanās ar dažiem mēģinājumiem.
Mašīnas izceļas kontrolētās vidēs, kur apgaismojums, leņķi un fons saglabājas nemainīgi, tāpēc rūpnīcas roboti spēj pamanīt defektus ar pārcilvēcisku precizitāti. Cilvēki izceļas nekārtīgā, neparedzamā vidē, kas ir pilna ar neskaidrībām un sociālām niansēm. Ieejot pārpildītā ballītē, jūs varat uzreiz atšķirt sava drauga balsi, kas joprojām ir izaicinājums pat labākajām runas atpazīšanas sistēmām.
Mūsdienīga uztveres modeļa darbība var prasīt milzīgu skaitļošanas jaudu, bieži vien prasot grafiskos procesorus vai specializētas mikroshēmas, kas patērē ievērojamu elektrības daudzumu. Cilvēka smadzenes veic salīdzināmus modeļu atpazīšanas sasniegumus, izmantojot aptuveni blāvas spuldzes enerģiju. Šī efektivitātes atšķirība izskaidro, kāpēc mākslīgā intelekta iestrādāšana mazās ierīcēs, piemēram, dzirdes aparātos vai viedpulksteņos, joprojām ir tehniski sarežģīta.
Mašīnu uztveres sistēmas var apmānīt ar naidīgiem piemēriem – sīkām pikseļu izmaiņām, kas cilvēkiem nav redzamas un izraisa nepareizu klasifikāciju. Cilvēki reti iekrīt šādos trikos, lai gan mums pašiem ir savas ievainojamības optisko ilūziju un kognitīvo aizspriedumu veidā. Abas sistēmas pieļauj kļūdas, taču šo kļūdu raksturs atklāj būtiskas atšķirības tajā, kā katra no tām veido izpratni.
Mašīnu uztvere nosaka medicīniskās attēlveidošanas diagnostiku, autonomus transportlīdzekļus, sejas atpazīšanu un kvalitātes kontroli ražošanā. Cilvēka uztvere vada visu, sākot no mākslas novērtēšanas līdz ķirurģisku lēmumu pieņemšanai un ikdienas sarunām. Arvien biežāk abi darbojas kopā, mākslīgajam intelektam veicot atkārtotus vizuālus uzdevumus, bet cilvēkiem nodrošinot spriedumus, radošumu un ētisko uzraudzību.
Mašīnu uztvere redz pasauli tāpat kā cilvēki.
Mākslīgā intelekta sistēmas apstrādā pikseļus kā skaitliskus masīvus un nosaka statistiskus modeļus, savukārt cilvēki interpretē ainas, izmantojot atmiņu, emocijas un kultūras kontekstu. Neironu tīkls var precīzi apzīmēt fotoattēlu, nesaprotot, ko kāds no objektiem patiesībā nozīmē.
Cilvēka uztvere vienmēr ir precīza un objektīva.
Mūsu smadzenes pastāvīgi izmanto īsceļus un aizpilda trūkstošo informāciju, tāpēc aculiecinieku liecības var būt neuzticamas un optiskās ilūzijas darbojas. Uztvere vienmēr ir interpretācija, nevis perfekts realitātes ieraksts.
Kad mašīnu uztveres sistēmas ir apmācītas, tās nekad nepieļauj kļūdas.
Pat ļoti precīzi modeļi neizdodas robežgadījumos, neparastos leņķos vai ievades datos, kas atšķiras no apmācības datiem. Pašbraucoša automašīna var nepareizi klasificēt gājēju neparastā apģērbā vai šķērsot ielu negaidītā vietā.
Cilvēki spēj uztvert tikai piecas maņas.
Papildus redzei, dzirdei, garšai, ožai un taustei cilvēki uztver arī līdzsvaru, temperatūru, sāpes un propriocepciju (ķermeņa pozīciju). Mašīnu uztveres sistēmās bieži vien ir iekļauti vēl vairāk sensoru veidu, piemēram, LiDAR un infrasarkano staru sensori.
Mākslīgā intelekta uztvere jau ir gudrāka nekā cilvēka uztvere.
Mākslīgais intelekts var pārspēt cilvēkus šauros uzdevumos, piemēram, šahā vai specifiskos attēlu klasifikācijas kritērijos, taču vispārējā vizuālā izpratne joprojām ir tālu no pašreizējo sistēmu spējām. Mazulis joprojām pārspēj vismodernākos robotus, orientējoties pieblīvētā telpā.
Izvēlieties mašīnu uztveri, ja nepieciešama konsekventa un nenogurstoša lielu datu apjomu apstrāde strukturētās vidēs, piemēram, rūpnīcās vai novērošanas sistēmās. Izvēlieties cilvēka uztveri uzdevumiem, kas prasa radošumu, ētisku spriešanu vai pielāgošanos patiesi jaunām situācijām. Mūsdienu jaudīgākie risinājumi apvieno abus, ļaujot mašīnām pārvaldīt mērogojamību, kamēr cilvēki veicina izpratni.
A/B testēšana modeļu apkalpošanā novirza trafiku starp konkurējošām modeļu versijām, lai novērtētu reālo veiktspēju, savukārt viena modeļa ieviešana visiem lietotājiem nosūta vienu modeli. Komandas izvēlas starp tiem, pamatojoties uz riska toleranci, trafika apjomu un statistiskās validācijas nepieciešamību pirms pilnīgas ieviešanas.
A/B testēšana satura izlaidumos ietver variāciju ieviešanu dažādiem auditorijas segmentiem un veiktspējas mērīšanu, savukārt vienreizēji satura izlaidumi vienlaikus nodrošina vienu versiju visiem lietotājiem. Katra pieeja atbilst dažādiem mērķiem, A/B testēšanai dodot priekšroku uz datiem balstītai optimizācijai, bet vienreizējiem izlaidumiem prioritāte ir ātrums un vienkāršība.
Adaptīvā izguve dinamiski pielāgo, kā un kādu informāciju sistēma izgūst, pamatojoties uz vaicājumu, savukārt statiskās izguves cauruļvadi ievēro fiksētus noteikumus neatkarīgi no konteksta. Abas nodrošina modernas mākslīgā intelekta lietojumprogrammas, taču tās ievērojami atšķiras pēc elastības, izmaksām un precizitātes. Izvēle starp tām ir atkarīga no darba slodzes sarežģītības un budžeta.
Šajā detalizētajā salīdzinājumā tiek pētītas adaptīvo intelekta dzinēju arhitektūras atšķirības, darbības ierobežojumi un reālā veiktspēja salīdzinājumā ar fiksētas uzvedības automatizācijas sistēmām. Mēs aplūkojam, kā sistēmas, kas nepārtraukti mācās no jauniem vides datiem, atbilst stingrām, paredzamām, uz noteikumiem balstītām sistēmām.
Aģentu apmācība vidēs ietver mācīšanos, izmantojot reāllaika mijiedarbību ar simulētu vai fizisku vidi, savukārt bezsaistes datu kopu apmācība balstās uz iepriekš apkopotiem datiem bez papildu piekļuves videi. Abas pieejas apmāca mašīnmācīšanās modeļus, taču būtiski atšķiras tas, kā aģenti apkopo pieredzi un uzlabo veiktspēju.
