AI Штучний інтелект, переосмислення управління ризиками - HAAS Avocats
за сприяння Квентіна Якоба, інженера-вченого з даних:
Штучний інтелект, штучний інтелект, алгоритми, машинне навчання, глибоке навчання, нейронні мережі ... стільки термінів, що зростають, але у нас іноді виникають проблеми з концептуалізацією. Зіткнувшись із цим спостереженням, необхідний короткий огляд основних понять. Хоча майбутні визначення не претендують на вичерпність, вони будуть спрямовані на впровадження та інформування про майбутній розвиток штучного інтелекту та правових механізмів відповідальності.
- ШТУЧНИЙ ІНТЕЛЛЕКТ: B.A.BA
Алгоритм: набір правил, викладених однозначно для вирішення проблеми або отримання результату.
(Приклад: рецепт приготування, техніка розмноження зі стриманістю)
Штучний інтелект (ШІ): набір методів і теорій, реалізованих для створення машин, здатних імітувати людський інтелект.
Це матеріалізується "побудовою комп'ютерних програм, які присвячують себе завданням, які на даний момент виконуються людьми більш задовільно, оскільки вони вимагають розумових процесів високого рівня, таких як: перцептивне навчання, організація пам'яті та критичні міркування" [ 1].
Машинне навчання: підмножина штучного інтелекту. Набір здатних алгоритмів вчитися на прикладі (звідси інтерес до збору масивних даних та сучасне зростання цих алгоритмів). Людям більше не потрібно встановлювати точні правила прийняття рішень, їх вивчає машина методом спроб і помилок.
Переваги та недоліки машинного навчання порівняно з традиційним штучним інтелектом:
ПЕРЕВАГИ
Дозволяє вести до потужні алгоритми в областях, де людині важко висловити правила прийняття рішень.
Наприклад: розпізнавання зображень. Які правила використовує людина, щоб розпізнати обличчя? Важко сказати, нехай машина вчиться.
Вимагає обчислювальна потужність вчитися на прикладах та навчання може зайняти час (наприклад, кілька тижнів щодо певних проблем розпізнавання зображень). Однак фаза навчання - це лише попередній крок: Siri аналізує вміст голосових сигналів в реальному часі.
Поглиблене навчання: каскад нейронних мереж
Поглиблене навчання полягає у тому, щоб нейронні мережі накладали кінець на кінець, тим самим примножуючи правила, які машина може засвоїти. Це структура каскадної нейронної мережі в основному використовується в Росії розпізнавання зображень, де спеціалізуються нейрони низького рівня виявлення деталей (кути на зображенні, контури), а потім передають цю інформацію нейронам вищого рівня, які поєднують ці деталі для виявлення фігур. Це ієрархічний підхід, автоматично вивчається машиною, також дає хороші результати в обробці мовлення та автоматичному перекладі тексту.
- РЕЖИМИ ВІДПОВІДАЛЬНОСТІ ТЕСТУ НА ШТУЧНИЙ ІНТЕЛЛЕКТ
- Робот не може завдати шкоди людині, а також, залишаючись пасивним, не дозволяє людині піддаватися небезпеці;
- Робот повинен виконувати накази, віддані йому людиною, якщо такі накази не суперечать Першому Закону;
- Робот повинен захищати своє існування, доки цей захист не суперечить першому чи другому закону
- Перший - хотіти адаптувати існуючі режими відповідальності за галузевими принципами, щоб врахувати індивідуальні обов'язки ланцюга суб'єктів: програміст, дизайнер, виробник, власник, користувачі, треті сторони.
- Другий - створити режим автономної відповідальності
[1] Марвін Лі Мінський, фахівець з нейронних мереж, співзасновник MIT, Дармутська конференція, 1956
[2] Дж. Г. ГАНАСЦІЯ, Міф про особливість: чи варто боятися штучного інтелекту, Сейл, 2017
[3] Стаття 1240 Цивільного кодексу
[4] Стаття 1245 Цивільного кодексу
[5] Стаття 1309 Цивільного кодексу
[6] Стаття 1311 Цивільного кодексу
[7] CE, 7 березня 1958 р., Secr. від держави до громадського здоров'я c/Dejous
[8] CE, 27 липня 1988 р., Compagnie marseillaise de Madagascar
[9] CE, 1919, Рено-Дерозьє
[10] Серж АБІТБУЛ, Le temps des algoritam, січень 2017 р., Белін
Share the post "[#IA] Штучний інтелект: переосмислення управління ризиками"
- Google+
- Віадео
- Електронна пошта