큐:
AI "드리프트"에 기여하는 요소는 무엇입니까?
ㅏ:"인공 지능 드리프트"는 상대적으로 모호한 용어이므로 온라인 기술 문헌에서 많이 언급하지는 않습니다. 그러나 엔지니어와 다른 사람들은 인공 지능이 더 강력하고 포괄적 인 결과로 진화하는 것을 고려하면서 생각하고 있습니다.
인공 지능 드리프트는 튜링 테스트를 통과하기 위해 만들어진 챗봇, 로봇 또는 디지털 구조 등 정교한 AI 개체가 원래 프로그래밍의 지시문 및 지시 사항에서 고려하지 않았을 수있는 응답 및 활동 유형으로 분기되기 시작하면 발생합니다. 그들의 인간 처리기.
예를 들어, IT 전문가가 "비밀 코드"라고 기술 한 방식으로 두 개의 Facebook 챗봇이 서로 통신하기 시작한 최근 프로젝트에서 이러한 변화의 예를 볼 수 있습니다. 기본적으로 기술은 기술을 활용하기로 결정한 시점까지 진화했습니다. 인간 프로그래머가 제안하거나 요청하지 않은 다른 의사 소통 수단.
인공 지능 드리프트와 관련된 요인은 지난 수십 년 동안 강력한 인공 지능 패러다임의 진화를 이끈 요인입니다. 하나는 해석이 잘되어 있고 느슨하게 결합 된 머신 러닝 알고리즘으로, 이러한 기술이 성장하고 발전 할 수있는 여지를 제공합니다. 머신 러닝은 기존 기술과 마찬가지로 정량화 가능한 데이터와 엄격한 컴퓨팅 작업에만 집중하는 것이 아니라 컴퓨팅 시스템의 작동 방식을 근본적으로 변화시킵니다. 인공 지능은 머신 러닝 및 딥 러닝 전략에 반영된 자체 교정 및 자체 진화 도구로 나아가고 있습니다. 인간의 사고와 지능을 훨씬 능숙하게 시뮬레이트하는 신경망의 개념.
인공 지능 표류와 인공 지능의 진화의 또 다른 요인은보다 정교한 종류의 지능을 시뮬레이션하기 위해 다시 협력 적으로 작동하는 다중 기술입니다. 일부 IT 전문가는이를 "고집이 깊은 네트워크"또는 생성 및 차별적 구성 요소를 포함한 기술이라고합니다. 다중 엔터티 패러다임의 이러한 개별 엔티티와 다른 개별 엔티티가 서로 작동함에 따라 기술이 수행 할 수있는 기능을 발전시키고 원래 프로그래밍에 덜 제약이있는보다 자유로운 결과를 향해 기술을 옮길 수 있습니다. 그것이 인공 지능 발전의 배후에있는 아이디어이며, 이 인공 지능 드리프트의 배후 개념입니다. 컴퓨팅 시스템이 원래의 프로그램 실행 후에 스스로 변경되거나 변경 될 수 있다는 것입니다. 단순히 이러한 진보적 인 요소로 인해 가능할 수 있기 때문입니다.
