The New Normal of CS Education: Artificial Intelligence

जर आपल्या कामाची उर्वरित जगाने थट्टा केली तर ही शंका भूतकाळातून काढून टाकणे हे अलौकिक बुद्धिमत्तेचे लक्षण असू शकते. कित्येक दशके एआयच्या क्षेत्रासाठी समर्पित असलेल्या कोणालाही ही भावना चांगली ठाऊक आहे.
70 वर्षांहून अधिक काळ, एआय वैज्ञानिक वेळोवेळी त्यांच्या क्षेत्रातील कमतरतेमुळे निराश झाले आहेत. जेव्हा यशाच्या तत्त्वांनी गणना करण्याची शक्ती वाढविली आहे, तेव्हा ते “एआय विंटर” द्वारे गोठवले जातात, ज्या दरम्यान अविश्वासू बरीच वर्षे पैसे आणि आधार रोखत असतात. मानवी बुद्धिमत्तेच्या तुलनेत एआय काळोख युगात असू शकते, परंतु एआय संशोधकांचा छोटा समुदाय म्हणून विश्वास ठेवणे हे प्रगतीसाठी कठीण आहे.

हॉलिवूड ऐतिहासिकदृष्ट्या मानवी-विरूद्ध मशीनचे त्याचे पौराणिक गडद चित्रण संपवते, परंतु एआय आपण कल्पना केलेली काहीही करत नाही

. इंटेलिजेंट मशीन्स ही रोबोटची फौज नसतात. त्याऐवजी, सांख्यिकीय शिक्षण मॉडेल, जैविक न्यूरल नेटवर्कद्वारे प्रेरित, आम्हाला शांतपणे परवानगी देतात, परंतु जादूने मशीन्स शिकण्यास शिकवतात.
स्वस्त संगणन, वेगवान अल्गोरिदम आणि पुरेसे डेटाचे अभिसरण यामुळे कृत्रिम तंत्रिका नेटवर्क जिवंत परत येत आहेत आणि यावेळी ते वेगळे आहे. आज एआय व्यावसायिक सर्वात नामांकित प्रतिभेमध्ये आहेत, विद्यापीठ संशोधन आणि अत्याधुनिक व्यावसायिक कंपन्यांच्या विकास प्रयोगशाळांमध्ये प्रवेश करतात.

विशेषत: नमुना ओळख आणि प्रतिमा प्रक्रियेमध्ये एआयचा अर्ज दररोजच्या जीवनास अनुमती देण्यास सुरूवात करीत आहे आणि आमचे भविष्य तयार करेल. अजून बराच पल्ला गाठायचा आहे – ही तंत्रज्ञान अद्याप त्यांच्या बालपणात आहे. परंतु कुर्झविल आणि इतर बरेच पायनियर हे निश्चितपणे ठाऊक आहेत की मानवी बुद्धिमत्तेला टक्कर देणारे संगणक फक्त दीड दशके दूर आहे. एआय ही भविष्यातील वीज, दैनंदिन जीवनासाठी वीज असेल.

भविष्य कृत्रिम मेंदूत कार्य करेल (2)

तरीही एआयच्या संकल्पना मूळतः शिक्षणासारख्या पारंपारिक संस्थांच्या मानवी प्रतिमानास अनुकूल आहेत. अंशतः म्हणूनच प्रत्येक झेप घेऊन प्रदेशाने दोन पावले मागे टाकली आहेत:

“जर आपण मानवी उपक्रम म्हणून विज्ञानाच्या पद्धती नसत्या तर आपण बरेच वेगवान झाले असते. गूगलचे आधुनिक एआय चे प्रणेते आणि संशोधक योशुआ बेंगियो म्हणतात की विविधतेने वैयक्तिक पूर्वग्रह तोडला पाहिजे, परंतु मानवांना ज्या गोष्टी त्यांना समजत नाही किंवा विश्वास नाही अशा गोष्टींचा त्याग करतात.

विट आणि मोर्टार शैक्षणिक नमुने तंत्रज्ञानाच्या वेगवान गतीस सामावू शकत नाहीत. हा प्रश्न देखील उपस्थित करतो: आम्ही नवीन सीमेसाठी आपल्या विद्यार्थ्यांना किती चांगले तयार करत आहोत? शेवटी, एआय नैसर्गिकरित्या पारंपारिक मूलभूत संरचना परिभाषित करते. मशीन्स गतीमान झाल्यामुळे, विद्यार्थी आजच्या स्थिर, शिकवण्याच्या वर्गातून ऑनलाइन शिक्षणाचे डायनॅमिक, ऑटोडिडेक्टिक मॉडेलमध्ये रूपांतरित होतील.

एआय जायंट्सच्या खांद्यावर उभे

नायसेर्स म्हणतात की त्यांनी हा लांडगा रडण्यापूर्वी ऐकला आहे. शीत युद्धाच्या वेळी अमेरिकन सरकारने रशियन दस्तऐवज समजण्यासाठी स्वयंचलित मशीन भाषांतरात मोठ्या प्रमाणात गुंतवणूक केली. मशीन्स शब्दशः भाषांतर करू शकतात, परंतु त्यांनी अभिभाषणातून अर्थ बदलण्यात बर्‍याच चुका केल्या. उदाहरणार्थ, एक रशियन दस्तऐवजात “आत्मा तयार आहे परंतु देह अशक्त आहे” असे भाषांतर केले जे “व्होडका चांगले आहे परंतु देह कुजलेले आहे” असे भाषांतरित करते.

एआय अभियंत्यांकडून संगणक विज्ञानाच्या या नवीन पिढीच्या आसपासची पायाभूत सुविधा तयार करण्याची मोठी मागणी असेल – आणि आपल्या लक्षात येण्यापेक्षा हे लवकरच होईल. टेस्लाचे मुख्य कार्यकारी अधिकारी एलोन मस्क बरोबर असल्यास, ड्रायव्हरलेस कारमधील संगणक व्ह्यूजन इतके परिपूर्ण असेल की वाहन चालविणे प्रत्यक्षात बेकायदेशीर ठरेल. बर्गस्टलरने विस्थापन गतीविषयी एक आकर्षक निरीक्षण अधोरेखित केले:

गोल्डमॅन सॅक्सच्या पॉडकास्टने म्हटले आहे की, “टेक कंपनी म्हणून गुगल उत्पादन उत्पादनांच्या सायकलसाठी सानुकूल आहे, तर पारंपारिक कार कंपन्या product वर्षात उत्पादनांच्या सायकलसाठी सानुकूल आहेत.”

न्यूरल इन्फॉरमेशन प्रोसेसिंग सिस्टम कॉन्फरन्समध्ये सीईओ मार्क झुकरबर्ग यांनी एकदा जाहीर केले की अग्रणी यान लेकन यांच्या नेतृत्वात असलेल्या त्यांच्या एआय टीमने अवघ्या months महिन्यांत सर्वोत्कृष्ट चेहरा ओळखण्याचे तंत्रज्ञान तयार केले. त्यास ते डीपफेस म्हणतात.
आणि, अर्थातच, आम्ही माध्यमांमध्ये एआय उन्माद काढलेला मैलाचा दगड प्रकल्प विसरू शकत नाहीः गुगलएक्स लॅबचा ब्रेन सिम्युलेशन प्रोजेक्ट. अब्ज कनेक्शनसह 16,000 संगणक प्रोसेसरने 10 दशलक्ष यादृच्छिक YouTube व्हिडिओ लघुप्रतिमा उघडकीस आणल्या नंतर, त्या मांजरीची प्रतिमा शिकली.

अशीर्षकांकित इन्फोग्राफिक

सर्वात मोठ्या न्यूरल नेटवर्कचे अब्ज कनेक्शन आहेत, काही वर्षांपूर्वीच्या आकारापेक्षा 1,000 पट. खरं तर, आम्ही गहन शिक्षण (किंवा कृत्रिम तंत्रिका तंत्र) च्या माध्यमातून एआय मधील प्रभावी टप्पे गाठले आहेत, परंतु आपण अद्याप मानवी मेंदूची नक्कल करण्यापासून बरेच दूर आहोत.

एआय शिकणे ऑटोडिडेक्टिकली नवीन सामान्य होईल

“मला काही शिकवण्यासाठी मला एखादी नोकरी मिळू शकते” हा दृष्टीकोन अभिनवतेसाठी विषारी आहे. सर्वात महत्त्वाचे म्हणजे, विद्यापीठांनी विद्यार्थ्यांना विशिष्ट प्रोग्रामिंग भाषा [लाल रंगाच्या जावा जावा] यासारख्या परंपरागत सॉफ्टवेअर सिस्टम आणि अल्प-मुदतीच्या साधनांविषयी शिक्षण देऊ नये.

Leave a Reply

Your email address will not be published. Required fields are marked *