Manusia Mesti Waspada Karena AI sudah Bisa Membaca Emosi Manusia

Published Post author

Manusia Mesti Waspada Karena AI sudah Bisa Membaca Emosi Manusia

Dalam informasi tahunannya, AI Now Institute, suatu pusat riset interdisipliner yang menekuni keterkaitan sosial dari intelek ciptaan (artificial intelligence), melantamkan kekangan teknologi yang didesain buat mengidentifikasi marah orang dalam kasus- kasus khusus.

Dengan cara spesial, para periset berkata teknologi identifikasi afek, ataupun lazim diucap pula teknologi identifikasi marah, tidak bisa dipakai dalam pengumpulan ketetapan yang“ pengaruhi kehidupan serta akses kesempatan seorang”, semacam pengumpulan ketetapan dalam merekrut seorang ataupun evaluasi rasa sakit, sebab teknologi ini tidak lumayan cermat serta bisa menimbulkan ketetapan yang bias.

Apa sesungguhnya teknologi ini, bagian mana saja yang telah dipakai serta dipromosikan, serta kenapa teknologi ini memunculkan kebingungan?

Kemajuan Teknologi Identifikasi Wajah

Para periset sudah aktif bertugas pada algoritme visi pc yang bisa memastikan marah serta hasrat orang, sedemikian itu pula dengan membuat kesimpulan yang lain, paling tidak sepanjang satu dasawarsa ini. Analisa mimik muka wajah sudah terdapat paling tidak semenjak 2003.

Pc sudah sanggup menguasai marah apalagi jauh lebih lama lagi. Teknologi terkini ini tergantung pada metode data-sentris yang diucap selaku “penataran mesin” (machine learning), suatu algortime yang bisa mengerjakan informasi buat “dipelajari” gimana membuat ketetapan buat menggapai hasil teknologi identifikasi yang lebih cermat.

Tantangan Dalam Membaca Emosi

Para periset senantiasa mencari metode buat melaksanakan keadaan terkini dengan menekuni apa yang sudah diawasi tadinya. Identifikasi marah amat menarik sebab, tidak tahu gimana, kita selaku orang bisa menggapai perihal ini dengan lumayan bagus apalagi semenjak dahulu. Tetapi keahlian menjiplak keahlian orang dengan memakai pc sedang susah digapai.

Walaupun amat bisa jadi pc melaksanakan sebagian perihal yang amat luar lazim dengan lukisan, semacam membiasakan suatu gambar jadi nampak semacam digambar oleh seseorang artis populer serta apalagi membuat gambar wajah realistis (belum lagi membuat gambar deepfake), keahlian pc buat merumuskan watak orang semacam marah dari suatu gambar asli senantiasa jadi perihal menarik untuk para periset.

Marah amat susah dibaca sebab mengarah tergantung pada kondisi. Misalnya, kala seorang lagi berkonsentrasi pada suatu, bisa jadi hendak nampak sesederhana mereka lagi berasumsi. Identifikasi wajah sudah lama memakai penataran mesin, tetapi mengenali kondisi marah seorang asli bersumber pada dengan memandang wajah seorang sering kandas membekuk data berarti.

Marah tidak cuma diekspresikan lewat mimik muka seorang tetapi pula diperlihatkan dari kehadiran seorang serta apa yang lagi beliau jalani. Isyarat kontekstual ini susah buat dimasukkan ke dalam algoritme penataran mesin modern. Buat menanggulangi ini, terdapat usaha aktif yang dicoba buat tingkatkan metode intelek ciptaan yang bisa memikirkan kondisi, tidak lagi cuma buat identifikasi marah tetapi pula dipakai buat seluruh tipe aplikasi.

Membaca Marah Pegawai

Informasi yang diluncurkan oleh AI Now menerangi sebagian metode aplikasi intelek ciptaan pada daya kegiatan dalam menilai daya produksi karyawan serta apalagi dipakai pada langkah dini semacam langkah tanya jawab. Menganalisa rekaman tanya jawab, paling utama buat pelacak kegiatan jarak jauh, telah lama dipakai.

Bila seseorang administrator bisa menguasai marah bawahannya dari tanya jawab sampai tingkatan penilaian daya produksi, pengumpulan ketetapan terpaut permasalahan ketenagakerjaan lain, semacam ekskalasi pendapatan, advertensi, ataupun pengutusan, bisa jadi bisa dipengaruhi oleh data itu. Pasti, teknologi ini bisa dipakai buat cara-cara yang lain.

Kenapa Terdapat Kebingungan?

Tipe-tipe sistem ini nyaris senantiasa mempunyai kelemahan dari bagian kesamarataan, akuntabilitas, kejernihan, serta benar (lazim disingkat “FATE”), yang sudah tertancap dalam pencocokan pola mereka. Selaku ilustrasi, suatu riset menciptakan kalau algoritme identifikasi wajah memperhitungkan wajah orang berkulit gelap lebih marah dibanding orang berkulit putih), apalagi ini terjalin kala mereka mesem.

Banyak golongan riset lagi berupaya menanggulangi permasalahan ini walaupun kelihatannya dengan nyata pada titik ini permasalahan tidak bisa dituntaskan pada tingkatan teknologi. Permasalahan mengenai FATE dalam intelek ciptaan hendak menginginkan usaha berkepanjangan serta dicoba bersama oleh pihak-pihak yang memakai teknologi ini buat siuman hendak kasus yang terdapat serta menanganinya.

Semacam yang disoroti informasi AI Now, “Walaupun ada kenaikan konten etika intelek ciptaan, prinsip serta statment etika tidak sering sekali berpusat pada gimana etika intelek ciptaan bisa diaplikasikan serta apakah bertugas efisien”.

Informasi itu menulis kalau statment etika intelek ciptaan beberapa besar melalaikan persoalan gimana, di mana, serta siapa yang hendak mempraktikkan prinsip itu. Pada faktanya, mungkin tiap orang wajib mengetahui tipe bias serta kelemahan yang dipunyai sistem ini, serupa semacam dengan gimana kita wajib mengetahui bias kita sendiri serta bias orang lain.

Permasalahan Hal Kekangan Teknologi Berlapis

Keakuratan yang lebih besar serta keringanan dalam kontrol bawa permasalahan lain di luar etika. Terdapat pula beberapa permasalahan pribadi terpaut teknologi biasa, mulai dari menjamurnya kamera yang berperan menolong polisi sampai kamera yang berpotensi membuat informasi sensitif jadi anonim.

Dengan permasalahan etika serta pribadi ini, respon biasa yang bisa jadi merupakan dengan melantamkan kekangan pada teknik- teknik ini. Pasti saja, mempraktikkan intelek ciptaan buat hasil tanya jawab ataupun metode penghukuman kejahatan kelihatannya beresiko bila sistem itu bias serta tidak bisa diharapkan.

Tetapi terdapat wujud aplikasi yang bermanfaat, misalnya dalam menolong mengenali ciri beresiko buat menghindari bunuh diri di golongan anak muda serta dalam mengetahui juru mudi yang mabuk. Seperti itu salah satu alibi kenapa, apalagi para periset, kreator ketentuan, serta masyarakat negeri yang hirau hendak perihal ini, pada biasanya menyudahi memohon kekangan berangkap atas pemakaian teknologi yang berhubungan dengan intelek ciptaan.

Mengombinasikan Intelek Ciptaan Dengan Evaluasi Manusia

Pada kesimpulannya, dalang teknologi serta warga dengan cara totalitas butuh memandang dengan teliti gimana data dari sistem intelek ciptaan dilibatkan ke dalam cara pengumpulan ketetapan. Sistem ini bisa membagikan hasil yang salah serupa semacam wujud intelek yang lain.

Tidak berlainan dengan orang, mereka pula populer kurang baik dalam memperhitungkan tingkatan keyakinan mereka sendiri apalagi dalam tugas-tugas simpel semacam keahlian mengidentifikasi subjek. Pasti sedang terdapat tantangan teknis yang penting dalam membaca marah, paling utama dalam memikirkan kondisi buat merumuskan marah.

Bila banyak orang memercayakan sistem yang tidak cermat dalam membuat ketetapan, konsumen sistem hendak jadi jauh lebih kurang baik. Kita pula ketahui kalau orang mengarah lebih menyakini sistem ini dibanding bentuk daulat yang lain.

Oleh sebab itu, kita selaku warga butuh memikirkan dengan teliti bagian kesamarataan, akuntabilitas, kejernihan, serta etika sistem ini, bagus dalam cara penyusunan ataupun pelaksanaannya di warga. Kita pula wajib senantiasa menaruh orang selaku kreator ketetapan akhir

March 17, 2021

Daya Komputasi Ponsel Sekarang Lebih Baik Dari Komputer Apollo Yang Mendarat Di Bulan

Published Post author

Daya Komputasi Ponsel Sekarang Lebih Baik Dari Komputer Apollo Yang Mendarat Di Bulan

5 puluh tahun yang kemudian, orang awal kali berlabuh di bulan. Astronot Neil Armstrong kala itu melafalkan cuplikan yang saat ini jadi populer: “Ini satu tahap kecil buat seorang, satu lonjak raksasa buat pemeluk orang”.

Saat ini, peristiwa itu sedang jadi salah satu pendapatan paling tinggi pemeluk orang. Terbebas dari perkembangan teknologi yang cepat semenjak itu, para astronot belum betul-betul kembali ke bulan semenjak 1972.

Ini lumayan mencengangkan. Terlebih bila kita pikirkan kalau dalam kerja kepalan kita saat ini memiliki energi komputasi yang lebih kokoh dibanding pc pada pesawat Apollo 11.

Apollo 11 dahulu mempunyai satu pc yang diucap Apollo Guidance Computer (AGC). Pc itu mempunyai ingatan 2048 tutur yang bisa dipakai buat menaruh “hasil sedangkan” data yang hendak lenyap kala tidak terdapat energi. Tipe ingatan ini diucap selaku RAM (Random Access Memory). Tiap tutur terdiri dari 16 digit biner (bit), dengan bit ialah angka nihil ataupun satu. Ini berarti kalau pc Apollo mempunyai 32. 768 bit ingatan RAM.

Tidak hanya itu, pc itu memiliki 72 KB Read Only Memory (ROM), yang sebanding dengan 589.824 bit. Ingatan ini sudah diprogram serta tidak bisa diganti sehabis berakhir.

Satu kepribadian alfabet misalnya “a” ataupun “b” biasanya menginginkan 8 bit buat ditaruh. Itu berarti pc Apollo 11 tidak hendak bisa menaruh postingan ini dalam 32. 768 bit RAM-nya. Bandingkan dengan telepon seluler ataupun pemutar MP3 yang bisa menaruh lebih banyak, kerap kali bermuatan ribuan surel, lagu, serta gambar.

Ingatan Serta Pemrosesan Ponsel

Memakai sebutan yang lebih aktual, handphone terkini umumnya mempunyai 4 GB RAM. Itu merupakan 34.359.738. 368 bit. Ini berarti kapasitas ingatan handphone satu juta kali lebih banyak (persisnya 1.048.576) dari yang dipunyai PC Apollo dalam RAM. Lebih lanjut, iPhone pula mempunyai ingatan RAM sampai 512 GB. Itu merupakan 4.398.046. 511.104 bit, 7 juta kali bekuk lebih banyak dari pc pembimbing.

Namun ingatan tidaklah salah satunya perihal yang berarti. Pc Apollo 11 mempunyai prosesor satu sirkuit elektronik yang melaksanakan pembedahan pada pangkal informasi eksternal yang berjalan pada 0,043 MHz. Prosesor iPhone terkini diperkirakan berjalan pada dekat 2490 MHz. Apple tidak memperkenalkan kecekatan pemrosesan, namun banyak pihak lain sudah menghitungnya. Ini berarti kalau iPhone di kantong Kamu 100.000 kali lebih kokoh dari daya pemrosesan pc yang melabuhkan orang di bulan 50 tahun yang kemudian.

Situasinya apalagi lebih akut kala Kamu memikirkan kalau hendak terdapat pemrosesan lain yang dibentuk ke dalam iPhone yang menanggulangi tugas- tugas khusus, semacam bentuk.

Gimana Dengan Kalkulator?

Merupakan satu perihal yang lain buat menyamakan pc Apollo 11 dengan handphone yang mutahir, tetapi gimana apabila perihal itu dibanding dengan kalkulator klasik? Texas Instruments merupakan salah satu produsen kalkulator yang sangat populer. Pada 1998, mereka mengeluarkan TI-73, serta pada 2004, mereka mengeluarkan TI-84.

Gimana Bila Apollo 11 Mempunyai PC Modern?

Pc Apollo mutahir pada masanya, tetapi apa kurang lebih yang terjalin bila pendaratan di bulan kala itu dilengkapi pc mutahir yang ada dikala ini?

Aku beranggapan kalau durasi pengembangan fitur lunak hendak jauh lebih kilat, sebab perlengkapan pengembangan fitur lunak yang ada dikala ini. Hendak jauh lebih kilat buat menulis, men- debug( menciptakan serta membenarkan kekeliruan program), serta mencoba isyarat lingkungan yang dibutuhkan buat mengirim seorang ke bulan.

Antarmuka konsumen di Apollo (diucap Display Keyboard (DSKY) mempunyai antarmuka tipe kalkulator dengan perintah yang dimasukkan memakai isyarat numerik. Antarmuka hari ini hendak jauh lebih gampang digunakan yang hendak amat menolong dalam suasana yang penuh titik berat. Antarmuka konsumen nyaris tentu tidak mempunyai keyboard, tetapi hendak memakai perintah swipe pada layar sentuh. Tetapi bila tidak membolehkan sebab wajib mengenakan sarung tangan, antarmuka bisa jadi lewat isyarat, aksi mata ataupun antarmuka impulsif yang lain.

Yang bisa jadi hendak terdengar mencengangkan, kecekatan komunikasi dengan Alam tidak hendak lebih bagus hari ini. Durasi faktual yang dibutuhkan buat berbicara merupakan serupa dengan pada 1969 yaitu, kecekatan sinar. Diperlukan 1,26 detik buat suatu catatan hingga dari bulan ke Alam. Namun dengan dimensi file yang lebih besar dan dari jarak yang terus menjadi meningkat jauh untuk memperoleh suatu lukisan dari pesawat ruang angkasa ke Alam hari ini hendak menyantap durasi yang relatif lebih lama dibanding pada 1969. Walaupun sedemikian itu, sketsanya hendak nampak jauh lebih menawan berkah perkembangan dalam teknologi kamera.

Pergantian terbanyak yang bisa jadi hendak kita amati merupakan pc jadi jauh lebih pintar dengan cara buatan. Aku percaya kalau penerbangan serta pendaratan pesawat ruang angkasa tidak hendak seluruhnya terletak di tangan pc, namun beliau hendak mempunyai lebih banyak data serta intelek serta hendak bisa membuat lebih banyak ketetapan dari yang bisa dicoba pc Apollo 11 pada 1969. Ini hendak amat menolong para astronot.

Armstrong berkata kalau, pada rasio membahayakan satu sampai 10, berjalan di bulan merupakan dekat satu sedangkan membuat penyusutan terakhir ke bumi merupakan dekat 13.

Jadi ayo kita akhiri dengan membenarkan kalau dengan energi komputasi yang terbatas dikala itu, melabuhkan orang di bulan pada 1969 betul-betul pendapatan yang luar lazim.

March 17, 2021

Hal Yang Harus Diketahui Agar Dapat Memahami Cara Mesin Digitar Belajar

Published Post author

Hal Yang Harus Diketahui Agar Dapat Memahami Cara Mesin Digitar Belajar

Bermacam ilustrasi aplikasi intelek buatan dari juara permainan Jeopardy serta pc juara game Go sampai rumor suku bangsa pada penargetan iklan membuat kita merasa merambah masa intelek ciptaan yang bertumbuh dengan cepat. Walaupun begitu, kedatangan insan dengan “otak” elektronik yang betul-betul siuman serta bisa melaksanakan bermacam profesi kognitif yang kompleks serta memakai evaluasi akhlak yang seimbang, buat dikala ini, sedang belum terdapat.

Sayangnya, kemajuan dikala ini menghasilkan suatu kekhawatiran dalam warga hal intelek ciptaan pada era depan. Cerminan dalam adat pop baru-baru ini membuktikan alangkah hati-hati dan pesimistiknya kita mengenai teknologi. Perkaranya, kekhawatiran bisa menjatuhkan serta apalagi sering-kali, meluaskan kebegoan.

Menekuni metode intelek ciptaan bertugas merupakan metode buat mencegah kebingungan ini. Serta wawasan ini hendak mendesak keikutsertaan dengan intelek ciptaan yang lebih bertanggung jawab serta tanpa banyak permasalahan.

Pandangan penting dari intelek ciptaan bersumber dari penataran mesin (machine learning), suatu tata cara yang mutahir serta bisa diakses dengan cara besar. Tetapi buat menguasai apa yang diartikan penataran mesin, pertama-tama kita butuh memandang gimana potensinya hendak bawa manfaat yang lebih besar dibandingkan kerugiannya.

Informasi Merupakan Kunci

Sederhananya, penataran mesin merujuk pada mengarahkan pc buat menganalisa informasi dalam menuntaskan tugas-tugas khusus lewat algoritme. Misalnya, buat mengidentifikasi catatan tangan, algoritme pengelompokan dipakai buat melainkan graf bersumber pada catatan tangan seorang. Di bagian lain, berkas informasi hal perumahan, bisa memakai algoritme regresi buat memperkirakan dengan cara kuantitatif harga jual properti sesuatu rumah.

Jadi inti dari penataran mesin merupakan informasi. Nyaris tiap industri menciptakan informasi dengan cara-caranya sendiri: misalnya studi pasar, dari alat sosial, survey, ataupun dengan sistem yang otomatis. Penataran mesin berupaya menciptakan pola serta ikatan yang tersembunyi dari rumitnya berkas informasi yang besar buat meningkatkan bentuk yang bisa memperkirakan sesuatu sikap.

Ada 2 bagian penting data sampel serta fitur. Bagian awal merupakan data-data tunggal dari tiap golongan; bagian terakhir merupakan karakter yang dipunyai oleh https://107.152.46.170/situs/hobiqq/ golongan informasi itu.

Ayo kita maanfaatkan alat sosial selaku ilustrasi: konsumen merupakan ilustrasi serta sikap pemakaian bisa dikategorikan selaku fitur. Facebook, misalnya, memasukkan bermacam kegiatan “menggemari (liking)”, yang berlainan buat tiap konsumen, selaku fitur berarti, yang hendak dipakai selaku sasaran promosi pada konsumen.

Informasi perkawanan di Facebook pula bisa dipakai selaku ilustrasi, sedangkan koneksi mereka satu serupa lain berperan selaku fitur, perihal ini membuat sesuatu jaringan alhasil penyebaran data bisa dipelajari.

Di luar alat sosial, sistem otomatis yang dipakai dalam cara pabrik selaku perlengkapan monitoring mengutip kutipan dari totalitas cara selaku ilustrasi, serta pengukuran pemeriksaan pada durasi khusus berperan selaku fitur. Perihal ini membolehkan sistem buat mengetahui anomali dalam cara dengan cara langsung.

Seluruh metode yang berlainan ini intinya tergantung gimana membagikan informasi ke mesin serta mengarahkan mesin itu buat menggapai sesuatu perkiraan sehabis mereka menganalisa data yang diserahkan dengan cara penting. Inilah penataran mesin.

Intelek Orang Selaku Titik Awal

Tiap informasi bisa dianalisis ke dalam konsep- konsep simpel ini serta dipakai di bermacam aplikasi penataran mesin, tercantum pula intelek ciptaan, dengan memakai konsep-konsep ini selaku injakan dasarnya.

Sehabis informasi bisa dimengerti, berikutnya merupakan menyudahi apa yang hendak dicoba dengan data itu. Salah satu aplikasi penataran mesin yang sangat biasa serta bisa dimengerti merupakan tata cara pengelompokan. Tata cara itu bisa menekuni gimana membagi informasi di tiap golongan yang berlainan bersumber pada informasi rujukan.

Perihal ini mendekati dengan bermacam ketetapan yang kita untuk tiap harinya, semacam membagi produk yang seragam( semacam beberapa barang dapur serta bahan-bahan kecantikan, misalnya), ataupun memilah film yang baik buat ditonton bersumber pada pengalaman tadinya. Walaupun 2 ilustrasi ini bisa jadi nampak tidak terdapat hubungannya, keduanya tergantung pada rancangan dari tata cara pengelompokan: perkiraan didefinisikan selaku membagi pada jenis yang pas.

Kala memandang sesuatu botol pelembab kulit, kita umumnya memikirkan catatan fitur- fitur khusus( misalnya, wujud botol, ataupun aroma produk itu) buat memprediksi secara akurat bahwa itu merupakan produk kecantikan. Strategi yang serupa dipakai buat memilah film dengan memandang fitur-fitur yang terdapat (misalnya, sutradara, ataupun bintang film) buat memperkirakan apakah film itu terletak dalam salah satu dari 2 jenis: bagus ataupun kurang baik.

Dengan menguasai ikatan antara fitur- fitur yang berlainan yang silih terpaut dengan golongan ilustrasi, kita bisa berspekulasi apakah suatu film pantas ditonton ataupun, lebih baik lagi, kita bisa membuat suatu program buat melaksanakan perihal itu buat kita.

Tetapi bukankah buat bisa menganalisa data ini, kita butuh jadi pakar ilmu informasi, ahli matematika serta statistik, dengan keahlian pemrograman yang lumayan buat membuat pakar matematika serta pc Inggris Alan Turing serta pakar pc Amerika Sindikat Margaret Hamilton heran pada kita? Tidak pula.

Algoritme Kita Tersendiri

Kembali ke algoritme pengelompokan, ayo pikirkan satu ilustrasi yang menjiplak gimana metode kita mengutip ketetapan. Sebab orang merupakan insan sosial, ayo kita ambil ilustrasi interaksi sosial. Opini awal kepada seorang lumayan berarti. Serta kita seluruh mempunyai kalkulasi dalam tertentu buat menilai seorang yang kita temui awal kali, apakah kita menyukainya ataupun tidak.

Terdapat 2 hasil yang bisa jadi: opini bagus ataupun kurang baik. Buat tiap orang, karakter yang berlainan (fitur) diperhitungkan (apalagi dengan cara tidak siuman) bersumber pada jumlah pertemuan di era kemudian (ilustrasi). Karakter ini dapat berbentuk apa saja, diawali dari bunyi suara sampai aksi dan tindakan dengan cara totalitas sampai santun adab.

Buat tiap orang terkini yang kita temui, kalkulasi dalam di kepala kita menilai informasi masukan itu serta memutuskan perkiraan. Kita bisa membagi bentuk kalkulasi itu buat tiap informasi masukan, kemudian menimbang mereka bersumber pada relevansi sampai hingga pada kesimpulan kita.

March 17, 2021