Džiaugsmo kodas: kodėl visi turėtų išmokti šiek tiek programuoti yra nauja knyga iš Michaelas LittmanasBrowno universiteto kompiuterių mokslų profesorius ir AIhub steigėjas. Kalbėjomės su Michaelu apie tai, ką knyga apima, kas ją įkvėpė ir kaip mes visi esame susipažinę su daugeliu programavimo sąvokų kasdieniame gyvenime, nesvarbu, ar tai suvokiame, ar ne.
Ar galėtumėte pradėti papasakodami šiek tiek apie knygą ir kas yra skirta auditorijai?
Numatyta auditorija nėra informatikai, nors sulaukiau labai šilto informatikos specialistų priėmimo, kurį vertinu. Knygos idėja yra padėti žmonėms suprasti, kad nurodymas mašinoms, ką daryti (tai, kaip aš žiūriu į daugelį kompiuterių mokslo ir dirbtinio intelekto), yra kažkas, kas tikrai prieinama visiems. Jis grindžiamas žmonių jau turimais įgūdžiais ir praktika. Manau, kad daugeliui žmonių tai gali būti labai bauginanti, bet nemanau, kad taip turi būti. Manau, kad pamatai yra visiems ir tereikia į tai įsisavinti ir pastatyti ant jo. Tikiuosi ir matau, kad mašininis mokymasis ir dirbtinis intelektas padeda susitikti su žmonėmis. Mašinos vis geriau klausosi, nes stengiamės geriau pasakyti, ką daryti.
Kas lėmė, kad nusprendėte parašyti knygą, koks buvo jos įkvėpimas?
Dėsčiau dideles įvadines informatikos pamokas ir jaučiu, kad ten yra svarbi žinia apie tai, kaip gilesnės žinios apie kompiuteriją gali suteikti daug galių, ir norėjau tai perduoti didesnei auditorijai.
Ar galėtumėte šiek tiek papasakoti apie knygos struktūrą?
Knygoje kalbama apie pagrindinius komponentus, sudarančius programas, arba, kitaip tariant, apie tai, kaip mes nurodome kompiuteriams, ką daryti. Kiekvienas skyrius apima skirtingą iš tų temų – pavyzdžiui, kilpas, kintamuosius, sąlyginius. Kiekviename skyriuje kalbu apie būdus, kuriais ši sąvoka jau pažįstama žmonėms, kaip ji pasireiškia įprastame gyvenime. Noriu atkreipti dėmesį į esamas programinės įrangos dalis ar svetaines, kuriose galite pasinaudoti ta viena konkrečia koncepcija, kad nurodytumėte kompiuteriams, ką daryti. Kiekvienas skyrius baigiamas įvadu į kai kurias mašininio mokymosi sąvokas, kurios gali padėti sukurti tą konkrečią programavimo konstrukciją. Pavyzdžiui, skyriuje apie sąlygines kalbas kalbu apie tai, kaip mes nuolat vartojame žodį „jei“ įprastame gyvenime. Pavyzdžiui, vestuvės yra labai sąlyginės struktūros, su tokiais teiginiais kaip „jei kas turi ką pasakyti, kalbėk dabar arba amžinai tylėk“. Tai savotiškas „jei-tada“ teiginys. Kalbant apie įrankius, su kuriais galima žaisti, kalbu apie interaktyvią grožinę literatūrą. Tarp vaizdo žaidimų ir romanų yra ta mintis, kad galite sukurti istoriją, kuri prisitaiko prie jos skaitymo. Įdomiausia yra ši sąlyginių sąvoka – skaitytojas gali pasirinkti ir tai sukels šaką. Yra tikrai nuostabių įrankių, leidžiančių žaisti su šia idėja internete, todėl nereikia būti visaverčiu programuotoju, kad galėtumėte naudoti sąlyginius elementus. Ten pristatyta mašininio mokymosi koncepcija yra sprendimų medžiai, kurie yra senesnė mašininio mokymosi forma, kai sistemai pateikiate daugybę pavyzdžių, o tada ji pateikia nedidelę sprendimų priėmimo schemą.
Ar knygoje paliečiate generatyvųjį AI?
Knyga jau buvo gaminama tuo metu, kai pasirodė ChatGPT, bet aš buvau aplenkęs ir turėjau skyrių konkrečiai apie GPT-3 (pre-ChatGPT), kuriame kalbama apie tai, kas tai yra, kaip mašininis mokymasis jį sukuria. ir kaip ji pati gali būti naudinga kuriant programas. Taigi, jūs matote tai iš abiejų pusių. Jūs suprantate, kad šis įrankis iš tikrųjų padeda žmonėms nurodyti mašinoms, ką daryti, ir tai, kaip žmonija sukūrė šį įrankį, naudodama mašininį mokymąsi.
Ar rašydamas knygą sužinojote ką nors ypač įdomaus ar stebinančio?
Tyrinėdamas kiekvieno skyriaus pavyzdžius, įsigilinau į daugybę temų. Ši interaktyvios grožinės literatūros samprata ir tai, kad yra interaktyvios grožinės literatūros kūrimo įrankių, man pasirodė gana įdomi. Tyrinėdamas kitą skyrių radau pavyzdį iš žydų maldaknygės, kuris mane tiesiog šokiravo. Taigi, žydų maldaknygėse (nežinau, ar tai tiesa ir kitose tikėjimo sistemose, bet dažniausiai esu susipažinęs su judaizmu), yra dalykų, kuriuos turėtum perskaityti, bet jie turi mažai sąlyginių ženklų. kartais. Pavyzdžiui, galima sakyti „neskaitykite, jei šeštadienis“ arba „neskaitykite, jei mėnulio pilnatis“ arba „neskaitykite, jei šeštadienį pilnatis“. Radau vieną ištrauką, kurioje iš tikrųjų buvo 14 skirtingų sąlygų, kurias turėjote patikrinti, kad nuspręstumėte, ar tinkama skaityti šią konkrečią ištrauką. Tai mane nustebino – net neįsivaizdavau, kad iš žmonių per šlovinimo veiklą reikia atlikti tiek sudėtingų skaičiavimų.
Kodėl svarbu, kad visi šiek tiek išmoktų programuoti?
Labai svarbu nepamiršti minties, kad galų gale tai, ką daro AI, padeda mums lengviau nurodyti mašinoms, ką daryti, ir turėtume dalytis tuo padidintu pajėgumu su plačia populiacija. Ne tik mašininio mokymosi inžinieriai turėtų lengviau pasakyti kompiuteriams, ką daryti. Turėtume rasti būdų, kaip tai palengvinti visiems.
Nes kompiuteriai yra čia, kad padėtų, bet tai yra dvipusė gatvė. Turime būti pasirengę išmokti išreikšti tai, ko norime, taip, kad tai būtų galima tiksliai ir automatiškai. Jei mes to nepadėsite, kitos šalys, dažnai įmonės, įsikiš ir tai padarys už mus. Tuo metu mašinos dirba tam, kad tarnautų ne mūsų, o kitų interesams. Manau, kad tapo labai svarbu atkurti sveikus santykius su šiomis mašinomis, kol neprarasime savarankiškumo.
Ar turite kokių nors paskutinių minčių ar pastabų, kurias turėtume turėti omenyje?
Manau, čia taip pat žinutė informatikos tyrinėtojams. Kai nurodome kitiems žmonėms, ką daryti, mes linkę derinti aprašą ar taisyklę, kažką panašaus į programą, su pavyzdžiais, tai, kas labiau panaši į duomenis. Mes tiesiog juos sumaišome, kai kalbamės vienas su kitu. Vienu metu, kai rašiau knygą, turėjau neveikiančią indaplovę ir norėjau suprasti, kodėl. Perskaičiau jo vadovą ir nustebau, kaip dažnai pasitaikydavo, kad pasakodami žmonėms, ką daryti su indaplove, autoriai nuosekliai maišydavo aukšto lygio aprašymą, ką jie liepia daryti su tam tikru konkrečiu atveju. , ryškūs pavyzdžiai: taisyklė, ką įkelti į viršutinę lentyną, ir tą taisyklę atitinkančių prekių sąrašas. Atrodo, kad taip žmonės nori ir perduoti, ir gauti informaciją. Man beprotiška tai, kad mes taip neprogramuojame kompiuterių. Mes arba naudojame kažką, kas yra griežtai programuojama, visos taisyklės, jokių pavyzdžių, arba naudojame mašininį mokymąsi, kur visi pavyzdžiai, jokių taisyklių. Manau, kad priežastis, kodėl žmonės taip bendrauja vieni su kitais, yra ta, kad šie du skirtingi mechanizmai turi vienas kitą papildančių stipriųjų ir silpnųjų pusių, o kai sujungiate abu kartu, padidinate galimybę būti tiksliai suprasti. Ir tai yra tikslas, kai mes nurodome mašinoms, ką daryti. Noriu, kad dirbtinio intelekto bendruomenė galvotų apie tai, kaip galėtume sujungti tai, ko išmokome apie mašininį mokymąsi, su kažkuo panašesniu į programavimą, kad būtų daug galingesnis būdas nurodyti mašinoms, ką daryti. Nemanau, kad tai dar išspręsta problema, ir labai tikiuosi, kad apie tai susimąstys bendruomenės žmonės.
Džiaugsmo kodas: kodėl visi turėtų išmokti šiek tiek programuoti galima įsigyti jau dabar.
Michaelas L. Littmanas yra Browno universiteto kompiuterių mokslų universiteto profesorius, studijuojantis mašininį mokymąsi ir sprendimų priėmimą neapibrėžtumo sąlygomis. Jis yra pelnęs ne vieną universiteto lygio apdovanojimą už mokymą, o jo moksliniai tyrimai, susiję su mokymosi pastiprinimu, tikimybiniu planavimu ir automatizuotu kryžiažodžių sprendimu, buvo pripažinti trimis geriausio popieriaus apdovanojimais ir trimis įtakingais popieriniais apdovanojimais. Littman yra vienas iš Brown’s Humanity Centered Robotics Initiative direktorių ir Dirbtinio intelekto pažangos asociacijos bei Kompiuterinių mašinų asociacijos narys. Jis taip pat yra Amerikos mokslo pažangos asociacijos, Leshner Leadership Institute for Public Engagement with Science, narys, daugiausia dėmesio skiriantis dirbtiniam intelektui. Šiuo metu jis eina Nacionalinio mokslo fondo Informacijos ir intelektualiųjų sistemų skyriaus direktoriaus pareigas. |
AIhub
yra ne pelno siekianti organizacija, skirta dirbtinio intelekto bendruomenę sujungti su visuomene, teikiant nemokamą aukštos kokybės AI informaciją.
AIhub yra ne pelno siekianti organizacija, skirta dirbtinio intelekto bendruomenę sujungti su visuomene, teikiant nemokamą aukštos kokybės AI informaciją.
Lucy Smith yra „AIhub“ vadovaujanti redaktorė.