മനുഷ്യൻ V മെഷീൻ: കംപ്യൂട്ടർ കുക്ക് Can, എഴുതുക നമ്മുടെ നല്ലതു പെയിന്റ്?

Man v Machine: Can Computers Cook, Write and Paint Better Than Us?

കൃത്രിമ ഇന്റലിജൻസ് ഇപ്പോൾ ഒരു ഗെയിം നേടും, നിങ്ങളുടെ മുഖം തിരിച്ചറിയാൻ, നിങ്ങളുടെ പാർക്കിംഗ് ടിക്കറ്റ് അപ്പീൽ. അത് പക്ഷേ മനുഷ്യർക്കു മാറിമറിഞ്ഞത് കണ്ടെത്താൻ സ്റ്റഫ് ചെയ്യാൻ കഴിയും?


Guardian.co.uk നാൽഎന്ന പേരിൽ ഈ ലേഖനം “മനുഷ്യൻ V മെഷീൻ: കമ്പ്യൂട്ടറുകൾ പാചകം കഴിയും, എഴുതുക ഞങ്ങളെ നല്ലതു വരയ്ക്കുന്ന?” ലിയോ ബനഡിക്ടസ് എഴുതിയ, ശനിയാഴ്ച 4 ജൂൺ മിത്രങ്ങളായി 2016 08.00 യുടിസി

വൺ വീഡിയോ, എനിക്കായി, എല്ലാം മാറ്റിമറിച്ചു. പഴയ അവരുടേതായ ഗെയിം ഫൂട്ടേജ് തുടർന്ന് ബ്രേക്ക് ഔട്ട്, നിങ്ങൾ സ്ക്രീനിന്റെ അടിഭാഗത്തായി അവശേഷിക്കുന്നു ഒരു പാരയും ആൻഡ് വലതുവശത്തെ സ്ലൈഡ് എവിടെ ഒറ്റ, അവരിൽ ഒരു പന്തുപോലെ കുത്തി വഴി ഇഷ്ടികകൾ നശിപ്പിക്കാൻ ശ്രമിക്കുന്ന. നിങ്ങൾ ഗെയിമിന്റെ പ്ലെയർ കുറിച്ച് വായിച്ച് ചെയ്യാം: വികസിപ്പിച്ചെടുത്ത അൽഗോരിതം DeepMind, ആരുടെ AlphaGo പ്രോഗ്രാം ബ്രിട്ടീഷ് കൃത്രിമ ബുദ്ധി കമ്പനി എന്നേക്കും കളിക്കാരെ പോകുക വലിയവൻ ഒന്ന് തല്ലി, ലീ Sedol, ഈ വർഷമാദ്യം.

ഒരുപക്ഷേ നിങ്ങൾ ഒരു കമ്പ്യൂട്ടർ കമ്പ്യൂട്ടർ ഗെയിമുകൾ നല്ല പ്രതീക്ഷ? എന്താണ് അവരുടെ ഒരിക്കല്, തീർച്ചയായും അവർ കൂടുതൽ വേഗതയേറിയതും സ്ഥിരതയാർന്ന എല്ലാ മനുഷ്യ അധികം അത് ചെയ്യാൻ. DeepMind ന്റെ പരിധിക്കപ്പുറം പ്ലെയർ ഒന്നും അറിഞ്ഞില്ല, എങ്കിലും. കളിയുടെ എങ്ങനെ പ്രവർത്തിക്കുന്നു നിർദേശങ്ങൾ അടങ്ങിയ പ്രോഗ്രാം അല്ല; അതു പോലും നിയന്ത്രണങ്ങൾ എങ്ങനെ ഉപയോഗിക്കണമെന്ന് അറിയില്ലേലും. അതു ഉണ്ടായിരുന്നു എല്ലാ കഴിയുന്നത്ര പോയിന്റുകൾ ശ്രമിച്ചില്ല സ്ക്രീനിലേക്ക് കമാൻഡ് ചിത്രം ആയിരുന്നു.

പീന്നീട് വീഡിയോ. ആദ്യം, കൈക്കോട്ട് വിസ്മൃതിയിലായേനെ പന്ത് ഡ്രോപ്പ് അനുവദിക്കുന്നു, ഒട്ടും മെച്ചമല്ല അറിയാതെ. ഒടുവിൽ, ഏകദേശം mucking, അത് തിരികെ പന്ത് മുട്ടുന്നു, ഒരു ഇഷ്ടിക നശിപ്പിക്കുന്നതോ ഒരു പോയിന്റ് ലഭിക്കുന്നു, അങ്ങനെ അത് പലപ്പോഴും ഈ തിരിച്ചറിഞ്ഞ് പ്രവർത്തിക്കുകയും. രണ്ടു മണിക്കൂർ 'പരിശീലനം കഴിഞ്ഞ്, ഏകദേശം അല്ലെങ്കിൽ 300 ഗെയിമുകൾ, അതു ഗൗരവമായി നല്ല മാറിയിരിക്കുന്നു, നിങ്ങൾ അല്ലെങ്കിൽ ഞാൻ എന്നേക്കും ഇരിക്കും നല്ലതു. അപ്പോള്, ഏകദേശം ശേഷം 600 ഗെയിമുകൾ, കാര്യങ്ങൾ സ്പൂക്കി നേടുകയും. അൽഗോരിതം അതേ സ്ഥലത്തുവച്ച് ഉന്നം ആരംഭിക്കുന്നു, പിന്നെയും പിന്നെയും, പിന്നിൽ ബഹിരാകാശത്തേയ്ക്ക് ഇഷ്ടിക വഴി മാളത്തിൽ വേണ്ടി. ഒരിക്കൽ അവിടെ, ഏതെങ്കിലും പരിധിക്കപ്പുറം പ്ലേയർ അറിയുന്നു പോലെ, പന്ത് കുറച്ചുകാലത്തേക്ക് ചുറ്റും പതിക്കുകയും ചെയ്യും, സ്വതന്ത്ര പോയിന്റുകൾ ശേഖരിക്കുകയാണ്. ഇത് കമ്പ്യൂട്ടറിലെ സ്വന്തം കൂടെ വന്ന ഒരു നല്ല തന്ത്രമാണ്.

"ഞങ്ങളുടെ ഗവേഷകര് കണ്ടപ്പോൾ, യഥാർത്ഥത്തിൽ അവരെ ഞെട്ടിച്ചു,"DeepMind സിഇഒ, Demis Hassabis, പാരീസ് ൽ ടെക്നോളജി സമ്മേളനത്തിൽ പ്രേക്ഷകരെ അറിയിച്ചു. നിങ്ങൾക്ക് കഴിയും തന്റെ ഡെമോൺസ്ട്രേഷൻ കാണുന്നതിന്, കൂടി, മെഷീൻ അതിന്റെ .വധശിക്ഷാ തന്ത്രത്തിന്റെ പുറത്തു കണക്കുകൾ വരുമ്പോൾ ചിരിയും കരഘോഷം കേൾക്കും. കമ്പ്യൂട്ടർ ബുദ്ധിയുള്ള മാറിയിരിക്കുന്നു, ഞങ്ങളെ പോലെ ഒരു ബിറ്റ്.

"കൃത്രിമ ഇന്റലിജൻസ്" എല്ലാ കമ്പ്യൂട്ടിംഗ് ന്റെ Buzz വാക്യങ്ങളായ ഏറ്റവും കൊട്ടിഘോഷിച്ച കുറിച്ച് നീതിമാനും. ആശയം ആദ്യം ഗൌരവമായി ഉടലെടുത്തപ്പോൾ അലൻ ട്യൂറിംഗ് ലെ കമ്പ്യൂട്ടിങ് മെഷിനറി ഇന്റലിജൻസ്, നബി 1950 അവൻ അറിയപ്പെട്ട എന്താണ് നിർദ്ദേശങ്ങൾ മാത്രം പേപ്പർ ട്യൂറിംഗ് ടെസ്റ്റ്: ഒരു യന്ത്രം സംഭാഷണം മുഴുവനും നിങ്ങളെ ബോധ്യപ്പെടുത്താൻ കഴിഞ്ഞില്ല എങ്കിൽ അതു മനുഷ്യ എന്നു, അത് തീർച്ചയായും ശരിയക്കിത്തരാട്ടാ തെളിയിക്കാൻ കഴിഞ്ഞില്ല ഏതെങ്കിലും മനുഷ്യ പോലെ ചെയ്യുന്നവൻ. എന്നാൽ കാലാവധി എഐ സാധാരണയായി വരെ ഉപയോഗിച്ചിട്ടില്ല ചെയ്തു 1955, എപ്പോൾ അമേരിക്കൻ ഗണിതശാസ്ത്രജ്ഞനും ജോൺ മക്കാർത്തി വിദഗ്ധർ ഒരു സമ്മേളനം proposed. ഈ അടുത്ത വർഷം നടന്നത്, അതിനുശേഷം ഫീൽഡ് മാനിയ ആൻഡ് നിരാശയുടെ ഏതാണ്ട് രണ്ടു ദശകത്തിലേറെ സൈക്കിൾ പ്രവർത്തിക്കേണ്ടത് ചെയ്തു. ("എയർ ശീതകാലം" - - ഫാഷൻ നിന്നു അതിന്റെ ഘട്ടങ്ങളിലായി വിവരിക്കാൻ ഗവേഷകർ ഒരു പുതിയ പദം പോലുമില്ലെന്ന്. 1970 1990 പ്രത്യേകിച്ച് പരുഷമായ ആയിരുന്നു.)

ഇന്ന് ഒരു പുതിയ മാനിയ അവിടെ, മറ്റുള്ളവരിൽ നിന്നും വ്യത്യസ്തമാണ് ഏത്: അതു നിങ്ങളുടെ പോക്കറ്റിൽ അനുയോജ്യമാകും. ഒരു ഫോൺ ലോക ചെസ് ചാമ്പ്യൻ തോൽപ്പിച്ചു, നിങ്ങളുടെ മക്കളുടെ റേഡിയോ ചിത്രങ്ങളും ഗാനങ്ങൾ തിരിച്ചറിയാൻ, നിങ്ങളുടെ ശബ്ദം മറ്റൊരു ഭാഷയിലേക്ക് വിവർത്തനം. ഡിസംബര് റോബോട്ട് ഇവിടെ ചിത്രണം Yotam Ottolenghi രണ്ട് കാലിൽ നടക്കുന്നവരും കഴിയും, സംസാരിക്കുക, ഒരു പന്ത് പോലും ഡാൻസ് കണ്ടെത്താൻ. (ഇത് റോബോട്ട് തുടർന്ന്, ആയാലും, അല്ല AI: അതു മെനു രൂപകൽപ്പന കഴിയില്ല.)

എയർ മെച്ചപ്പെട്ടതായിരുന്നു കുറിച്ച് ശ്രവണ, നിങ്ങൾ വികാരാവേശമുള്ളവരായിത്തീരുന്നതു് നിങ്ങളെ പറയാൻ ഒരു വിദഗ്ധ ആവശ്യമില്ല, അല്ലെങ്കിൽ ഭയക്കുക. നിങ്ങൾ തന്നെ .ഇക്രൂ ആരംഭിക്കുമ്പോൾ: ഇന്റലിജൻസ് ഇവിടെ. വ്യക്തമായും ഗൂഗിൾ തോന്നൽ ലഭിച്ചു, കൂടി, അതു നെയ്യ് $ 650m വേണ്ടി DeepMind വാങ്ങി കാരണം. ലെ 2013, ഫേസ്ബുക്ക് സ്വന്തം പദ്ധതി, സൈറ്റിന് ഫേഷ്യൽ പ്രകൃതി ഭാഷ തിരിച്ചറിയൽ വളർത്തിയെടുക്കാൻ പദ്ധതികൾ. ഡെവലപ്പര്മാര് ഇതിനകം ബുദ്ധിയുള്ള chatbots പണി ആരംഭിച്ചിട്ടുണ്ട്, ഏത് ഫേസ്ബുക്ക് മെസഞ്ചര് സേവനം ഉപയോഗിച്ച് വിളിച്ചുകൂട്ടുന്ന കഴിയും.

ഇതുവരെ, കമ്പ്യൂട്ടറുകൾ എല്ലാം "ഇന്റലിജന്റ്" അല്ല, അല്ലെങ്കിൽ മാത്രം കഷ്ടിച്ച് അങ്ങനെ. അവർ ഞങ്ങളെ കൗതുകം എളുപ്പമല്ല ചുമതലകൾ നല്ല പോയിട്ടുള്ള, അത്തരം ഗണിതം ആയി, എന്നാൽ നിസ്സാരമായി നാം ഉള്ളവർ മോശം, ഏത് ഗൗരവത്തോടെ ഹാർഡ് ആകും തിരിയാൻ. നടത്തം പ്രവർത്തികളിൽ ആധുനിക റോബോട്ടുകൾ ശിശുക്കൾ പോലെ പഠിക്കുകയും ഇപ്പോഴും സമരം എന്തോ; അടിസ്ഥാന pottering ചുമതലകൾ അകന്ന സ്വപ്നങ്ങൾ നിലനിൽക്കും. "ഒരു ഉദാഹരണം നിങ്ങൾ അല്ലെങ്കിൽ മറ്റാരുടെയെങ്കിലും അടുക്കളയിൽ ഒരു ചായ കഴിയുന്നോരു കൂടെ ഒരു എളുപ്പമുണ്ടായിരിക്കും,"പറയുന്നു പ്രൊഫസർ അലൻ Winfield, ഇംഗ്ലണ്ട് വെസ്റ്റ് സർവകലാശാലയിൽ roboticist. "ഈ പറഞ്ഞു കഴിഞ്ഞ ഗ്രഹത്തിലെ റോബോട്ട് അല്ല."

സത്തയുടെ മനുഷ്യ അങ്ങനെ ബുദ്ധിമുട്ടാണ് കാരണം മനസിലാക്കാനായി, നിങ്ങൾ ഫോട്ടോഗ്രാഫുകൾ നിന്ന് ആളുകളെ തിരിച്ചറിയാൻ ഒരു കമ്പ്യൂട്ടർ നേടുകയും എങ്ങനെ ചിന്തിക്കുക. എയർ ഇല്ലാതെ, ആദ്യം നിങ്ങളെ നിങ്ങൾ അത് എങ്ങനെ അറിയും, കമ്പ്യൂട്ടർ പ്രോഗ്രാം വേണ്ടി. നിങ്ങൾ എല്ലാ സാധ്യമായ പാറ്റേണുകൾ ശേഖരിച്ച് ചിന്തിക്കാൻ ഞങ്ങൾക്കുണ്ട്, മുഖങ്ങളുടെ വർണ്ണങ്ങളും രൂപങ്ങൾ, അവർ വെളിച്ചത്തിൽ വ്യത്യസ്ത കോണുകളിൽ വേണമെങ്കിലും മാറ്റം എങ്ങനെ - നിങ്ങൾ കാര്യമായ എന്താണെന്ന് ഞങ്ങൾക്കുണ്ട് ലെൻസ് വെറും ചെളി എന്താണ്. ഹായി, നിങ്ങൾ വിശദീകരിക്കാൻ ഇല്ല: നിങ്ങൾ ഒരു കമ്പ്യൂട്ടറിൽ യഥാർത്ഥ ഡാറ്റ മലയിൽ നൽകുന്നതിനൊപ്പം പഠിക്കട്ടെ. നിങ്ങൾ പഠന സോഫ്റ്റ്വെയർ ഡിസൈൻ എങ്ങനെ ഒരു അവ്യക്തമായ കാര്യം തുടരുന്നു, ഏതാനും അന്വേഷിച്ചു-ശേഷം കമ്പ്യൂട്ടർ ശാസ്ത്രജ്ഞരുടെ പ്രവിശ്യ, എന്നാൽ അവർ പണത്തെയും തലച്ചോറിലെ ഘടനയുമായി അടിസ്ഥാനമാക്കി ഡാറ്റ-പ്രോസസ്സിംഗ് ഘടന തന്ത്രം ഒരു വിജയി ഓൺ ലഭിച്ചു വ്യക്തമാണ്. (ഈ "ആഴത്തിലുള്ള പഠനം 'വിളിക്കുന്നു.) യഥാർത്ഥ ഡാറ്റ മലകൾ പോലെ, കിണറ്, ആ എന്താണ് Google തുടർന്ന്, ഫേസ്ബുക്ക്, ആമസോൺ, യൂബർ ഒക്കെയും ശേഷം ചുറ്റും കിടന്നിരുന്നു വരെ ഉണ്ടാകും.

ഈ ഘട്ടത്തിൽ, ഞങ്ങൾ ഇതുവരെ മികച്ച തിരിക്കും ഹായിയിലേക്കു ഉപയോഗിക്കുന്നത് അറിയില്ല. ജോഷ് Newlan, ശ്യാംഘൈ ജോലി ചെയ്യുന്ന എന്റെ ഒരു കാലിഫോർണിയ കോഡറും, അവസാനിക്കാത്ത കോൺഫറൻസ് കോളുകൾ കേൾക്കുന്നതിൽ ഏതാരുള്ള്, അതുപോലെ അവൻ അവനെ കേൾക്കുന്നതിനായി ചില സോഫ്റ്റ്വെയർ പണിതു. ഇപ്പോൾ, Newlan പേര് പരാമർശിച്ചു നിർജ്ജീവമാക്കുകയോ, അവന്റെ കമ്പ്യൂട്ടർ തൽക്ഷണം അവനെ അവസാന പകുതി മിനിറ്റിൽ ഒരു ട്രാൻസ്ക്രിപ്റ്റ് അയയ്ക്കുന്നു, കാത്തിരിക്കുന്നു 15 നിമിഷങ്ങൾ, അനന്തരം അവനെ ഒരു റെക്കോർഡിംഗ് അഭിനയിക്കുന്നത്, "ക്ഷമിക്കണം, ഞാൻ എന്റെ മൈക്രോഫോൺ മ്യൂട്ട് ആയിരുന്നു അറിഞ്ഞില്ല. "കഴിഞ്ഞ വർഷം, ജോഷ് Browder, ഒരു ബ്രിട്ടീഷ് കൌമാരക്കാരൻ, ഒരു പണിതു പാർക്കിംഗ് ടിക്കറ്റുകൾ നേരെ പ്രതിഫലിപ്പിക്കുന്നു സൗജന്യ കൃത്രിമ അഭിഭാഷകൻ; അവൻ വിദേശ നിയമ വ്യവസ്ഥയാണ് വഴി അഭയാർഥികളെ മികവുറ്റ മറ്റൊരു പണിയും ലക്ഷ്യമിടുന്നത്. സാധ്യതകൾ നന്നായി ... ആകുന്നു, ഒരു പക്ഷേ ഒരു അൽഗോരിതം സാധ്യതകൾ എണ്ണാം.

അങ്ങനെ മെഷീൻ മനസ്സു ഒരു ദിവസം നമ്മുടെ സ്വന്തം മുൻകടക്കുകയില്ല ചെയ്യും? ഗവേഷകർ ഞാൻ സംസാരിക്കും സൂക്ഷ്മത, അവരുടെ മെഷീനുകൾ ചെയ്യാൻ കഴിയില്ല എന്തു ഊന്നിപ്പറയാനാണ് വേദന എടുത്തു. എന്നാൽ ഞാൻ പരീക്ഷിച്ചു എയർ വെച്ചു തീരുമാനിച്ചു: അതു ഭോജനയാഗം അതുപോലെ Ottolenghi പ്ലാൻ ചെയ്യാൻ? അതു എന്റെ ഛായാചിത്രം വരയ്ക്കാൻ കഴിയില്ല? സാങ്കേതിക ഇപ്പോഴും കൃത്രിമമായി ബുദ്ധിമാന്മാരും - അല്ലെങ്കിൽ അത് ബുദ്ധിയുള്ള ആയിരിക്കാൻ ആരംഭിക്കുന്നു, യഥാർത്ഥമായതിനായി?

പാചകം ടെസ്റ്റ്

കിണറ്, ഞാൻ അതു ദുസ്വപ്നം അല്ല പറയും. മനുഷ്യർ എന്നെ മോശമായ സേവിച്ചു. സത്യത്തിൽ ഐ.ബി.എം. ഷെഫ് വാട്സൺ വിഭവം നൽകുന്ന പേര് ആണെങ്കിലും ("ചിക്കൻ കരൾ Savoury സോസ്") ആ മുഖം അതായത് ഏകദേശം ചങ്കില് ആണ്.

ഷെഫ് വാട്സൺ ലേക്ക് ങ്ങള്ക്ക് ലേക്ക്, ഗാർഡിയൻ വീക്കെൻഡ് സ്വന്തം ഷെഫ്-കോളമിസ്റ്റായ ലേക്ക് Yotam Ottolenghi ആൻഡ്, ഞാൻ അവരെ തികച്ചും ഒരു ടാസ്ക് നിർത്തിയ. ഞാൻ പരസ്പരം എല് നിഷിപ്തമായിരിക്കുന്നു തോന്നിയ നാലു ചേരുവകൾ അടിസ്ഥാനമാക്കി ഒരു വിഭവം ചോദിച്ചു: ചിക്കൻ ധിക്കാരികളാണ്, ഗ്രീക്ക് തൈര്, പച്ചിലവർണ്ണം ആൻഡ് ടെക്വില. അവർ ഇഷ്ടപ്പെട്ടു മറ്റാരെങ്കിലും ഏതൊരു ചേർക്കുക കഴിഞ്ഞില്ല, എന്നാൽ ആ നാലു ഫിനിഷ്ഡ് താലത്തിൽ ഉണ്ടായിരുന്നു, ഞാൻ ചുട്ടുതിന്നേണം ഏത്. ഷെഫ് വാട്സൺ വൈമുഖ്യം ചെയ്തു, തൽക്ഷണം എന്നെ രണ്ടു പാസ്ത തര്കാതിനില്ല നൽകുന്ന. Ottolenghi കൂടുതൽ സംശയാലുക്കളായി ആയിരുന്നു. "ഞാൻ വിചാരിച്ചു വെല്ലുവിളി കയറിയപ്പോൾ, 'ഈ സൃഷ്ടിയുടെ പോകുന്നില്ല,' "അമ്മ എന്നെ.

ഞാൻ അതേ വിചാരിച്ചു. കുറഞ്ഞപക്ഷം ഞാൻ അവരുടെ ചേരുവകൾ ഉണ്ടായിട്ടും ശരിയാകും കൈകാര്യം രണ്ടു വിഭവങ്ങൾ തിന്നും നശിക്കുകയും കരുതി, പകരം അവരിൽ കാരണം. വാസ്തവത്തിൽ - നിങ്ങൾ എന്നെ ക്രീഷ് കരുതുന്നു കാണാം, എന്നാൽ അങ്ങനെ എന്തു - Ottolenghi ന്റെ പാചകക്കുറിപ്പ് ചതിയായിരുന്നു: കരൾ, സവാള ഒരു ടെക്വില റിഡക്ഷൻ, ഒരു ആപ്പിൾ സേവചെയ്തു, മുള്ളങ്കി, ശങ്കു ആൻഡ് chicory സലാഡ്, ഒരു പച്ചിലവർണ്ണം എന്നിവ ചേര്ത്ത് ഡ്രസിംഗോടുകൂടിയ. വിഭവം കടലാസിൽ അല്പം അർത്ഥത്തിൽ ഉണ്ടാക്കും, എന്നാൽ ഞാൻ എല്ലാ മൂലകം പീഠവും ഒരു ഷെയര് വികാരം തിന്നുകളഞ്ഞു. (പിന്നെ vinaigrette തൈര് എന്നിവ പച്ചിലവർണ്ണം പകരം കടുക് കൂടെ കട്ടിയേറിയ: ഗുരുതരമായി, ശ്രമിച്ചു നോക്ക്.) Ottolenghi പാചകക്കുറിപ്പ് publishable വെറും ഇതെന്തൊരു ചെറുതാണ് എന്നെ പറയുന്നു.

കാര്യം ആണ്, ആ വിഭവം പൂർണ്ണതയുണ്ടാക്കുവാൻ മൂന്നു ദിവസം അവനെയും അവൻറെ ടീം പിടിച്ചു. അവർ രുചി സുഗന്ധങ്ങൾ ചർച്ച സാധിച്ചു, പരിശ്രമങ്ങളുടെ, നിറങ്ങൾ, താപനില, ഭാവിയിൽ ഒരു ഫീഡ്ബാക്ക് മെക്കാനിസം ചേർത്ത് കുറിച്ച് "ചർച്ചകൾ" അവിടെ ചെന്നശേഷം ആണെങ്കിലും - വാട്സൺ കഴിയാത്ത ഒരു വിധത്തിൽ, ഷെഫ് വാട്സൺ ലീഡ് എഞ്ചിനീയർ, ഫ്ലോറിയൻ Pinel, എന്നെ പറയുന്നു. "ഒരു പാചകക്കുറിപ്പ് എന്നത് ഒരു സങ്കീർണ്ണമായ കാര്യം ആണ്,"Ottolenghi പറയുന്നു. "എനിക്കു ഒരു കമ്പ്യൂട്ടർ അടുക്കും എങ്ങനെ മനസ്സിലാക്കുന്നതിൽ പ്രയാസമാണ്."

Yotam Ottolenghi ആൻഡ് ഷെഫ് വാട്സൺ വിഭവങ്ങൾ
Yotam Ottolenghi ആൻഡ് ഷെഫ് വാട്സൺ വിഭവങ്ങൾ ഫോട്ടോഗാഫ്: മിത്രങ്ങളായി ജയ് ബ്രൂക്ക്സ്

വാട്സൺ ആദ്യ ഐ.ബി.എം. നിർമിച്ചത് ടെലിവിഷൻ gameshow പരുങ്ങലിലായിരുന്നു വിജയിക്കാൻ! ലെ 2011. ചില രീതികളിൽ അത് ഒരു തെറ്റിദ്ധരിപ്പിക്കുന്ന വെല്ലുവിളി, ഒരു കമ്പ്യൂട്ടറിന് ഒരു ക്വിസ് ടഫ് ഭാഗം ചോദ്യങ്ങൾ മനസ്സിലാക്കുന്നതിനുള്ള കാരണം, ഉത്തരങ്ങൾ അറിയാതെ; മനുഷ്യർക്കു, ചുറ്റും മറ്റ് മാർഗ്ഗമാണ്. എന്നാൽ വാട്സൺ വിജയിച്ചു, അതിന്റെ സാങ്കേതികവിദ്യ മറ്റെവിടെയെങ്കിലും പ്രയോഗിക്കാൻ തുടങ്ങി, ഒരു ട്രസ്സ് ഉൾപ്പെടെ, അടിസ്ഥാനമാക്കി പുതിയ പാചക സൃഷ്ടിക്കുന്നതിൽ 10,000 യഥാർത്ഥ ഉദാഹരണങ്ങൾ നിന്ന് എടുത്ത ഭക്ഷണം മാസിക.

ആദ്യം സോഫ്റ്റ്വെയർ ഈ പാചക "ഉൾക്കൊള്ളരുത്" ഉണ്ടായിരുന്നു, വാട്സൺ ടീം വെച്ചു പോലെ. കംപ്യൂട്ടിങ്ങ് ഒരുപാട് ചേരുവകൾ ആയിരുന്നു മനസ്സിലാക്കുവാൻ പോയി, അവർ എങ്ങനെ തയ്യാറാക്കി, അവർ എത്രത്തോളം വേണ്ടി പാകം ചെയ്തു, ഓർഡർ പുതിയ വിഭവങ്ങൾ അവരെ ഉപയോഗിക്കാൻ എങ്ങനെ വിശദീകരിക്കാൻ കഴിയും ലേക്ക്. (പ്രോസസ്സ് ഇപ്പോഴും ഇങ്ങിനെ പോകാം. ഇപ്പോൾ പോലും ഷെഫ് വാട്സൺ "Mollusk" എന്ന ഒരു ഘടകമാണ് ശുപാർശ, അത് സഹായകരമാണ് വിശദീകരിക്കുന്നു "ആറാം മുഴുനീള ആണ് .അതികാലത്ത് ആൽബം".)

ഒരു വലിയ പ്രശ്നം മെഷീൻ രുചി പ്രതീതി നൽകാൻ ശ്രമിച്ചിരുന്നു. "ഒരു നോവൽ സമ്മിശ്രങ്ങളുണ്ടാക്കാൻ ഒരു കമ്പ്യൂട്ടറിൽ മതി എളുപ്പമാണ്,"Pinel പറയുന്നു, "എന്നാൽ എങ്ങനെ ഒന്നായി മൂല്യനിർണ്ണയം കഴിയും?പൊതുവായുള്ള സംയുക്തങ്ങൾ ഉള്ളതെന്ന് ചേരുവകൾ സംയോജിപ്പിച്ച് അപ്പോള് - "വാട്സൺ പ്രത്യേക രസം സംയുക്തങ്ങളും ഓരോ ഘടകങ്ങൾ പരിഗണിക്കാൻ പഠിച്ചിട്ടുമില്ല - ആയിരക്കണക്കിന് ഉണ്ട് ഇതിൽ. (ഈ തത്ത്വം, ഭക്ഷ്യ ജോടിയാക്കൽ, മനുഷ്യരിൽ നന്നായി സ്ഥാപിച്ചാൽ.) അവസാനമായി, സോഫ്റ്റ്വെയർ ഒരു മനുഷ്യ പാചകക്കാരൻ അര്ഥം ആ ഘട്ടം ഘട്ടമായുള്ള നിർദ്ദേശങ്ങൾ ഉൽപാദിപ്പിക്കുന്നത്. ഊന്നൽ പകരം പ്രായോഗിക ഭക്ഷണം ആസൂത്രണ സഫലമായതിന്റെ ഓൺ ആണ്. "ഷെഫ് വാട്സൺ നിങ്ങളെ പ്രചോദനം അവിടെ ശരിക്കും,"Pinel വിശദീകരിക്കുന്നു. ഓരോ പാചകക്കുറിപ്പ് ഓർമ്മപ്പെടുത്തൽ കൊണ്ട് വരുന്നു "നിങ്ങളുടെ സ്വന്തം ക്രിയാത്മകതയും ന്യായവും ഉപയോഗിക്കുക".

ഞാൻ ചെയ്യണം. ആദ്യ ഘട്ട "ടോസ്റ്റ് ഫ്ലാറ്റ്-ഇല ായിരിക്കും" ആണ്, വെറും ഒരു നല്ല ആശയം അല്ല. ഞാൻ സൃഷ്ടിക്കുന്നു, ഫലപ്രദമായി, ഒരു സ്ലോ-പാകം തരുമായിരുന്നു .ഊഹക്കമ്പോളത്തിന്റെ ബീഫ് ragu, എന്റെ നാലു ചേരുവകൾ ഉൾപ്പെടെ, എങ്കിലും വാട്സൺ ടീച്ചറോട് പുറമേ വെള്ളരിക്ക അടങ്ങിയ "allspice സീസൺ" എന്തോ എന്നെ തുടരുന്നതും, ഞാൻ തത്വത്തെ ചെയ്യാൻ വിസമ്മതിക്കുന്നു ഏത്. ഒടുവിൽ, ഞാൻ farmyard വിശേഷാൽ അടുത്ത ഒരു രസം കൊണ്ട് സമ്പന്നമായ സോസ് ഞങ്ങൾക്കുണ്ട്, എന്നാൽ uneatable അല്ല. ഞാൻ പച്ചിലവർണ്ണം അല്ലെങ്കിൽ ടെക്വില ആസ്വദിച്ചു കഴിയില്ല, ഞാൻ കുറിച്ച് സന്തോഷമുണ്ട്.

ഡിസംബര് റോബോട്ട് ഉപയോഗിച്ച് Yotam Ottolenghi
കേന്യനാം പ്രൈമറി സ്കൂളിലെ ഡിസംബര് റോബോട്ട് കടം പക്കലാണ് Yotam Ottolenghi, ലണ്ടൻ. ഫോട്ടോഗാഫ്: ജയ് ബ്രൂക്ക്സ്. സ്റൈൽ: ലീ Flude

വാട്സൺ സമർത്ഥനെങ്കിലും ടാസ്ക് കടുപ്പമാണ്, എന്നാൽ ഞാൻ ഈ ഭക്ഷണം വാശിക്കാർക്കുള്ള രസകരമായ ഒരു ബിറ്റ് മാത്രമാകുന്നു എന്ന് പറയാൻ ഞാൻ തയ്യാറാണ്, Ottolenghi എന്നെ നിർത്തുന്നു വരെ. "ഞാൻ ഇറച്ചിയും ഒരു ബിറ്റ് കൂടെ സ്ലോ-പാചകം ധിക്കാരികളാണ് ആശയം വലിയ കരുതുന്നു," അവന് പറയുന്നു. "അത് രസം സഖ്യശക്തികളുമാണ്. എല്ലാം ഒരുമിച്ചു വരും. ഞാൻ ഈ പാചകക്കുറിപ്പ് ഉപയോഗിച്ച് ഭസ്മീകരിക്കപ്പെടുകയും ഉണ്ടായിരുന്നു എങ്കിൽ, വ്യക്തമായും കട്ടത്തൈര് യുക്തമല്ലെങ്കിൽ - എങ്കിലും ഞാൻ അവിടെ ഓറഞ്ച് തൊലി വിടും, സുഗന്ധ ഏതാനും. ഞാൻ അതിനെ വളരെ മോശമായ പാചകക്കുറിപ്പ് തോന്നുന്നില്ല. ഇത് പ്രവർത്തിക്കാൻ കഴിഞ്ഞില്ല. "

കോടതിവിധി വാട്സൺ ചേരുവകൾ weirdness മറയ്ക്കുന്നു, എന്നാൽ Ottolenghi അവരെ പാടും ചെയ്യുന്നു.

എഴുത്തു ടെസ്റ്റ്

ചെറിയ ഇടുക വേഡ്സ്മിത്ത് ഐബിഎം, Google ന്റെ വിഷമമേറിയ മെഷീനുകൾ അടുത്ത, അതു ഒരു പോക്കറ്റ് കാൽക്കുലേറ്റർ പോലെ കമ്പ്യൂട്ടേഷണൽ വിപുലമായ തോന്നുന്നു. എങ്കിലും വാട്സൺ അതിന്റെ തൊഴിലഭാസം വഴി ഫംബിളുകൾ സമയത്ത്, വേഡ്സ്മിത്ത് പ്രവൃത്തി ഇതിനകം തന്നെയുണ്ട്. വായിച്ചാൽ അസോസിയേറ്റഡ് പ്രസ് ഓഹരി വിപണിയില് നിന്ന് റിപ്പോർട്ടുകൾ, അല്ലെങ്കിൽ Yahoo കായിക പത്രപ്രവർത്തനം, അവർ ഒരു വ്യക്തി എഴുതിയ കരുതുന്നു കാണാം ഒരു നല്ല അവസരം ഇല്ല.

വേഡ്സ്മിത്ത് കൃത്രിമ എഴുത്തുകാരനാണ്. നോർത്ത് കരോലിന ഒരു കമ്പനി വികസിപ്പിച്ച ഓട്ടോമേറ്റ് സ്ഥിതിവിവരക്കണക്കുകൾ വിളിച്ചു, അതു ഡാറ്റാഗണത്തിന്റെ നിന്ന് ഏറ്റവും രസകരമായ സ്വർണം തകര്ത്തിരിക്കുന്നു ഒരു ലേഖനത്തിന്റെ ഘടനയും ഉപയോഗിച്ചത് (അല്ലെങ്കിൽ ഇമെയിൽ, അല്ലെങ്കിൽ ഉൽപ്പന്ന പട്ടിക). എപ്പോഴാണ് അതു ശരിക്കും വലിയ വാർത്തകൾ വരുന്ന, കൂടുതൽ emotive ഭാഷ ഉപയോഗിക്കുന്നു. അതിൻറെ ജോലി കൂടുതൽ സൗകര്യമാകും ഉണ്ടാക്കുവാൻ diction അവയിൽ വാക്യഘടന വ്യത്യാസപ്പെടുന്നു. ഒരു ശിവലിംഗം റോബോട്ട് ഷെഫ് പോലും അതിന്റെ ഉപയോഗങ്ങളുണ്ട് കഴിയും, എന്നാൽ മനുഷ്യ വായനക്കാർക്ക് എഴുതുന്ന മിനുസമുള്ള ആയിരിക്കണം. ഒരു വോയിസ്-തിരിച്ചറിയൽ ഡിവൈസ് പോലുള്ള ലേക്ക് എതിരേ ആമസോൺ എക്കോ, വേഡ്സ്മിത്ത് പോലും ഒരു സ്പോക്കൺ മനുഷ്യ ചോദ്യത്തിന് പ്രതികരിക്കാൻ കഴിയും - ഒരുവൻറെ നിക്ഷേപം പ്രകടനം, പറയുന്നു - ഒരു പരിഗണനയോടെ സംഭാഷണ ഉത്തരം, ആദ്യ രസകരമാണ് എന്താണ് വിളിച്ചറിയിക്കുന്ന, അവൻ ഒരിക്കലും രസകരമായ കാര്യമാണ് വിട്ടുകളയാതെ. നിങ്ങൾ ഹാട്രിക് അറിഞ്ഞില്ല എങ്കിൽ, നിങ്ങൾ ചിന്തിക്കുന്നത് ആഗ്രഹിക്കുന്നു കേസ് 9000 എത്തിയപ്പോൾ.

ഹാട്രിക് ഈ: വേഡ്സ്മിത്ത് ജനം മനസ്സിലാക്കുന്നില്ല എഴുതി നൽകുകയും ഭാഗമായി എളുപ്പമാണ് ഇല്ല. Locky സ്റ്റ്യുവർട്ട് യാന്ത്രികമായ സ്ഥിതിവിവരക്കണക്കുകൾ നിന്ന് എനിക്ക് ഒരു ട്യൂട്ടോറിയൽ നൽകുന്നു. നിങ്ങൾക്ക് വേഡ്സ്മിത്ത് പോലുള്ള ഒരു വാചകം എഴുതുക, "പുതിയ എബിസി കണക്കുകൾ ന്യൂയോർക്ക് Inquirer ന്റെ രക്തചംക്രമണം ഉയർന്നു കാണിക്കുന്നത് 3% ഏപ്രിലിൽ. "അപ്പോൾ നിങ്ങൾ ഓടിനടന്ന്. നബി 3% നിങ്ങളുടെ ഡാറ്റ ഇറങ്ങിയ, അതിനാൽ നിങ്ങൾ പദം "റോസ്" തിരഞ്ഞെടുക്കുക ചട്ടം എഴുതുക, ഒരു "ബ്രാഞ്ച്" എന്നറിയപ്പെടുന്നു, ശതമാനത്തേക്കാൾ കൂടുതൽ എങ്കിൽ വചനം "Rose" മാറ്റും പദവുമായി "അപ്പ് ഷോട്ട്" 5%. അപ്പോൾ നിങ്ങൾ ബ്രാഞ്ച് "എഴുന്നേറ്റു" ശതമാനം നെഗറ്റീവ് ആണെങ്കിൽ "വീണു" ആകുവാൻ. ശതമാനം ആണെങ്കിൽ -5% അല്ലെങ്കിൽ താഴത്തെ, "എഴുന്നേറ്റു" "ചുരുങ്ങി 'വർദ്ധിപ്പിക്കുകയും.

തുടർന്ന് പര്യായപദങ്ങൾ മേയും. അതുപോലെ "വഴി കുത്തനെ വീണു" കഴിയും "വീഴുക". "Inquirer ന്റെ രക്തചംക്രമണം" "Inquirer പ്രചാരത്തിലിരുന്ന" ആകാൻ കഴിയും. അങ്ങനെ ൽ "അപ്പ് ഷോട്ട്" കഴിയും "കുതിച്ചുയർന്നു" ഒപ്പം. അപ്പോൾ നിങ്ങൾ കൂടുതൽ വാചകങ്ങൾ ചേർക്കുക, ഒരുപക്ഷേ ഓൺലൈൻ ട്രാഫിക് കുറിച്ച്, അല്ലെങ്കിൽ കുറിച്ച് ദിവസത്തെ പ്രിന്റ് പകർപ്പുകൾ മികച്ച വിറ്റു, അല്ലെങ്കിൽ കുറിച്ച് താരതമ്യങ്ങൾ വർഷം-ഓൺ-വർഷം. അപ്പോൾ നിങ്ങൾ മിടുക്കന് നേടുകയും. നിങ്ങൾ ആദ്യം ഏറ്റവും വിമർശനം വിവരങ്ങൾ ഉപയോഗിച്ച് ഗുണവുമുണ്ടാകും ലേക്കുള്ള വേഡ്സ്മിത്ത് പറയുന്നു, മഹാന്മാരായ ശതമാനം മാറ്റങ്ങൾ ഫീച്ചർ പോലുള്ള ഒരുപക്ഷേ നിർവചിച്ചിരിക്കുന്നത്. ഒരുപക്ഷേ നിങ്ങൾ ഒരു ഫലം "മികച്ച / ഗുണമേന്മയുള്ള ശീർഷകങ്ങൾ ഏറ്റവും മോശം പ്രകടനം" എന്ന് പറയാൻ ഒരു ശാഖ ചേർക്കുക. നരകം, നിങ്ങൾ പോലും ഇതിനെ ചില പഴയ ഫ്ലീറ്റ് സ്ട്രീറ്റ് തന്ത്രങ്ങളും പഠിപ്പിക്കാൻ കഴിയും, അങ്ങനെ രക്തചംക്രമണം plummets എങ്കിൽ കഷണം "എഡിറ്റർ ചാൾസ് കെയ്ൻ ആയി വിമർശനം നേരിടുന്ന" രൂപപ്പെടും, എന്നാൽ രക്തചംക്രമണം "അപ്പ് ഷോട്ട്" എങ്കിൽ ഈ മാറുന്നു "ചാൾസ് കെയ്ൻ ആ വാർത്തകൾ വിമർശകർ മിണ്ടാതാക്കണം ചെയ്തിരിക്കുന്നു". "കൂടുതൽ" അഥവാ "വീണ്ടും" ചേർക്കൽ അല്ലെങ്കിൽ നിങ്ങൾ തുടർച്ചയായി രണ്ടു മാസം ഒരേ കാര്യം നേടുകയും എങ്കിൽ "തുടരുന്നു".

"നിർമ്മിത ബുദ്ധി യഥാർത്ഥത്തിൽ യുക്തിയുടെ നെറ്റ്വർക്ക് പണിയുന്ന മനുഷ്യന്റെ ചിന്തയെ ആണ്,"സ്റ്റ്യുവർട്ട് പറയുന്നു, എഴുതിയ കഥ നിങ്ങൾ ഉപയോഗിക്കുന്ന തന്നെ "അതേ നെറ്റ്വർക്ക്. ഇത് വികസിപ്പിച്ചത് കഴിഞ്ഞില്ല 10 അഥവാ 15 വർഷങ്ങൾക്ക് മുമ്പ്, കോഡിൽ, എന്നാൽ ഈ സ്കെയിലിൽ പ്രവർത്തിക്കുന്നതിന് മാത്രം ആശകളും സാധ്യമായിത്തീർന്നത്. "വ്യക്തമായി വേഡ്സ്മിത്ത് ഒരു ലേഖനം ഒരുക്കും എടുക്കില്ല പരമ്പരാഗതമായി ഒറ്റ എഴുതാൻ അധികം, എന്നാൽ നിങ്ങൾ അങ്ങനെ ചെയ്തുകഴിഞ്ഞാൽ ഒരിക്കൽ, കമ്പ്യൂട്ടർ എല്ലാ മാസവും ഒരു പുതിയ മൾട്ടി രക്തചംക്രമണം സ്റ്റോറി പ്രസിദ്ധീകരിക്കാൻ കഴിയും, ഓരോ മൾട്ടി ന്, വിവരങ്ങൾ സ്വീകരിക്കുന്നത് നിമിഷങ്ങൾക്കു. ഇത് മിനിറ്റുകൾക്കുള്ളിൽ കഥകൾ ദശലക്ഷക്കണക്കിന് പ്രസിദ്ധീകരിക്കാൻ കഴിയും - പ്രസിദ്ധീകരിക്കാനോ അവരിൽ ചിലർ മാത്രം, ഡാറ്റ വാർത്താപ്രാധാന്യം നൽകിയ ഉമ്മരപ്പടി എത്താൻ ഇല്ല എങ്കിൽ. ഇങ്ങനെ ഒരു ഓട്ടോമേറ്റഡ് എഡിറ്റർ മാറുന്നു, കൂടി, thoroughness ലെ ക്രമീകരിക്കാവുന്ന അഭിരുചികളുള്ളവർ, ഫ്രീക്വെൻസിയും അപസ്മാരം.

വേഡ്സ്മിത്ത് ചുമതല വേണ്ടി, ഞാൻ ഫുട്ബോൾ നിർദ്ദേശിക്കുന്നു: അതു വളരെയേറെ ഡാറ്റ ഉത്പാദിപ്പിക്കുന്നത് വ്യക്തിഗതമായ ലേഖനങ്ങൾ ആഗ്രഹിക്കുന്നു ഒരു വായനക്കാർ ഉണ്ട് ഒരു ഫീൽഡിന്റെ. ഗാർഡിയൻ ഫുട്ബോൾ എഴുത്തുകാരൻ ജേക്കബ് നാഥന് കമ്പ്യൂട്ടറിൽ സ്വീകരിക്കേണ്ട സന്നദ്ധസേവകർ, ഞാൻ സമീപകാല പ്രീമിയർ ലീഗ് വസ്തുതകൾ ഒരു മേശ നൽകാൻ: കഴിഞ്ഞ സീസണിൽ ലീഗിലെ സ്ഥാനവും ക്രിസ്മസിന് അവസാനം ഈ സീസണിൽ സ്ഥാനം, ഗോളുകൾ വഴങ്ങിയത്, ടോപ് സ്കോറർ പേരും ആകെ, വേനൽ കൈമാറ്റങ്ങൾ മൂല്യം മാനേജരുടെ ഒരു ഉദ്ധരണി.

ഈ ഡാറ്റ നിന്ന് പൂര്ണ പ്രവർത്തനം, കമ്പ്യൂട്ടർ മനുഷ്യാവകാശ ഓരോ തന്നിരിക്കുന്ന ക്ലബ്ബിന് സീസണിൽ ഒരു അവലോകനം എഴുതാനും വേണം. നാഥന് അതിന്റെ നമ്പറുകൾ ആരെയും കാണും ഒരു കഥ അടങ്ങിയിരിക്കണം അടിസ്ഥാനത്തിൽ ലീസെസ്റ്റർ സിറ്റി തിരഞ്ഞെടുക്കുന്നു. വേഡ്സ്മിത്ത് തിരഞ്ഞെടുക്കാൻ ആവശ്യമില്ല. അത് എല്ലാ ചെയ്യും 20.

വാസ്തവത്തിൽ കമ്പ്യൂട്ടർ മനുഷ്യാവകാശ ഇരുവരും വേഗം സാമ്യം നിർമ്മിക്കുവാൻ:

ലീസെസ്റ്റർ സിറ്റി ഫുട്ബോളർ ജാമി Vardy

നാഥന് ആൻഡ് വേഡ്സ്മിത്ത് ഇരുവരും നാടകീയമായ ആദ്യ വാചകങ്ങൾ ഏല്പിക്കും. ആധികാരിക നാദത്തിന്റെ ഒരുപക്ഷേ ഔത്സുക്യമുള്ള, യാന്ത്രികമായ സ്ഥിതിവിവരക്കണക്കുകൾ ഭാര്യാപിതാവിന്റെ ലേഖനത്തിൽ തോന്നുന്നുണ്ടോ ഇട്ടു ചില സമർഥമായ തന്ത്രങ്ങൾ ഉപയോഗിക്കുക, കൂർമ്മബുദ്ധിയോടെ ലീസെസ്റ്റർ "മുകളിൽ പൂർത്തിയാക്കാൻ ആശിച്ചിരുന്നു നസീറയും 10 കഴിഞ്ഞ സീസണിൽ ഒരു 14 സ്ഥലത്ത് ഫിനിഷ് ശേഷം ". ഞാൻ വേഡ്സ്മിത്ത് മറ്റ് ലേഖനങ്ങളും സൌഥ്യാംപ്ടന് നോക്കൂ, ഏഴാം കഴിഞ്ഞ സീസണിൽ പൂർത്തിയാക്കിയിരുന്നു, "ഒരു യൂറോപ്യൻ സ്ഥലത്തുവച്ച് കണ്ണു" ഞങ്ങൾക്കുണ്ട്, മാഞ്ചസ്റ്റർ സിറ്റി "രണ്ടാം കഴിഞ്ഞതിന് ശേഷം ഒരു ലീഗ് എന്ന സീസൺ റാനഡെയെ തുടങ്ങി" സമയത്ത്.

അതുപോലെ, നാഥന് നമ്പറുകൾ കൂടുതൽ meaningfully പറയുവാന്, ആ കാണിക്കുന്ന ജാമി Vardy സ്കോർ മാത്രമല്ല 24 ലക്ഷ്യങ്ങൾ, എന്നാൽ ഈ എല്ലാ എന്നാൽ മറ്റ് താരങ്ങള് നടത്തിയിരുന്നത് അധികം ടീമിന്റെ ഗോളുകൾ ഉയർന്ന ശതമാനം എന്ന്. എങ്ങനെ വേഡ്സ്മിത്ത് പ്രവൃത്തികളെ അറിയുന്നു, തീർച്ചയായും, ഒറ്റ എളുപ്പത്തിൽ ഒരേ ചെയ്യാൻ അതിനെ കഴിഞ്ഞില്ല. യഥാർത്ഥത്തിൽ അത് നോക്കി, നാഥന് ന്റെ മുഴുവൻ ലേഖനം വിദഗ്ധ വേഡ്സ്മിത്ത് പ്രോഗ്രാമർ സൃഷ്ടിച്ചത് കഴിയുമായിരുന്നു - ഒരു വരിയിൽ ഒഴികെയുള്ള. "അല്പം വിശദമായ ഒരു സീസണിൽ,"അവൻ പറഞ്ഞതായി ലീസെസ്റ്റർ മാനേജർ ഉദ്ധരിക്കുന്നു, ചേർക്കുന്നതിന് മുമ്പ്, "ഞാന് പറയട്ടെ അങ്ങനെ, കൈമാറ്റങ്ങൾ ന് £ 26.7m ഒരു വേനൽക്കാലത്ത് ചെലവ് അവരെ എട്ടാം താഴ്ന്ന സ്പെൻഡറുകൾ "ഉണ്ടാക്കിയ കൊടുത്തിരിക്കുന്നു. "ഞാന് പറയട്ടെ അങ്ങനെ" യഥാർത്ഥത്തിൽ അവൻ എഴുതുന്ന മനസ്സിലാക്കി ഒരു എഴുത്തുകാരൻ കാണിക്കുന്നു.

കോടതിവിധി നാഥന് വളരെ മെച്ചപ്പെട്ട എഴുത്തുകാരനാണ്, നിങ്ങൾ ആഗ്രഹിക്കാതെ 20 ഇൻ ഡാറ്റയും-കനത്ത ലേഖനങ്ങൾ 10 മിനിറ്റ്.

പെയിന്റിംഗ് ടെസ്റ്റ്

ഒരു ലാപ്പ്ടോപ്പ് എന്നെ പുഞ്ചിരി ആഗ്രഹിക്കുന്നു. "ഒരു നല്ല മൂഡ് തുടർന്ന്," സൈമൺ Colton പറയുന്നു. അവൻ അതു പ്രോഗ്രാം ആർ ശാസ്ത്രജ്ഞൻ കാരണം അവൻ അറിയുന്നു. ഞങ്ങൾ ലണ്ടനിലെ സയൻസ് മ്യൂസിയത്തിൽ ഉണ്ട്, എവിടെ പെയിന്റിംഗ് ഫൂൾ, അത് വിളിക്കുന്നു, ഒരു പൊതു അവതരണം തരുന്ന. It’s important that I don’t show my teeth, Colton says, because something about the light makes them look green to the Painting Fool.

From my toothless smile the laptop creates a “conception” of what it would like to paint, based on its mood. The mood comes from a “sentiment analysis” of recent Guardian articles, as it happens (on average reading the Guardian is a downer, പകടമായി, apart from the stuff about gardening). Yesterday the Fool was in such a bad mood that it sent someone away unpainted; today it is feeling “positive”.

Next the Fool attempts to paint with a simulated brush and a simulated hand (യഥാർത്ഥത്തിൽ, an image of Colton’s hand) on the screen behind me. It learned to reflect its mood from the work of Dan Ventura, another computer scientist, at Brigham Young University in Utah, who trained a neural network to recognise the emotional attributes of images by sitting thousands of people in front of tens of thousands of paintings and asking them to tag each one with whatever adjectives came to mind. The Fool now knows that bright colours reflect a good mood, and “pencils with tight hatching” create a picture that is “cold”. When it is done, it prints out a page with a typed self-critique. “Overall, this is quite a bright portrait,” it says. “That’s OK, but my style has lowered the level of bright here. So I’m a bit annoyed about that.”

Here along with us, intrigued but too busy at her easel to watch, ആകുന്നു Sarah Jane Moon, an artist who exhibits with the Royal Society of Portrait Painters. She doesn’t want to see my teeth, ഒന്നുകിൽ. “We paint from life," അവൾ പറയുന്നു, “and you can’t hold a smile for sitting upon sitting. That’s why all the traditional portraits show quite relaxed features.”

The Painting Fool is a special machine, and even slightly famous, but I can’t deny that Moon is almost all of why I’m excited to be here. The feeling of being painted by a real person, having them look at you and think about you, is exciting and flattering. Sentiment analysis and training data, മറുവശത്ത്, don’t add up to anything whose view of me I care about, and the finished portraits do not change my mind. Moon’s is a lovely, real thing, which feels straight away like one person seen by another. The Fool’s three efforts have qualities I like, but mostly they look like photographs that have gone through some kind of software filter. Colton insists the Fool is here “to learn to be better” but I look and think: so what?

Painting of Leo Benedictus by Sarah Jane Moon
Leo Benedictus as seen by Sarah Jane Moon…
Painting of Leo Benedictus by the Painting Fool computer
…and as imagined by the Painting Fool laptop. ഫോട്ടോഗാഫ്: Murray Ballard

Then I think some more. For one thing, it turns out that art is more mechanical than I’d realised. “I try to look at Leo as an abstract set of shapes, forms, നിറങ്ങൾ, tones,” Moon tells Colton, “to get away from the fact that that’s a nose. Because when you start to do that, you get caught up in what you ചിന്തിക്കുക looks like a nose.”

“What the software does is break it down into colour regions,” Colton says.

"അതെ, കൃത്യമായി,” Moon agrees. “I think that’s what the best painters do. It’s transcribing.” Afterwards she tells me she felt a kind of “kinship” with the software as they worked side by side.

കൂടുതൽ പ്രധാനമായി, I realise that what matters isn’t how the machine paints; it’s how I see. Moon I understand, ഞാൻ കരുതുന്നു. She’s a person and I know how that feels, so I care about her picture. But what does it feel like to be the Painting Fool? Is that what its portraits are trying to tell me?

കോടതിവിധി Moon’s painting is far richer; the Fool is still learning and has centuries of practice to go.

The translation test

Google Translate was the first piece of proper science fiction to come true, ഒപ്പം it’s already a decade old. In many ways it typifies where AI has got to. Useful, ഉറപ്പാക്കുക; impressive, without question; but still clunky as hell, despite big improvements.

If you haven’t used it, it works like this: enter text or web links in any of 103 supported languages and you get a rough translation seconds later in any of the others. The app on your phone will transcribe what you say and then speak it back, വിവർത്തനം (32 languages supported); it can replace the text of a foreign language sign or menu wherever you point the camera. No explanation is needed of how cool that is (and it’s free).

Globally, half a billion people use Google Translate each month, mostly those who don’t speak English (which is 80% of people) but who want to understand the internet (which is 50% ഇംഗ്ലീഷ്). “Most of our growth, and actually most of our traffic, comes from developing or emerging markets such as Brazil, ഇന്തോനേഷ്യ, ഇന്ത്യ, തായ്ലൻഡ്,” says Barak Turovsky, head of product management and user experience at Google Translate. It’s surprisingly popular for dating, കൂടി, he adds. “Things like ‘I love you’ and ‘You have beautiful eyes’, that’s very prevalent.”

The software has always used a form of statistical machine learning: scouring the internet for already translated text – UN declarations, EU documents – and mapping the likelihood of certain words and phrases corresponding to one another. The more data it gathers, the better it gets, but the improvement levelled off a couple of years ago. ഉടൻ, Turovsky says, they will deploy new deep learning algorithms, which will produce much more fluent translations.

എന്നിരുന്നാലും, there are limits, and some seem fundamental when you talk to a human translator and realise how subtle their work is. Ros Schwartz ഒപ്പം Anne de Freyman volunteer for this task. Both are professional French/English translators, and I need two because, in order to judge how good the translation is without being fluent in both languages, we need to translate twice – once out of English into French, once back again. Google Translate keeps no memory of the original and can do the same thing.

I choose a short passage of distinctive but not especially wild or ambiguous prose from the beginning of Herzog by Saul Bellow. Translators normally require context, so I tell Schwartz and De Freyman that it comes from a famous mid-century American novel.

Within a few days, Schwartz and De Freyman return a very smooth facsimile of the original text. Here and there some nuances have not survived, but the passage remains a pleasure to read, and the main meanings come across exactly.

Google Translate takes only a few seconds, and the result is both impressive and inadequate, weirdly good in places, in others weirdly bad – turning “he” into “it” and concocting the idea that Herzog is in love. Miraculously, it keeps “cracked” as a description of the hero. French has no word that combines the sense of “broken” and “mad” that cracked coveys in English, so De Freyman makes it “cinglé”, which comes back from Schwartz as “crazy”.

“Google Translate would look at statistical probability and say, what does ‘cracked’ mean?” Turovsky explains. “And statistically, it will try to decide whether it means ‘cracked’ or ‘crazy’ or whatever. ആ, for a machine, is a non-trivial task.” Nor is it simple for a human, even though we find it easy. You’d have to ask whether Bellow could have meant that Herzog was “cracked” as in physically fractured. Then you’d have to assume not, because human bodies don’t generally do that. So you’d wonder what he did mean and assume instead, if you were not already familiar with the usage, that he must mean “crazy”, because you understand the rest of what you’ve read. But to do all this, wouldn’t Google Translate have to be pretty much conscious, I ask? Turovsky laughs. “I don’t think I’m qualified to answer that question.”

കോടതിവിധി Some bullseyes and howlers from Google Translate, while Schwartz and De Freyman are fluent and exact.

ഗാർഡിയൻ വാർത്ത © guardian.co.uk & മീഡിയാ ലിമിറ്റഡ് 2010

ബന്ധപ്പെട്ട ലേഖനങ്ങൾ