Man v Mesin: Bolehkah Komputer Cook, Menulis dan Cat Lebih Baik Daripada Kami?

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

kecerdasan buatan kini boleh memenangi permainan, mengecam wajah anda, walaupun merayu terhadap tiket letak kereta anda. Tetapi ia boleh melakukan barangan walaupun manusia mencari rumit?


Dikuasakan oleh Guardian.co.ukArtikel ini bertajuk “Man v mesin: komputer boleh memasak, menulis dan melukis lebih baik daripada kita?” ditulis oleh Leo Benedictus, untuk The Guardian pada Sabtu Jun 4 2016 08.00 UTC

satu video, untuk saya, segala-galanya berubah. Ia adalah rakaman dari permainan Atari lama Breakout, satu di mana anda slaid dayung kiri dan kanan di sepanjang bahagian bawah skrin, cuba untuk menghancurkan batu bata dengan memantulkan bola ke dalam mereka. Anda mungkin telah membaca tentang pemain permainan: algoritma yang dibangunkan oleh DeepMind, syarikat kecerdasan buatan British yang AlphaGo program juga menewaskan salah satu yang terbesar pernah Pergi pemain, Lee Sedol, awal tahun ini.

Mungkin anda harapkan komputer untuk menjadi baik pada permainan komputer? Sebaik sahaja mereka tahu apa yang perlu dilakukan, mereka pasti melakukannya dengan lebih cepat dan lebih konsisten daripada mana-mana manusia. Pemain Breakout DeepMind ini tahu apa-apa, Walau bagaimanapun. Ia tidak diprogramkan dengan arahan mengenai cara kerja permainan; ia tidak memberitahu bagaimana untuk menggunakan kawalan. Semua ia mempunyai adalah imej pada skrin dan arahan untuk cuba untuk mendapatkan mata sebanyak mungkin.

Watch video itu. pada mulanya, dayung membolehkan drop bola ke dalam kelalaian, mengetahui yang lebih baik. Akhirnya, hanya mucking kira-kira, ia mengetuk bola kembali, memusnahkan bata dan mendapat mata, supaya ia mengiktiraf ini dan adakah ia lebih kerap. Selepas amalan dua jam, atau kira-kira 300 permainan, ia telah menjadi serius baik, lebih baik daripada anda atau saya pernah akan. kemudian, selepas kira-kira 600 permainan, hal-hal yang menyeramkan. Algoritma bermula mensasarkan di tempat yang sama, lagi dan lagi, untuk menggali melalui batu bata ke dalam ruang belakang. Pernah kesana, sebagai mana-mana pemain Breakout tahu, bola akan melantun sekitar untuk sementara, mengumpul mata percuma. Ia adalah satu strategi yang baik bahawa komputer datang dengan sendiri.

"Apabila penyelidik saw ini, yang benar-benar mengejutkan mereka,CEO "DeepMind ini, Demis Hassabis, kepada hadirin di sidang teknologi dalam Paris. Awak boleh menonton demonstrasi beliau, terlalu, dan mendengar ketawa dan tepukan apabila mesin angka strategi mengorek lubang yang. Komputer telah menjadi bijak, sedikit seperti kita.

"Kecerdasan buatan" adalah hanya kira-kira yang paling lama dan paling hyped frasa buzz semua pengkomputeran ini. Idea ini pertama kali dibangkitkan serius oleh Alan Turing dalam Computing Machinery And Intelligence, yang 1950 kertas di mana beliau mencadangkan apa yang dikenali sebagai ujian Turing: jika mesin yang boleh meyakinkan anda melalui perbualan bahawa ia adalah manusia, ia telah melakukan sebanyak mana-mana manusia boleh untuk membuktikan ia benar-benar berfikir. Tetapi AI jangka tidak biasanya digunakan sehingga 1955, bila ahli matematik Amerika Syarikat, John McCarthy mencadangkan satu persidangan untuk pakar-pakar. Ini berlaku pada tahun berikutnya, dan sejak itu bidang telah dijalankan pada kira-kira kitaran dua dekad mania dan putus asa. (Penyelidik juga mempunyai istilah baru - "AI musim sejuk" - untuk menggambarkan mantra keluar dari fesyen. Tahun 1970-an dan 1990-an khususnya keras.)

Hari ini ada mania baru, yang kelihatan lain dari yang lain: ia sesuai di dalam poket anda. Telefon yang boleh mengalahkan juara catur dunia, mengenali lagu-lagu di radio dan gambar-gambar anak-anak anda, dan menterjemahkan suara anda ke dalam bahasa lain. The Nao robot digambarkan di sini dengan Yotam Ottolenghi boleh berjalan di atas dua kaki, bercakap, mencari bola dan juga tarian. (Ia adalah robot, walaupun, tidak AI: ia tidak boleh mereka bentuk menu.)

Mendengar tentang kemajuan dalam AI, anda tidak perlu pakar untuk memberitahu anda untuk menjadi teruja, atau takut. Anda hanya mula mendapat perasaan: kecerdasan di sini. Jelas Google mendapat perasaan, terlalu, kerana ia membeli DeepMind untuk $ 650m dikhabarkan. Dalam 2013, Facebook melancarkan projek sendiri, dengan rancangan untuk membangunkan pengiktirafan bahasa muka dan semula jadi untuk laman web ini. Pemaju telah mula bekerja pada chatbots pintar, mana pengguna Facebook akan dapat untuk memanggil menggunakan perkhidmatan Messenger.

Setakat ini, komputer telah tidak "pintar" di semua, atau hanya sempit supaya. Mereka telah baik pada tugas-tugas mudah yang mengkagumkan kami, seperti matematik, tetapi buruk pada mereka yang kita ambil mudah, yang berubah menjadi serius keras. Perbuatan berjalan adalah sesuatu robot moden belajar seperti bayi dan masih berjuang dengan; tugas-tugas asas pottering kekal impian jauh. "Salah satu contoh adalah mudahnya anda atau saya boleh membuat secawan teh di dapur orang lain,"kata Profesor Alan Winfield, yang roboticist di Universiti Barat England. "Tidak ada satu robot di dunia ini yang boleh melakukan ini."

Untuk memahami mengapa menjadi manusia begitu sukar, berfikir tentang bagaimana anda boleh mendapatkan komputer untuk mengenali orang dari gambar. tanpa AI, anda perlu tahu bagaimana anda melakukannya sendiri pertama, untuk program komputer. Anda perlu untuk mengumpul dan berfikir tentang semua corak mungkin, warna dan bentuk muka, dan bagaimana mereka berubah dalam cahaya dan pada sudut yang berbeza - dan anda perlu tahu apa yang penting dan apa yang hanya lumpur pada lensa. dengan AI, anda tidak perlu untuk menjelaskan: anda hanya memberikan gunung data sebenar kepada komputer dan biarkan ia belajar. Bagaimana anda mereka bentuk perisian pembelajaran yang kekal sebagai perkara esoterik, wilayah beberapa saintis komputer dicari, tetapi ia adalah jelas mereka telah mendapat kepada pemenang oleh merangka struktur data-pemprosesan berasaskan longgar pada struktur di dalam otak. (Ini dipanggil "pembelajaran mendalam".) Bagi pergunungan data sebenar, baik, itulah yang Google, Facebook, Amazon, Uber dan semua yang lain kebetulan telah terletak di sekeliling.

Di fasa ini, kita masih belum tahu yang menggunakan AI akan berubah terbaik. Josh Newlan, alat sandi California yang bekerja di Shanghai, bosan dengan mendengar panggilan persidangan yang tidak berkesudahan, jadi beliau membina beberapa perisian untuk mendengar untuk dia. Sekarang, apabila nama Newlan ini disebut, komputer serta-merta menghantar dia transkrip setengah saat-saat akhir, menunggu 15 saat, kemudian memainkan rakaman dia berkata, "Maaf, Saya tidak sedar mikrofon saya sedang dalam bisu. "Tahun lepas, Josh Browder, seorang remaja British, membina peguam tiruan percuma yang menarik terhadap tiket letak kereta; beliau merancang untuk membina satu lagi untuk membimbing pelarian melalui sistem undang-undang asing. Kemungkinan yang ... Well, mungkin algoritma boleh mengira kemungkinan.

Jadi akan fikiran mesin satu hari mendahului kita sendiri? Para penyelidik saya bercakap dengan berhati-hati, dan mengambil sakit untuk menekankan apa mesin mereka tidak boleh melakukan. Tetapi saya mengambil keputusan untuk meletakkan AI untuk ujian: ia boleh merancang makan serta Ottolenghi? Bolehkah ia melukis potret saya? Adakah teknologi masih buatan pintar - atau adakah ia bermula untuk menjadi pintar, untuk sebenar?

Ujian memasak

Baik, Saya akan berkata ia tidak dahsyat. Manusia telah berkhidmat saya lebih teruk. Walaupun dalam kebenaran nama yang IBM Chef Watson memberikan hidangan ini ("Sauce Chicken Hati Savoury") adalah sebagai menyelerakan yang sewajarnya.

Untuk berlaku adil kepada Chef Watson, dan Guardian Weekend sendiri chef-kolumnis Yotam Ottolenghi, Saya telah menetapkan mereka agak tugas. Saya meminta hidangan berdasarkan empat bahan-bahan yang seolah-olah milik tempat berhampiran antara satu sama lain: hati ayam, yogurt Yunani, wasabi dan tequila. Mereka boleh menambah apa-apa sahaja yang mereka suka, tetapi mereka empat perlu berada di hidangan siap, yang saya akan memasak dan makan. Chef Watson tidak teragak-agak, dengan serta-merta memberi saya dua sos pasta. Ottolenghi lebih berhati. "Apabila saya mendapat cabaran yang saya fikir, 'Ini tidak akan bekerja,"Dia memberitahu saya.

Saya fikir yang sama. Atau sekurang-kurangnya saya fikir saya akan berakhir dengan makan dua hidangan yang berjaya menjadi OK walaupun bahan-bahan mereka, bukan kerana mereka. Sebenarnya - dan anda akan berfikir saya rayapan, tetapi jadi apa - resipi Ottolenghi ini adalah wahyu: hati dan bawang dan pengurangan tequila, dihidangkan dengan epal, lobak, ubi bit dan chicory slaw, dengan wasabi dan yogurt persalinan. Hidangan ini boleh masuk akal sedikit di atas kertas, tetapi saya dibaham perasaan sepiring penuh bahawa setiap elemen milik. (Dan Vinaigrette menebal dengan yogurt dan wasabi bukannya mustard: serius, mencubanya.) Ottolenghi memberitahu saya resipi yang hanya pendek rambut janggut boleh diterbitkan.

Perkara itu adalah, hidangan yang membawanya dan rakan sepasukan tiga hari untuk menyempurnakan. Mereka dapat rasa dan membincangkan perisa, tekstur, warna, suhu, dengan cara yang Watson tidak boleh - walaupun terdapat "perbincangan" tentang menambah mekanisme maklum balas pada masa akan datang, Chef jurutera membawa Watson, Florian Pinel, memberitahu saya. "Resipi A adalah satu perkara yang kompleks,"Ottolenghi kata. "Sukar untuk saya walaupun untuk memahami bagaimana komputer akan mendekatinya."

Yotam Ottolenghi dan hidangan Chef Watson
Yotam Ottolenghi dan hidangan Chef Watson Gambar: Jay Brooks untuk Guardian

Watson pertama kali dibina oleh IBM untuk memenangi Jeopardy gameshow televisyen! dalam 2011. Dalam beberapa cara ia adalah satu cabaran mengelirukan, kerana untuk komputer sebahagian yang sukar kuiz adalah pemahaman terhadap soalan, tidak mengetahui jawapan; untuk manusia, ia adalah cara yang lain di seluruh. Tetapi Watson memenangi, dan teknologi mula digunakan di tempat lain, termasuk sebagai tukang masak, menjana resipi baru berdasarkan 10,000 contoh sebenar yang diambil daripada majalah Bon Appétit.

Pertama perisian terpaksa "menelan" resipi ini, sebagai satu pasukan Watson memasukkannya ke. Banyak pengiraan pergi ke dalam memahami apa bahan-bahan adalah, bagaimana mereka telah disediakan, berapa lama mereka telah dimasak untuk, untuk dapat menjelaskan bagaimana untuk menggunakannya dalam hidangan baru. (Proses ini masih boleh pergi jauh menyimpang. Malah kini Chef Watson mencadangkan bahan yang dipanggil "Mollusk", mana ia Sangat berminat menjelaskan adalah "keenam penuh panjang Album oleh Ween".)

Satu masalah yang lebih besar telah cuba untuk memberikan mesin deria rasa. "Ia cukup mudah untuk komputer untuk membuat kombinasi novel,"Pinel berkata, "Tetapi bagaimana ia boleh menilai satu?"Watson telah diajar untuk mempertimbangkan setiap bahan sebagai gabungan sebatian rasa tertentu - di mana terdapat beribu-ribu - dan kemudian untuk menggabungkan bahan-bahan yang mempunyai sebatian biasa. (prinsip ini, berpasangan makanan, Adalah menjadi pengetahuan umum di kalangan manusia.) Akhirnya, perisian menghasilkan arahan langkah demi langkah yang masuk akal untuk seorang tukang masak manusia. Penekanan adalah terhadap kejutan daripada perancangan makan praktikal. "Chef Watson adalah benar-benar di sana untuk memberi inspirasi kepada anda,"Pinel menjelaskan. Setiap resipi datang dengan peringatan untuk "menggunakan kreativiti anda sendiri dan penghakiman".

Dan saya perlu. Langkah pertama adalah untuk "roti bakar rata-daun pasli", yang hanya tidak adalah idea yang baik. Saya sedang membuat, berkesan, daging babi yang dimasak perlahan rempah ratus dan daging lembu ragu, termasuk semua empat bahan-bahan saya, belum Watson aneh juga termasuk timun dan sering menegaskan kepada "musim dengan allspice", yang saya enggan berbuat prinsip. Akhirnya, Saya mempunyai sos yang kaya dengan rasa yang agak dekat dengan halaman pertanian, tetapi tidak uneatable. Saya tidak boleh merasai wasabi atau tequila, yang saya gembira mengenai.

Yotam Ottolenghi dengan Nao robot
Yotam Ottolenghi dengan Nao robot dipinjamkan ihsan Heber sekolah rendah, London. Gambar: Jay Brooks. Styling: Lee Flude

Watson adalah bijak dan tugas itu adalah sukar, tetapi saya bersedia untuk mengatakan bahawa ini adalah tidak lebih daripada sedikit keseronokan untuk nerds makanan, sehingga Ottolenghi berhenti saya. "Saya fikir idea perlahan-memasak hati-hati dengan sedikit daging besar," dia cakap. "Ia semakin hebat rasa. Segala-galanya akan datang bersama-sama. Jika saya terpaksa bermula semula dengan resipi ini, jelas yogurt tidak sesuai - tetapi saya akan meninggalkan kulit oren terdapat, beberapa rempah. Saya tidak fikir ia adalah resipi yang sangat buruk. Ia boleh bekerja. "

Keputusan Watson menyembunyikan keanehan daripada bahan-bahan, tetapi Ottolenghi menjadikan mereka menyanyi.

Ujian bertulis

Letakkan sedikit Wordsmith bersebelahan dengan mesin menakutkan IBM dan Google, dan ia kelihatan seperti computationally maju sebagai kalkulator poket. Namun manakala Watson fumbles melalui perantisan yang, Wordsmith sudah di tempat kerja. Jika anda membaca laporan pasaran saham dari Associated Press, atau kewartawanan sukan Yahoo, terdapat peluang yang baik anda akan fikir ia ditulis oleh orang yang.

Wordsmith adalah seorang penulis tiruan. Dibangunkan oleh syarikat di North Carolina dipanggil Automated Insights, ia plucks ketulan paling menarik dari set data dan menggunakan mereka untuk menyusun rencana (atau e-mel, atau senarai produk). Apabila ia datang seluruh berita yang sangat besar, ia menggunakan bahasa yang lebih emotif. Ia berbeza gaya bicara dan sintaks untuk membuat kerja-kerja yang lebih mudah dibaca. Walaupun robot chef kekok boleh mempunyai kegunaannya, tetapi menulis untuk pembaca manusia mestilah lancar. Disambungkan kepada peranti suara-pengiktirafan seperti Amazon Echo, Wordsmith juga boleh bertindak balas kepada soalan manusia yang dituturkan - kira-kira prestasi pelaburan seseorang, berkata - dengan jawapan yang teliti yang dituturkan, mengumumkan apa yang menarik pertama, dan meninggalkan apa yang tidak menarik sama sekali. Jika anda tidak tahu silap mata, anda akan berfikir hal 9000 telah tiba.

Silap mata tersebut ini: Wordsmith melakukan sebahagian daripada bertulis bahawa orang tidak sedar mudah. Locky Stewart dari Automated Insights memberikan saya tutorial. Anda menulis ke Wordsmith hukuman seperti, "Angka-angka ABC baru menunjukkan bahawa peredaran New York Inquirer meningkat 3% pada bulan April. "Kemudian anda bermain-main. Yang 3% telah datang dari data anda, supaya anda pilih perkataan "naik" dan menulis peraturan, dikenali sebagai "cawangan", yang akan menukar perkataan "naik" untuk frasa "melonjak" jika peratusan adalah lebih daripada 5%. Kemudian anda cawangan "rose" untuk menjadi "jatuh" jika peratusan adalah negatif. Jika peratusan adalah -5% atau lebih rendah, "Naik" menjadi "menjunam".

Kemudian anda makan sinonim. Jadi "menjunam" juga boleh menjadi "jatuh mendadak oleh". "Peredaran The Inquirer" boleh "edaran pada Inquirer". "Shot up" boleh "melonjak" dan sebagainya. Kemudian anda menambah lebih banyak ayat, mungkin tentang lalu lintas dalam talian, atau kira-kira yang salinan cetak hari dijual terbaik, atau kira-kira perbandingan tahun ke tahun. Kemudian anda mendapat pandai. Anda beritahu Wordsmith untuk meletakkan ayat dengan maklumat yang paling patut dijadikan berita pertama, ditakrifkan mungkin sebagai orang-orang yang mempunyai perubahan peratusan terbesar. Mungkin anda menambah cawangan untuk mengatakan bahawa keputusan adalah "persembahan terbaik / paling teruk di kalangan tajuk kualiti". neraka, anda juga boleh mengajar beberapa lama helah Fleet Street, supaya jika peredaran jatuh menjunam sekeping bermula "Editor Charles Kane menghadapi kritikan sengit sebagai", tetapi jika peredaran mempunyai "melonjak" ini menjadi "Charles Kane telah mendiamkan pengkritik dengan berita bahawa". Memasukkan "lebih" atau "sekali lagi" atau "terus" jika anda mendapat perkara yang sama dua bulan berturut-turut.

"The kecerdasan buatan sebenarnya adalah kecerdasan manusia yang sedang membina rangkaian logik,"Stewart berkata, "Rangkaian yang sama anda akan gunakan semasa menulis cerita. Ia boleh telah dibangunkan 10 atau 15 tahun yang lalu, kod, tetapi untuk membuat ia bekerja pada skala ini hanya dapat dicapai sejak kebelakangan ini. "Jelas sekali ia mengambil masa lebih lama untuk menyediakan artikel mengenai Wordsmith daripada menulis satu konvensional, tetapi apabila anda berbuat demikian, komputer boleh menerbitkan cerita pengedaran akhbar segar setiap bulan, pada setiap akhbar, dalam masa beberapa saat menerima maklumat yang. Ia boleh menerbitkan berjuta-juta cerita-cerita dalam minit - atau menyiarkan hanya sebahagian daripada mereka, jika data yang tidak mencapai tahap tertentu newsworthiness. Oleh itu ia menjadi editor automatik, terlalu, dengan rasa laras ketelitian, kekerapan dan histeria.

Untuk tugas Wordsmith ini, Saya cadangkan bola sepak: ia adalah satu bidang yang menghasilkan banyak data dan mempunyai jumlah pembaca yang mahu artikel peribadi. Guardian penulis bola sepak Yakub Steinberg sukarelawan untuk mengambil komputer, dan saya menyediakan jadual fakta dari Liga Perdana Inggeris baru-baru ini: kedudukan liga musim lalu dan kedudukan musim ini pada Krismas dan pada akhir, gol dan bolos, nama penjaring terbanyak dan jumlah, nilai perpindahan musim panas dan petikan dari pengurus.

Bekerja semata-mata dari data ini, komputer dan manusia masing-masing perlu memberi ulasan musim ini untuk kelab tertentu. Steinberg memilih Leicester City atas dasar bahawa jumlahnya harus mengandungi cerita yang ada orang yang melihat. Wordsmith tidak perlu memilih. Ia akan melakukan semua 20.

Dan sebenarnya kedua-dua komputer dan manusia dengan cepat menghasilkan kerja agak sama:

Leicester City pemain bola sepak Jamie Vardy

Kedua-dua Steinberg dan Wordsmith menyampaikan ayat pertama dramatik. Mungkin berminat untuk bunyi yang sahih, Automated Insights menggunakan beberapa helah bijak untuk meletakkan perasaan ke dalam artikel yang kedua itu, dengan bijak meneka bahawa Leicester telah "dengan harapan untuk menyelesaikan di bahagian atas 10 selepas menduduki tempat ke-14 musim lalu ". Saya melihat melalui artikel-artikel lain Wordsmith dan Southampton, mempunyai tangga ketujuh musim lalu, mempunyai "mata pada tempat Eropah", manakala Manchester City "memulakan musim bermimpi kejuaraan liga selepas menduduki tempat kedua".

Sebaliknya, Steinberg menggali dengan lebih bermakna ke dalam nombor, menunjukkan bahawa Jamie Vardy bukan sahaja menjaringkan 24 matlamat, tetapi bahawa ini adalah peratusan yang lebih tinggi daripada matlamat pasukannya daripada yang diuruskan oleh semua tetapi dua pemain lain. Mengetahui bagaimana Wordsmith berfungsi, sudah tentu, seseorang dengan mudah boleh menyediakannya untuk melakukan perkara yang sama. Malah mencari melaluinya, keseluruhan artikel Steinberg boleh diciptakan oleh programmer Wordsmith mahir - dengan pengecualian satu baris. "Ia adalah satu musim ajaib,"Dia menyebut pengurus Leicester sebagai berkata, sebelum menambah, "Wajar demikian, memandangkan perbelanjaan musim panas £ 26.7m pada pindahan menjadikan mereka kelapan berbelanja terendah ". Bahawa "wajar demikian" menunjukkan seorang penulis yang benar-benar memahami apa yang dia menulis.

Keputusan Steinberg adalah seorang penulis yang lebih baik, melainkan jika anda mahu 20 artikel data-berat dalam 10 minit.

Ujian lukisan

Komputer riba mahu saya untuk tersenyum. "Ada dalam suasana yang baik," Simon Colton berkata. Dia mengetahui kerana dia ahli sains yang diprogramkan ia. Kami di Muzium Sains London, mana Lukisan Fool, kerana ia dipanggil, memberi demonstrasi awam. Adalah penting bahawa saya tidak menunjukkan gigi saya, Colton berkata, kerana sesuatu tentang terang itu menjadikan mereka kelihatan hijau untuk Painting Fool.

Dari senyuman bertaring saya laptop mewujudkan "konsep" daripada apa yang ia akan suka melukis, berdasarkan mood yang. mood itu datang dari "analisis sentimen" artikel Guardian baru-baru ini, kerana ia berlaku (membaca purata Guardian adalah Downer yang, nampaknya, selain dari barangan yang tentang berkebun). Semalam Fool itu dalam apa-apa suasana yang tidak baik bahawa ia menghantar seseorang jauh unpainted; hari ini ia adalah perasaan "positif".

Seterusnya Fool cuba untuk cat dengan berus simulasi dan tangan simulasi (sebenarnya, imej tangan Colton ini) pada skrin di belakang saya. Ia belajar untuk mencerminkan mood daripada kerja-kerja dan Ventura, seorang lagi ahli sains komputer, di Universiti Brigham Young di Utah, yang melatih rangkaian neural untuk mengenali sifat-sifat emosi imej dengan duduk beribu-ribu orang di hadapan puluhan ribu lukisan dan meminta mereka untuk menandakan setiap satu dengan apa sahaja adjektif datang ke fikiran. Fool sekarang tahu bahawa warna-warna terang mencerminkan suasana yang baik, dan "pensel dengan penetasan ketat" buat gambar yang "sejuk". Apabila ia dilakukan, ia mencetak halaman dengan ditaip kritikan diri. "Secara keseluruhan, ini agak potret yang cerah," ia berkata. "Tidak mengapa, tetapi gaya saya telah menurunkan tahap terang di sini. Jadi saya agak marah tentang itu. "

Sini bersama-sama dengan kami, tertarik tetapi terlalu sibuk di kuda-kuda beliau untuk menonton, adalah Sarah Jane Moon, seorang artis yang mempamerkan dengan Royal Society of Painters Portrait. Dia tidak mahu melihat gigi saya, sama ada. "Kami cat dari kehidupan," dia berkata, "Dan anda tidak boleh memegang senyuman untuk duduk di atas duduk. Itulah sebabnya semua potret tradisional menunjukkan ciri-ciri agak santai. "

Lukisan Fool adalah mesin khas, dan walaupun sedikit terkenal, tetapi saya tidak boleh menafikan bahawa Moon hampir semua kenapa saya teruja untuk berada di sini. Perasaan yang dilukis oleh orang yang sebenar, mempunyai mereka melihat anda dan berfikir tentang anda, adalah menarik dan memuji-muji. analisis sentimen dan data latihan, sebaliknya, tidak menambah apa-apa jua yang pandangan saya saya mengambil berat tentang, dan potret siap tidak mengubah fikiran saya. Bulan ini adalah hari yang indah, perkara sebenar, yang berasa merta seperti seorang yang dilihat oleh orang lain. tiga Usaha Fool mempunyai kualiti yang saya suka, tetapi kebanyakannya mereka kelihatan seperti gambar-gambar yang telah melalui beberapa jenis penapis perisian. Colton menegaskan Fool adalah di sini "untuk belajar untuk menjadi lebih baik" tetapi saya melihat dan berfikir: jadi apa?

Lukisan Leo Benedictus oleh Sarah Jane Moon
Leo Benedictus seperti yang dilihat oleh Sarah Jane Bulan ...
Lukisan Leo Benedictus oleh komputer Painting Fool
... Dan seperti yang dibayangkan oleh komputer riba Painting Fool. Gambar: Murray Ballard

Saya rasa lebih banyak. Untuk satu perkara, ternyata bahawa seni adalah lebih mekanikal daripada yang saya sedar. "Saya cuba untuk melihat Leo sebagai set abstrak bentuk, bentuk, warna, nada,"Moon memberitahu Colton, "Lari dari hakikat bahawa itulah hidung. Kerana apabila anda mula melakukan yang, anda terperangkap dalam apa yang anda berfikir kelihatan seperti hidung. "

"Apakah perisian yang tidak adalah memecahkan ia ke dalam kawasan warna,"Colton berkata.

"Ya, tepat,"Bulan bersetuju. "Saya rasa itulah yang pelukis yang terbaik melakukan. Ia menyalin. "Selepas itu dia memberitahu saya dia merasakan sejenis" persaudaraan "dengan perisian itu kerana mereka turut sebelah menyebelah.

Yang lebih penting, Saya sedar bahawa apa yang penting bukan bagaimana cat mesin; ia adalah cara saya melihat. Moon Saya faham, Saya rasa. Dia seorang yang dan saya tahu bagaimana rasanya, jadi saya mengambil berat tentang gambar beliau. Tetapi apa yang ia merasa suka berada Fool Lukisan? Adakah itu apa potret yang cuba untuk memberitahu saya?

Keputusan lukisan Moon adalah jauh lebih kaya; Fool yang masih belajar dan telah berabad-abad amalan untuk pergi.

Ujian terjemahan

Terjemahan Google tidak sekeping pertama fiksyen sains yang betul untuk menjadi kenyataan, dan ia sudah satu dekad yang lalu. Dalam banyak cara ia melambangkan mana AI telah mendapat. Berguna, pasti; mengesankan, tanpa soalan; tetapi masih clunky sebagai neraka, walaupun peningkatan besar.

Jika anda belum menggunakannya, ia berfungsi seperti ini: masukkan teks atau web pautan dalam mana-mana 103 bahasa yang disokong dan anda mendapat kasar saat terjemahan kemudian pada setiap orang yang lain. Aplikasi pada telefon anda akan menyalin apa yang kamu katakan dan kemudian bercakap semula, diterjemahkan (32 bahasa yang disokong); ia boleh menggantikan teks bahasa isyarat atau menu asing di mana sahaja yang anda halakan kamera. Tiada penjelasan yang diperlukan bagaimana sejuk yang (dan ianya percuma).

Di peringkat global, setengah bilion orang menggunakan Google Translate setiap bulan, kebanyakannya orang-orang yang tidak bertutur dalam Bahasa Inggeris (iaitu 80% orang) tetapi yang mahu memahami internet (iaitu 50% English). "Sebahagian besar pertumbuhan kami, dan sebenarnya kebanyakan trafik kami, datang dari membangun atau pasaran baru muncul seperti Brazil, Indonesia, India, Thailand,"Kata Barak Turovsky, ketua pengurusan produk dan pengalaman pengguna di Google Translate. Ia menghairankan popular untuk dating, terlalu, beliau menambah. "Perkara seperti 'I love you' dan 'Anda mempunyai mata yang indah', yang amat berleluasa. "

Perisian ini sentiasa menggunakan satu bentuk pembelajaran mesin statistik: mengeruk internet untuk teks sudah diterjemahkan - deklarasi PBB, dokumen EU - dan pemetaan kemungkinan kata-kata dan frasa tertentu yang sepadan dengan satu sama lain. Semakin data ia mengumpulkan, lebih baik ia mendapat, tetapi peningkatan mendatar beberapa tahun yang lalu. Soon, Turovsky kata, mereka akan menggunakan algoritma pembelajaran yang baru dalam, yang akan menghasilkan lebih banyak terjemahan fasih.

Walaupun begitu, terdapat had, dan beberapa kelihatan asas apabila anda bercakap dengan seorang penterjemah manusia dan menyedari betapa halus kerja mereka adalah. Ros Schwartz dan Anne de Freyman sukarelawan untuk tugas ini. Kedua-duanya adalah penterjemah Bahasa Perancis / Bahasa Inggeris, dan saya memerlukan dua kerana, untuk menilai bagaimana baik terjemahan itu adalah tanpa fasih dalam kedua-dua bahasa, kita perlu untuk menterjemahkan dua kali - sekali daripada bahasa Inggeris ke dalam Bahasa Perancis, sekali kembali lagi. Google Translate menyimpan tiada memori yang asal dan boleh melakukan perkara yang sama.

Saya memilih satu petikan pendek prosa tersendiri tetapi tidak terutamanya liar atau samar-samar dari awal Herzog oleh Saul Bellow. Penterjemah biasanya memerlukan konteks, jadi saya memberitahu Schwartz dan De Freyman bahawa ia datang dari sebuah novel Amerika abad pertengahan terkenal.

Dalam masa beberapa hari, Schwartz dan De Freyman kembali suatu faksimile sangat lancar teks asal. Di sana sini beberapa nuansa tidak terselamat, tetapi laluan kekal keseronokan untuk membaca, dan maksud terpenting mencari tepat.

Google Translate hanya mengambil masa beberapa saat, dan hasilnya adalah kedua-dua yang menarik dan tidak mencukupi, baik weirdly di tempat-tempat, pada orang lain weirdly buruk - buka "dia" ke dalam "ia" dan mereka-reka idea bahawa Herzog adalah cinta. ajaib, ia terus "retak" sebagai penerangan wira. Perancis tidak mempunyai perkataan yang menggabungkan pengertian "pecah" dan "gila" yang retak coveys dalam bahasa Inggeris, supaya De Freyman menjadikannya "cinglé", yang kembali dari Schwartz sebagai "gila".

"Google Translate akan melihat kebarangkalian statistik dan berkata, apa yang dimaksudkan dengan 'retak' bermakna?"Turovsky menjelaskan. "Dan statistik, ia akan cuba untuk membuat keputusan sama ada ia bermakna 'retak' atau 'gila' atau apa sahaja. yang, untuk mesin yang, merupakan satu tugas yang bukan remeh. "Ia juga tidak mudah bagi manusia, walaupun kita merasa mudah. Anda harus bertanya sama ada Bellow boleh bermakna bahawa Herzog telah "retak" seperti dalam patah fizikal. Maka anda akan mempunyai untuk tidak menganggap, kerana tubuh manusia tidak melakukan pada amnya melaksanakan yang. Jadi anda akan tertanya-tanya apa yang dia maksudkan dan menganggap sebaliknya, jika anda tidak sudah biasa dengan penggunaan, bahawa dia mesti bermaksud "gila", kerana anda memahami yang lain daripada apa yang anda telah membaca. Tetapi untuk melakukan semua ini, tidak akan Google Terjemah perlu cukup banyak sedar, saya tanya? Turovsky ketawa. "Saya tidak fikir saya layak untuk menjawab soalan itu."

Keputusan Sesetengah bullseyes dan howlers dari Google Translate, manakala Schwartz dan De Freyman fasih dan tepat.

guardian.co.uk © Guardian News & Media Limited 2010

Artikel berkaitan