Sendu inn spurningu

Hér getur þú sent okkur nýjar spurningar um vísindaleg efni.

Hafðu spurninguna stutta og hnitmiðaða og sendu aðeins eina í einu. Einlægar og vandaðar spurningar um mikilvæg efni eru líklegastar til að kalla fram vönduð og greið svör. Ekki er víst að tími vinnist til að svara öllum spurningum.

Persónulegar upplýsingar um spyrjendur eru eingöngu notaðar í starfsemi vefsins, til dæmis til að svör verði við hæfi spyrjenda. Spurningum er ekki sinnt ef spyrjandi villir á sér heimildir eða segir ekki nægileg deili á sér.

Spurningum sem eru ekki á verksviði vefsins er eytt.

Að öðru leyti er hægt að spyrja Vísindavefinn um allt milli himins og jarðar!

=

Er hægt að búa til tölvur sem læra, til dæmis með því að forrita sig sjálfar?

Eins og lesa má í svari mínu við spurningunni Er líklegt að í framtíðinni verði hægt að búa til greindar vélar? eru þegar til vélar sem læra. Fæstar þeirra skrifa þó sín eigin forrit, að minnsta kosti ekki í bókstaflegri merkingu.

Í raun er mjög einfalt að búa til forrit sem skrifar eigin forrit. Sumir vefþjónar skrifa til dæmis HTML-kóða þegar fólk heimsækir heimasíður, en HTML er umbrotsmál sem notað er á Veraldarvefnum. Forritunarmálið LISP gefur mikla möguleika á að skrifa forrit sem býr til önnur forrit sem eru jafn flókin – og jafnvel flóknari – en það sjálft. Slík forrit má finna á rannsóknarsetrum víða um heim og er tilgangur þeirra margþættur, meðal annars að rannsaka starfsemi og hegðun gena og sjá um sjálfvirka túlkun á ritmáli. Vandamálið með forrit sem skrifa sín eigin forrit er að erfitt er að búa þannig um hnútana að eitthvað vitrænt komi út úr þeim. Þess vegna er yfirleitt öðrum aðferðum beitt í forritum sem læra.


Vélar geta notað margs konar aðferðir til náms, þar á meðal gervitauganet, tölfræðilega nálgun, reglunám, genetísk algrím og styrkingarnám.

Meðal helstu aðferða við vélrænt nám eru gervitauganet (e. artificial neural networks), tölfræðileg nálgun (e. statistical approximation), reglunám (e. rule-based learning), genetísk algrím (e. genetic algorithms) og styrkingarnám (e. reinforcement learning). Val á námsaðferð fer eftir því hvers eðlis námið er og hvað á að læra. Tölfræðileg nálgun er til dæmis best þegar mikið er til af „námsefni“, svo sem ef þjálfa á forrit í að flokka milljónir netsíðna; styrkingaraðferðir má nota ef kerfið þarf að þjálfa sig upp á eigin spýtur og námsefnið er af skornum skammti; genetísk algrím eru notuð í tilvikum þar sem námið felst í að læra flókið samspil margra þátta.

Þegar dýr og menn læra nota þau fjölda aðferða; mannshugurinn ber af þar sem hann einn getur stundað nám með hjálp tungumáls. Nokkuð langt er í land að vélar jafnist á við lífverur hvað varðar námsgetu, en til þess þarf aukið reikniafl og betri skilning á námi dýra og manna. Margar spennandi spurningar á þessu sviði bíða eftir að vísindamenn framtíðarinnar glími við þær.

Frekara lesefni og mynd

Upphaflega spurningin var:

Er fræðilegur möguleiki á því að búa til tölvur sem læra, til að mynda með því að forrita hugbúnað sem sjálfur getur forritað?

Útgáfudagur

20.3.2006

Spyrjandi

Björgvin Pétursson

Höfundur

Kristinn R. Þórisson

prófessor í tölvunarfræði við HR og stjórnandi Vitvélastofnunar Íslands

Tilvísun

Kristinn R. Þórisson. „Er hægt að búa til tölvur sem læra, til dæmis með því að forrita sig sjálfar?“ Vísindavefurinn, 20. mars 2006. Sótt 21. október 2018. http://visindavefur.is/svar.php?id=5717.

Kristinn R. Þórisson. (2006, 20. mars). Er hægt að búa til tölvur sem læra, til dæmis með því að forrita sig sjálfar? Vísindavefurinn. Sótt af http://visindavefur.is/svar.php?id=5717

Kristinn R. Þórisson. „Er hægt að búa til tölvur sem læra, til dæmis með því að forrita sig sjálfar?“ Vísindavefurinn. 20. mar. 2006. Vefsíða. 21. okt. 2018. <http://visindavefur.is/svar.php?id=5717>.

Chicago | APA | MLA

Sendu inn spurningu
eða

Vísindadagatalið

Helga Zoega

1976

Helga Zoega er prófessor í lýðheilsuvísindum við Læknadeild HÍ. Rannsóknir Helgu eru á sviði lyfjafaraldsfræði og beinast einkum að lyfjanotkun meðal barnshafandi kvenna og barna – hópum sem lyf eru sjaldnast prófuð á áður en þau koma á markað.