Een van de meest waardevolle aspecten van onze relatie met honden is hoe we ze vermenselijken; ze lijken naar ons te glimlachen, te spreken en onze gevoelens te begrijpen. Maar uiteindelijk leggen we alleen maar een menselijke laag over een dier met een brein dat nog steeds een mysterie voor ons is. Wat we wel goed weten, is hoe we ze moeten trainen; we bestuderen hun reactie op bepaalde basisstimuli en maken daar gebruik van om ze een specifieke taak te laten uitvoeren. Deze methode werd vastgesteld dankzij de gedragsstudies ontwikkeld door fysioloog Ivan Pavlov. Nu, meer dan 100 jaar later, wordt zijn onderzoek weer relevant omdat we te maken hebben met een nieuw soort mysterieus brein dat getraind moet worden: deep machine learning.
Deze manier van computers programmeren verschilt van de traditionele manier omdat het niet langer nodig is om elke taak precies te coderen. In plaats daarvan voeden de programmeurs de computer met data en laten de machine zelf uitzoeken wat het krijgt aangeboden.
Zoals Jason Taz van Wired uitlegt: “Als je een neuraal netwerk wilt leren een kat te herkennen, vertel je het bijvoorbeeld niet om naar snorharen, oren, vacht en ogen te zoeken. Je laat het gewoon duizenden en duizenden foto's van katten zien, en uiteindelijk komt het er zelf achter.” Het probleem hiermee is dat, aangezien de computer het werk zelf doet, we niet kunnen zien hoe ze de data hebben verwerkt en verbeterd, dus moeten we ze trainen zoals honden.
We zijn allemaal geëvolueerd met een natuurlijke aanleg om honden te trainen en te domesticeren, dus als we onze computers als huisdieren behandelen, kunnen we er op een compleet nieuwe manier geweldige dingen mee gaan doen en zal code geen barrière meer zijn.

Comments (0)
Share your thoughts and join the technology debate!
No comments yet
Be the first to share your thoughts!