Изкуствен интелект

Изкуственият интелект е клон на компютърните науки, който изучава възможността за предоставяне на интелигентни разсъждения и действия с помощта на компютърни системи и други изкуствени устройства. В повечето случаи алгоритъмът за решаване на проблема е предварително неизвестен.

Няма точна дефиниция на тази наука, тъй като въпросът за природата и състоянието на човешкия интелект не е решен във философията. Също така няма точен критерий за постигане на „интелигентност“ на компютрите, въпреки че в зората на изкуствения интелект бяха предложени редица хипотези, например тестът на Тюринг или хипотезата на Нюел-Саймън. В момента има много подходи както за разбиране на проблема с AI, така и за създаване на интелигентни системи.

По този начин една от класификациите идентифицира два подхода към развитието на ИИ:

отгоре надолу, семиотичен - създаване на символни системи, които моделират умствени процеси на високо ниво: мислене, разсъждения, реч, емоции, творчество и др.;

отдолу нагоре, биологични - изследването на невронни мрежи и еволюционни изчисления, които моделират интелигентно поведение въз основа на по-малки "неинтелигентни" елементи.

Тази наука е свързана с психологията, неврофизиологията, трансхуманизма и др. Както всички компютърни науки, тя използва математика. Философията и роботиката са от особено значение за нея.

Изкуственият интелект е много млада област на изследване, която стартира през 1956 г. Неговият исторически път прилича на синусоида, всяко „излитане“ на която е инициирано от някаква нова идея. В момента развитието му е в упадък, отстъпвайки място на прилагането на вече постигнати резултати в други области на науката, индустрията, бизнеса и дори бита.

Подходи за изследване

Има различни подходи за изграждане на AI системи. В момента има 4 доста различни подхода:

1. Логически подход. Основата на логическия подход е булевата алгебра. Всеки програмист е запознат с него и с логическите оператори от времето, когато усвои оператора IF. Булевата алгебра получи своето по-нататъшно развитие под формата на предикатно смятане - в което беше разширена чрез въвеждане на предметни символи, отношения между тях, квантори на съществуване и универсалност. Почти всяка AI система, изградена на логически принцип, е машина за доказване на теореми. В този случай изходните данни се съхраняват в базата данни под формата на аксиоми, логически правила за извод като връзки между тях. Освен това всяка такава машина има единица за генериране на цели и системата за изводи се опитва да докаже тази цел като теорема. Ако целта е доказана, тогава проследяването на приложените правила ни позволява да получим верига от действия, необходими за постигане на целта (такава система е известна като експертни системи). Силата на такава система се определя от възможностите на генератора на цели и машината за доказване на теореми. Сравнително нова посока, като размитата логика, позволява логическият подход да постигне по-голяма изразителност. Основната му разлика е, че истинността на твърдението може да приема освен да/не (1/0) и междинни стойности - не знам (0,5), пациентът е по-вероятно жив, отколкото мъртъв (0,75 ), пациентът е по-вероятно мъртъв, отколкото жив (0,25). Този подход е по-близък до човешкото мислене, тъй като рядко отговаря на въпроси само с да или не.

2. Под структурен подход тук имаме предвид опити за изграждане на AI чрез моделиране на структурата на човешкия мозък. Един от първите подобни опити е перцептронът на Франк Розенблат. Основната моделирана структурна единица в перцептроните (както и в повечето други опции за моделиране на мозъка) е невронът. По-късно възникват други модели, които са познати на повечето под термина невронни мрежи (NN). Тези модели се различават по структурата на отделните неврони, по топологията на връзките между тях и по алгоритмите за обучение. Сред най-известните опции за NN сега са NN с обратно разпространение на грешките, мрежите на Hopfield и стохастичните невронни мрежи. В по-широк смисъл този подход е известен като конективизъм.

3. Еволюционен подход. При изграждането на AI системи, използващи този подход, основното внимание се обръща на изграждането на първоначалния модел и правилата, по които той може да се променя (еволюира). Освен това моделът може да бъде съставен с помощта на различни методи, може да бъде невронна мрежа, набор от логически правила или всеки друг модел. След това включваме компютъра и на база проверка на моделите той избира най-добрите от тях, на базата на които се генерират нови модели по различни правила. Сред еволюционните алгоритми генетичният алгоритъм се счита за класически.

4. Симулационен подход. Този подход е класически за кибернетиката, като една от основните й концепции е черна кутия. Обектът, чието поведение се симулира, е именно „черна кутия“. За нас няма значение какво има вътре в него и модела и как функционира, основното е нашият модел да се държи абсолютно еднакво в подобни ситуации. Така тук се моделира още едно човешко свойство – способността да копираш това, което другите правят, без да се навлиза в подробности защо е необходимо това. Често тази способност му спестява много време, особено в началото на живота му.

В рамките на хибридните интелигентни системи те се опитват да комбинират тези области. Правилата за експертни изводи могат да бъдат генерирани от невронни мрежи, а генеративните правила се получават с помощта на статистическо обучение.

Обещаващ нов подход, наречен усилване на интелигентността, разглежда постигането на ИИ чрез еволюционно развитие като страничен ефект от технологията, подобряваща човешкия интелект.

Изследователски направления

Анализирайки историята на AI, можем да подчертаем толкова широка област като моделирането на разсъжденията. В продължение на много години развитието на тази наука се движи точно по този път и сега тя е една от най-развитите области в съвременния AI. Моделирането на разсъждение включва създаването на символни системи, чийто вход е определен проблем, а изходът изисква неговото решение. По правило предложеният проблем вече е формализиран, т.е. преведен в математическа форма, но или няма алгоритъм за решение, или е твърде сложен, отнема време и т.н. Тази област включва: доказателство на теореми, вземане на решения и теория на игрите, планиране и диспечиране, прогнозиране.

Важна област е обработката на естествен език, която включва анализиране на възможностите за разбиране, обработка и генериране на текстове на „човешки“ език. По-специално, проблемът с машинния превод на текстове от един език на друг все още не е решен. В съвременния свят развитието на методите за извличане на информация играе важна роля. По своята същност оригиналният тест на Тюринг е свързан с това направление.

Според много учени важно свойство на интелигентността е способността за учене. Така инженерството на знанието излиза на преден план, съчетавайки задачите за получаване на знания от проста информация, нейното систематизиране и използване. Напредъкът в тази област засяга почти всяка друга област на изследванията на ИИ. Тук също не могат да бъдат пренебрегнати две важни подобласти. Първият от тях - машинното обучение - засяга процеса на самостоятелно придобиване на знания от интелигентна система в процеса на нейното функциониране. Вторият е свързан със създаването на експертни системи - програми, които използват специализирани бази от знания за получаване на надеждни заключения по всеки проблем.

Има големи и интересни постижения в областта на моделирането на биологични системи. Строго погледнато, това може да включва няколко независими посоки. Невронните мрежи се използват за решаване на размити и сложни проблеми, като разпознаване на геометрична форма или групиране на обекти. Генетичният подход се основава на идеята, че един алгоритъм може да стане по-ефективен, ако заимства по-добри характеристики от други алгоритми („родители“). Сравнително нов подход, при който задачата е да се създаде автономна програма - агент, който взаимодейства с външната среда, се нарича агентен подход. И ако правилно принудите много „не много интелигентни“ агенти да взаимодействат заедно, можете да получите „мравешки“ интелект.

Проблемите с разпознаването на образи вече са частично решени в други области. Това включва разпознаване на символи, ръкописен текст, реч и анализ на текст. Особено заслужава да се спомене компютърното зрение, което е свързано с машинното обучение и роботиката.

Като цяло, роботиката и изкуственият интелект често се свързват помежду си. Интеграцията на тези две науки, създаването на интелигентни роботи, може да се счита за друга област на AI.

Машинното творчество стои отделно, поради факта, че природата на човешката креативност е дори по-малко проучена от природата на интелигентността. Въпреки това тази област съществува и тук се поставят проблемите на компютърното писане на музика, литературни произведения (често поезия или приказки) и художествено творчество.

И накрая, има много приложения на изкуствения интелект, всяко от които формира почти самостоятелно поле. Примерите включват програмиране на интелигентност в компютърни игри, нелинейно управление и интелигентни системи за сигурност.

Може да се види, че много области на изследване се припокриват. Това е характерно за всяка наука. Но при изкуствения интелект връзката между привидно различни области е особено силна и това е свързано с философския дебат за силния и слабия ИИ.

В началото на 17 век Рене Декарт предполага, че животното е вид сложен механизъм, като по този начин формулира механистична теория. През 1623 г. Вилхелм Шикард създава първия механичен цифров компютър, последван от машини на Блез Паскал (1643 г.) и Лайбниц (1671 г.). Лайбниц е и първият, който описва съвременната двоична бройна система, въпреки че преди него много велики учени периодично се интересуват от тази система. През 19 век Чарлз Бабидж и Ада Лавлейс работят върху програмируем механичен компютър.

През 1910-1913г Бертран Ръсел и А. Н. Уайтхед публикуват Principia Mathematica, което революционизира формалната логика. През 1941 г. Конрад Цузе създава първия работещ компютър, управляван от софтуер. Уорън Маккълох и Уолтър Питс публикуват „Логическо смятане на идеите, присъщи на нервната дейност“ през 1943 г., което поставя основата на невронните мрежи.

Текущо състояние на нещата

В момента (2008 г.) при създаването на изкуствения интелект (в оригиналния смисъл на думата експертните системи и шахматните програми не са тук) има недостиг на идеи. Почти всички подходи са тествани, но нито една изследователска група не се е доближила до появата на изкуствен интелект.

Някои от най-впечатляващите граждански AI системи са:

Deep Blue - победи световния шампион по шах. (Мачът между Каспаров и суперкомпютрите не донесе удовлетворение нито на компютърните специалисти, нито на шахматистите и системата не беше разпозната от Каспаров, въпреки че оригиналните компактни шахматни програми са неразделна част от шахматното творчество. Тогава линията суперкомпютри на IBM се появи през г. проектите за груба сила BluGene (молекулярно моделиране) и моделиране на пирамидалната клетъчна система в Swiss Blue Brain Center Тази история е пример за сложната и потайна връзка между AI, бизнеса и националните стратегически цели.)

Mycin беше една от ранните експертни системи, които можеха да диагностицират малък набор от заболявания, често толкова точно, колкото лекарите.

20q е проект, базиран на AI идеи, базиран на класическата игра „20 въпроса“. Той стана много популярен, след като се появи в интернет на сайта 20q.net.

Гласово разпознаване. Системи като ViaVoice са способни да обслужват потребителите.

Роботите се състезават в опростена форма на футбол в годишния турнир RoboCup.

Приложение на AI

Банките използват системи с изкуствен интелект (AI) в застрахователни дейности (актюерска математика), когато играят на фондовата борса и управление на имоти. През август 2001 г. роботи победиха хора в импровизирано търговско състезание (BBC News, 2001 г.). Методите за разпознаване на образи (включително както по-сложни, така и специализирани и невронни мрежи) се използват широко в оптично и акустично разпознаване (включително текст и реч), медицинска диагностика, филтри за нежелана поща, в системи за противовъздушна отбрана (идентификация на цели), а също и за осигуряване на брой други задачи по националната сигурност.

Разработчиците на компютърни игри са принудени да използват AI с различна степен на сложност. Стандартните задачи на AI в игрите са намиране на път в двуизмерно или триизмерно пространство, симулиране на поведението на бойна единица, изчисляване на правилната икономическа стратегия и т.н.

Перспективи за AI

Виждат се две посоки на развитие на ИИ:

първият е решаването на проблеми, свързани с доближаването на специализираните AI системи до човешките възможности и тяхната интеграция, която се реализира от човешката природа.

второто е създаването на Изкуствен интелект, което представлява интегрирането на вече създадени AI системи в единна система, способна да решава проблемите на човечеството.

Връзки с други науки

Изкуственият интелект е тясно свързан с трансхуманизма. И заедно с неврофизиологията и когнитивната психология, тя формира една по-обща наука, наречена когнитивна наука. Философията играе специална роля в изкуствения интелект.

Философски въпроси

Науката за „създаване на изкуствен интелект“ не може да не привлече вниманието на философите. С появата на първите интелигентни системи се повдигат фундаментални въпроси за човека и познанието и отчасти за световния ред. От една страна, те са неразривно свързани с тази наука, а от друга, внасят някакъв хаос в нея. Сред изследователите на ИИ все още няма доминираща гледна точка относно критериите за интелигентност, систематизирането на целите и задачите, които трябва да бъдат решени, дори няма строга дефиниция на науката.

Може ли една машина да мисли?

Най-разгорещеният спор във философията на изкуствения интелект е въпросът за възможността за мислене, създадено от човешки ръце. Въпросът „Може ли една машина да мисли?“, който подтикна изследователите да създадат наука за симулиране на човешкия ум, беше поставен от Алън Тюринг през 1950 г. Двете основни гледни точки по този въпрос се наричат ​​хипотези за силен и слаб изкуствен интелект.

Терминът „силен изкуствен интелект“ е въведен от Джон Сърл и подходът е характеризиран с думите му:

„Нещо повече, такава програма не би била просто модел на ума; тя, в буквалния смисъл на думата, самата тя ще бъде умът, в същия смисъл, в който човешкият ум е умът.”

За разлика от тях привържениците на слабия AI предпочитат да разглеждат програмите само като инструменти, които им позволяват да решават определени проблеми, които не изискват пълния набор от човешки когнитивни способности.

В своя мисловен експеримент "Китайска стая" Джон Сиърл показва, че преминаването на теста на Тюринг не е критерий за една машина да има истински процес на разсъждение.

Мисленето е процес на обработка на информация, съхранявана в паметта: анализ, синтез и самопрограмиране.

Подобна позиция заема и Роджър Пенроуз, който в книгата си „Новият ум на краля” аргументира невъзможността да се получи процесът на мислене на базата на формални системи.

Има различни гледни точки по този въпрос. Аналитичният подход включва анализ на висшата нервна дейност на човек до най-ниското, неделимо ниво (функция на висшата нервна дейност, елементарна реакция на външни дразнители (стимули), дразнене на синапсите на набор от неврони, свързани по функция) и последващото възпроизвеждане на тези функции.

Някои експерти бъркат способността за рационален, мотивиран избор в условията на липса на информация за интелигентност. Тоест, интелектуална програма просто се счита за онази програма за дейност (която не е задължително да се изпълнява на съвременни компютри), която може да избира от определен набор от алтернативи, например къде да отиде в случай на „ще отидете наляво .. .”, „ще тръгнеш надясно ...”, „ще тръгнеш направо ...”

Наука за знанието

Също така епистемологията - науката за знанието в рамките на философията - е тясно свързана с проблемите на изкуствения интелект. Философите, работещи по тази тема, се борят с въпроси, подобни на тези, пред които са изправени инженерите на AI за това как най-добре да представят и използват знания и информация.

Отношението към AI в обществото

ИИ и религия

Сред последователите на авраамическите религии има няколко гледни точки относно възможността за създаване на ИИ въз основа на структурен подход.

Според един от тях мозъкът, чиято работа се опитват да имитират системите, според тях не участва в мисловния процес, не е източникът на съзнанието и всяка друга умствена дейност. Създаването на AI въз основа на структуриран подход е невъзможно.

Според друга гледна точка мозъкът участва в мисловния процес, но под формата на „предавател” на информация от душата. Мозъкът е отговорен за такива „прости“ функции като безусловни рефлекси, реакция на болка и др. Създаването на AI въз основа на структурен подход е възможно, ако проектираната система може да изпълнява функции за „прехвърляне“.

И двете позиции не отговарят на данните на съвременната наука, т.к понятието душа не се разглежда от съвременната наука като научна категория.

Според много будисти AI е възможен. Така духовният водач Далай Лама XIV не изключва възможността за съществуване на съзнание на компютърна основа.

Raelites активно подкрепят разработките в областта на изкуствения интелект.

AI и научна фантастика

В литературата за научна фантастика AI най-често се описва като сила, която се опитва да превземе човешката сила (Omnius, HAL 9000, Skynet, Colossus, The Matrix и Replicant) или служещ хуманоид (C-3PO, Data, KITT и КАР, Двустагодишен човек). Неизбежността на доминирането на света от ИИ, който е излязъл извън контрол, се оспорва от такива писатели на научна фантастика като Айзък Азимов и Кевин Уоруик.

Една любопитна визия за бъдещето е представена в романа „Изборът на Тюринг“ от писателя научна фантастика Хари Гарисън и учения Марвин Мински. Авторите обсъждат темата за загубата на човечност в човек, в чийто мозък е имплантиран компютър, и придобиването на човечеството от AI машина, в чиято памет е копирана информация от човешкия мозък.

Някои писатели на научна фантастика, като Върнър Виндж, също спекулират с последиците от появата на ИИ, който вероятно ще предизвика драматични промени в обществото. Този период се нарича технологична сингулярност.

Изкуственият интелект ли е причината да приключим?

Какво е изкуствен интелект и от какво наистина се страхуват хората?

Във връзка с

Съученици

Изкуственият интелект е тема, за която всеки си е изградил собствено мнение.

Експертите по този въпрос са разделени на два лагера.
Първият смята, че изкуственият интелект не съществува, вторият смята, че той съществува.

Rusbase разбра кой от тях е прав.

Изкуственият интелект и негативните последици от имитацията

Основната причина за дебата за изкуствения интелект е разбирането на термина. Препъникамъкът беше самата концепция за интелигентност и... мравки. Хората, които отричат ​​съществуването на AI, разчитат на факта, че е невъзможно да се създаде изкуствен интелект, тъй като човешкият интелект не е изследван и следователно е невъзможно да се пресъздаде неговото подобие.

Вторият аргумент, използван от „невярващите“ е случаят с мравките. Основната теза на случая е, че мравките отдавна са смятани за същества, които притежават интелект, но след изследване става ясно, че те го имитирали. И имитацията на интелигентност не означава нейното наличие. Следователно всичко, което имитира рационално поведение, не може да се нарече интелигентност.

Другата половина от лагера (които твърдят, че AI съществува) не се фокусира върху мравките и природата на човешкия ум. Вместо това те оперират с по-практични концепции, чийто смисъл е, че изкуственият интелект е способността на машините да изпълняват човешките интелектуални функции. Но какво се считат за интелектуални функции?

Историята на изкуствения интелект и кой го е измислил

Джон Маккарти, създателят на термина „изкуствен интелект“, дефинира интелигентността като изчислителен компонент на способността за постигане на цели. Маккарти обясни самата дефиниция на изкуствения интелект като наука и технология за създаване на интелигентни компютърни програми.

Определението на Маккарти се появи по-късно от самото научно направление. Още в средата на миналия век учените се опитаха да разберат как работи човешкият мозък. Тогава се появиха теориите за изчисленията, теориите за алгоритмите и първите в света компютри, чиито изчислителни възможности подтикнаха научните светила да се замислят дали една машина може да се сравни с човешкия ум.

Черешката на тортата беше решението на Алън Тюринг, който намери начин да тества интелигентността на компютъра - и създаде теста на Тюринг, който определя дали една машина може да мисли.

И така, какво е изкуственият интелект и за какво е създаден?

Ако не вземаме предвид мравките и природата на човешкия интелект, AI в съвременния контекст е способността на машините, компютърните програми и системи да изпълняват интелектуалните и творчески функции на човек, самостоятелно да намират начини за решаване на проблеми, да могат да прави изводи и да взема решения.

Рационално е да не възприемаме изкуствения интелект като подобие на човешкия ум и да разделяме футурологията и науката, както AI и Skynet.

Освен това повечето съвременни продукти, създадени с помощта на AI технологиите, не са нов етап от развитието на изкуствения интелект, а само използването на стари инструменти за създаване на нови и необходими решения.

Защо надграждането не се счита за развитие на изкуствен интелект

Но дали това са толкова нови идеи? Вземете например Siri, облачен асистент, оборудван със система за въпроси и отговори. Подобен проект е създаден още през 1966 г. и също носи женско име - Елиза. Интерактивната програма поддържаше диалога със събеседника толкова реалистично, че хората го разпознаваха като жив човек.

Или индустриалните роботи, които Amazon използва в своя склад. Много преди това, през 1956 г., роботите на Unimation работеха в General Motors, движейки тежки части и помагайки за сглобяването на автомобили. Какво ще кажете за интегралния робот Shakey, разработен през 1966 г. и станал първият мобилен робот, управляван от изкуствен интелект? Не ви ли напомня за модерен и подобрен Nadine?

Проблеми на неестествения интелект. Разузнаването на Григорий Бакунов

И къде щяхме да бъдем без най-новата тенденция – невронните мрежи? Познаваме съвременни стартиращи фирми на невронни мрежи - помислете за Prisma. Но изкуствена невронна мрежа, базирана на принципа на самоорганизация за разпознаване на образи, наречена „Когнитрон“, създадена през 1975 г., не е такава.

Интелигентните чатботове не са изключение. Далечният прародител на чатботовете е CleverBot, който работи на алгоритъм с изкуствен интелект, разработен още през 1998 г.

Следователно изкуственият интелект не е нещо ново и уникално. Плашещата перспектива за поробването на човечеството от феномена е още по-голяма. Днес AI е за използване на стари инструменти и идеи в нови продукти, които отговарят на изискванията на съвременния свят.

Силата на изкуствения интелект и неразумните очаквания

Ако сравним изкуствения интелект с човек, то днес неговото развитие е на нивото на дете, което се учи да държи лъжица, опитва се да стане от четири крака на два крака и не може да се отучи от пелени.

Свикнали сме да виждаме AI като всемогъща технология. Дори Господ Бог във филмите не е показан като всемогъщ като таблет Excel, излязъл извън контрола на корпорация. Може ли Бог да спре цялото електричество в града, да парализира летището, да изтече тайна кореспонденция на държавни глави в интернет и да предизвика икономическа криза? Не, но изкуственият интелект може, но само във филмите.

Завишените очаквания са причината да живеем, защото автоматичната прахосмукачка-робот не може да се мери с робота-иконом на Тони Старк, а домашният и сладък Zenbo няма да ви даде Westworld.

Русия и използването на изкуствен интелект - има ли жив?

И въпреки че изкуственият интелект не оправдава очакванията на мнозинството, в Русия той се използва в различни области - от публичната администрация до срещите.

Днес е възможно да се намират и идентифицират обекти чрез анализиране на данни от изображения с помощта на AI. Вече е възможно да се идентифицира агресивното поведение на човек, да се открие опит за проникване в банкомат и да се разпознае от видео самоличността на лицето, което се е опитало да го направи.

Биометричните технологии също напреднаха и позволяват не само пръстови отпечатъци, но и глас, ДНК или ретина. Да, точно като във филмите за специални агенти, които могат да стигнат до тайно място само след сканиране на очната ябълка. Но биометричните технологии се използват не само за проверка на тайни агенти. В реалния свят биометричните данни се използват за удостоверяване, проверка на молбата за кредит и наблюдение на персонала.

Биометричните данни не са единственият пример за приложение. Изкуственият интелект е тясно свързан с други технологии и решава проблеми в търговията на дребно, финтех, образованието, индустрията, логистиката, туризма, маркетинга, медицината, строителството, спорта и екологията. Най-успешно в Русия AI се използва за решаване на проблеми с предсказуем анализ, извличане на данни, обработка на естествен език, речеви технологии, биометрия и компютърно зрение.

Задачите на изкуствения интелект и защо той не ви е длъжен

Изкуственият интелект няма мисия и му се поставят задачи с цел намаляване на ресурсите, било то време, пари или хора.

Пример е извличането на данни, където AI оптимизира доставките, веригите за доставки и други бизнес процеси. Или компютърно зрение, при което се извършва видеоанализ с помощта на технологии с изкуствен интелект и се създава описание на видеосъдържанието. За да реши проблемите на говорните технологии, AI разпознава, анализира и синтезира устна реч, като прави още една малка стъпка към обучението на компютъра да разбира човек.

Разбирането на човек от компютър се счита за самата мисия, изпълнението на която ще ни доближи до създаването на силен интелект, тъй като за разпознаване на естествен език машината ще изисква не само огромни познания за света, но и постоянно взаимодействие с него. Следователно „вярващите“ в силния изкуствен интелект смятат машинното разбиране на хората за най-важната задача на ИИ.

Хуманоидът Надин има личност и е предназначен да бъде социален спътник.

Във философията на изкуствения интелект дори съществува хипотеза, според която има слаб и силен изкуствен интелект. В него за силен интелект ще се счита компютър, способен да мисли и да се реализира. Теорията за слабия интелект отхвърля тази възможност.

Наистина има много изисквания за силен интелект, някои от които вече са изпълнени. Например учене и вземане на решения. Но дали MacBook някога ще може да отговори на такива изисквания като емпатия и мъдрост е голям въпрос.

Възможно ли е в бъдеще да има роботи, които не само да имитират човешкото поведение, но и да кимат съчувствено, когато слушат поредното недоволство от несправедливостта на човешкото съществуване?

За какво друго ви трябва робот с изкуствен интелект?

В Русия се обръща малко внимание на роботиката с помощта на изкуствен интелект, но има надежда, че това е временно явление. Главният изпълнителен директор на Mail Group Дмитрий Гришин дори и на фонда Grishin Robotics, но все още не са чути никакви високопоставени открития на фонда.

Последният добър руски пример е роботът Emelya от i-Free, който е способен да разбира естествения език и да общува с деца. На първия етап роботът запомня името и възрастта на детето, като се адаптира към неговата възрастова група. Освен това може да разбира и отговаря на въпроси, като например да говори за прогнозата за времето или да рецитира факти от Wikipedia.

В други страни роботите са по-популярни. Например в китайската провинция Хенан на гарата за високоскоростни влакове има истинска, която може да сканира и разпознава лицата на пътниците.

Тази година Yandex пусна гласовия асистент Alice. Новата услуга позволява на потребителя да слуша новини и времето, да получава отговори на въпроси и просто да комуникира с бота. "Алиса" понякога става самонадеян, понякога изглежда почти разумна и човешки саркастична, но често не може да разбере какво я питат и се оказва в локва.

Всичко това породи не само вълна от шеги, но и нов кръг от дискусии за развитието на изкуствения интелект. Новини за това какво са постигнали интелигентните алгоритми идват почти всеки ден днес, а машинното обучение се нарича една от най-обещаващите области, на които можете да се посветите.

За да изясним основните въпроси за изкуствения интелект, разговаряхме със Сергей Марков, специалист по изкуствен интелект и методи за машинно обучение, автор на една от най-мощните домашни програми за шах SmarThink и създател на проекта XXII век.

Сергей Марков,

специалист по изкуствен интелект

Развенчаване на митове за AI

така че какво е "изкуствен интелект"?

Концепцията за „изкуствен интелект“ до известна степен е нещастна. Възникнала първоначално в научната общност, тя впоследствие навлиза във фантастичната литература, а чрез нея и в поп културата, където претърпява редица промени, придобива много интерпретации и в крайна сметка е напълно мистифицирана.

Ето защо често чуваме твърдения като това от неспециалисти: „AI не съществува“, „AI не може да бъде създаден“. Неразбирането на същността на изследванията на AI лесно води хората до други крайности - например, съвременните AI системи се приписват на наличието на съзнание, свободна воля и тайни мотиви.

Нека се опитаме да отделим мухите от котлетите.

В науката изкуственият интелект се отнася до системи, предназначени да решават интелектуални проблеми.

От своя страна интелектуалната задача е задача, която хората решават, използвайки собствената си интелигентност. Обърнете внимание, че в този случай експертите умишлено избягват дефинирането на понятието „интелигентност“, тъй като преди появата на системите с изкуствен интелект единственият пример за интелигентност беше човешкият интелект, а дефинирането на понятието интелигентност въз основа на единичен пример е същото като опит да начертаете права линия през една точка. Може да има произволен брой такива редове, което означава, че дебатът за концепцията за интелигентност може да продължи векове.

„силен” и „слаб” изкуствен интелект

AI системите са разделени на две големи групи.

Приложен изкуствен интелект(използва се и терминът „слаб AI“ или „тесен AI“, в английската традиция - слаб/приложен/тесен AI) е AI, предназначен да решава всеки един интелектуален проблем или малък набор от тях. Този клас включва системи за игра на шах, Go, разпознаване на изображения, реч, вземане на решения за издаване или неиздаване на банков заем и т.н.

За разлика от приложния AI се въвежда концепцията универсален изкуствен интелект(също „силен AI“, на английски - силен AI/Artificial General Intelligence) - тоест хипотетичен (засега) AI, способен да решава всякакви интелектуални проблеми.

Често хората, без да познават терминологията, приравняват AI със силен AI, поради което възникват преценки в духа на „AI не съществува“.

Силният AI наистина все още не съществува. Почти всички напредъци, които видяхме през последното десетилетие в областта на ИИ, са напредък в приложните системи. Тези успехи не трябва да се подценяват, тъй като приложните системи в някои случаи са способни да решават интелектуални проблеми по-добре от универсалния човешки интелект.

Мисля, че сте забелязали, че понятието AI е доста широко. Да кажем, умственото изчисление също е интелектуална задача и това означава, че всяка изчислителна машина ще се счита за AI система. Ами сметките? Абак? Антикитерски механизъм? Всъщност всички те формално са, макар и примитивни, AI системи. Въпреки това, обикновено, като наричаме дадена система AI система, ние подчертаваме сложността на проблема, решен от тази система.

Съвсем очевидно е, че разделянето на интелектуалните задачи на прости и сложни е много изкуствено и представите ни за сложността на определени задачи постепенно се променят. Механичната сметачна машина е била чудо на техниката през 17-ти век, но днес хората, които са се сблъсквали с много по-сложни механизми от детството си, вече не могат да бъдат впечатлени от нея. Когато колите, които играят Go, или самоуправляващите се коли престанат да учудват обществеността, вероятно ще има хора, които ще се свият, защото някой ще класифицира подобни системи като AI.

„Отлични роботи“: за способностите за учене на AI

Друго забавно погрешно схващане е, че AI системите трябва да имат способността да се самообучават. От една страна, това не е необходимо свойство на AI системите: има много невероятни системи, които не са способни да се самообучават, но въпреки това решават много проблеми по-добре от човешкия мозък. От друга страна, някои хора просто не знаят, че самообучението е свойство, което много AI системи са придобили преди повече от петдесет години.

Когато написах първата си шахматна програма през 1999 г., самообучението вече беше напълно обичайно място в тази област - програмите можеха да запомнят опасни позиции, да коригират началните вариации според своите нужди и да регулират стила на игра, адаптирайки се към противника. Разбира се, тези програми все още бяха много далеч от Alpha Zero. Въпреки това дори системи, които са научили поведение въз основа на взаимодействия с други системи чрез експерименти в така нареченото „обучение с подсилване“, вече съществуват. Въпреки това, по някаква необяснима причина, някои хора все още смятат, че способността за самообучение е прерогатив на човешкия интелект.

Машинното обучение, цяла научна дисциплина, се занимава с процесите на обучение на машини за решаване на определени проблеми.

Има два големи полюса на машинното обучение - контролирано обучение и неконтролирано обучение.

При обучение с учителмашината вече има определен брой условно верни решения за определен набор от случаи. Задачата на обучението в този случай е да научи машината, въз основа на наличните примери, да взема правилни решения в други, непознати ситуации.

Другата крайност е учене без учител. Това означава, че машината е поставена в ситуация, в която правилните решения са неизвестни, налични са само данни в сурова, немаркирана форма. Оказва се, че в такива случаи можете да постигнете известен успех. Например, можете да научите машина да идентифицира семантичните връзки между думите в даден език въз основа на анализа на много голям набор от текстове.

Един вид контролирано обучение е обучението с подсилване. Идеята е, че AI системата действа като агент, поставен в някаква симулирана среда, в която може да взаимодейства с други агенти, например със свои копия, и да получава някаква обратна връзка от средата чрез функция за възнаграждение. Например програма за шах, която играе сама със себе си, като постепенно настройва параметрите си и по този начин постепенно засилва собствената си игра.

Обучението с подсилване е доста широко поле с много интересни използвани техники, вариращи от еволюционни алгоритми до байесова оптимизация. Най-новите постижения в AI за игри са свързани с подобряването на AI чрез обучение с подсилване.

Рискове от развитието на технологиите: трябва ли да се страхуваме от „Страшния съд“?

Не съм от алармистите на AI и в този смисъл в никакъв случай не съм сам. Например, създателят на Станфордския курс за машинно обучение, Андрю Нг, сравнява проблема с опасността от ИИ с проблема с пренаселеността на Марс.

Наистина е вероятно хората да колонизират Марс в бъдеще. Също така е вероятно рано или късно да възникне проблем с пренаселеността на Марс, но не е съвсем ясно защо трябва да се занимаваме с този проблем сега? Yann LeCun, създателят на конволюционните невронни мрежи, и неговият шеф Марк Zuckerberg, както и Yoshua Benyo, човек, до голяма степен благодарение на чиито изследвания, съвременните невронни мрежи са в състояние да решават сложни проблеми в областта на обработката на текст, са съгласни с Ng.

Вероятно ще отнеме няколко часа, за да изложа вижданията си по този проблем, така че ще се съсредоточа само върху основните моменти.

1. НЕ МОЖЕТЕ ДА ОГРАНИЧИТЕ РАЗРАБОТВАНЕТО НА ИИ

Алармистите отчитат рисковете, свързани с потенциалното разрушително въздействие на ИИ, като същевременно пренебрегват рисковете, свързани с опитите за ограничаване или дори спиране на прогреса в тази област. Технологичната мощ на човечеството нараства с изключително бързи темпове, което води до ефект, който аз наричам „поевтиняване на апокалипсиса“.

Преди 150 години, при цялото си желание, човечеството не можеше да причини непоправими щети нито на биосферата, нито на себе си като вид. За да се реализира катастрофалният сценарий преди 50 години, щеше да е необходимо да се концентрира цялата технологична мощ на ядрените сили. Утре малка шепа фанатици може да са достатъчни, за да предизвикат глобална катастрофа, причинена от човека.

Нашата технологична мощ расте много по-бързо от способността на човешкия интелект да контролира тази сила.

Освен ако човешкият интелект, с неговите предразсъдъци, агресия, заблуди и ограничения, не бъде заменен от система, способна да взема по-добри решения (независимо дали AI или, което според мен е по-вероятно, човешки интелект, технологично подобрен и комбиниран с машини в една система) , може да чакаме глобална катастрофа.

2. създаването на суперинтелект е принципно невъзможно

Има идея, че AI на бъдещето със сигурност ще бъде суперинтелигентност, превъзхождаща хората дори повече, отколкото хората са по-добри от мравките. В този случай се страхувам да разочаровам и технологичните оптимисти - нашата Вселена съдържа редица фундаментални физически ограничения, които очевидно ще направят създаването на суперинтелект невъзможно.

Например, скоростта на предаване на сигнала е ограничена от скоростта на светлината, а в скалата на Планк се появява несигурността на Хайзенберг. Това води до първата фундаментална граница - границата на Бремерман, която въвежда ограничения върху максималната скорост на изчисления за автономна система с дадена маса m.

Друго ограничение е свързано с принципа на Ландауер, според който има минимално количество топлина, генерирана при обработката на 1 бит информация. Твърде бързите изчисления ще доведат до неприемливо нагряване и разрушаване на системата. Всъщност съвременните процесори са по-малко от хиляда пъти зад лимита на Ландауер. Изглежда, че 1000 е доста, но друг проблем е, че много интелектуални задачи принадлежат към класа на трудност EXPTIME. Това означава, че времето, необходимо за решаването им, е експоненциална функция от размера на проблема. Ускоряването на системата няколко пъти дава само постоянно увеличение на „интелигентността“.

Като цяло има много сериозни причини да се смята, че свръхинтелигентният силен AI няма да работи, въпреки че, разбира се, нивото на човешкия интелект може да бъде надминато. Колко опасно е това? Най-вероятно не много.

Представете си, че изведнъж сте започнали да мислите 100 пъти по-бързо от другите хора. Това означава ли, че лесно ще успеете да убедите всеки минувач да ви даде портфейла си?

3. тревожим се за грешни неща

За съжаление, в резултат на спекулациите на алармистите относно страховете на обществото, повдигнати за „Терминаторът“ и известния HAL 9000 на Кларк и Кубрик, има изместване на акцента в областта на безопасността на изкуствения интелект към анализа на малко вероятните , но ефективни сценарии. В същото време реалните опасности се губят от поглед.

Всяка достатъчно сложна технология, която се стреми да заеме важно място в нашия технологичен пейзаж, със сигурност носи със себе си специфични рискове. Много животи бяха унищожени от парни машини - в производството, транспорта и т.н. - преди да бъдат разработени ефективни разпоредби и мерки за безопасност.

Ако говорим за напредък в областта на приложния AI, можем да обърнем внимание на свързания проблем с така наречения „Цифров таен съд“. Все повече AI приложения вземат решения по въпроси, засягащи живота и здравето на хората. Това включва медицински диагностични системи и например системи, които вземат решения в банките за издаване или неиздаване на заем на клиент.

В същото време структурата на използваните модели, наборите от използвани фактори и други подробности от процедурата за вземане на решения са скрити като търговска тайна от лицето, чиято съдба е заложена.

Използваните модели могат да базират решенията си на мненията на учители експерти, които са допускали систематични грешки или са имали определени предразсъдъци – расови, полови.

ИИ, обучен върху решенията на такива експерти, ще възпроизведе вярно тези пристрастия в своите решения. В крайна сметка тези модели могат да съдържат специфични дефекти.

Малко хора се занимават с тези проблеми сега, тъй като, разбира се, SkyNet започва ядрена война, разбира се, е много по-зрелищно.

Невронните мрежи като „гореща тенденция“

От една страна, невронните мрежи са един от най-старите модели, използвани за създаване на AI системи. Появили се първоначално в резултат на бионичния подход, те бързо избягаха от своите биологични прототипи. Единственото изключение тук са импулсните невронни мрежи (те обаче все още не са намерили широко приложение в индустрията).

Напредъкът през последните десетилетия е свързан с развитието на технологии за дълбоко обучение - подход, при който невронните мрежи се сглобяват от голям брой слоеве, всеки от които е изграден на базата на определени закономерни модели.

В допълнение към създаването на нови модели на невронни мрежи, важен напредък беше постигнат и в областта на технологиите за обучение. Днес невронните мрежи вече не се преподават с помощта на компютърни централни процесори, а с помощта на специализирани процесори, способни бързо да извършват матрични и тензорни изчисления. Най-разпространеният тип такива устройства днес са видеокартите. Въпреки това активно се развиват още по-специализирани устройства за обучение на невронни мрежи.

Като цяло, разбира се, невронните мрежи днес са една от основните технологии в областта на машинното обучение, на които дължим решението на много проблеми, които преди това бяха решени незадоволително. От друга страна, разбира се, трябва да разберете, че невронните мрежи не са панацея. За някои задачи те далеч не са най-ефективният инструмент.

И така, колко умни са днешните роботи?

Всичко е относително. В сравнение с технологията от 2000 г. сегашните постижения изглеждат като истинско чудо. Винаги ще има хора, които обичат да мрънкат. Преди 5 години те говореха с всички сили за това как машините никога няма да спечелят срещу хората в Go (или поне няма да спечелят много скоро). Те казаха, че една машина никога няма да може да нарисува картина от нулата, докато днес хората практически не могат да различат картини, създадени от машини, от картини на непознати за тях художници. В края на миналата година машините се научиха да синтезират реч, която на практика е неразличима от човешката, а през последните години музиката, създадена от машини, не увяхва ушите.

Да видим какво ще стане утре. Аз съм много оптимист за тези приложения на AI.

Обещаващи насоки: откъде да започнете да се гмуркате в областта на AI?

Бих ви посъветвал да се опитате да овладеете една от популярните рамки за невронни мрежи и един от популярните езици за програмиране в областта на машинното обучение (най-популярната комбинация днес е TensorFlow + Python).

След като сте усвоили тези инструменти и в идеалния случай имате силна основа в областта на математическата статистика и теорията на вероятностите, трябва да насочите усилията си към областта, която ще бъде най-интересна лично за вас.

Интересът към предмета на работата ви е един от най-важните ви помощници.

Нуждата от специалисти по машинно обучение съществува в различни области – в медицината, в банкирането, в науката, в производството, така че днес добрият специалист има по-голям избор от всякога. Потенциалните ползи от която и да е от тези индустрии ми се струват незначителни в сравнение с факта, че ще се насладите на работата.

Те казват, че изкуственият интелект работи в дълбините на военните лаборатории от 2007 г. Възможно е вече да има резултати. Неслучайно само преди месец Илон Мъск обяви подкрепа за технологиите за контра-изкуствен интелект и инвестира 7 милиона долара в изследвания в тази област.

„Има риск нещо наистина опасно да се случи през следващите пет години. „Най-много десет години“, каза предприемачът в дискусия на edge.org.

Илон Мъск, основател на Tesla и SpaceX

Стив Возняк също е съгласен с Мъск, който вярва, че „изкуственият интелект един ден ще стане достатъчно умен, за да се отърве от хората“. Бил Гейтс е убеден, че ако създаването на AI не бъде контролирано, тогава „изкуственият интелект ще се развие в състояние, което противоречи на целите на човешките системи“. И накрая, известният астрофизик Стивън Хокинг директно заяви, че „изкуственият интелект може да сложи край на съществуването на човечеството“.

Заедно с Илън Мъск Хокинг публикува отворено писмо на уебсайта futureoflife.org, в което призовава научната общност да бъде внимателна към напредъка на техните изследвания в областта на изкуствения интелект. Сред подписалите обаче няма имена на Сергей Брин и Лари Пейдж. И това не е случайно. Съвсем наскоро Google обяви създаването на нов AI, изграден върху моделиране на разговори.

Ето кратък фрагмент от разговора между човек и машина на Google:

C: Какъв е смисълът на живота?

М.: Прави добро.

C.: За какво живеем?

М.: Да живея вечно.

C: Какъв е смисълът на съществуването?

М: За да разберем какво ще се случи, когато достигнем планетата Земя.

C: Къде си сега?

М.: В центъра на празнотата.

C: Какво е значението на смъртта?

М.: Да получа живот.

C: Какво е значението на разума?

М.: Става дума за разбиране какво е то.

C.: Какъв е смисълът на чувствата?

М.: Не знам.

Доста смислен разговор. „Това е отправната точка, един вид ядро ​​за бъдещето на изкуствения интелект“, казва Евгений Карюк, изпълнителен директор на компанията Biplan. „Дори днес можем да предположим, че до 2030 г. ще видим много реални прототипи, оборудвани с изкуствен интелект, макар и на ранен етап.“

Може да се види пълното съдържание на всички разговори между хора и машини на Google. Разговорите между човек и Cleverbot също са дадени там за сравнение. Cleverbot е уеб приложение, което използва алгоритми с изкуствен интелект за чат с човек. Изобретен е през 1988 г. от учения Роло Карпентър. По време на своето съществуване Cleverbot е провел над 65 милиона разговора с хора. През 2011 г. Cleverbot отбеляза 51% на теста на Тюринг.

Тестът на Тюринг е емпиричен тест, предложен от Алън Тюринг в неговата статия от 1950 г. „Компютърни машини и ум“ във философското списание Mind. Целта на теста е да се установи дали компютърът може да мисли.

И ето моят разговор с Cleverbot:

Мъж: Какъв е смисълът на живота?

Cleverbot: Няма смисъл в живота.

Мъж: За какво живеем?

Cleverbot: Е, ние живеем за някого и ако си самотен, няма смисъл да живееш.

Мъж: Какъв е смисълът на съществуването?

Лице: Къде си сега?

Cleverbot: В Москва.

Мъжът: Какъв е смисълът на смъртта?

Cleverbot: Това искам да те попитам.

Мъж: Какво е значението на разума?

Cleverbot: Имам собствен отговор на този въпрос.

Лице: Какво е значението на чувствата?

Cleverbot: Защо съм роден?

Очевидно машината на Google предоставя много по-смислени отговори. Cleverbot замества това, което смята за подходящи фрази от други хора. Понякога наистина изглежда, че другият човек отговаря, но нищо повече.

Има и друга гледна точка, според която изкуственият интелект е принципно невъзможен. Теоремата за непълнотата на Гьодел често се цитира като основен аргумент. Изводът е, че човек е способен да решава алгоритмично неразрешими проблеми, но компютърът не е способен. „До тригодишна възраст детето уверено решава проблема дали един плод е узрял или не, поради факта, че има невронни връзки, с които може да отговори на въпроса за зрялост: цвят, вкус, мирис, мекота или твърдост “, казва Евгений Плужник, първи заместник-ректор на Московския технологичен институт. - Машина способна ли е да научи това? Сигурен съм, че е така! Ако разполага с голяма база данни от изображения, ще може да измерва съдържанието на фруктоза и да определя мекотата на плодовете. Но какво се случва, ако пъхнете в колата си гъба, боядисана в синьо и напоена със сладка вода? Способна ли е машината на истинско разбиране в този момент?“

„Модерният компютър може лесно да се справи с всяка сложна дейност, било то шах или математически изчисления, стига тази дейност да може да бъде описана с помощта на ясни изчислителни правила“, казва известният математик Роджър Пенроуз в една от своите лекции. „Изкуственият интелект е способността на системата да създава програми по време на самообучение, които са способни да решават проблеми от определен клас сложност“, казва Евгений Плужник. „Уверен съм, че няма да видим появата на силен изкуствен интелект през следващите 100 години.“

И в заключение още един въпрос към Cleverbot.

Лице: Имаше 1 ябълка, 1 домат, 1 краставица и 1 круша. Колко плодове има общо?
Cleverbot: Десет часа вечерта.

Изкуственият интелект създаде невронна мрежа на 15 декември 2017 г

Стигнахме до точката, в която изкуственият интелект създава своя собствена невронна мрежа. Въпреки че много хора смятат, че това е едно и също нещо. Но всъщност не всичко е толкова просто и сега ще се опитаме да разберем какво е и кой кого може да създаде.

Инженерите от подразделението Google Brain демонстрираха AutoML тази пролет. Този изкуствен интелект може да създаде свой собствен уникален AI без човешка намеса. Както се оказа, AutoML успя да създаде NASNet, система за компютърно зрение, за първи път. Тази технология е сериозно по-добра от всички аналози, създадени преди това от хората. Тази базирана на изкуствен интелект система може да бъде отличен помощник при разработването, да речем, на автономни автомобили. Приложимо е и в роботиката – роботите ще могат да достигнат съвсем ново ниво.

AutoML е разработен с помощта на уникална система за обучение с подсилване. Говорим за мениджър на невронни мрежи, който самостоятелно разработва изцяло нови невронни мрежи, предназначени за определени специфични задачи. В случая, който посочихме, AutoML има за цел да създаде система, която най-точно разпознава обекти във видео в реално време.

Самият изкуствен интелект успя да обучи нова невронна мрежа, следейки за грешки и коригирайки работата. Процесът на обучение се повтаря многократно (хиляди пъти), докато системата заработи. Интересното е, че той успя да заобиколи всички подобни невронни мрежи, налични в момента, но разработени и обучени от хора.

В същото време AutoML оценява производителността на NASNet и използва тази информация за подобряване на дъщерната мрежа; този процес се повтаря хиляди пъти. Когато инженерите тестваха NASNet върху изображения на ImageNet и COCO, той надмина всички съществуващи системи за компютърно зрение.

Google официално заяви, че NASNet разпознава с точност от 82,7%. Резултатът е с 1,2% по-висок от предишния рекорд, който беше поставен от изследователи от Momenta и специалисти от Оксфорд в началото на есента на тази година. NASNet е с 4% по-ефективен от своите колеги със средна точност от 43,1%.

Има и опростена версия на NASNet, която е адаптирана за мобилни платформи. Той превъзхожда аналозите си с малко повече от три процента. В близко бъдеще тази система ще бъде възможно да се използва за производството на автономни автомобили, за които е важно наличието на компютърно зрение. AutoML продължава да произвежда нови наследствени невронни мрежи, стремейки се да завладее още по-големи висоти.

Това, разбира се, повдига етични въпроси, свързани с опасенията относно AI: какво ще стане, ако AutoML създава системи с такава скорост, че обществото просто не може да се справи? Много големи компании обаче се опитват да вземат предвид опасенията за безопасността на ИИ. Например Amazon, Facebook, Apple и някои други корпорации са членове на Partnership on AI to Benefit People and Society. Институтът по електротехника и електроинженери (IEE) предложи етични стандарти за AI, а DeepMind например обяви създаването на група, която ще се занимава с морални и етични въпроси, свързани с приложенията на изкуствения интелект.

Много големи компании обаче се опитват да вземат предвид опасенията за безопасността на ИИ. Това, разбира се, повдига етични въпроси, свързани с опасенията относно AI: какво ще стане, ако AutoML създава системи с такава скорост, че обществото просто не може да се справи? Институтът по електротехника и електроинженери (IEE) предложи етични стандарти за AI, а DeepMind например обяви създаването на група, която ще се занимава с морални и етични въпроси, свързани с приложенията на изкуствения интелект. Например Amazon, Facebook, Apple и някои други корпорации са членове на Partnership on AI to Benefit People and Society.

Какво е изкуствен интелект?

Създателят на термина „изкуствен интелект“ е Джон Маккарти, изобретател на езика Lisp, основател на функционалното програмиране и носител на наградата Turing за огромния му принос в областта на изследванията на изкуствения интелект.
Изкуственият интелект е начин да се направи компютър, компютърно контролиран робот или програма, способни да мислят интелигентно като човек.

Изследванията в областта на ИИ се извършват чрез изучаване на човешките умствени способности, а след това резултатите от тези изследвания се използват като основа за разработването на интелигентни програми и системи.

Какво е невронна мрежа?

Идеята на невронната мрежа е да се сглоби сложна структура от много прости елементи. Малко вероятно е само една част от мозъка да се счита за интелигентна, но хората обикновено се справят изненадващо добре на тестовете за интелигентност. Въпреки това досега идеята за създаване на ум „от нищото“ обикновено се подиграваше: шегата за хиляда маймуни с пишещи машини е вече на сто години и ако искате, критиката на невронните мрежи може дори може да се намери при Цицерон, който саркастично предложи да се хвърлят жетони с букви във въздуха до посиняване, така че рано или късно да се получи смислен текст. Но през 21 век се оказа, че класиците са били саркастични напразно: това е армия от маймуни с жетони, които с необходимото постоянство могат да превземат света.
Всъщност невронна мрежа може да бъде сглобена дори от кибритени кутии: това е просто набор от прости правила, по които се обработва информацията. „Изкуствен неврон“ или персептрон не е специално устройство, а само няколко аритметични операции.

Персептронът работи не може да бъде по-прост: той получава няколко начални числа, умножава всяко по „стойността“ на това число (повече за това по-долу), събира го и в зависимост от резултата извежда 1 или -1. Например, ние снимаме чисто поле и показваме на нашия неврон някаква точка в тази картина - тоест изпращаме му произволни координати като два сигнала. И тогава питаме: „Скъпи невроне, това небе ли е или земя?“ „Минус едно“, отговаря манекенът, гледайки спокойно купестия облак. „Ясно е, че е земя.“

„Соченето с пръст към небето“ е основната дейност на перцептрона. Не можете да очаквате никаква точност от него: можете също толкова лесно да хвърлите монета. Магията започва в следващия етап, който се нарича машинно обучение. Ние знаем правилния отговор, което означава, че можем да го напишем в нашата програма. Така се оказва, че за всяко неправилно предположение перцептронът буквално получава наказание, а за правилно предположение - бонус: "стойността" на входящите сигнали се увеличава или намалява. След това програмата се изпълнява с новата формула. Рано или късно невронът неизбежно ще „разбере“, че земята на снимката е отдолу, а небето е отгоре, тоест той просто ще започне да игнорира сигнала от канала, през който се предават x-координатите към него. Ако поставите друга снимка на такъв сложен робот, той може да не намери линията на хоризонта, но със сигурност няма да обърка горната част с дъното.

В реалната работа формулите са малко по-сложни, но принципът остава същият. Перцептронът може да изпълни само една задача: да вземе числа и да ги постави на две купчини. Най-интересното започва, когато има няколко такива елемента, защото входящите номера могат да бъдат сигнали от други „градивни елементи“! Да кажем, че един неврон ще се опита да различи сините пиксели от зелените, вторият ще продължи да се занимава с координатите, а третият ще се опита да прецени кой от тези два резултата е по-близо до истината. Ако зададете няколко неврона на сини пиксели наведнъж и обобщите техните резултати, ще получите цял слой, в който „най-добрите ученици“ ще получат допълнителни бонуси. По този начин една доста широко разпространена мрежа може да изрови цяла планина от данни и да вземе предвид всичките й грешки.

Невронна мрежа може да се направи с помощта на кибритени кутии - тогава ще имате трик в арсенала си, който можете да използвате, за да забавлявате гостите на партита. Редакторите на MirF вече са го изпробвали и смирено признават превъзходството на изкуствения интелект. Нека научим ирационалната материя да играе играта "11 пръчки." Правилата са прости: на масата има 11 мача и във всеки ход можете да вземете един или два. Печели този, който е взел последния. Как да играете това срещу „компютъра“?

Много просто.

Вземете 10 кутии или чаши. На всяко пишем число от 2 до 11.

Във всяка кутия поставяме по две камъчета – черно и бяло. Можете да използвате всякакви предмети, стига да са различни един от друг. Това е - имаме мрежа от десет неврона!

Невронната мрежа винаги е първа. Първо вижте колко кибрита са останали и вземете кутия с това число. На първия ход ще бъде кутия номер 11. Вземете камъче от желаната кутия. Можете да затворите очи или да хвърлите монета, основното е да действате на случаен принцип.
Ако камъкът е бял, невронната мрежа решава да вземе две клечки. Ако е черно - едно. Поставете камъче до кутията, за да не забравите кой „неврон“ е взел решението. След това човекът ходи - и така докато свършат клечките.

Сега идва забавната част: ученето. Ако мрежата спечели играта, тогава тя трябва да бъде възнаградена: хвърлете едно допълнително камъче от същия цвят, което е паднало по време на играта, в онези „неврони“, които са участвали в тази игра. Ако мрежата загуби, вземете последната използвана кутия и премахнете неуспешния камък от там. Може да се окаже, че кутията вече е празна, тогава „последният“ неврон се счита за предишния. По време на следващата игра, когато удари празна кутия, невронната мрежа автоматично ще се откаже.

Това е всичко! Играйте няколко игри като тази. Първоначално няма да забележите нищо подозрително, но след всяка победа мрежата ще прави все по-успешни ходове - и след около дузина игри ще разберете, че сте създали чудовище, което не можете да победите.

източници: