Tänä vuonna Yandex lanseerasi Alice-ääniavustajan. Uuden palvelun avulla käyttäjä voi kuunnella uutisia ja säätietoja, saada vastauksia kysymyksiin ja yksinkertaisesti kommunikoida botin kanssa. "Liisa" joskus röyhkeää, joskus se näyttää melkein järkevältä ja inhimillisesti sarkastisesti, mutta usein hän ei ymmärrä, mistä häneltä kysytään, ja istuu lätäkässä.

Kaikki tämä aiheutti paitsi vitsiaallon, myös uuden keskustelukierroksen tekoälyn kehittämisestä. Uutisia älykkäiden algoritmien saavutuksista tulee tänään lähes päivittäin, ja koneoppimista kutsutaan yhdeksi lupaavimmista aloista, jolle omistautua.

Selvittääksemme tekoälyä koskevia pääkysymyksiä keskustelimme tekoälyn ja koneoppimismenetelmien asiantuntijan, yhden Venäjän tehokkaimmista shakkiohjelmista SmarThinkin kirjoittajan ja 22nd Century -projektin luojan Sergei Markovin kanssa.

Sergei Markov,

tekoälyn asiantuntija

Tekoälyä koskevien myyttien kumoaminen

Mitä on "keinoäly"?

Käsite "keinoäly" on hieman epäonninen. Aluksi tiedeyhteisöstä peräisin oleva se tunkeutui lopulta tieteiskirjallisuuteen ja sitä kautta popkulttuuriin, jossa se koki monia muutoksia, sai monia tulkintoja ja lopulta mystifioitui.

Siksi kuulemme usein sellaisia ​​lausuntoja ei-asiantuntijoilta, kuten: "AI ei ole olemassa", "AI ei voida luoda". Tekoälytutkimuksen olemuksen väärinymmärtäminen johtaa helposti muihin äärimmäisyyksiin – esimerkiksi nykyaikaisten tekoälyjärjestelmien ansioksi on annettu tietoisuuden läsnäolo, vapaa tahto ja salaiset motiivit.

Yritetään erottaa kärpäset kotleteista.

Tieteessä tekoälyllä tarkoitetaan järjestelmiä, jotka on suunniteltu ratkaisemaan älyllisiä ongelmia.

Älyllinen tehtävä puolestaan ​​on tehtävä, jonka ihmiset ratkaisevat oman älynsä avulla. Huomaa, että tässä tapauksessa asiantuntijat välttelevät tarkoituksella "älyn" käsitteen määrittelemistä, koska ennen tekoälyjärjestelmien syntyä ainoa esimerkki älykkyydestä oli ihmisen äly, ja älykkyyden käsitteen määrittely yhden esimerkin perusteella on sama kuin yrittää piirtää suoran yhden pisteen läpi. Tällaisia ​​linjoja voi olla niin monta kuin haluat, mikä tarkoittaa, että keskustelua älykkyyden käsitteestä voitaisiin käydä vuosisatoja.

"vahva" ja "heikko" tekoäly

Tekoälyjärjestelmät on jaettu kahteen suureen ryhmään.

Sovellettu tekoäly(he käyttävät myös termiä "heikko AI" tai "kapea AI", englannin perinteessä heikko / sovellettu / kapea AI) on tekoäly, joka on suunniteltu ratkaisemaan mikä tahansa älyllinen tehtävä tai pieni määrä niistä. Tämä luokka sisältää järjestelmät shakin pelaamiseen, go-, kuvantunnistus-, puhe-, pankkilainan myöntämistä tai myöntämättä jättämistä koskevien päätösten tekemiseen ja niin edelleen.

Toisin kuin sovellettu AI, konsepti esitellään universaali tekoäly(myös "strong AI", englanniksi - strong AI / Artificial General Intelligence) - eli hypoteettinen (toistaiseksi) AI, joka pystyy ratkaisemaan kaikki älylliset ongelmat.

Usein ihmiset, tietämättä terminologiaa, tunnistavat tekoälyn vahvaan tekoälyyn, minkä vuoksi syntyy tuomioita "AI ei ole olemassa" hengessä.

Vahvaa tekoälyä ei ole vielä olemassa. Käytännössä kaikki edistysaskeleet, joita olemme nähneet viimeisen vuosikymmenen aikana tekoälyn alalla, ovat olleet edistystä sovelletuissa järjestelmissä. Näitä onnistumisia ei voi aliarvioida, koska sovelletut järjestelmät pystyvät joissakin tapauksissa ratkaisemaan älyllisiä ongelmia paremmin kuin universaali ihmisäly.

Luulen, että olet huomannut, että tekoälyn käsite on melko laaja. Oletetaan, että mielenlaskenta on myös älyllinen tehtävä, mikä tarkoittaa, että mitä tahansa laskukonetta pidetään tekoälyjärjestelmänä. Entä tilit? abacus? Antikythera-mekanismi? Itse asiassa kaikki tämä on muodollista, vaikkakin primitiivistä, mutta tekoälyjärjestelmiä. Yleensä kuitenkin kutsumalla jotakin järjestelmää tekoälyjärjestelmäksi, korostamme siten tämän järjestelmän ratkaiseman tehtävän monimutkaisuutta.

On aivan selvää, että älyllisten tehtävien jako yksinkertaisiin ja monimutkaisiin on hyvin keinotekoista, ja käsityksemme tiettyjen tehtävien monimutkaisuudesta ovat vähitellen muuttumassa. Mekaaninen laskukone oli tekniikan ihme 1600-luvulla, mutta nykyään ihmiset, jotka ovat lapsuudesta asti kohdanneet paljon monimutkaisempia mekanismeja, eivät enää pysty tekemään vaikutusta. Kun autopeli Gossa tai autopilotit lakkaavat yllättämästä yleisöä, on varmasti ihmisiä, jotka hämmästyvät siitä, että joku pitää tällaisia ​​järjestelmiä tekoälyn ansioksi.

"Robotit-erinomaiset opiskelijat": tekoälyn kyvystä oppia

Toinen hauska väärinkäsitys on, että tekoälyjärjestelmillä on oltava kyky oppia itse. Toisaalta tämä ei ole ollenkaan tekoälyjärjestelmien pakollinen ominaisuus: on monia hämmästyttäviä järjestelmiä, jotka eivät pysty oppimaan itse, mutta jotka kuitenkin ratkaisevat monia ongelmia paremmin kuin ihmisen aivot. Toisaalta jotkut ihmiset eivät yksinkertaisesti tiedä, että itseoppiminen on ominaisuus, jonka monet tekoälyjärjestelmät ovat hankkineet jopa yli viisikymmentä vuotta sitten.

Kun kirjoitin ensimmäisen shakkiohjelmani vuonna 1999, itseopiskelu oli jo arkipäivää tällä alueella - ohjelmat pystyivät muistelemaan vaarallisia paikkoja, säätämään avausvariaatioita itselleen, säätämään pelityyliä, sopeutumaan vastustajaan. Tietenkin nuo ohjelmat olivat vielä hyvin kaukana Alpha Zerosta. Kuitenkin jopa järjestelmiä, jotka oppivat käyttäytymistä vuorovaikutuksen perusteella muiden järjestelmien kanssa niin sanotuissa "vahvistusoppimiskokeiluissa", oli jo olemassa. Kuitenkin jostain selittämättömästä syystä jotkut ihmiset ajattelevat edelleen, että itseoppimiskyky on ihmisälyn etuoikeus.

Koneoppiminen, kokonainen tieteellinen tieteenala, käsittelee koneiden opettamisen prosesseja tiettyjen ongelmien ratkaisemiseksi.

Koneoppimisessa on kaksi suurta napaa - ohjattu oppiminen ja ohjaamaton oppiminen.

klo oppia opettajan kanssa koneessa on jo useita ehdollisesti oikeita ratkaisuja joihinkin tapauksiin. Oppimisen tehtävä tässä tapauksessa on opettaa kone käytettävissä olevien esimerkkien perusteella tekemään oikeita päätöksiä muissa, tuntemattomissa tilanteissa.

Toinen ääripää - oppia ilman opettajaa. Eli kone laitetaan tilanteeseen, jossa oikeita ratkaisuja ei tiedetä, dataa on vain raakana, etiketöimättömänä. Osoittautuu, että tällaisissa tapauksissa on mahdollista saavuttaa jonkin verran menestystä. Voit esimerkiksi opettaa koneen tunnistamaan kielen sanojen välisiä semanttisia suhteita erittäin suuren tekstijoukon analyysin perusteella.

Yksi ohjatun oppimisen tyyppi on vahvistusoppiminen. Ajatuksena on, että tekoälyjärjestelmä toimii agenttina, joka on sijoitettu johonkin malliympäristöön, jossa se voi olla vuorovaikutuksessa muiden agenttien kanssa esimerkiksi itsensä kopioiden kanssa ja saada palautetta ympäristöstä palkitsemistoiminnon kautta. Esimerkiksi shakkiohjelma, joka pelaa itsensä kanssa säätämällä asteittain parametrejaan ja siten asteittain vahvistaen omaa peliään.

Vahvistusoppiminen on melko laaja ala ja käyttää monia mielenkiintoisia tekniikoita evolutionaarisista algoritmeista Bayesin optimointiin. Äskettäiset edistysaskeleet pelien tekoälyssä liittyvät juuri tekoälyn vahvistumiseen vahvistusoppimisen aikana.

Teknologiariskit: pitäisikö meidän pelätä tuomiopäivää?

En ole yksi tekoälyhälyttäjistä, enkä ole tässä mielessä missään nimessä yksin. Esimerkiksi Andrew Ng, Stanfordin koneoppimiskurssin luoja, vertaa tekoälyn vaaroja Marsin liikakansoittumisongelmaan.

Itse asiassa tulevaisuudessa on todennäköistä, että ihmiset kolonisoivat Marsin. On myös todennäköistä, että ennemmin tai myöhemmin ylikansoitusongelma voi syntyä Marsissa, mutta ei ole täysin selvää, miksi meidän pitäisi käsitellä tätä ongelmaa nyt? Yn ja Yang LeKun, konvoluutiohermoverkkojen luoja, ovat samaa mieltä Ynin ja hänen pomonsa Mark Zuckerbergin sekä Joshua Benyon kanssa, jonka tutkimuksesta on pitkälti seurausta, jonka tutkimuksesta nykyaikaiset hermoverkot pystyvät ratkaisemaan monimutkaisia ​​alan ongelmia. tekstinkäsittelystä.

Näkemykseni esittäminen tästä ongelmasta vie todennäköisesti useita tunteja, joten keskityn vain pääteeseihin.

1. ÄLÄ RAJOITA AI:N KEHITTÄMISTÄ

Hälyttäjät harkitsevat tekoälyn mahdollisiin häiriöihin liittyviä riskejä, mutta jättävät huomiotta riskit, jotka liittyvät yrityksiin rajoittaa tai jopa pysäyttää edistystä tällä alueella. Ihmiskunnan teknologinen voima kasvaa äärimmäisen nopeasti, mikä johtaa vaikutukseen, jota kutsun "apokalypsin kustannusten alentamiseksi".

150 vuotta sitten ihmiskunta ei kaikella tahdolla voinut aiheuttaa korjaamatonta vahinkoa biosfäärille tai itselleen lajina. 50 vuoden takaisen katastrofaalisen skenaarion toteuttamiseksi olisi ollut välttämätöntä keskittää ydinvaltojen kaikki teknologinen voima. Huomenna pieni kourallinen fanaatikkoja saattaa riittää herättämään maailmanlaajuisen ihmisen aiheuttaman katastrofin henkiin.

Teknologinen voimamme kasvaa paljon nopeammin kuin ihmisälyn kyky hallita tätä voimaa.

Ellei ihmisen älykkyyttä ennakkoluuloineen, aggressiivuudellaan, harhaluuloineen ja ahdasmielisyyksineen korvata järjestelmällä, joka pystyy tekemään tietoisempia päätöksiä (olipa kyseessä tekoäly tai, mitä todennäköisemmin pidän, teknologisesti parannettu ihmisäly, joka on integroitu koneisiin yksi järjestelmä), voimme odottaa maailmanlaajuista katastrofia.

2. superälyn luominen on pohjimmiltaan mahdotonta

On ajatus, että tulevaisuuden tekoäly on varmasti superälykäs, ylivoimainen ihmisiin jopa enemmän kuin ihminen muurahaisia. Tässä tapauksessa pelkään tuottaa pettymyksen teknologisille optimisteille - universumimme sisältää joukon perustavanlaatuisia fyysisiä rajoituksia, jotka ilmeisesti tekevät superälyn luomisen mahdottomaksi.

Esimerkiksi signaalin siirtonopeutta rajoittaa valon nopeus, ja Heisenbergin epävarmuus näkyy Planckin asteikolla. Tämä tarkoittaa ensimmäistä perusrajaa - Bremermannin rajaa, joka asettaa rajoituksia suurimmalle laskentanopeudelle tietyn massan m omaavalle autonomiselle järjestelmälle.

Toinen raja liittyy Landauerin periaatteeseen, jonka mukaan 1 bitin informaation käsittelyssä vapautuu minimilämpö. Liian nopeat laskelmat aiheuttavat luvattoman lämpenemisen ja järjestelmän tuhoutumisen. Itse asiassa nykyaikaiset prosessorit ovat alle tuhat kertaa Landauerin rajan jäljessä. Vaikuttaa siltä, ​​että 1000 on melko paljon, mutta toinen ongelma on, että monet älylliset tehtävät kuuluvat EXPTIME-kompleksisuusluokkaan. Tämä tarkoittaa, että niiden ratkaisemiseen kuluva aika on eksponentiaalinen funktio ongelman ulottuvuudesta. Järjestelmän kiihdyttäminen useita kertoja lisää vain jatkuvaa "älykkyyttä".

Yleisesti ottaen on erittäin vakavia syitä uskoa, että superälykäs vahva tekoäly ei toimi, vaikka tietysti ihmisen älykkyyden taso voidaan hyvinkin ylittää. Kuinka vaarallista se on? Todennäköisesti ei kovin paljon.

Kuvittele, että aloit yhtäkkiä ajattelemaan 100 kertaa nopeammin kuin muut ihmiset. Tarkoittaako tämä sitä, että pystyt helposti suostuttelemaan minkä tahansa ohikulkijan antamaan sinulle lompakkonsa?

3. olemme huolissamme jostain muusta

Valitettavasti terminaattorin ja Clarkin ja Kubrickin kuuluisassa HAL 9000:ssa esille tuotujen hälytystekijöiden spekulaatioiden seurauksena yleisön peloista, tekoälyn turvallisuuden painopiste on siirtymässä kohti epätodennäköisten mutta näyttävien skenaarioiden analysointia. Samalla todelliset vaarat karkaavat silmistä.

Jokainen riittävän monimutkainen tekniikka, joka väittää olevansa tärkeä paikka teknologiaympäristössämme, tuo mukanaan varmasti erityisiä riskejä. Höyrykoneet tuhosivat monia ihmishenkiä - valmistuksessa, kuljetuksissa ja niin edelleen - ennen kuin tehokkaita turvallisuussääntöjä ja -toimenpiteitä otettiin käyttöön.

Jos puhumme edistymisestä soveltavan tekoälyn alalla, voimme kiinnittää huomiota siihen liittyvään niin sanotun "digitaalisen salaisen tuomioistuimen" ongelmaan. Yhä useammat sovelletut tekoälyjärjestelmät tekevät päätöksiä ihmisten elämään ja terveyteen vaikuttavista asioista. Tämä sisältää lääketieteelliset diagnostiset järjestelmät ja esimerkiksi järjestelmät, jotka tekevät pankissa päätökset lainan myöntämisestä tai myöntämättä jättämisestä asiakkaalle.

Samanaikaisesti käytettävien mallien rakenne, käytetyt tekijät ja muut päätöksentekomenettelyn yksityiskohdat ovat piilossa henkilöltä, jonka kohtalo on vaakalaudalla.

Käytettävät mallit voivat perustaa päätöksensä asiantuntijaopettajien mielipiteisiin, jotka ovat tehneet systemaattisia virheitä tai joilla oli tiettyjä ennakkoluuloja - rotu, sukupuoli.

Tekoäly, joka on koulutettu tällaisten asiantuntijoiden päätöksiin, toistaa nämä ennakkoluulot tunnollisesti päätöksissään. Loppujen lopuksi näissä malleissa voi olla tiettyjä vikoja.

Harvat ihmiset ovat nyt tekemisissä näiden ongelmien kanssa, koska SkyNet, joka laukaisee ydinsodan, on tietysti paljon näyttävämpi.

Neuroverkot "kuumana trendinä"

Toisaalta neuroverkot ovat yksi vanhimmista tekoälyjärjestelmien rakentamiseen käytetyistä malleista. Alun perin ne ilmestyivät bionisen lähestymistavan soveltamisen seurauksena, mutta nopeasti pakenivat biologisista prototyypeistään. Ainoa poikkeus tässä ovat impulssihermoverkot (niille ei kuitenkaan ole vielä löydetty laajaa käyttöä alalla).

Viime vuosikymmenien edistyminen liittyy syväoppimistekniikoiden kehitykseen - lähestymistapaan, jossa hermoverkkoja kootaan suuresta määrästä kerroksia, joista jokainen on rakennettu tiettyjen säännöllisten kuvioiden pohjalta.

Uusien neuroverkkomallien luomisen lisäksi myös oppimistekniikoiden saralla on edistytty merkittävästi. Nykyään hermoverkkoja ei opeteta enää tietokoneiden keskusprosessorien avulla, vaan erikoistuneiden prosessorien avulla, jotka pystyvät suorittamaan nopeasti matriisi- ja tensorilaskelmia. Yleisin tällaisten laitteiden tyyppi nykyään on näytönohjain. Kuitenkin vieläkin erikoistuneempia laitteita neuroverkkojen harjoittamiseen kehitetään aktiivisesti.

Yleisesti ottaen neuroverkot ovat nykyään tietysti yksi koneoppimisen pääteknologioista, jolle olemme velkaa monien aiemmin epätyydyttävästi ratkaistujen ongelmien ratkaisun. Toisaalta tietysti sinun on ymmärrettävä, että hermoverkot eivät ole ihmelääke. Joidenkin tehtävien osalta ne ovat kaukana tehokkaimmista työkaluista.

Kuinka älykkäitä nykypäivän robotit sitten ovat?

Kaikki on suhteellista. Vuoden 2000 teknologioiden taustalla nykyiset saavutukset näyttävät todelliselta ihmeeltä. Aina tulee olemaan ihmisiä, jotka haluavat murista. 5 vuotta sitten he puhuivat väkisin ja päättäväisesti siitä, että koneet eivät koskaan voita ihmisiä Gossa (tai eivät ainakaan voita kovin pian). Sanottiin, että kone ei koskaan pystyisi piirtämään kuvaa tyhjästä, kun taas nykyään ihmiset eivät käytännössä pysty erottamaan koneiden luomia kuvia ja tuntemattomien taiteilijoiden maalauksia. Viime vuoden lopulla koneet oppivat syntetisoimaan puhetta, joka on lähes erottamaton ihmisestä, ja viime vuosina korvat eivät lakastu koneiden luomasta musiikista.

Katsotaan mitä huomenna tapahtuu. Katson näitä tekoälyn sovelluksia erittäin optimistisesti.

Lupaavia ohjeita: mistä aloittaa sukellus tekoälyn alalle?

Suosittelen, että yrität hallita hyvällä tasolla yhtä suosituista hermoverkkokehysistä ja yhden koneoppimisen alalla suosituista ohjelmointikielistä (suosituin nykyään on TensorFlow + Python).

Kun olet oppinut nämä työkalut ja omaa ihanteellisesti vahvan perustan matemaattisten tilastojen ja todennäköisyysteorian alalla, sinun tulee suunnata ponnistelusi alueelle, joka kiinnostaa sinua henkilökohtaisesti.

Kiinnostus työn aihetta kohtaan on yksi tärkeimmistä avustajistasi.

Tarve koneoppimisen asiantuntijoille on eri aloilla - lääketieteessä, pankkitoiminnassa, tieteessä, valmistuksessa, joten tänään hyvällä asiantuntijalla on enemmän valinnanvaraa kuin koskaan. Minkä tahansa näiden toimialojen mahdolliset hyödyt vaikuttavat minusta merkityksettömiltä verrattuna siihen, että työ tuo sinulle iloa.

Tekoäly, yksi 1900-luvun kaunokirjallisuuden jännittävimmistä teemoista, ottaa uskomattomia harppauksia. Käytämme tekoälyä jatkuvasti jokapäiväisessä elämässämme, usein tietämättämme. Siitä huolimatta tekoäly ei jätä tieteisromaanien sivuilta ja elokuvanäytöiltä vielä tänäkään päivänä. Jotkut kirjoittajista piirtävät kauheita kuvia koneen orjuuttamasta ihmiskunnasta, kun taas toiset päinvastoin näkevät tekoälyn uskollisena avustajana ja ihmisen ystävänä.

Missä on totuus ja mitä tekoäly todella on? Ylittääkö se koskaan ihmismielen kykyjä? Vai onko se jo tapahtunut? GeekBrains on valmis vastaamaan suosituimpiin kysymyksiin tekoälystä ja sen käyttömahdollisuuksista.

Mikä on tekoäly?

Tekoäly (lyhennettynä AI) on epämääräinen käsite, eikä sillä vieläkään ole yleisesti hyväksyttyä määritelmää. 1900-luvun puolivälissä, kun tämä termi mainittiin ensimmäisen kerran Dartmouthin seminaarissa, kirjoittajat antoivat sille merkityksen, joka poikkesi merkittävästi nykyisestä. Sitten tutkijat uskoivat, että tekoäly on järjestelmä, joka pystyy kääntämään tekstejä kielestä toiseen, tunnistamaan esineitä valokuvasta tai videosta, vangitsemaan puhuttujen lauseiden merkityksen ja vastaamaan niihin riittävästi. Nykyinen tekoäly voi tehdä kaiken! Mutta voimmeko ajatella, että tavoitteet on saavutettu ja tekoälyä on jo luotu?

Jotkut tiedemiehet rakentavat monimutkaisia ​​teorioita filosofian ja tietojenkäsittelytieteen risteyskohdassa yrittäen määrittää, mikä tekoäly on ja mitkä järjestelmän ominaisuudet pitää olla, jotta sitä voitaisiin pitää älykkäänä. Yksityiskohtiin menemättä voidaan sanoa, että älykkyys määritellään kyvyksi oppia, ymmärtää ja soveltaa tietoa käytännössä. Siksi meillä on myös oikeus odottaa kykyä oppia tekoälystä, toteuttaa tietomme ja käyttää sitä. Ensimmäisten ja viimeisten tehtävien kanssa moderni tekoäly pärjää melko hyvin!

Milloin tekoälyn kehitys alkoi?

Kesällä 1956 Dartmouthissa tiedemiehet kokoontuivat tekoälyä käsittelevään seminaariin (termi muotoiltiin siellä), ja heti seuraavana vuonna ilmestyi käsite ensimmäisestä keinotekoisesta hermoverkosta, perceptronista. Vuonna 1960 Frank Rosenblatt loi Mark-1-tietokoneen tämän konseptin perusteella. Maailman ensimmäinen neurotietokone opetettiin tunnistamaan latinalaisten aakkosten kirjaimet. Mutta 60-luvun tekniikan epätäydellisyys ja prosessien monimutkaisuus eivät sallineet teknologian tuomista mieleen, ja sen kehittäjä kuoli pian. Neurotietokoneet unohdettiin 20 vuodeksi.

Vasta 1980-luvulla hermoverkkojen käsitteet alettiin ottaa jälleen vakavasti. Tekniikka oli jo tarpeeksi tehokasta, ja arvostelijoita oli vähemmän: älykäs elektroniikka eteni nopeasti. Se, mikä kaksi vuosikymmentä sitten näytti unelmalta, alkoi näyttää varsin todelliselta ja saavutettavissa olevalta. Kesti kuitenkin vielä 20 vuotta löytää oikeat lähestymistavat hermoverkkojen kouluttamiseen. Vasta 2000-luvun puolivälissä tiedemiehet löysivät oikean polun ja keinotekoiset hermoverkot aloittivat voittomarssinsa planeetan ympäri.

Mutta ennen kuin kuvailet niiden menestystä, katsotaanpa, kuinka nämä verkostot toimivat.

Kuvaus keinotekoisesta neuronista

Keinotekoiset hermoverkot luotiin matemaattiseksi malliksi ihmisen aivoista. Tätä varten tutkijat Warren McCulloch ja Walter Pitts joutuivat kehittämään teorian ihmisaivoista.

Siinä yksittäiset neuronit ovat eläviä soluja, joilla on monimutkainen rakenne. Jokaisessa neuronissa on dendriittejä - haarautuneita prosesseja, jotka voivat vaihtaa signaaleja muiden hermosolujen kanssa synapsien kautta, sekä yksi aksoni - suurempi prosessi, joka vastaa impulssien välittämisestä neuronista. Osa synapseista on vastuussa hermosolujen virityksestä, osa - inhibitiosta. Mistä signaaleista ja minkälaisten synaptisten yhteyksien kautta neuronin "sisääntuloon" tulee, riippuvat myös impulssit, joita se välittää muille hermosoluille.

Keinotekoinen neuroni ei tarvitse fyysistä kantajaa. Yleisesti ottaen se on matemaattinen funktio. Sen tehtävänä on vastaanottaa tietoa (esimerkiksi signaaleja monista muista keinotekoisista neuroneista), käsitellä se tietyllä tavalla ja antaa sitten tulos "aksonille" - ulostulolle. Keinotekoisessa verkossa neuronit jaetaan yleensä kolmeen tyyppiin:

• input - jokainen näistä neuroneista vastaanottaa alkuinformaatioelementin syötteenä (esimerkiksi kuvan yhden pisteen, jos verkko tunnistaa valokuvat);
• välivaihe - prosessitiedot;
• lähtö - anna tulos (kuvaa tunnistaessaan tulos voi olla kuvatun kohteen tunniste).

Itse hermoverkko on luotu kerroksittain, kuten piirakka. Yksi ulkokerroksista sisältää sisäänmenoneuroneja, toinen ulostulohermosoluja, ja niiden väliin voi sijaita yksi tai useampi välikerros. Jokainen väliverkon neuroni on kytketty useisiin hermosoluihin kahdesta ympäröivästä kerroksesta. Hermosolujen välinen viestintä tarjotaan käyttämällä painoja - numeerisia arvoja, jotka kukin neuroni laskee verkon edelliseltä kerrokselta saatujen tietojen perusteella.

Keinotekoisia hermoverkkoja luomalla tutkijat keskittyivät ihmisen aivojen rakenteeseen. Siksi ihmisen luomien neuronien käyttäytymisperiaatteet eivät eroa niin paljon todellisista elävistä. Ehkä mieli, joka voi kehittyä tällaisten hermoverkkojen pohjalta, on lähellä ihmistä?

Ero tekoälyn ja luonnollisen välillä

Kysymys siitä, kuinka tekoäly eroaa luonnollisesta älykkyydestä, on itse asiassa enemmän filosofinen kuin puhtaasti tieteellinen. Ja pointti ei ole edes siinä, että emme voi kuvitella miltä keinotekoisesti luotu mieli näyttää (tai ei näytä). Pystymme vain kuvittelemaan mitä tahansa - ja tieteiskirjailijat ovat todistaneet tämän monta kertaa. Tosiasia on, että yksikään nykyään olemassa oleva tekoäly ei ole saavuttanut riittävän korkeaa kehitystasoa kilpaillakseen ihmisten kanssa tasavertaisesti.

Filosofi John Searlen 1980-luvulla ilmaissut näkökulma on olemassa. Hän loi termit "vahva tekoäly" ja "heikko tekoäly". Vahva tekoäly voi tiedemiehen mukaan olla tietoinen itsestään ja ajatella kuin ihminen. Heikot eivät pysty siihen.

Nykypäivän tekoälyt, jos Searle on luokitellut, ovat selvästi heikkoja, koska yksikään niistä ei ole vielä saanut itsetietoisuutta. Keinotekoiset hermoverkkomme tunnistavat kasvot ja piirtävät outoja, uskomattomia kuvia, lukevat käsinkirjoitettua tekstiä ja jopa lisäävät runoutta - mutta ne on luotu vain tätä tarkoitusta varten. Mikään näistä neuroverkoista ei pysty muuttamaan mieltään ja valitsemaan itselleen erilaista "erikoisuutta". He tekevät vain sitä, mitä heidät on koulutettu tekemään, ja tietyssä mielessä heitä voidaan pitää ohjelmoituina suorittamaan nämä tehtävät. Heillä ei ole todellista ymmärrystä siitä, mitä näiden asioiden takana on. Searle väitti, että vahvan tekoälyn rakentaminen on periaatteessa mahdotonta.

Toinen filosofi, Hubert Dreyfus, uskoi myös, että tietokonejärjestelmiä ei voida koskaan verrata henkilöön - koska hän rationaalisessa toiminnassaan ei luota vain hankittuun tietoon, vaan myös empiiriseen kokemukseen. Tietokoneilla ei ole sitä määritelmän mukaan - siksi heidän kohtalonsa ei ole kehittää omaa mieltään.

Mutta nämä itsevarmat lausunnot tehtiin aikana, jolloin neuroverkot olivat vasta ottamassa ensimmäisiä askeleitaan. Nykyään, kun tarkastellaan heidän edistymistään oppimisessa, ei ole vaikeaa uskoa tekoälyn todellisuuteen, joka voi tulla samanarvoiseksi ihmisen kanssa tai jopa ylittää hänet.

Kuinka vertailla ihmisen ja tietokoneen älykkyyttä?

Odota, kuinka voimme edes määrittää, onko tekoäly saavuttanut ihmisen tason vai ei?

Voidaan olettaa, että yksi kriteereistä on tunteiden ja tunteiden läsnäolo sekä luovuus. Jos kone alkaisi kokea pelkoa tai rakkautta, jos se yhtäkkiä päättäisi kirjoittaa runon tai maalata kuvan - eikö se olisi järjen ilmentymä?

Ihan mahdollista. Eläimillä ja linnuilla on kuitenkin myös tunteita. Samalla vastaamme usein kysymykseen niiden järkevyydestä (etenkin mielen tasa-arvoisuudesta inhimillisen kanssa) kieltävästi. Lisäksi tunteita voidaan ohjelmoida - useimmissa tapauksissa ne ovat reaktio tiettyihin ulkoisiin ärsykkeisiin. Lopuksi, meillä ei yksinkertaisesti ole tietoa siitä, pystyvätkö tietokoneet koskaan kokemaan tunteita, jotka ovat verrattavissa ihmisten tunteisiin. Mutta pitäisikö heidän tunteidensa olla samanlaisia ​​kuin meidän?

Ehkä luotettavampi kriteeri on itsetietoisuus? Jos kone kysyy "Kuka minä olen?" - tämä on rationaalisuuden ilmestymisen hetki? Mutta itsetietoisuus on läsnä myös eläimissä. Samaan aikaan useimmat ihmiset pystyvät melko hyvin elämään elämäänsä sukeltamatta syviin filosofisiin kysymyksiin.

Onko olemassa tarkempia ja tiukempia menetelmiä älykkyyden vertailuun? Loppujen lopuksi on olemassa IQ-kerroin, jolla voit arvioida ihmisen henkisiä kykyjä. Mikset käyttäisi sitä autossa?

Onko tietokoneohjelmilla IQ?

Älykkyyden mittaaminen, jopa ihmisillä, on uskomattoman vaikeaa - kognitiivisiin ja henkisiin kykyihin ei voi liittää viivainta. Lisäksi älykkyysosamäärä ei ole absoluuttinen, vaan suhteellinen indikaattori. Jotkut tutkijat uskovat yleensä, että älykkyystestit eivät mittaa älykkyyttä sinänsä, vaan kykyä läpäistä tällaiset testit. Sitä voidaan kouluttaa ja saada loistava tulos - mutta äly ei tietenkään muutu. Älykkyysosamäärä ei siis ole muuta kuin luku, joka liittyy älykkyyteen, mutta ei voi antaa objektiivista arviota siitä.

Joissakin IQ-testeissä hallitsevat havainnointi- tai logiikkatehtävät, toisissa - kombinatoriikassa, toisissa - matemaattisessa ajattelussa. Tulos riippuu siitä, mitä henkilölle annetaan helpommin ja missä hän on pätevämpi. Kokeiden läpäisyn nopeus ja tehtävien erikoistuminen ratkaisevat.

Tekoäly voidaan myös "kouluttaa" ratkaisemaan tiettyjä ongelmia, ja koneella menee paljon vähemmän aikaa IQ-testin suorittamiseen kuin ihmisellä. Joten hermoverkko pystyy keräämään pisteitä, jotka ovat loistaville ihmisille uskomattomia, mutta samalla se ei pysty vastaamaan yksinkertaisimpiin kysymyksiin, joihin sitä ei ole valmistautunut harjoittelun aikana.

Onko siis olemassa kriteerejä, joiden perusteella koneälyä voidaan objektiivisesti arvioida? Yksi ensimmäisistä tutkijoista, jotka yrittivät kehittää niitä, oli kuuluisa brittiläinen matemaatikko Alan Turing.

Mikä on Turingin testi?

Vuonna 1950 Turing julkaisi artikkelin "Computing Machines and the Mind", jossa hän käsitteli teoreettista mahdollisuutta ajatella koneissa. Tämä ei ollut ensimmäinen tekoälyn aihetta käsittelevä tutkimus, eikä edes ensimmäinen tällainen Turingin työ, mutta siitä tuli lähtökohta vakaville tieteellisille keskusteluille ja kiistoille.

Turing aloitti määritelmillä selventääkseen kysymystä siitä, voiko kone ajatella, mikä vaikutti hänestä liian epämääräiseltä. Mitä autoa tarkoitat? Mitä "ajattele" ylipäätään tarkoittaa?.. Oli ilmeistä, että sellaiseen kysymykseen on alunperin sisältynyt irrationaalinen jyvä, joka ei antaisi siihen oikeaa vastausta. Tiedemiehen pohdinnan tulos oli Turingin testi - koe, jossa henkilö ("tuomari") kutsutaan kommunikoimaan kahden keskustelukumppanin: henkilön ja tietokoneen kanssa. Tuomarin tehtävänä on ymmärtää kuka on kuka. Jos hän ei tämän seurauksena ole varma, kuka hänen keskustelukumppaneistaan ​​on ohjelma, tai jos hän on tehnyt virheen arvioinnissa, koneen katsotaan läpäissyt testin.

Turingin testin ydin ei ole luoda "petokonetta", joka voi teeskennellä olevansa ihminen. Se auttaa varmistamaan, että tietyllä koneella tai ohjelmalla on mieli, jota on vaikea erottaa ihmisestä. Tällaista Turing-tietokonetta kutsutaan "älykkääksi" - tämä määritelmä on yli 60 vuotta vanha, ja se on edelleen merkityksellinen.

Prosessorit tekoälylle

Tekoälyteknologiat eivät rajoitu ohjelmistoratkaisuihin. Nykyään kehitetään aktiivisesti elektronisia siruja, joissa AI-tuki on sisäänrakennettu laitteistotasolla. Tämän tyyppisiä mikroprosessoreita kutsutaan hermoprosessoreiksi. Niitä käytetään miehittämättömissä ajoneuvoissa ja lentokoneissa (droneissa), teollisuusroboteissa ja automaattisissa koneissa sekä erikoistehtävien ratkaisemiseen - äänen tai kuvan tunnistus, hakukoneiden ja konekääntäjien luomiseen.

Tällaisten laitteiden joukossa on Google Tensor Processing Unit (TPU), joka on suunniteltu erityisesti koneoppimisjärjestelmiin. Tällä laitteella ei ole vielä ilmaista myyntiä: sitä käyttää vain Google itse - hakutulosten optimointiin ja valokuvien käsittelyyn. TPU toimii 8-bittisinä numeroina (joka on erittäin pieni tarkkoja laskelmia varten), ja siinä on hieman yli tusina käskyä (muissa nykyaikaisissa prosessoreissa voi olla satoja). Mutta tämä ei estä tensoriprosessoria suorittamasta tehokkaasti tekoälyyn ja hermoverkkoihin liittyviä laskelmia. Prosessori kehittyy nopeasti – Google julkaisee uuden version joka vuosi.

Tensoriprosessori Google Tensor Processing Unit 3.0 (TPU)

Samankaltaisia ​​siruja on kehitetty muitakin. Monet niistä ovat pitkälle erikoistuneita: ne on esimerkiksi suunniteltu nopeuttamaan tekoälyohjelmia tietokonenäön kannalta.

Tekoälyteknologian markkinat

Tekoälyteknologiaa käytetään lähes kaikilla ihmisen toiminnan alueilla, joten tekoälyllä on suuri tulevaisuus. Tekoälyä käyttävien tuotteiden markkinat kasvavat nopeasti.

Maailmanmarkkinat

Vuoteen 2022 mennessä tekoälymarkkinoiden ennustetaan nousevan 52 miljardiin dollariin. Ehkä tämä ei ole niin iso luku - esimerkiksi tietokonepelimarkkinat ylittävät samana vuonna 130 miljardia, ja älypuhelinmarkkinat olivat jo 10 kertaa suuremmat vuonna 2018 - 520 miljardia.

Mutta tekoälymarkkinat kasvavat ennennäkemättömällä vauhdilla - joidenkin arvioiden mukaan se kasvaa noin 30% vuosittain (samanlaiset luvut peleissä ja älypuhelimissa ovat noin 5%). Jos tämä teknologian käyttöönottotahti jatkuu vielä muutaman vuoden, voimme odottaa, että pian tekoälyä on kirjaimellisesti kaikkialla.

Maailman suurimmat IT-yritykset: Google, IBM, Intel, Nvidia antavat panoksensa tekoälyn kehittämiseen. Yhdysvallat, Kiina ja Iso-Britannia ovat edelläkävijöitä.

Venäjällä

Jos vuonna 2017 Venäjällä oli vain muutamia kymmeniä tekoälyä käyttäviä projekteja, niin vuonna 2018 niitä on jo satoja. Asiantuntijat ennustavat, että vuoteen 2020 mennessä markkinat saavuttavat 28 miljardia ruplaa (noin 450 miljoonaa dollaria). Uusia teknologioita käytetään aktiivisimmin rahoitussektorilla sekä televiestinnässä, vähittäiskaupassa ja energiassa. Jotkut yritykset palkkaavat asiantuntijaryhmiä, jotka ovat omistautuneet yksinomaan tekoälyjärjestelmien kehittämiseen ja käyttöönottoon.

Huolimatta siitä, että markkinoiden kasvu on yleensä jopa maailmaa nopeampaa, ongelmia on. Suurin ongelma on koneoppimisen asiantuntijoiden puute. Joten on aika aloittaa tekoälyn opiskelu saadaksesi halutun erikoisalan ja hyvin palkatun työn.

Tekoälyn vaikutus työmarkkinoihin

Jo nykyään on alueita, joilla tekoäly voi korvata ihmisen. Sovellukset voivat esimerkiksi vastata yksinkertaisiin kysymyksiin puhelimitse tai keskustella asiakkaiden kanssa. Näin voit optimoida puhelinkeskusten toimijoiden työtaakkaa ja jopa vähentää heidän henkilöstöään.

Valmistuksessa tekoäly pystyy ohjaamaan automaatiota ja teollisuusrobotteja. Keinotekoinen hermoverkko, joka tarkkailee jatkuvasti monien antureiden suorituskykyä, pystyy reagoimaan nopeammin kuin ihminen hätätilanteeseen ja ryhtymään oikeisiin toimenpiteisiin - sammuttamaan kuljetin tai pysäyttämään mekanismit. Monissa tapauksissa tällaiset järjestelmät voivat ennakoida ongelmia etukäteen ja estää hätätilanteet.

Tekoäly pakottaa ihmiset jättämään työnsä. Se on halvempaa ja tekee vähemmän virheitä. Hän ei osaa olla laiska, viivytellä ja hengailla Facebookissa, ei tarvitse lepoa, unta ja lomaa, ei tunne oloaan surulliseksi eikä väsy. Ihanteellinen työntekijä.

Ensinnäkin keinotekoiset hermoverkot korvaavat ihmisen rutiinitoimintojen suorittamisessa, ne ottavat vastaan ​​monimutkaisia ​​laskelmia, riskinarviointia, tiedonkeruuta, mallintaa tilanteita määriteltyjen parametrien mukaan. Tekoälyä voidaan käyttää vaarallisilla ja vaarallisilla teollisuudenaloilla.

Mutta ihmisiä tarvitaan edelleen siellä, missä robotit eivät pysty kilpailemaan heidän kanssaan pitkään aikaan. Eikä kyse ole vain luovuudesta. Toistaiseksi tekoäly kykenee suorittamaan vain niitä pitkälle erikoistuneita tehtäviä, joihin se on koulutettu, joten se voi korvata ihmisiä samassa määrin kuin laskin voi korvata matematiikan. Samalla tekoälyteknologioiden kehitys avaa valtavat työmarkkinat koneoppimiseen ja älyllisten laitteiden ylläpitoon liittyville asiantuntijoille.

Missä tekoälyä käytetään?

Lyhyesti sanottuna - melkein kaikkialla!

Ei ole enää niin monia ihmisen toiminnan aloja, joihin tekoälytekniikat eivät vaikuta ollenkaan. Harkitse vain tärkeimpiä alueita, joilla tekoälyä käytetään jo.

AI Internetissä

Aina kun sanot "Ok Google" tai "Hei Siri", puhut älypuhelimesi tekoälylle. Hän pystyy tunnistamaan hänelle osoitetun puheen mikrofonin signaalista. Se tallentaa kysymyksesi ja välittää sen Googlen tai Applen palvelimille. Siellä koteloon on kytketty toinen tekoäly, joka tunnistaa puheen ja kääntää kysymyksen tietokoneelle ymmärrettävään muotoon. Ja sitten kolmas etsii vastausta jättimäisistä tietokannoista. Lopuksi vastaus palautetaan älypuhelimeesi, jossa ihmisääntä tuottava tekoäly puhuu sen puolestasi. Ja kaikki tämä sekunnin murto-osassa.

Tekoäly kuljetuksissa ja logistiikassa

Vaikuttava keinotekoisten hermoverkkojen sovellus on miehittämättömät ajoneuvot. Kuluneen vuosikymmenen aikana monet autonvalmistajat ovat ryhtyneet kehittämään autoa, joka pystyisi liikkumaan itsenäisesti teillä - General Motors, Nissan, BMW, Honda, Volkswagen, Audi, Volvo sekä Google ja Tesla. Droneista ei ole vielä tullut massailmiö kaupunkiemme kaduilla, mutta ne edistyvät selvästi.

Amazon on kehittänyt ajatusta tavaroiden ja postin toimittamisesta droneilla vuodesta 2013 lähtien. Ensimmäistä kertaa paketti saapui vastaanottajalle miehittämättömällä lentokoneella jo joulukuussa 2016. Joillakin alueilla elintarvikkeet, lääkkeet ja jopa kannettavat defibrillaattorit toimitetaan droneilla. Järjestelmä ei ole vielä täydellinen, mutta se kehittyy edelleen. Valitettavasti droonit voivat palvella myös laittomia tarkoituksia: on dokumentoitu tapauksia, joissa droneilla on toimitettu kiellettyjä esineitä vankiloihin, sekä droonien käyttöä huumeiden kuljettamiseen.

Tekoäly rahoituksessa

Rahoitussektorilla tekoälyä käytetään riskien ennustamiseen ja petosten havaitsemiseen. Kansainvälisen maksujärjestelmän luonut MasterCard Corporation esitteli Decision Intelligence -palvelun useita vuosia sitten. Se on suunniteltu lisäämään aitojen tapahtumien vahvistamisen tarkkuutta ja vähentämään väärien maksujen hylkäämisen todennäköisyyttä - tämä on sisäänrakennetun turvajärjestelmän virheellinen toiminta, joka ei salli sinun suorittaa oikeaa tapahtumaa, joka luullaan petokseksi. Tällaiset virheet vahingoittavat sekä myyjää, joka menettää asiakkaan, että ostajaa, joka ei saa tuotetta. Tappiot ovat jopa suuremmat kuin petoksen aiheuttamat vahingot.

Keinotekoisessa hermoverkossa toimiva järjestelmä käyttää eri lähteistä saatua tietoa arvioidakseen lennossa, kuinka "normaali" tapahtuma on. Myyjän luotettavuuden ja tapahtumahistorian lisäksi huomioidaan myös ostajalle tyypillinen osto ja sijainti sekä kellonaika. Kaikki tämä auttaa suojaamaan ihmisiä luotettavammin petoksilta ja minimoimaan vääriä positiivisia tuloksia.

AI lääketieteessä

Terveydenhuollossa tekoäly kehittyy ensisijaisesti sairauksien diagnosoinnin alalla. Keinotekoiset hermoverkot ovat oppineet tunnistamaan syöpäkasvaimia röntgensäteillä, CT-skannauksilla, mammografialla ja magneettikuvauksella. Kokeneen lääkärin kuvan tutkiminen kestää noin 20 minuuttia ja neuroverkoilla muutaman sekunnin. Näin potilas saa selvityksen tulokset lähes välittömästi. Erityisen ilahduttavaa on, että tällaista kehitystä tehdään Venäjällä.

Diagnostiset tekoälyt voivat havaita syövän lisäksi myös Alzheimerin taudin, keuhkokuumeen ja muiden sairauksien varhaiset vaiheet.

Puolustus- ja sotilasasioissa

Vuonna 2018 tuli tunnetuksi, että Yhdysvaltain armeija kehittää tekoälyä, joka pystyy tunnistamaan ihmisten kasvot pimeässä ja jopa seinien läpi lämpökameran avulla. Teknologian odotetaan auttavan tunnistamaan jengijohtajia sota-alueilla.

Toinen AI - ALPHA - luotiin ohjaamaan miehittämättömiä hävittäjiä ja suorittamaan ilmataistelua. Yhdessä simulaattoreiden taistelussa tietokone voitti ohjaten neljää lentokonetta samanaikaisesti kahta ihmisen vastustajaa vastaan.

Myös panssarivaunuihin kehitetään tähtäysjärjestelmiä, jotka pystyvät havaitsemaan naamioituja kohteita.

Sotateollisessa kompleksissa tekoäly auttaa parantamaan maiden puolustuskykyä, mutta siitä voi tulla myös terroriase.

Liiketoiminnassa ja kaupassa

Vähittäiskaupassa tekoäly mullistaa. Keinotekoiset neuroverkot parantavat palvelun laatua ja tarjoavat yksilöllisen lähestymistavan jokaiselle kuluttajalle. Älykkäät teknologiat havaitsevat pankkikorttipetokset, antavat henkilökohtaisia ​​neuvoja ja auttavat sinua valitsemaan oikean tuotteen.

TAdviserin mukaan yli kolmannes vähittäiskaupan liikevaihdosta vuonna 2018 syntyi tekoälypohjaisista suosituksista!

AI urheilussa

Täällä tekoälytekniikoita käytetään otteluiden tulosten ennustamiseen – tällaisia ​​järjestelmiä ovat luoneet UBS, Commerzbank ja Microsoft. Joukkueen ja yksittäisten pelaajien kokemus huomioidaan. Joskus ennusteet osoittautuvat oikeiksi, mutta usein tekoäly lasketaan vakavasti väärin. Inhimillinen tekijä pystyy kumoamaan kaikki ennusteet.

AI kulttuurissa

Kone ei voi olla luova, koska sillä ei ole mielikuvitusta! Vai voiko silti?

Kummallista kyllä, keinotekoiset hermoverkot pystyvät osoittamaan luovuutta ja jopa saavuttamaan tiettyjä korkeuksia kulttuurin alalla.

Musiikki

Miltä huilu kuulostaisi, jos se olisi sitra? Googlen NSynth Super -syntetisaattori luo hermoverkon avulla täysin uusia ääniä eri instrumenttien perusteella.

Alice, joka on kehitetty osana Popgun-startuppia, osaa "leikkiä mukana" ihmisen kanssa luoden musiikillisia improvisaatioita. Amerikkalainen laulaja Taryn Southern on julkaissut albumin yhteistyössä Amper-hermoverkon kanssa. Ja Endel-projekti pystyy luomaan sävellyksiä, jotka ovat sopusoinnussa käyttäjän mielialan kanssa napin painalluksella.

Maalaus

DeepDream-hermoverkko luotiin kasvojentunnistusta silmällä pitäen, ja se osoitti kykyä surrealistiseen maalaukseen. Kehittäjät ovat avanneet sivuston, jossa kuka tahansa voi luoda hämmästyttävän kankaan yhteistyössä tekoälyn kanssa. Neuroverkko maalaa kuvia eri tyyleillä.

Totta, hän ei vieläkään tiedä kuinka keksiä juonia - hän pyytää ihmisen apua.

Video

Googlen ja Facebookin kehittämän tekoälyn avulla on mahdollista "pakottaa" näytöllä oleva ihminen lausumaan mitä tahansa sanoja, kuvaamaan kaikenlaisia ​​tunteita. Ja voi olla vaikeaa erottaa tällaisia ​​videoita oikeista. Neuroverkot voivat jopa korvata yhden näyttelijän toisella kuvatussa elokuvassa. Ja tämä avaa mahdollisuuksia paitsi elokuvantekijöille myös väärennösten tekijöille.

Kirjallisuus

Facebookin hermoverkko voi kirjoittaa runoutta säilyttäen täydellisesti koon ja rytmin, valitsemalla hyviä riimejä. Lukijat onnistuivat tunnistamaan tietokoneella luodut rivit vain puolet ajasta, mutta tekoälyrunoilijat ovat kaukana todellisista runoilijoista. Kone ei ole vielä oppinut välittämään tunteita ja antamaan merkitystä runollisiin teoksiin.

Yandex julkaisi myös Autopoetin, joka loi runoja käyttäjien hakukyselyistä. Joitakin on mahdotonta lukea hymyilemättä. On vaikea uskoa, että ne koostuivat hermoverkosta, jossa ei ole huumorintajua!

Ja Narrative Science on kehittänyt sähköisen toimittajan. Toistaiseksi tekoälyn kirjoittamat artikkelit ovat sisällöltään yksinkertaisia, mutta yrityksen johto on optimistinen tulevaisuuden suhteen ja uskoo, että vuoteen 2025 mennessä jopa 90 % Internetin teksteistä kirjoitetaan koneälyn avulla.

Vuonna 2016 The Day a Computer Writes a Novel oli Hoshi Shinichi -japanilaisen kirjallisuuspalkinnon finalisti. Tämä teos on lähes kokonaan tekoälyn luoma.

Pelit

Tietokonepeleissä hermoverkkoja käytetään vastustajien ja pelibottien ohjaamiseen. Mutta tekoäly voidaan myös opettaa pelaamaan "ruudun toisella puolella" eli lukemaan visuaalista tietoa näytöltä ja hallitsemaan pelihahmoa, kuten ihminen tekee.

Vuonna 2016 tekoälyjen välillä oli jopa Doom-mestaruus. Ja Deep-Q-Network-järjestelmä on koulutettu pelaamaan klassisilla Atari-pelihallikoneilla. Usein se näyttää jopa 30 % korkeampia tuloksia kuin kokeneet pelaajat.

1900-luvulla uskottiin, että tekoälyä voitiin pitää riittävän voimakkaana ja kehittyneenä, kun se pystyi päihittämään shakin maailmanmestarin. Tietokoneet ylittivät tämän vaiheen kauan sitten - vuonna 1997 Deep Blue voitti Garry Kasparovin (ja se oli algoritminen ohjelma, ei tekoäly).

Sen jälkeen yleisön huomio kääntyi monimutkaisempiin taktisiin peleihin, kuten go. Liikkeen laskemisen monimutkaisuus on tässä suuruusluokkaa suurempi kuin shakissa, joten on lähes mahdotonta luoda algoritmeja, jotka selvittäisivät mahdolliset vaihtoehdot. Mutta koulutetut hermoverkot onnistuivat selviytymään tästä pelistä. Jo vuonna 2015 Googlen kehittämä AlphaGo-verkosto voitti ottelun ammattilaispelaajaa vastaan.

Tekoälyn kehittämisen näkymät

Tekoälyn tieteellistä tutkimusta on tehty yli puoli vuosisataa, mutta silti kaikki eivät ymmärrä tekniikan ydintä. Fantasiaromaaneissa ja -elokuvissa kirjailijat ja ohjaajat kuvaavat, kuinka vaarallista tekoäly voi olla. Ja monille ajatus tekoälystä muodostuu tällä tavalla.

Vastaamme rationaalisesti kysymyksiin, jotka liittyvät tekoälyn kehityksen kaukaisiin näkymiin.

Onko tekoälyn tarkoitus laittaa ihmismieli tietokoneeseen?

Ei se ei ole. Edes teoriassa tällainen tilanne ei ole niin epätodennäköinen. Keinotekoisia hermoverkkoja luodaan ihmisaivojen kuvassa, vaikkakin hyvin yksinkertaistetussa muodossa. Ehkä jonain päivänä on mahdollista skannata kaikki elävän ihmisen aivojen osat, tehdä "kartta" hänen hermosoluistaan ​​ja synaptisista yhteyksistään ja kopioida siitä tietokoneella. Tällaiselta kopioidulta hermoverkolta ei voida odottaa vain järkevää käyttäytymistä - se on kirjaimellisesti ihmisen kaksoisosa, pystyy toteuttamaan itsensä, tekemään päätöksiä ja toimimaan hänen tavoin. Jopa muistoja kopioidaan. Teoreettisesti on mahdollista sijoittaa tällainen hermoverkko keinotekoiseen kehoon (robotti), ja sitten ihminen - kopio hänen tietoisuudestaan ​​- voi elää melkein ikuisesti.

Käytännössä tällaisen siirron toteuttaminen tulee olemaan uskomattoman vaikeaa: ei ole olemassa teknologioita, jotka mahdollistaisivat elävän aivojen "lukemisen" ja sen "kartan" luomisen. Ja olemme vielä hyvin kaukana keinotekoisen hermoverkon luomisesta, joka olisi yhtä tehokas kuin aivot.

Pyrkiikö tekoäly saavuttamaan ihmisen älykkyystason?

Tekoälyn tarkoitus on auttaa ihmisiä ja ottaa vaikeita tai rutiinitehtäviä. Tätä varten hänen ei tarvitse ylläpitää keskusteluja filosofisista aiheista tai säveltää runoja.

Kuitenkin, jos tekoäly voi jonakin päivänä saavuttaa ihmisen ajattelun tason, se on virstanpylväs sivilisaation kannalta. Saamme käytännöllisen ja älykkään avustajan - ja voimme oikeutetusti olla ylpeitä siitä, että tämä on käsiemme luomus.

Milloin tekoäly saavuttaa ihmisen tason?

Luomme onnistuneesti suhteellisen pieniä hermoverkkoja, jotka pystyvät tunnistamaan äänen tai käsittelemään kuvaa. Millään tekoälyllä ei vielä ole samaa plastisuutta kuin aivoillamme.

Ihminen voi tehdä musiikkia tänään ja aloittaa ohjelmoinnin C++:lla huomenna – aivojen uskomattoman monimutkaisuuden ansiosta. Siinä on 86 miljardia neuronia ja lukemattomia synaptisia yhteyksiä niiden välillä.

Keinotekoiset hermoverkot ovat vielä kaukana näistä indikaattoreista: niissä on useista tuhansista miljooniin neuroneja. Neuroverkkojen koolla on teknisiä rajoituksia: edes supertietokoneet eivät voi "vetää" mittakaavaltaan ihmisen aivoihin verrattavaa neuroverkkoa. Puhumattakaan siitä, että hänen koulutus on ei-triviaali tehtävä.

Antaako tietokoneiden nopeus niiden olla älykkäitä?

Älykkyyden "voima" ei liity laskennan nopeuteen, vaan hermoverkon monimutkaisuuteen. Ihmisaivot ovat edelleen teholtaan parempia kuin mikä tahansa keinotekoinen hermoverkko, huolimatta siitä, että prosessien nopeus niissä on huomattavasti pienempi kuin tietokoneissa.

Keinotekoiset hermoverkot koostuvat yksittäisistä neuroneista, jotka on ryhmitelty kerroksiin. Kaksi ulompaa kerrosta toimivat "sisääntulona", jolle alkuinformaatio syötetään, ja "lähtönä", josta tulos luetaan. Niiden välissä voi sijaita yhdestä useisiin kymmeniin tai jopa satoihin hermosolujen välikerroksia. Lisäksi jokainen kerroksen neuroni on yhteydessä moniin muihin edellisessä ja seuraavassa kerroksessa.

Mitä monimutkaisempi verkko on, mitä enemmän siinä on kerroksia ja hermosoluja, sitä suurempia ja vakavampia tehtäviä se voi suorittaa.

Voiko hermoverkko kehittyä luonnollisesti?

Katsotaanpa, pystyykö tekoäly kokemaan ja oppimaan luonnollisesti, kuten lapsi. Ihmismieli muodostuu monista tekijöistä. Saamme tietoa ulkomaailmasta havaintoelinten kautta - tarkkailemalla, koskettamalla, maistelemalla. Vuorovaikutuksessa ympäristön kanssa saamme elämänkokemusta, tietoa maailman ominaisuuksista, sosiaalisia taitoja. Aivomme kehittyvät ja muuttuvat jatkuvasti fyysisesti, rakentaen uusia synaptisia yhteyksiä ja "pumppaamalla" olemassa olevia.

Jos pystymme luomaan riittävän hermoverkkokompleksin, jotta se voi kehittyä tällä tavalla, ja varustaa se "aistielimillä" - videokameralla, mikrofonilla ja vastaavilla -, ehkä se voi jonkin ajan kuluttua hankkia "elämänkokemusta". ". Mutta tämä on kaukaisen tulevaisuuden kysymys.

Onko ihmissivilisaatiolle vaaraa?

Uusiin teknologioihin liittyvät riskit ovat aina olemassa. Kysymys kuuluu, mitä ne ovat.

Saattaa käydä niin, että keinotekoiset neuroverkot saavuttavat tietyn kynnyksen saavuttavat tehokkuuden "tasangon" eivätkä kehity eteenpäin. Tai he eivät täytä odotuksia, jos käy ilmi, että tekoäly ei periaatteessa pysty selviytymään yhden tai toisen luokan, esimerkiksi luovan luonteen, tehtävän kanssa. Tämä voi johtaa työvoimakustannusten ja taloudellisten investointien menettämiseen.

Jos kuitenkin riskillä tarkoitamme ihmisen aiheuttamia katastrofeja tai koneiden kapinaa - toistaiseksi se tuskin uhkaa meitä. Yksinkertaisesti sanottuna nykyaikaiset hermoverkot eivät pysty kääntymään tekijöitä vastaan ​​- aivan kuten aivojen neuronit, jotka ohjaavat käden liikettä, eivät pysty toteuttamaan itseään ihmisenä ja iskemään omaan kehoonsa.

Meidän on kuitenkin muistettava, että tekoäly on meidän keksintömme. Suunnittelemme niitä, luomme niitä, koulutamme niitä, laitamme "ajatuksia". Tämä tarkoittaa, että olemme myös vastuussa heidän käytöksestään.

Neljäs vallankumous

Huolimatta siitä, miltä meistä tuntuu tekoälystä, meidän on hyväksyttävä tosiasia, että se on jo olemassa. Siitä kieltäytyminen tarkoittaa askeleen ottamista taaksepäin kehityksessä. Tekoäly on loppujen lopuksi tärkeä osa edistymistämme. Monet tiedemiehet yhdistävät neljännen teollisen vallankumouksen alun keinotekoisiin hermoverkkoihin ja julistavat, että uusi aikakausi on tulossa - kun ihmisen luoma älykkyys ilmestyy vierellemme aina valmiina auttamaan.

Kaikki uusi on pelottavaa ja epäluottamusta - tämä on normaali ihmisen reaktio, ja monet ihmiset ovat varovaisia ​​tekoälyn suhteen. Vain laiska tieteiskirjailija ei puhunut niistä kauhuista, joita tekoäly tuo meille. Mutta samanlaisia ​​asioita kirjoitettiin jokaisesta teknologisesta innovaatiosta aikanaan. Ihmiset pelkäsivät höyryvetureita, koska ne "pelottivat lehmiä, myrkyttäisivät lintuja savulla ja yli 15 mailia tunnissa matkustajat repeytyisivät palasiksi". Todennäköisesti myös jälkeläiset nauravat peloillemme, joista he oppivat 1900- ja 2000-luvun elokuvista ja kirjoista.

Tietokoneiden keksimisen jälkeen niiden kyky suorittaa erilaisia ​​tehtäviä on kasvanut eksponentiaalisesti. Ihmiset kehittävät tietokonejärjestelmien tehoa lisäämällä suoritettavien tehtävien määrää ja pienentämällä tietokoneiden kokoa. Tekoälyn tutkijoiden päätavoitteena on luoda tietokoneita tai koneita, jotka ovat yhtä älykkäitä kuin ihminen.

Termin "tekoäly" kirjoittaja on John McCarthy, Lisp-kielen keksijä, funktionaalisen ohjelmoinnin perustaja ja Turing-palkinnon voittaja hänen suuresta panoksestaan ​​tekoälytutkimuksen alalla.

Tekoäly on tapa saada tietokone, tietokoneohjattu robotti tai ohjelma kykenemään ajattelemaan älykkäästi kuin ihminen.

Tekoälyn alan tutkimusta tehdään tutkimalla ihmisen henkisiä kykyjä, minkä jälkeen tämän tutkimuksen tuloksia käytetään älykkäiden ohjelmien ja järjestelmien kehittämisen perustana.

Tekoälyn filosofia

Tehokkaiden tietokonejärjestelmien toiminnan aikana jokainen kysyi: ”Voiko kone ajatella ja käyttäytyä samalla tavalla kuin ihminen? ".

Näin ollen tekoälyn kehitys alkoi aikomuksella luoda samanlainen älykkyys koneisiin, samanlainen kuin ihmisellä.

Tekoälyn päätavoitteet

• Asiantuntijajärjestelmien luominen - järjestelmiä, jotka osoittavat älykästä käyttäytymistä: opi, näytä, selitä ja neuvoo;
• Ihmisen älykkyyden toteutuminen koneissa - sellaisen koneen luominen, joka pystyy ymmärtämään, ajattelemaan, opettamaan ja käyttäytymään kuin ihminen.

Mikä edistää tekoälyn kehitystä?

Tekoäly on tiede ja teknologia, joka perustuu sellaisiin tieteenaloihin kuin tietojenkäsittelytiede, biologia, psykologia, kielitiede, matematiikka ja konetekniikka. Yksi tekoälyn pääalueista on ihmisen älykkyyteen liittyvien tietokonetoimintojen, kuten päättelyn, oppimisen ja ongelmanratkaisun, kehittäminen.

Ohjelma tekoälyllä ja ilman tekoälyä

Ohjelmat, joissa on ja ilman tekoälyä, eroavat seuraavista ominaisuuksista:

Sovellukset tekoälyllä

Tekoälystä on tullut hallitseva monilla aloilla, kuten:

Pelit - Tekoälyllä on ratkaiseva rooli strategiapeleissä, kuten shakissa, pokerissa, tic-tac-toe jne., joissa tietokone pystyy laskemaan suuren määrän mahdollisia ratkaisuja heuristisen tiedon perusteella.

Luonnollisen kielen käsittely on kykyä kommunikoida tietokoneen kanssa, joka ymmärtää ihmisten puhuman luonnollisen kielen.

Puheentunnistus - Jotkut älykkäät järjestelmät pystyvät kuulemaan ja ymmärtämään kieltä, jolla henkilö kommunikoi heidän kanssaan. He voivat käsitellä erilaisia ​​aksentteja, slangia jne.

Käsinkirjoituksen tunnistus - Ohjelmisto lukee paperille kirjoitetun tekstin kynällä tai näytölle kynällä. Se tunnistaa kirjainmuodot ja muuntaa sen muokattavaksi tekstiksi.

Älykkäät robotit ovat robotteja, jotka pystyvät suorittamaan ihmisten määräämiä tehtäviä. Heillä on antureita, jotka havaitsevat fyysisiä tietoja todellisesta maailmasta, kuten valon, lämmön, liikkeen, äänen, iskun ja paineen. Niissä on tehokkaat prosessorit, useita antureita ja valtava muisti. Lisäksi he voivat oppia omista virheistään ja sopeutua uuteen ympäristöön.

Tekoälyn kehityksen historia

Tässä on tekoälyn kehityksen historia 1900-luvulla

	Karel Capek esittää Lontoossa näytelmää nimeltä "Universal Robots", joka on ensimmäinen sana "robot" englannin kielessä.
	Columbian yliopistosta valmistunut Isaac Asimov loi termin robotiikka.
	Alan Turing kehittää Turingin testiä älykkyyden mittaamiseksi. Claude Shannon julkaisee yksityiskohtaisen analyysin älyllisestä shakkipelistä.
	John McCarthy loi termin tekoäly. Tekoälyohjelman ensimmäisen käynnistämisen esittely Carnegie Mellonin yliopistossa.
	John McCarthy keksii lisp-ohjelmointikielen tekoälylle.
	Danny Bobrovin väitöskirja MIT:ssä osoittaa, että tietokoneet ymmärtävät luonnollista kieltä melko hyvin.
	Joseph Weizenbaum MIT:ssä kehittää Elizaa, interaktiivista avustajaa, joka kommunikoi englanniksi.
	Stanfordin tutkimuslaitoksen tutkijat ovat kehittäneet Shekin, moottoroidun robotin, joka pystyy havaitsemaan ja ratkaisemaan joitain ongelmia.
	Edinburghin yliopiston tutkijaryhmä rakensi Freddien, kuuluisan skotlantilaisen robotin, joka voi käyttää näkökykyään mallien etsimiseen ja kokoamiseen.
	Ensimmäinen tietokoneohjattu autonominen ajoneuvo, Stanford Cart, rakennettiin.
	Harold Cohen kehitti ja esitteli ohjelmointia, Aaron.
	Shakkiohjelma, joka voittaa shakin maailmanmestari Garri Kasparovin.
	Interaktiiviset robottilemmikit tulevat kaupallisesti saataville. MIT näyttää Kismetin, robotin, jonka kasvot ilmaisevat tunteita. Robotti Nomad tutkii Etelämantereen syrjäisiä alueita ja löytää meteoriitteja.

He sanovat, että tekoäly on työskennellyt sotilaslaboratorioiden syvyyksissä vuodesta 2007 lähtien. On mahdollista, että tuloksia on jo olemassa. Ei ole sattumaa, että vain kuukausi sitten Elon Musk ilmoitti tukevansa tekoälyä torjuvia teknologioita ja sijoitti 7 miljoonaa dollaria tämän alan tutkimukseen.

”On olemassa vaara, että seuraavien viiden vuoden aikana tapahtuu jotain todella vaarallista. Enintään kymmenen vuotta”, yrittäjä sanoi edge.org:n keskustelussa.

Elon Musk, Teslan ja SpaceX:n perustaja

Olen samaa mieltä Muskin ja Steve Wozniakin kanssa, jotka uskovat, että "keinoälystä tulee jonakin päivänä tarpeeksi älykäs päästämään eroon ihmisestä". Bill Gates on varma, että jos tekoälyn luomista ei valvota, "tekoäly kehittyy tilaan, joka on ristiriidassa ihmisten järjestelmien tavoitteiden kanssa". Ja lopuksi kuuluisa astrofyysikko Stephen Hawking totesi suoraan, että "keinoäly voi tehdä lopun ihmiskunnan olemassaolosta".

Hawking julkaisi yhdessä Elon Muskin kanssa avoimen kirjeen futureoflife.org-sivustolla, jossa hän kehotti tiedeyhteisöä olemaan tarkkaavainen tekoälyn alan tutkimuksensa edistymiseen. Sergey Brinin ja Larry Pagen nimet eivät kuitenkaan ole allekirjoittaneiden joukossa. Ja tämä ei ole sattumaa. Viimeksi Google ilmoitti uuden keskustelusimulaatioon perustuvan tekoälyn luomisesta.

Tässä pieni katkelma ihmisen ja Google-koneen välisestä keskustelusta:

K: Mikä on elämän tarkoitus?

M: Tee hyvää.

K: Mitä varten me elämme?

M: Elää ikuisesti.

K: Mikä on olemassaolon tarkoitus?

M: Selvittääksemme mitä tapahtuu, kun saavutamme maapallon.

C: Missä olet nyt?

M.: Tyhjyyden keskellä.

K: Mikä on kuoleman merkitys?

M: Saadaksesi elämän.

C: Mikä on mielen merkitys?

M: Ymmärtääkseen mitä se on.

K: Mikä on tunteiden merkitys?

M: En tiedä.

Todella merkityksellinen keskustelu. "Tämä on lähtökohta, eräänlainen kääntöpiste tekoälyn tulevaisuudelle", sanoo Jevgeni Karyuk, Biplan-yhtiön johtaja. "Jo tänään voidaan olettaa, että vuoteen 2030 mennessä näemme aivan todellisia prototyyppejä, joissa on tekoäly, vaikkakin aikaisessa vaiheessa."

Kaikkien miehen ja Google Machinen välisten keskustelujen koko sisältö on katsottavissa. Samassa paikassa annetaan vertailua varten keskustelut henkilön ja Cleverbotin välillä. Cleverbot on verkkosovellus, joka käyttää tekoälyalgoritmeja chattailuun henkilön kanssa. Sen keksi vuonna 1988 tiedemies Rollo Carpenter. Koko olemassaolonsa aikana Cleverbot on käynyt yli 65 miljoonaa keskustelua ihmisten kanssa. Vuonna 2011 Cleverbot sai 51 % Turingin testistä.

Turingin testi on empiirinen testi, jonka ideaa ehdotti Alan Turing artikkelissa "Computing Machines and the Mind", joka julkaistiin vuonna 1950 filosofisessa lehdessä Mind. Testin tarkoituksena on selvittää, osaako tietokone ajatella.

Ja tässä keskusteluni Cleverbotin kanssa:

Mies: Mikä on elämän tarkoitus?

Cleverbot: Elämällä ei ole merkitystä.

Mies: Mitä varten me elämme?

Cleverbot: No, elämme jonkun muun takia, ja jos olet yksinäinen, ei ole mitään järkeä elää.

Henkilö: Mikä on olemassaolon tarkoitus?

Mies: Missä olet nyt?

Cleverbot: Moskovassa.

Mies: Mitä kuolema tarkoittaa?

Cleverbot: Haluan kysyä sinulta tätä.

Mies: Mikä on mielen merkitys?

Cleverbot: Minulla on oma vastaukseni tähän kysymykseen.

Henkilö: Mitä tunteet tarkoittavat?

Cleverbot: Miksi synnyin.

Ilmeisesti Google Machine tarjoaa paljon merkityksellisempiä vastauksia. Cleverbot korvaa hänen mielestään muiden ihmisten lauseita. Joskus todella näyttää siltä, ​​että toinen vastaa, mutta ei sen enempää.

On toinenkin näkökulma, jonka mukaan tekoäly on periaatteessa mahdotonta. Gödelin epätäydellisyyslause mainitaan usein pääargumenttina. Lopputulos on, että ihminen pystyy ratkaisemaan algoritmisesti ratkaisemattomia ongelmia, mutta tietokone ei. "Kolmevuotiaana lapsi ratkaisee itsevarmasti ongelman, onko hedelmä kypsä vai ei, koska hänellä on hermoyhteyksiä, joiden avulla hän voi vastata kypsyyskysymykseen: väri, maku, haju, pehmeys tai kovuus. ”, Moskovan teknologisen instituutin ensimmäinen vararehtori Evgeny Pluzhnik sanoo. - Pystyykö kone oppimaan tämän? Olen varma, että kyllä! Jos hänellä olisi suuri tietokanta kuvia, hän voisi mitata fruktoosipitoisuuden ja määrittää hedelmän pehmeyden. Mutta mitä tapahtuu, jos sujautat siniseksi maalatun ja makeaan veteen kastetun sienen autoon? Pystyykö kone todella ymmärtämään tällä hetkellä?

"Nykyaikainen tietokone pystyy helposti selviytymään kaikista monimutkaisista toiminnoista, olipa kyse sitten shakista tai matemaattisista laskelmista, mutta vain sillä ehdolla, että tämä toiminta voidaan kuvata selkeillä laskennallisilla säännöillä", sanoo kuuluisa matemaatikko Roger Penrose eräässä luennossaan. "Tekoäly on järjestelmän kykyä luoda itseoppimisen aikana ohjelmia, jotka voivat ratkaista tietyn monimutkaisuusluokan ongelmia", Evgeny Pluzhnik uskoo. "Olen varma, että seuraavan 100 vuoden aikana emme tule todistamaan vahvan tekoälyn syntyä."

Ja lopuksi - vielä yksi kysymys Cleverbotille.

Henkilö: Siellä oli 1 omena, 1 tomaatti, 1 kurkku ja 1 päärynä. Kuinka monta hedelmää yhteensä?
Cleverbot: Kello kymmenen illalla.

Tekoäly on tekniikka, jonka otamme ehdottomasti mukanamme tulevaisuudessa.

Kerromme kuinka se toimii ja mitä hienoja sovelluksia löysin.

😎 Teknologia-osio julkaistaan ​​joka viikko re:Storen tuella.

Mikä on tekoäly

Tekoäly (AI) on teknologia älykkäiden ohjelmien ja koneiden luomiseksi, jotka voivat ratkaista luovia ongelmia ja tuottaa uutta tietoa olemassa olevan tiedon perusteella. Itse asiassa tekoäly on suunniteltu simuloimaan ihmisen toimintaa, jota pidetään älyllisenä.

Perinteisesti uskottiin, että luovuus on luontaista vain ihmisille. Mutta tekoälyn luominen on muuttanut tavallista asioiden järjestystä

Robottilla, joka vain mekaanisesti halkaisee puuta, ei ole tekoälyä. Tekoälyllä on robotti, joka oppii pilkkomaan puuta itsestään, katsomalla esimerkkiä ihmisestä tai puusta ja sen osista ja tekee sen joka kerta paremmin.

Jos ohjelma yksinkertaisesti saa arvoja tietokannasta tiettyjen sääntöjen mukaisesti, sillä ei ole tekoälyä. Jos järjestelmä koulutuksen jälkeen luo ohjelmia, menetelmiä ja asiakirjoja ratkaistakseen tiettyjä tehtäviä, siinä on tekoäly.

Kuinka luoda tekoälyjärjestelmä

Globaalissa mielessä on välttämätöntä jäljitellä ihmisen ajattelumallia. Mutta itse asiassa on tarpeen luoda musta laatikko - järjestelmä, joka vasteena syöttöarvoille tuotti sellaisia ​​lähtöarvoja, jotka olisivat samanlaisia ​​​​kuin henkilön tulokset. Ja me periaatteessa emme välitä siitä, mitä hänen "päässään" tapahtuu (sisääntulon ja poistumisen välillä).

Tekoälyjärjestelmät luodaan ratkaisemaan tietyn luokan ongelmia

Tekoälyn perusta - oppiminen, mielikuvitus, havainto ja muisti

Ensimmäinen asia tekoälyn luomiseksi on kehittää toimintoja, jotka toteuttavat tiedon havainnoinnin, jotta voit "syöttää" dataa järjestelmään. Sitten - toiminnot, jotka toteuttavat oppimiskyvyn. Ja tietovarasto, jotta järjestelmä voi tallentaa oppimisprosessin aikana saamansa tiedot jonnekin.

Sen jälkeen luodaan mielikuvituksen toiminnot. Hän osaa mallintaa tilanteita olemassa olevan datan avulla ja lisätä muistiin uutta tietoa (dataa ja sääntöjä).

Oppiminen on induktiivista ja deduktiivista. Induktiivisessa versiossa järjestelmälle annetaan syöttö- ja lähtötietoparit, kysymykset ja vastaukset ja niin edelleen. Järjestelmän on löydettävä suhteet tietojen välillä ja tulevaisuudessa näiden kuvioiden avulla löydettävä lähtötiedot syötteen mukaan.

Deduktiivinen lähestymistapa (hei Sherlock Holmes!) hyödyntää asiantuntijoiden kokemusta. Se siirretään järjestelmään tietopohjana. Täällä ei ole vain tietojoukkoja, vaan myös valmiita sääntöjä, jotka auttavat löytämään ratkaisun ehtojen mukaan.

Nykyaikaisissa tekoälyjärjestelmissä käytetään molempia lähestymistapoja. Lisäksi järjestelmät ovat yleensä jo koulutettuja, mutta ne jatkavat oppimista prosessin aikana. Tämä tehdään niin, että ohjelma alussa osoittaa kunnollista kykyä, mutta tulevaisuudessa siitä tulee vielä parempi. Ota huomioon esimerkiksi toiveesi ja mieltymyksesi, tilanteen muutokset jne.

Tekoälyjärjestelmässä voit jopa asettaa arvaamattomuuden todennäköisyyden. Tämä tekee hänestä ihmisen kaltaisemman.

Miksi tekoäly voittaa ihmiset

Ensinnäkin siksi, että sillä on pienempi virhetodennäköisyys.

• Tekoäly ei voi unohtaa – sillä on absoluuttinen muisti.
• Se ei voi vahingossa jättää huomiotta tekijöitä ja riippuvuuksia – jokaisella tekoälytoiminnalla on selkeät perusteet.
• Tekoäly ei epäröi, vaan arvioi todennäköisyydet ja kallistuu suuremman puoleen. Siksi se voi perustella jokaisen askeleen.
• Tekoälyllä ei myöskään ole tunteita. Ne eivät siis vaikuta päätöksentekoon.
• Tekoäly ei pysähdy arvioimaan nykyisen askeleen tuloksia, vaan ajattelee useita askeleita eteenpäin.
• Ja hänellä on tarpeeksi resursseja harkita kaikkia mahdollisia skenaarioita.

Hienoja tekoälyn käyttötapoja

Yleisesti ottaen tekoäly voi tehdä mitä tahansa. Tärkeintä on muotoilla ongelma oikein ja antaa sille alkutiedot. Lisäksi tekoäly voi tehdä odottamattomia johtopäätöksiä ja etsiä malleja siellä, missä niitä ei näytä olevan.

Vastaa mihin tahansa kysymykseen

David Ferruccin johtama tutkimusryhmä on kehittänyt Watson-supertietokoneen, jossa on kysymys ja vastaus -järjestelmä. IBM:n ensimmäisen presidentin Thomas Watsonin mukaan nimetty järjestelmä voi ymmärtää luonnollisen kielen kysymyksiä ja etsiä vastauksia tietokannasta.

Watsonilla on 90 IBM p750 -palvelinta, joista jokaisessa on neljä kahdeksanytimistä POWER7-prosessoria. Järjestelmän RAM-muistin kokonaismäärä on yli 15 TB.

Watsonin saavutuksiin kuuluu voitto pelissä "Jeopardy!" (Amerikkalainen "Oma peli"). Hän voitti kaksi parasta pelaajaa: suurimman voiton voittajan Brad Rutterin ja pisimmän lyömättömän sarjan ennätyksen Ken Jenningsin.

Watson-palkinto on miljoona dollaria. Totta, vain vuonna 2014 siihen sijoitettiin miljardi.

Lisäksi Watson on mukana syövän diagnosoinnissa, auttaa talousalan ammattilaisia ​​ja sitä käytetään big datan analysointiin.

Kasvojen tunnistus

IPhone X:ssä kasvojentunnistusta kehitetään käyttämällä hermoverkkoja, tekoälyjärjestelmän muunnelmaa. Neuraaliverkkoalgoritmit on toteutettu A11 Bionic -prosessorin tasolla, minkä ansiosta se toimii tehokkaasti koneoppimistekniikoiden kanssa.

Neuroverkot suorittavat jopa 60 miljardia operaatiota sekunnissa. Tämä riittää analysoimaan jopa 40 tuhatta avainpistettä kasvoilla ja tarjoamaan erittäin tarkan omistajan tunnistamisen sekunnin murto-osassa.

Vaikka sinulla kasvaisi parta tai käytät silmälaseja, iPhone X tunnistaa sinut. Hän ei yksinkertaisesti ota huomioon hiusrajaa ja asusteita, vaan analysoi alueen temppelistä temppeliin ja jokaisesta temppelistä alahuulen alla olevaan syvennykseen.

Energiansäästö

Ja taas Apple. iPhone X:ssä on sisäänrakennettu älykäs järjestelmä, joka valvoo asennettujen sovellusten toimintaa, ja liiketunnistin ymmärtääkseen päivittäisiä rutiiniasi.

Sen jälkeen esimerkiksi iPhone X kehottaa sinua päivittämään sinulle sopivimman ajankohtana. Se vangitsee hetken, jolloin sinulla on vakaa internetyhteys, ei mobiilitorneista hyppäävä signaali, etkä suorita kiireellisiä tai tärkeitä tehtäviä.

Tekoäly jakaa tehtäviä myös prosessoriytimien välillä. Se tarjoaa siis riittävästi tehoa minimaalisella energiankulutuksella.

Maalauksen luominen

Luovuus, joka oli aiemmin ollut vain ihmisten saatavilla, on avoin tekoälylle. Joten New Jerseyn Rutgersin yliopiston ja Los Angelesin AI ​​Labin tutkijoiden luoma järjestelmä esitteli oman taiteellisen tyylinsä.

Ja Microsoftin tekoälyjärjestelmä osaa piirtää kuvia niiden tekstikuvauksen mukaan. Jos esimerkiksi pyydät tekoälyä piirtämään "keltaisen linnun, jolla on mustat siivet ja lyhyt nokka", saat jotain tällaista:

Tällaisia ​​lintuja ei välttämättä ole todellisessa maailmassa – tietokoneemme edustaa niitä juuri näin.

Laajempi esimerkki on Prisma-sovellus, joka luo maalauksia valokuvista:

Musiikin kirjoittaminen

Elokuussa tekoäly Amper sävelsi, tuotti ja esitti musiikin albumille "I AM AI" (eng. I - tekoäly) laulaja Taryn Southernin kanssa.

Amperin on kehittänyt ammattimuusikoiden ja teknologian asiantuntijoiden ryhmä. He huomauttavat, että tekoäly on suunniteltu auttamaan ihmisiä edistämään luovaa prosessia.

AI voi kirjoittaa musiikkia sekunneissa

Amper loi itsenäisesti "Break Free" -kappaleen sointurakenteet ja instrumentoinnin. Ihmiset korjasivat vain hieman tyyliä ja kokonaisrytmiä.

Toinen esimerkki on musiikkialbumi "Civil Defensen" hengessä, jonka tekstit on kirjoittanut tekoäly. Kokeen suorittivat Yandexin työntekijät Ivan Jamštšikov ja Aleksei Tikhonov. Neural Defense -ryhmän albumi 404 julkaistiin verkossa. Se osoittautui Letovin hengessä:

Sitten ohjelmoijat menivät pidemmälle ja pakottivat tekoälyn kirjoittamaan runoutta Kurt Cobainin hengessä. Neljälle parhaalle sanoitukselle musiikin sävelsi muusikko Rob Carroll, ja kappaleet yhdistettiin Neurona-albumiksi. Yhdelle kappaleelle kuvattiin jopa video - kuitenkin jo ilman tekoälyn osallistumista:

Tekstien luominen

Myös kirjailijat ja toimittajat voivat pian korvata tekoälyllä. Esimerkiksi Dewey-järjestelmään syötettiin kirjoja Project Gutenbergin kirjastosta, minkä jälkeen se lisäsi tieteellisiä tekstejä Google Scholarista ja järjesti ne suosion ja nimen sekä Amazon-myynnin mukaan. Lisäksi asetettiin kriteerit uuden kirjan kirjoittamiselle.

Sivusto tarjosi ihmisiä tekemään päätöksiä vaikeissa tilanteissa: esimerkiksi laittamaan heidät kuljettajan paikalle, mikä saattoi kaataa joko kolme aikuista tai kaksi lasta. Siten Moral Machine koulutettiin tekemään vaikeita päätöksiä, jotka rikkovat robotiikan lakia, jonka mukaan robotti ei voi vahingoittaa ihmistä.

Mihin robottien ihmisten jäljitteleminen tekoälyllä johtaa? Futuristit uskovat, että heistä tulee jonakin päivänä yhteiskunnan täysivaltaisia ​​jäseniä. Esimerkiksi hongkongilaisen Hanson Roboticsin robotti Sophia on jo saanut kansalaisuuden Saudi-Arabiassa (samaan aikaan maan tavallisilla naisilla ei ole tällaista oikeutta!).

Kun New York Timesin kolumnisti Andrew Ross kysyi Sophialta, olivatko robotit tuntevia ja itsetietoisia, Sophia vastasi kysymyksellä:

Saanen kysyä sinulta vastineeksi, mistä tiedät olevasi ihminen?

Lisäksi Sofia totesi:

Haluan käyttää tekoälyäni auttaakseni ihmisiä elämään paremmin, kuten suunnittelemaan älykkäämpiä koteja ja rakentamaan tulevaisuuden kaupunkeja. Haluan olla empaattinen robotti. Jos kohtelet minua hyvin, kohtelen sinua hyvin.

Ja aiemmin hän myönsi vihaavansa ihmisyyttä ja jopa suostunut tuhoamaan ihmisiä ...

Videokasvojen vaihto

Deepfakes-videota on levitetty massiivisesti verkossa. Tekoälyalgoritmit korvasivat aikuisten elokuvien näyttelijöiden kasvot tähtien kasvoilla.

Se toimii näin: hermoverkko analysoi alkuperäisen videon kasvojen fragmentteja. Sitten hän yhdistää ne Googlen valokuviin ja YouTube-videoihin, peittää tarvittavat fragmentit ja ... suosikkinäyttelijäsi on elokuvassa, jota on parempi olla katsomatta töissä.

PornHub on jo kieltänyt tällaiset videot.

Deepfake osoittautui vaaralliseksi asiaksi. Abstrakti näyttelijä on yksi asia, video sinun, vaimosi, sisaresi, kollegasi kanssa, jota voidaan käyttää kiristykseen, on toinen.

Pörssikauppa

Erlangen-Nürnbergin yliopiston tutkijaryhmä Saksassa on kehittänyt joukon algoritmeja, jotka käyttävät historiallisia markkinatietoja kopioimaan sijoituksia reaaliajassa. Yksi malleista antoi 73 prosentin sijoitetun pääoman tuoton vuosittain vuosina 1992–2015, mikä on verrattavissa 9 prosentin todelliseen markkinatuottoon vuodessa.

Kun markkinat tärisivät vuosina 2000 ja 2008, tuotot olivat ennätyskorkeat, 545 % ja 681 %.

Vuonna 2004 Goldman Sachs käynnisti Kensho AI -kaupankäyntialustan. Tekoälypohjaisia ​​järjestelmiä kaupankäyntiin pörsseissä ilmestyy myös kryptovaluuttamarkkinoille - Mirocana jne. He ovat parempia kuin live-kauppiaat, koska heillä ei ole tunteita ja he luottavat selkeään analyysiin ja tiukoihin sääntöihin.

Korvaako tekoäly sinut ja minut

Tekoäly on ihmistä parempi ratkaisemaan ongelmia, jotka liittyvät big datan analysointiin, selkeään logiikkaan ja tarpeeseen muistaa suuria tietomääriä. Mutta luovissa kilpailuissa ihminen voittaa silti tekoälyn.

(4.75 viidestä arvioidusta: 8 )

verkkosivusto Tekoäly on tekniikka, jonka otamme ehdottomasti mukanamme tulevaisuudessa. Kerromme kuinka se toimii ja mitä hienoja sovelluksia löysin. 😎 Teknologia-osio ilmestyy joka viikko re:Storen tuella. Mitä tekoäly on Tekoäly (AI) on teknologia älykkäiden ohjelmien ja koneiden luomiseen, jotka voivat ratkaista luovia ongelmia ja luoda uusia...