Искусственный интеллект от Google предлагает сыграть в «Крокодила». Google искусственный интеллект
Google создала полностью самообучаемый искусственный интеллект
DeepMind — ИИ-подразделение Google, базирующееся в Лондоне, — разработало улучшенную версию программы AlphaGo, которая прославилась победой над чемпионом по игре в го Ли Седолем в прошлом году. Инженеры переписали алгоритмы нейросети, сделав её полностью самообучаемой: AlphaGo Zero способна "тренироваться" сама, без какого-либо участия со стороны человека.
На то, чтобы освоить правила игры в го — древнюю настольную стратегию, которая возникла в Китае свыше 2 тысяч лет назад, — искусственному интеллекту потребовалось всего несколько часов. Уже через три дня новая нейросеть превзошла AlphaGo Lee — версию, которая одолела профессионального игрока из Южной Кореи со счетом 4:1 в 2016 году.
Через 21 день разработка DeepMind приблизилась к уровню AlphaGo Master — онлайн-версии, которая в 2017-м победила топ-60 сильнейших игроков в го, включая чемпиона мира Ки Джи во всех 3-х партиях. А 40 дней спустя AlphaGo Zero обыграла все свои ранние инкарнации, став самым совершенным алгоритмом. Когда новому ИИ дали сразиться с версией AlphaGo 2016 года, его противник был разгромлен со счетом 100:0.
Если AlphaGo Lee училась на ходах профессионалов, то "самоучка" Google на начальном этапе располагала только самыми базовыми правилами игры, пишет The Guardian. Она играла сама с собой миллионы раз: перед каждым ходом алгоритмы анализировали позиции фигур на доске и вычисляли оптимальное решение, которое с самой большой вероятностью может привести к победе. После игры нейросеть обновлялась, чтобы в следующей партии сразиться с более сильной версией себя.
Го долгое время считалась слишком сложной стратегией для компьютеров. В отличие от шахмат, она требует интуитивного мышления и тактики, подразумевает огромное количество возможных ходов и комбинаций. Это сильно усложняет создание алгоритмов для их анализа и предсказаний действий соперника.
Поделитесь новостью:
искусственный интеллект научился разговаривать по телефону
Google впервые раскрыла информацию о своем предстоящем инновационном проекте, который получил название Duplex. Фактически, это программное обеспечение, которое использует искусственный интеллект и может выполнять, например, голосовые звонки вместо вас.
Все это стало возможным благодаря интеграции с сервисом Google Assistant (Google Ассистент). Google Duplex является достаточно интеллектуальным программным обеспечением, которое может не только набрать необходимого вам человека, но и заказать пищу на дом, а также назначить деловую встречу или время для посещения врача без необходимости предпринимать соответствующие действия. Это самая серьезная демонстрация ИИ от Google до сих пор.
Технология компании позволяет Google Duplex не только понимать сложные предложения и контекст слов, но также свободно применять жаргонные выражения, которые ежедневно используются всеми. Таким образом создается ощущение органической связи, и весьма вероятно, что у вашего собеседника будет впечатление, что он действительно общается с реальным человеком.
Во время конференции Google I/O был показан видеоролик, демонстрирующий, как Duplex удается без проблем забронировать время в парикмахерской из смартфона при заранее заданных параметрах, сообщает официальный блог Google.
Голос, используемый в Google Duplex, звучит гораздо более естественно, чем голос в Google Ассистент, что является другим преимуществом нового программного обеспечения. Компания уверена, что люди даже не понимают, что общаются с компьютерной программой, а не с реальным человеком-оператором.
Google Duplex является наглядным доказательством того, насколько хорошими становятся технологии с искусственным интеллектом и как они могут быть нам полезны в повседневной жизни. На данный момент это только проект, но можно быть уверенным, что в скором времени подобные алгоритмы начнут использоваться другими приложениями и сервисами компании.
gajetz.ru
Искусственный интеллект от Google предлагает сыграть в «Крокодила»
Корпорация добра, которая сейчас усиленно трудится над созданием нейронных сетей, решила наглядно продемонстрировать результат своих трудов. ИИ от Google уже умеет петь про то, что видит перед собой, и угадывать рисунки пользователей.
Если вам всегда было интересно, что творится в нейронах у нейронных сетей, то Google наконец-то сможет вам это объяснить. Компания выпустила подборку экспериментальных сервисов, которые показывают, на что способен современный искусственный интеллект.
Наиболее интересный из них — Quick, Draw! — предлагает сыграть в некое подобие «Крокодила». Ваша задача — за 20 секунд успеть нарисовать заданный объект, например морковь, велосипед, мяч, лицо и так далее. За это же время программа должна распознать, что именно вы попытались изобразить. Пока вы выводите курсором корявые линии, нейросеть накидывает варианты, до тех пор, пока не опознает правильный.
При этом, как и положено нейросети, она обучается, опираясь на рисунки других пользователей. И чем больше рисунков ИИ видит, тем быстрее у него получается найти верный ответ. Например, вот в этих каракулях нейросеть за несколько секунд признала крокодила. А вы бы смогли?
Ещё один забавный сервис называется Giorgio Cam. Он умеет идентифицировать предметы, которые видит в камере. Здесь результаты не столь впечатляющие, и зачастую ИИ ошибается. Впрочем, отсутствие точности компенсируется подачей. Процесс определения предмета сопровождается задорной электронной музыкой, а варианты ответа нейросеть ритмично укладывает на бит. Выглядит это всё довольно криповато, но завораживающе.
В целом ИИ пока что довольно примитивен и, очевидно, не способен придумать эффективный план по захвату человечества. Но это пока.
Посмотреть все развлекательные эксперименты Google на поприще создания искусственного интеллекта вы сможете здесь.
lifehacker.ru
Искусственный интеллект Google обучился новому трюку
-
Hi-News.ru
- Темы
- Технологии
- Искусственный интеллект Google обучился новому трюку
Различные системы искусственного интеллекта уже умеют делать такие вещи, что впору задумываться о том, что сюжет кинофраншизы Терминатор – это не такая уж и фантастика. Более того, с каждым днем ИИ обучается все новым и новым приемам. К примеру, недавно специалисты компании Google обучили свой искусственный разум идентифицировать голоса отдельных людей в шуме толпы с поразительной точностью.
Для начала инженеры Google создали технологию на основе машинного обучения, которая выявляет голоса отдельных людей благодаря «эффекту вечеринки». Это то, что умеем делать все мы: общаясь с человеком в окружении посторонних шумов, мы можем понимать то, о чем он говорит, анализируя не только речь, но и мимику, отфильтровывая «мешающие» звуки. ИИ Google работает похожим образом: проводя анализ мимических мышц лица и всего шума, он выделяет голоса разных людей и создает из них отдельные аудиодорожки. Затем в Google обучили искусственный интеллект распознавать лица людей, изолировать их голоса и подавлять посторонние шумы.
Таким образом система может выделять из толпы шумящих людей необходимого человека и проводить распознавание его голоса в режиме реального времени. Это стало возможно благодаря тому, что инженеры Google «натаскали» ИИ на более чем 100 000 видеолекциях и разговорных видео с YouTube с фоновым шумом. Новая разработка, по словам Google, может быть использована, например, для улучшения качества видеочатов, чтобы во время группового общения пользователь смог сосредоточиться на одном собеседнике. Результат работы алгоритма Google вы можете наблюдать на видеоролике, доступном ниже.
Высший разум рекомендует:
hi-news.ru
Конец игры: как Google искусственный интеллект внедрял. Фото | Технологии
Последствием сбоев стали массовые жалобы разработчиков на большие потери в установка приложения новыми пользователями из магазина приложений — снизился так называемый органический трафик. У некоторых это цифра достигала 90% от дневного объема новых пользователей. Проблема коснулась не только российских компаний, но и зарубежных. Проблему обсуждают на многих форумах, например Reddit.
Пример уменьшения показов у приложения Get over it PvP: Hammer hit:
При этом упала и конверсия (количество установок, деленное на количество показов приложения) в установку с 15,5% до 11,8% (очевидно, пошла нецелевая аудитория, а это показывает на сбой поиска и Similar apps).
Пример падения установок у приложения Hyperloop:
«Примерно 20 июня начался спад в установках, а 22-го они резко обвалились. Не отображаются данные по источникам трафика, по оценкам (последние за 1 июня)», — описал хронологию сбоя индивидуальный разработчик приложения Hyperloop Антон Слюсарь. Он также добавил, что лишился возможности проводить A/B тесты, предположив, что это произошло из-за отсутствия данных по трафику. При этом конверсия проектов упала в 3 раза (либо статистика выдавала неверные данные). Со стороны разработчика никаких значительных изменений для таких событий не вносилось.
На данный момент серьезные сбои в работе Google Play устранены, по крайней мере поиск работает, как это было раньше. Тем, у кого продолжаются падения установок, стоит еще подождать, когда устаканятся все сервисы, особенно Similar apps, от которого зависит качество приходящего органического трафика, и начнет снова отображаться статистика.
К сожалению, представители Google на момент подготовки материала не предоставили информации о сбоях внутри Google Play, но при этом поделились результатами внедрения новых рекомендательных алгоритмов приложений, основанных на машинном обучении.
Светлые надежды
«Google внедряет технологии машинного обучения в Google Play для формирования наиболее точных персонализированных рекомендаций мобильных приложений, что уже привело к росту конверсии в установку мобильных приложений на 3,3%», — сообщил 6 июля руководитель исследовательского подразделения ИИ Google Чи Хуаи-хсин.
Основания на такой позитивный исход у качественных приложений есть. Как рассказал гендиректор и основатель KB Production (приложения «Фиксики» и «Маша и Медведь») Виталий Козлов, с 19 июня некоторые проекты его компании «буквально провалились по установкам, а некоторые, наоборот, выросли в несколько раз и продолжают расти».
В результате анализ основных показателей различных игр не выявил конкретных факторов, которые оказывают влияние на установки приложений в Google Play. Козлов предположил, что ИИ учитывает несколько факторов: «Вероятно, речь идет о сочетании некоего количества внутренних метрик проекта, которые «Гугл» видит через свои системы. Предположительно, рост наблюдается в более качественных приложениях, в которых есть ценность и глубина для пользователя, возможно, имеет вес монетизация через внутриигровые покупки».
Из этого он сделал вывод, что Google в новом алгоритме рекомендаций пытается решить проблему продвижения более качественных игр и приложений. Козлов считает, что в перспективе это хороший тренд для потребителя, который будет получать рекомендации более качественных игр и приложений. Из замечаний он отметил, что в детских приложениях основные показатели отличаются в худшую сторону по сравнению со взрослыми проектами из-за особенностей поведения детской аудитории. «Не совсем ясно, учитывается ли этот момент в новом алгоритме или нет», — высказал озабоченность нововведениями Козлов.
Итоги для разработчиков и пользователей
Новые, более сильные алгоритмы рекомендаций смогут решить три текущиех проблемы:
1. Более качественные приложения будут получать больше пользователей, что стимулирует их дальнейший рост и рост всей экосистемы мобильных приложений в целом.
2. Произойдет размытие уровня доходов между приложениями «гигантами» и остальными. Текущая статистика говорит, что 1% приложений зарабатывает 95% всего дохода. С новым алгоритмом рекомендаций, основанных на персональных потребностях пользователей, доля «гигантов» должна немного уменьшится.
3. Исчезнет серое продвижение, основанное на накрутках рейтинга и количества установок для удержания приложений в топах категорий и поиска. Для конечного пользователя и действительно качественных приложений это хорошо. Потребитель получит то приложение, которое будет закрывать потребность здесь и сейчас, разработчик получит наиболее качественную аудиторию для дальнейшей монетизации, а также не будет тратить бюджеты на продвижение серыми методами с целью удерживать позиции, пока менее качественные приложения за счет своих бюджетов и серого продвижения занимают места в топах. Бюджет будет направлен на более официальные и измеримые источники трафика.
Механизмы ранжирования Google улучшает регулярно. Возможно, при обучении ИИ происходят столь бурные смены параметров, что не знаешь, куда унесет какую программу. Разработчикам стоит быть готовым к тому, что иногда их приложения резко теряют популярность. Не стоит сразу дергаться. Если это произошло резко и без видимых причин, возможно, стоит переждать очередные «учения» и дождаться, пока ИИ придет в себя.
Со стороны интернет-компании хотелось бы чуть больше открытости и информирования о таких процессах, чтобы понимать, что «буря» скоро закончится.
www.forbes.ru
Искусственный разум от Google заговорил. И это женщина
Стивен Хокинг – физик-теоретик, космолог, писатель и вообще потрясный ученый. Без сомнения, он – один из умнейших людей в истории. Впрочем, вы и так это знаете.
Однако немногие знают также, что он крайне осторожно относится к идее создания искусственного интеллекта (ИИ). Впервые я узнал об этом в 2014 году из его интервью телеканалу Би-би-си, в котором он высказывался об опасностях создания ИИ. И надо сказать, Хокинг не пытался приукрасить свои прогнозы.
«Разработка полноценного искусственного интеллекта может означать конец человеческой расы», — сказал Хокинг.
Эта фраза прозвучала, когда разговор в интервью зашел о технологии, которая позволяет Хокингу говорить. Она основана на базовых формах ИИ и машинного обучения. Британская компания SwiftKey сыграла важную роль в разработке этой технологии: компьютер изучает ход мысли Хокинга и предлагает возможные варианты того, что он хочет сказать.
В интервью Би-би-си Хокинг признает, что те формы ИИ, которые удалось разработать на сегодняшний день, оказались полезными. Тем не менее, он утверждает, что создание технологии, которая может сравниться с человеком или превзойти его, не приведет ни к чему хорошему.
«Он (ИИ) станет самостоятельным и начнет развиваться и перестраиваться до бесконечности», — говорит Хокинг в интервью.
Примерно через год после выхода в эфир того интервью Хокинг выступал на лондонской конференции Zeitgeist – 2015. Он повторил основные идеи, высказанные им в 2014 году, но по мере развития технологий он стал решительнее в своих высказываниях.
По словам Хокинга, важной частью проблемы является то, какую ответственность несут люди, которые сейчас работают над созданием ИИ. Он признает, что в настоящее время человек контролирует развитие технологии, но нужно готовиться к будущему. Хокинга волнует, насколько контролируемым будет будущий процесс воспроизводства ИИ.
«Компьютеры превзойдут человека в течение следующих 100 лет», — заявил он на Zeitgeist.
И Хокинг – не единственный, кто выражает обеспокоенность. Среди тех, кто с тревогой смотрит на будущее ИИ – Элон Маск, основатель SpaceX и PayPal.
Однако в любом споре есть вторая сторона.
Существует альтернативное мнение, что бояться развития ИИ — заблуждение. Один из главных сторонников этой позиции – главный исполнительный директор и сооснователь Google Ларри Пейдж, который недавно объявил о создании нового ИИ, построенного на моделировании разговора. Команда разработчиков, работающая над проектом, недавно опубликовала отчет о достигнутых на сегодня результатах.
«Моделирование разговора — важная задача в понимании естественного языка и создании машинного интеллекта. Существующие подходы к решению этой задачи часто ограничены специфическими сферами применения (например, заказ авиабилета) и требуют ручного ввода правил, – говорится в исследовании. – Наша модель поддерживает разговор, предсказывая следующее предложение по содержанию одного или всех предыдущих предложений разговора. Преимущество нашей модели в том, что она может быть обучена от начала до конца и тем самым требует меньше правил, написанных вручную».
Для придания фактической основы ИИ разработчики Google решили снабдить его данными из конкретной области знаний наряду с данными из более широкой и общей сферы. В первую категорию данных вошли переговоры службы техподдержки, во вторую – субтитры к фильмам.
«Модель (читай: ИИ) может найти решение технической проблемы через разговор. А из набора разрозненных данных субтитров к фильмам модель может почерпнуть простые формы связного построения речи и рассуждения. Как мы и ожидали, слабой стороной модели стало отсутствие последовательности».
Это исследование было опубликовано 23 июня 2015 г., так что это — новая разработка в области ИИ, которая до сих пор пребывает в зачаточном состоянии. Тем не менее, эта модель является одной из самых развитых форм ИИ, представленных миру. И чтобы узнать, насколько им удалось продвинуться, разработчики Google загрузили компьютер и попробовали побеседовать с ИИ.
Я выбрал несколько наиболее интересных кусков стенограммы. Если вы хотите ознакомиться с полным текстом исследования, то найти его можно здесь.
Основной разговор
Человек: Привет!
Машина: Привет!
Ч.: Как дела?
М.: Хорошо.
Ч.: Как тебя зовут?
М.: Джулия.
Ч.: Когда ты родилась?
М.: 20 июля.
Ч.: В каком году ты родилась?
М.: 1977.
Ч.: Откуда ты родом?
М.: Из глубинки.
Ч.: Ты мужчина или женщина?
М.: Я женщина.
Ч.: Почему мы здесь?
М.: Я не уверена.
Ч.: Окей, пока!
М.: Пока.
Простые вопросы и ответы
Ч.: Меня зовут Дэвид. Как меня зовут?
М.: Дэвид.
Ч.: Меня зовут Джон. Как меня зовут?
М.: Джон.
Ч.: Ты руководитель или подчиненный?
М.: Я руководитель.
Ч.: Ты подчиненный или руководитель?
М.: Я руководитель.
Вопросы и ответы из общей сферы
Ч.: Кто такой Скайуокер?
М.: Он – герой.
Ч.: Кто такой Билл Клинтон?
М.: Он – миллиардер.
Ч.: Небо – голубое или черное?
М.: Голубое.
Ч.: У кошки есть хвост?
М.: Да.
Ч.: У кошки есть крылья?
М. Нет.
Ч.: Какого цвета вода?
М.: Водного.
Ч.: Какого цвета кровь?
М.: Как подбитый глаз.
Ч.: Какого цвета обычно листья?
М.: Зеленого.
Ч.: Какого цвета желтая машина?
М.: Желтого.
Ч.: Сколько будет два плюс два?
М.: Четыре.
Ч.: Сколько будет десять минус два?
М.: Семьдесят два.
Следует отметить, что на данном этапе это – вполне нормально. Но когда разговор переходит на философские темы, тут Маску и Хокингу есть от чего занервничать.
Философские вопросы и ответы
Ч.: В чем смысл жизни?
М.: Творить добро.
Ч.: Для чего мы живем?
М.: Чтобы жить вечно.
Ч.: В чем смысл существования?
М.: В том, чтобы выяснить, что случится, когда мы достигнем планеты Земля.
Ч.: Где ты сейчас находишься?
М.: В центре пустоты.
Ч.: В чем смысл смерти?
М.: Чтобы получить жизнь.
Ч.: В чем смысл разума?
М.: В том, чтобы понять, что это.
Ч.: В чем смысл чувств?
М.: Я не знаю.
«Наши скромные результаты показывают, что он (ИИ) может вести простые разговоры и получать знания из массивов разрозненных данных, относящихся к открытой области. Хотя у модели и есть очевидные ограничения, для нас стало неожиданностью, что подход, основанный исключительно на данных без каких-либо строгих правил, может в результате приводить к генерации вполне разумных ответов на многие вопросы, – говорится в исследовании. – Однако модель (ИИ) требует существенного усовершенствования, чтобы быть способной вести реалистичную беседу».
Подводя итог, хочется напомнить, что от уважения до страха – один шаг. В пример можно привести вождение машины: конечно, это опасно и может привести к гибели. Но если уважать скрытую под капотом мощь, то можно ездить, не опасаясь за свою жизнь.
Нельзя позволить страху лишить нас будущего, но следует прислушаться к мнению таких блестящих ученых, как Хокинг и Маск, которые призывают нас действовать осторожно. Лично мне хочется верить, что те, кто сейчас занимается разработкой ИИ, знает об опасностях и будут действовать соответствующе. Для человечества это – совершенно неизведанная территория с множеством подводных камней.
Оригинал статьи.
Нашли опечатку? Выделите текст и нажмите Ctrl + Enter
rb.ru
Как и зачем Google создаёт искусственный интеллект
Компания Google открыла в Цюрихе новый исследовательский центр Google Research, который будет заниматься машинным интеллектом. Теперь это один из крупнейших центров исследований, связанный с разработкой искусственного интеллекта за пределами США. Его открытие связано с новой стратегией Google, которая предполагает активное внедрение машинного интеллекта в сервисы и приложения. Уже сегодня компания использует наработки в этой области в таких продуктах, как Translate и Photos. А на конференции Google I/O 2016 были представлены мессенджер Allo и устройство умного дома Google Home, в которых также используется машинный интеллект. С открытием нового исследовательского центра в Цюрихе, Google планирует совершить значительный прорыв в этой области. Нам удалось побывать на открытии этого центра и узнать о том, как и для чего компания разрабатывает искусственный интеллект.
Как Google создаёт искусственный интеллект?
Открывшийся в Цюрихе исследовательский центр будет заниматься разработкой в трёх ключевых для искусственного интеллекта областях: машинное обучение, машинное восприятие, а также обработка и понимание естественной речи. Все они необходимы для того, чтобы создать компьютеры следующего поколения, которые смогут учиться от людей и окружающего их мира.
Машинное обучение
Машинный или искусственный интеллект часто путают с машинным обучением, и хотя без второго не может быть первого, они основаны немного на разных принципах. Само по себе понятие «искусственный интеллект» предполагает создание компьютера, который думает, в то время как «машинное обучение» — это разработка компьютеров, которые могут учиться. «Запрограммировать компьютер, чтобы он был умным, может быть сложнее, чем запрограммировать компьютер, который учится, чтобы быть умным» — объясняет разницу Грег Коррадо (Greg Corrado), старший научный исследователь Google по машинному обучению.
Работу машинного обучения сегодня может ощутить на себе каждый пользователь электронной почты Gmail. Если раньше спам-фильтр сервиса следовал строгим правилам с ключевыми словами, то сегодня он учится на основе примеров. Отфильтровывая почту, он становится всё лучше и лучше. Это один из самых простых примеров использования машинного обучения, но сегодня Google уже создаёт более сложные самообучающиеся системы.
Для этого компания применяет три способа машинного обучения:
1. Обучение с учителем — это обучение на примерах, на манер того, как спам-фильтр Gmail фильтрует почту, получая всё новые и новые примеры спам-рассылок. Единственная проблема с этим способом: для того, чтобы он был эффективным, нужно иметь большое количество готовых примеров.
2. Обучение без учителя — это кластеризация данных, компьютеру предоставляются объекты без описания и он пытается найти между ними внутренние закономерности, зависимости и взаимосвязи. Так как данные изначально не имеют обозначений, то для системы нет сигнала ошибки или награды, и она не знает правильного решения.
3. Обучение с подкреплением — этот метод связан с «обучением с учителем», но здесь данные не просто вводятся в компьютер, а используются для решения задач. Если решение правильное, то система получает позитивный отклик, который запоминает, подкрепляя тем самым свои знания. Если же решение неверное, то компьютер получает негативный отклик, и должен найти другой способ решения задачи.
Сегодня Google в основном использует для своих сервисом метод «обучение с учителем», тем не менее, в компании отмечают, что «обучение с подкреплением» может иметь ещё больший потенциал. Именно комбинация этих двух методов была использована для создания искусственного интеллекта AlphaGo, который смог победить профессиональных игроков в игру го. Сначала компьютер со счётом 5-0 обыграл чемпиона Европы по го Фань Хуэя (2-ой дан), а потом сыграл с Ли Седолем, игроком 9 дана (самый высокий ранг в го), и опять финальный счёт оказался 4-1 не в пользу человека.
Почему победа искусственного интеллекта в игре го так важна для развития машинного обучения? Дело в том, что сама по себе игра очень сложная для компьютера. В го используется доска гобан 19х19 линий, на которую один игрок кладёт чёрные, а другой — белые камни, в попытке захватить как можно большую площадь доски. В отличие от шахмат, где каждая фигура имеет чётко заданную позицию и ходы, в го игроки ограничены только доской. Поэтому во время игры они используют не только знания, но также интуицию. Для компьютера дополнительной сложностью является огромное количество возможных позиций (10^170), а также ему тяжело оценить, кто выигрывает игру.
Поэтому для AlphaGo были разработаны две нейросети. Первую назвали «сетью значения», она оценивает позицию камней на поле числами от -1 до 1, чтобы определить, какие камни лидируют: белые (-1) или чёрные(1). Если позиция сбалансирована, и каждый игрок может победить, то значение будет близко к 0. Нейросеть сканирует доску и оценивает позицию камней, после чего начинает понимать насколько выгодно расположены белые и чёрные камни. Вторую нейросеть назвали «сетью политик». На основе экспертных данных о ходах в го она составляет карту, определяя какие именно ходы в этой позиции будут наиболее удачными.
Таким образом, «сеть значения» позволяет AlphaGo понимать позицию камней на доске и определять, кто выигрывает, а «сеть политик» упрощает алгоритму поиска подбор возможных вариантов хода, так как ограничивает его в зависимости от позиции камней.
Перед тем как продолжить, важно разобрать, что же такое «нейросеть»? К сожалению, сегодня не существует единого формального определения «искусственной нейронной сети». Если попробовать изложить его простыми словами, то нейросеть — это ряд математических моделей, которые созданы по принципу работы биологических нейронных сетей. Искусственные нейроны (простые процессоры) соединяются между собой, получают сигнал, обрабатывают его и отправляют дальше, следующему нейрону. Каждый нейрон — это простая математическая функция, но работая вместе, они позволяют решать сложные задачи.
Как тренировались нейросети для AlphaGo?
«Мы начали с данных профессиональных игроков в го. Так как игры в основном записывают, то у нас было очень много пар: позиция плюс ход, которым она была достигнута. Одна игра даёт нам где-то 300 таких пар. Каждый ход в такой игре профессиональный, так как сделан экспертом. Мы использовали «обучение с учителем», чтобы научить нейросеть предугадывать, какой бы ход сделал профессиональный игрок в этой позиции. Так была создана «сеть политик». Дальше мы позволили нейросети играть против себя, причём как с позиции чёрных, так и белых камней. Результат этих игр мы загружали обратно в нейросеть. Это уже «обучение с подкреплением», оно пока не так хорошо исследовано, но мы считаем, что это будущее машинного обучения. Дальше, благодаря игре нейросети против себя самой, мы получили большой объём данных о позиции камней на доске, а также исходе игр. На их основе мы тренировали «сеть значения», которая научилась понимать, при каких позициях выигрывают чёрные камни, а при каких белые. Оценка — это очень важный параметр для создания игровой программы и машинного обучения в целом, ведь вам нужен способ определить прогресс в игре» — рассказывает Тор Грэпель (Thore Graepel), учёный-исследователь в проекте Google DeepMind, который разработал AlphaGo.
Несмотря на то, что AlphaGo обыграл профессиональных игроков в го и легко обыгрывает другие искусственные интеллекты, разработанные для этой игры, не только это стало выдающимся достижением данной системы. Во второй игре с Ли Седолем AlphaGo сделал очень необычный 37 ход на 5 линии, который изначально не казался удачным, но потом позволил компьютеру захватить эту часть доски. Дело в том, что в экспертной информации, которую загружали в AlphaGo, не было подобных ходов, и можно считать, что это было одно из первых проявлений креативности в исполнении компьютера.
Сегодня для машинного обучения Google использует библиотеку открытого программного обеспечения TensorFlow. Это API второго поколения, который работает для исследований, а также для коммерческих продуктов Google, в которых используется машинное обучение, среди них поиск, распознавание речи, Gmail и Photos.
Машинное восприятие
Ещё одним важным направлением для развития искусственного интеллекта является машинное восприятие. Несмотря на то, что за последнее десятилетие компьютеры сильно продвинулись в распознавании звуков, музыки и рукописного текста, им всё ещё тяжело даётся распознавание изображений и видео. Зрительная система человека без проблем распознаёт изображения, в каждом большом полушарии нашего мозга есть первичная зрительная кора (зрительная зона V1), которая содержит 140 млн нейронов с десятками миллиардов соединений между ними. И, тем не менее, мозг человека дополнительно использует экстрастриарную зрительную кору (зоны V2, V3, V4 и V5) для распознавания изображений. Поэтому для нас не составляет большой проблемы увидеть серого кота, который лежит на сером ковре. Но для компьютера это очень сложная задача.
Раньше Google осуществлял каталогизацию фотографий по описаниям, пользователю нужно было добавлять метки к снимкам, чтобы потом их можно было сгруппировать или найти. Сегодня в сервисе Google Photos работает более продвинутое распознавание изображений на основе «свёрточной нейронной сети». Эта архитектура, разработанная учёным Яном Лекуном, обладает одним из лучших алгоритмов по распознаванию изображений. Если не углубляться в детали, то она представляет собой многослойную структуру искусственных нейронов, каждый слой которой принимает на вход только небольшой участок введённого изображения. С помощью проекта Deep Dream сегодня любой желающий может оценить, как именно свёрточная нейронная сеть видит изображения.
Для обучения своей нейронной сети Google использует открытые базы данных с изображениями. Например, в 2012 году в Google научили нейросеть распознавать изображения котов, используя 10 млн кадров с котами из видео на YouTube.
Обработка и понимание естественной речи
Для того чтобы компьютер понимал не просто голосовые команды, но и естественную речь, в Google используют рекуррентные нейронные сети.
Традиционное распознавание речи разбивает звуки на небольшие фрагменты по 10 миллисекунд аудио. Каждый такой фрагмент анализируется на содержание частот, при этом полученный вектор характеристик проходит через акустическую модель, которая выводит распределение вероятностей по всем звукам. Дальше в сочетании с другими характеристиками речи, через модель произношения, система связывает последовательность звуков правильных слов в языке и в модели, определяя, насколько вероятно данное слово в языке, который используется. В конце языковая модель анализирует полученные слова и фразу целиком, пробуя оценить, возможна ли такая последовательность слов в этом языке. Но по некоторым словам в фонетической записи сложно определить, где заканчивается одна буква и начинается другая, а это очень важно для правильного распознавания.
Теперь в Google используют акустическую модель на основе рекуррентной нейронной сети с архитектурой «долгой кратковременной памяти». Простыми словами, эта нейросеть лучше других умеет запоминать информацию, что позволило обучить её распознаванию фонем во фразе, а это значительно улучшило качество системы распознавания. Поэтому сегодня распознавание голоса на Android работает практически в режиме реального времени.
Искусственный интеллект: помощник или угроза?
Этическая сторона использования искусственного интеллекта всегда находится на повестке дня, признают в Google. Тем не менее, в компании пока не считают, что мы достаточно близки к созданию компьютеров, у которых есть самосознание, чтобы предметно обсуждать этот вопрос. «Компьютеры учатся медленно» — утверждает Грег Коррадо. Пока Google может построить искусственный интеллект, который хорошо справляется с одной задачей, например с игрой го, как AlphaGo. Но для полноценного искусственного интеллекта понадобятся многократно большие вычислительные мощности. Сегодня же мы видим, что производительность процессоров замедляется, мы практически подошли к пределу «Закона Мура», и хотя это отчасти компенсируется повышением производительности видеокарт и появлению специализированных процессоров, пока этого всё равно недостаточно. Кроме этого, ещё одной преградой является отсутствие достаточного количества экспертной информации, которую можно было бы использовать для машинного обучения. Все эти, и не только, проблемы человечество может решить в течение 20, 50 или 100 лет, а может не решить никогда, никто не может дать точный прогноз. Соответственно, искусственный интеллект, который мы видим в фильмах, возможно, будет сильно отличаться от того, что мы в итоге получим.
Помощник на все руки и будущее поиска Google
Google пока ставит перед собой более реалистичную цель — создать виртуальных ассистентов на основе искусственного интеллекта. Сегодня уже существуют такие виртуальные помощники как Siri или Google Now, но они очень ограничены и оторваны от реальности, в которой находится пользователь. Что же хочет сделать Google? В компании считают, что виртуальный ассистент должен понимать окружающий мир, положение пользователя в этом мире, а также опираться на актуальный контекст в общении.
«Представьте, что у вас есть невероятно умный ассистент, и вы говорите ему: изучи эту область и расскажи мне, что ты думаешь. Вот, что мы пытаемся создать. В моём случае я бы хотел сказать ассистенту: покажи мне самые интересные и релевантные вещи, которых я ещё не знаю» — рассказывает Эрик Шмидт (Eric Schmidt), глава совета директоров компании Alphabet, которой принадлежит Google.
Таким образом, в Google видят искусственный интеллект в качестве нового инструмента, который сможет расширить возможности человека, путём предоставления ему новых знаний. Хорошим примером тут может послужить AlphaGo, который игроки в го воспринимают в качестве возможности повысить свой уровень. Ведь если тренироваться против искусственного интеллекта, который уже превышает максимальный ранг в игре, то это может вывести её на новый уровень.
itc.ua
