Что такое искусственный интеллект ? Искуственный интелект

Что такое искусственный интеллект ?

С момента изобретения компьютеров, их способность выполнять различные задачи продолжают расти в геометрической прогрессии. Люди развивают мощность компьютерных систем, увеличивая выполнения задач и уменьшая размер компьютеров. Основной целью исследователей в области искусственного интеллекта — создание компьютеров или машин таких же разумных как человек.

Что такое искусственный интеллект?

Автором термина «искусственный интеллект» является Джон Маккарти, изобретатель языка Лисп, основоположник функционального программирования и лауреат премии Тьюринга за огромный вклад в области исследований искусственного интеллекта.

Искусственный интеллект — это способ сделать компьютер, компьютер-контролируемого робота или программу способную также разумно мыслить как человек.

Исследования в области ИИ осуществляются путем изучения умственных способностей человека, а затем полученные результаты этого исследования используются как основа для разработки интеллектуальных программ и систем.

Философия ИИ

Во время эксплуатации мощных компьютерных систем, каждый задавался вопрос: «А может ли машина мыслить и вести себя также как человек? ».

Таким образом, развитие ИИ началось с намерения создать подобный интеллект в машинах, схожий с человеческим.

Основные цели ИИ

Создание экспертных систем — систем, которые демонстрируют разумное поведение: учиться, показывать, объяснять и давать советы;
Реализация человеческого интеллекта в машинах — создание машины, способную понимать, думать, учить и вести себя как человек.

Что способствует развитию ИИ?

Искусственный интеллект — наука и технология, основанная на таких дисциплинах, как информатика, биология, психология, лингвистика, математика, машиностроение. Одним из главных направлений искусственного интеллекта — разработка компьютерных функций, связанных с человеческим интеллектом, таких как: рассуждение, обучение и решение проблем.

Программа с ИИ и без ИИ

Программы с ИИ и без отличаются следующими свойствами:

Без ИИ	С ИИ
Компьютерная программа без ИИ может отвечать только на конкретные вопросы на которые он запрограммирован отвечать	Может отвечать на универсальные вопросы, на которые он запрограммирован.
Внесение изменений в программу приводит к изменению его структуры	Программа с ИИ может поглощать новые модификации, сортируя весьма независимые фрагменты информации воедино. Следовательно, вы можете изменять кусочки информации из программы не затрагивая структуру самой программы
Модификация не является быстрым и легким.	Модификация быстрая и легкая

Приложения с ИИ

ИИ стал доминирующим в различных областях, таких как:

Игры — ИИ играет решающую роль в играх связанных с стратегией таких как, шахматы, покер, крестики — нолики и т.д., где компьютер способен просчитывать большое количество всевозможных решений, основанных на эвристических знаниях.
Обработка естественного языка — это возможность общаться с компьютером, который понимает естественный язык, на котором говорят люди.
Распознавание речи — некоторые интеллектуальные системы способны слышать и понимать язык, на котором человек общается с ними. Они могут обрабатывать различные акценты, сленги и т.д.
Распознавание рукописного текста — программное обеспечение читает текст, написанный на бумаге с помощью ручки или на экране с помощью стилуса. Он может распознавать формы букв и преобразовать его в редактируемый текст.
Умные робот — роботы способные выполнять задачи, поставленные человеком. Они имеют датчики, для обнаружения физических данных из реального мира, такие как свет, тепло, движение, звук, удар и давление. Они имеют высоко производительные процессоры, несколько датчиков и огромную память. Кроме того они способны обучаться на собственных ошибках и адаптироваться к новой среде.

История развития ИИ

Вот история развития ИИ в течение 20-го века

Год	Событие
1923	Карел Чапек ставит пьесу в Лондоне под названием «Универсальные роботы», это стало первым использованием слова «робот» на английском.
1943	Основы для нейронных сетей.
1945	Айзек Азимов, выпускник Колумбийского университета, вводит термин робототехника.
1950	Алан Тьюринг разрабатывает тест Тьюринга для оценки интеллекта. Клод Шеннон публикует подробный анализ интеллектуальной шахматной игры.
1956	Джон Маккарти вводит термин искусственный интеллект. Демонстрация первого запуска программы ИИ в университете Карнеги-Меллон.
1958	Джон Маккарти изобретает язык программирования lisp для ИИ.
1964	Диссертация Дэнни Боброва в МТИ показывает, что компьютеры могут понимать естественный язык достаточно хорошо.
1965	Джозеф Weizenbaum в МТИ разрабатывает Элизу, интерактивного помощника, которая ведет диалог на английском языке.
1969	Ученые из Стэнфордского научно-исследовательского института разработали Шеки, робота, оснащенного двигателями, способного воспринимать и решать некоторые задачи.
1973	Группа исследователей в Эдинбургском университете построила Фредди, знаменитого шотландского робота, способного использовать зрение, чтобы найти и собрать модели.
1979	Был построен первый компьютер-контролируемый автономный автомобиль, Стэнфордская тележка.
1985	Гарольд Коэн разработал и продемонстрировал составление программы, Аарон.
1997	Шахматная программа, которая обыгрывает чемпиона мира по шахматам Гарри Каспарова.
2000	Интерактивный роботы питомцы станут коммерчески доступными. МТИ отображает Кисмет, робота с лицом, который выражает эмоции. Робот Номад исследует отдаленные районы Антарктиды и находит метеориты.

искусственные нейронные сети искусственный интеллект

neuronus.com

10 мифов об искусственном интеллекте

Искусственный интеллект – в последнее время одна из наиболее популярных тем в технологическом мире. Такие умы, как Элон Маск, Стивен Хокинг и Стив Возняк всерьез обеспокоены исследованиями в области ИИ и утверждают, что его создание грозит нам смертельной опасностью. В то же время научная фантастика и голливудские фильмы породили множество заблуждений вокруг ИИ. Так ли нам угрожает опасность и какие неточности мы допускаем, представляя уничтожение Земли Skynet, всеобщую безработицу или наоборот достаток и беззаботность? В человеческих мифах об искусственном интеллекте разобралось издание Gizmodo. Приводим полный перевод его статьи.

Это называли важнейшим тестом машинного разума со времен победы Deep Blue над Гарри Каспаровым в шахматном поединке 20-летней давности. Google AlphaGo победил на турнире по Го гроссмейстера Ли Седоля с разгромным счетом 4:1, показав насколько серьезно искусственный интеллект (ИИ) продвинулся вперед. Судьбоносный день, когда машины наконец превзойдут в уме человека, никогда не казался так близко. Но мы, кажется, так и не приблизились к осознанию последствий этого эпохального события.

В действительности, мы цепляемся за серьезные и даже опасные заблуждения об искусственном интеллекте. В прошлом году основатель SpaceX Элон Маск предостерег, что ИИ может захватить мир. Его слова вызвали бурю комментариев, как противников, так и сторонников этого мнения. Как для такого будущего монументального события, есть поразительное количество разногласий относительно того, произойдет ли оно, и, если да, то в какой форме. Это особенно тревожно, если принять во внимание невероятную пользу, которую может получить человечество от ИИ, и возможные риски. В отличие от других изобретений человека, у ИИ есть потенциал изменить человечество или уничтожить нас.

Трудно понять, чему верить. Но благодаря первым работам ученых в области вычислительных наук, нейробиологов, теоретиков в области ИИ, начинает возникать более четкая картина. Вот несколько общих заблуждений и мифов касательно искусственного интеллекта.

Миф №1: “Мы никогда не создадим ИИ с разумом сравнимым с человеческим”

Реальность: У нас уже есть компьютеры, которые сравнялись или превысили человеческие возможности в шахматах, Го, торговле на бирже и разговорах. Компьютеры и алгоритмы, которые ими руководят, могут становиться только лучше. Это лишь вопрос времени, когда они превзойдут человека в любой задаче.

Психолог-исследователь из университета Нью-Йорка Гари Маркус сказал, что “буквально каждый”, кто работает в ИИ, верит, что машины, в конце концов, обойдут нас: “Единственное реальное отличие между энтузиастами и скептиками – это оценки сроков”. Футуристы вроде Рея Курцвейла считают, что это может произойти в течение нескольких десятилетий, другие говорят, что потребуются века.

ИИ-скептики не убедительны, когда говорят, что это нерешаемая технологическая проблема, а в природе биологического мозга есть что-то уникальное. Наши мозги – биологические машины – они существуют в реальном мире и придерживаются основных законов физики. В них нет ничего непознаваемого.

Миф №2: “Искусственный интеллект будет иметь сознание”

Реальность: Большинство представляет, что машинный разум будет обладать сознанием и думать так, как думают люди. Более того, критики вроде сооснователя Microsoft Пола Аллена верят, что мы пока не можем достигнуть общего искусственного интеллекта (способен решить любую умственную задачу, с которой справляется человек), потому что нам не хватает научной теории сознания. Но как говорит специалист по когнитивной робототехнике Имперского колледжа Лондона Мюррей Шанахан, нам нельзя приравнивать эти две концепции.

“Сознание безусловно удивительная и важная вещь, но я не верю, что оно необходимо для искусственного интеллекта человеческого уровня. Если выражаться более точно, мы используем слово “сознание” для обозначения нескольких психологических и когнитивных признаков, которые у человека “идут в комплекте”, – объясняет ученый.

Умную машину, которой не хватает одного или нескольких подобных признаков, можно представить. В конце концов, мы можем создать невероятной умный ИИ, который будет неспособен воспринимать мир субъективно и осознано. Шанахан утверждает, что разум и сознание можно совместить в машине, но мы не должны забывать, что это две разных концепции.

То, что машина проходит тест Тьюринга, в котором она неотличима от человека, не означает наличие у нее сознания. Для нас передовой ИИ может казаться осознанным, но его самосознание будет не большим, чем у камня или калькулятора.

Миф №3: “Нам не стоит бояться ИИ”

Реальность: В январе основатель Facebook Марк Цукерберг заявил, что нам не стоит бояться ИИ, ведь он сделает невероятное количество хороших вещей для мира. Он прав наполовину. Мы извлечем огромную выгоду от ИИ: от беспилотных автомобилей до создания новых лекарств, но нет никаких гарантий, что каждая конкретизации ИИ будет доброкачественной.

Высокоразумная система может знать все о конкретной задаче, вроде решения неприятной финансовой проблемы или взлома системы вражеской обороны. Но вне границ этих специализаций, она будет глубоко невежественна и не сознательна. Система Google DeepMind эксперт в Го, но у нее нет возможностей или причин исследовать сферы вне своей специализации.

Многие из этих систем могут не подчинятся соображениям безопасности. Хороший пример – сложный и мощный вирус Stuxnet, военизированный червь, разработанный военными Израиля и США для проникновения и диверсии работы иранских атомных станций. Это вирус каким-то образом (специально или случайно) заразил российскую атомную станцию.

Еще один пример, программа Flame, использованная для кибершпионажа на Ближнем Востоке. Легко представить будущие версии Stuxnet или Flame, который выходят за пределы своих целей и наносят огромный вред чувствительной инфраструктуре. (Для понимания, эти вирусы не являются ИИ, но в будущем они могут его иметь, откуда и беспокойство).

Вирус Flame использовался для кибершпионажа на Ближнем Востоке. Фото: Wired

Миф №4: “Искусственный суперинтеллект будет слишком умен, чтобы совершать ошибки”

Реальность: Исследователь ИИ и основатель Surfing Samurai Robots Ричард Лусимор считает, что большинство сценариев судного дня, связанного с ИИ, непоследовательны. Они всегда построены на предположении, что ИИ говорит: “Я знаю, что уничтожение человечества вызвано сбоем в моей конструкции, но я все равно вынужден это сделать”. Лусимор говорит, что если ИИ будет вести себя так, рассуждая о нашем уничтожении, то такие логические противоречия будут преследовать его всю жизнь. Это, в свою очередь, ухудшает его базу знаний и делает его слишком глупым для создания опасной ситуации. Ученый также утверждает, что люди, говорящие: “ИИ может делать только то, на что его запрограммировали”, заблуждаются также, как и их коллеги на заре компьютерной эры. Тогда люди использовали эту фразу утверждая, что компьютеры не способны продемонстрировать ни малейшей гибкости.

Питер Макинтайр и Стюарт Армстронг, которые работают в Институте будущего человечества при Оксфордском университете, не соглашаются с Лусимором. Они утверждают, что ИИ в значительной мере связан тем, как его запрограммировали. Макинтайр и Армстронг верят, что ИИ не сможет совершать ошибок или быть слишком тупым, чтобы не знать, чего мы от него ожидаем.

“По определению, искусственный суперинтеллект (ИСИ) – субъект, с разумом значительно большим, чем обладает лучший человеческий мозг в любой области знаний. Он будет точно знать, что мы хотели, чтобы он сделал”, – утверждает Макинтайр. Оба ученых верят, что ИИ будет делать лишь то, на что запрограммирован. Но если он станет достаточно умен, он поймет, как это отличается от духа закона или намерений людей.

Макинтайр сравнил будущую ситуацию людей и ИИ с теперешним взаимодействием человека и мыши. Цель мыши – искать еду и убежище. Но она часто конфликтует с желанием человека, который хочет, чтобы его зверек бегал вокруг него свободно. “Мы достаточно умны, чтобы понимать некоторые цели мышей. Так что ИСИ будет также понимать наши желания, но быть к ним безразличным”, – говорит ученый.

Как показывает сюжет фильма Ex Machina человеку будет крайне сложно удерживать более умный ИИ

Миф №5: “Простая заплатка решит проблему контроля ИИ”

Реальность: Создав искусственный интеллект умнее человека, мы столкнемся с проблемой известной как “проблема контроля”. Футуристы и теоретики ИИ впадают в состояние полной растерянности, если их спросить, как мы будем содержать и ограничивать ИСИ, если такой появится. Или как убедиться, что он будет дружественно настроен в отношении людей. Недавно исследователи из Института технологий Джорджии наивно предположили, что ИИ может перенять человеческие ценности и социальные правила, читая простые истории. На деле, это будет куда более сложно.

“Предлагалось множество простых трюков, которые могут “решить” всю проблему контроля ИИ”, – говорит Армстронг. Примеры включали программирование ИСИ так, чтобы его целью было угождать людям, или, чтобы он просто функционировал как инструмент в руках человека. Еще вариант – интегрировать концепции любви или уважения в исходный код. Чтобы предотвратить ИИ от принятия упрощенного, однобокого взгляда на мир, предлагалось запрограммировать его ценить интеллектуальное, культурное и социальное разнообразие.

Но эти решения слишком просты, как попытка втиснуть всю сложность человеческих симпатий и антипатий в одно поверхностное определение. Попробуйте, к примеру, вывести четкое, логичное и выполнимое определение “уважения”. Это крайне сложно.

Машины в “Матрице” могли без проблем уничтожить человечество

Миф №6: “Искусственный интеллект нас уничтожит”

Реальность: Нет никакой гарантии, что ИИ нас уничтожит, или, что мы не сможем найти возможности контролировать его. Как сказал теоретик ИИ Элизер Юдковски: “ИИ ни любит, ни ненавидит вас, но вы сделаны из атомов, которые он может использовать для других целей”.

В своей книге “Искусственный интеллект. Этапы. Угрозы. Стратегии” оксфордский философ Ник Бостром написал, что настоящий искусственный суперинтеллект, после его появления, создаст риск больший, чем любые другие человеческие изобретения. Выдающиеся умы вроде Элона Маска, Билла Гейтса и Стивена Хокинга (последний предупредил, что ИИ может быть нашей “худшей ошибкой в истории”) также выразили обеспокоенность.

Макинтайр сказал, что в большинстве целей, которыми может руководствоваться ИСИ, есть веские причины избавиться от людей.

“ИИ может спрогнозировать, достаточно правильно, что мы не хотим, чтобы он максимизировал прибыль конкретной компании, чего бы это ни стоило клиентам, окружающей среде и животным. Поэтому у него есть сильный стимул, чтобы позаботится о том, что его не прервут, не помешают, выключат или не изменят его целей, поскольку из-за этого изначальные цели не будут выполнены”, – утверждает Макинтайр.

Если только цели ИСИ не будут точно отображать наши собственные, то у него будут достойные поводы не дать нам возможности остановить его. Учитывая, что уровень его интеллекта значительно превосходит наш, мы с этим ничего не сможем поделать.

Никто не знает, какую форму обретет ИИ и как он может угрожать человечеству. Как отметил Маск, искусственный интеллект может использоваться для контроля, регулирования и мониторинга другого ИИ. Или он может быть пропитан человеческими ценностями или преобладающим желанием быть дружественным к людям.

Миф №7: “Искусственный суперинтеллект будет дружелюбным”

Реальность: Философ Иммануил Кант верил, что разум сильно коррелирует с моральностью. Нейробиолог Давид Чалмерс в своем исследовании “Сингулярность: Философский анализ” взял известную идею Канта и применил ее к возникшему искусственному суперинтеллекту.

Если это верно… мы можем ожидать, что интеллектуальный взрыв приведет к взрыву моральности. Затем мы можем ожидать, что появившиеся ИСИ системы будут суперморальны также, как и суперинтеллектуальны, что позволит нам ожидать от них доброкачественности.

Но идея того, что развитый ИИ будет просветленным и добрым, по своей сути, не очень правдоподобна. Как отметил Армстронг, есть много умных военных преступников. Не похоже, что связь между разумом и моральностью существует среди людей, поэтому он поддает сомнению работу этого принципа среди других умных форм.

“Умные люди, ведущие себя аморально, могут вызывать боль гораздо больших масштабов, чем их более глупые коллеги. Разумность просто дает им возможность быть плохими с большим умом, она не превращает их в добряков”, – утверждает Армстронг.

Как объяснил Макинтайр, возможность субъекта достичь цели не относиться к тому, будет эти цель разумной для начала. “Нам очень сильно повезет, если наши ИИ будут уникально одаренными и уровень их моральности будет расти вместе с разумом. Надеяться на удачу – не лучший подход для того, что может определить наше будущее”, – говорит он.

Миф №8: “Риски ИИ и робототехники равнозначны”

Реальность: Это особенно частая ошибка, насаждаемая некритичными СМИ и голливудскими фильмами вроде “Терминатора”.

Если бы искусственный суперинтеллект вроде Skynet действительно захотел бы уничтожить человечество, он был не использовал андроидов с шестиствольными пулеметами. Гораздо эффективнее было бы наслать биологическую чуму или нанотехнологическую серую слизь. Или просто уничтожить атмосферу.

Искусственный интеллект потенциально опасен не тем, что он может повлиять на развитие роботетехники, а тем, как его появление повлияет на мир в принципе.

Миф №9: “Изображение ИИ в научной фантастике – точное отображение будущего”

Множество видов разумов. Изображение: Элизер Юдковски

Конечно, авторы и футуристы использовали научную фантастику, чтобы делать фантастические прогнозы, но горизонт событий, который устанавливает ИСИ, это совсем другая опера. Более того, нечеловеческая природа ИИ делает для нас невозможным знание, а значит и предсказание, его природы и формы.

Чтобы развлекать нас, глупых людишек, в научной фантастике большинство ИИ изображены похожими на нас. “Существует спектр всех возможных разумов. Даже среди людей, вы достаточно отличаетесь от своего соседа, но эта вариация ничто, в сравнении со всеми разумами, которые могут существовать”, – говорит Макинтайр.

Большинство научно-фантастических произведений, чтобы рассказать убедительную историю, не должны быть научно точны. Конфликт обычно разворачивается между близкими по силе героями. “Представьте, насколько бы скучной была история, где ИИ без сознания, радости или ненависти, покончил бы с человечеством без всякого сопротивления, чтобы добиться неинтересной цели”, – зевая, повествует Армстронг.

На заводе Tesla трудятся сотни роботов

Миф №10: “Это ужасно, что ИИ заберет всю нашу работу”

Реальность: Возможность ИИ автоматизировать многое, из того, что мы делаем, и его потенциал уничтожить человечество, две совсем разные вещи. Но согласно Мартину Форду, автору “На заре роботов: Технологии и угроза безработного будущего”, их часто рассматривают как целое. Хорошо думать об отдаленном будущем применения ИИ, но только если оно не отвлекает нас от проблем, с которыми нам придется столкнуться в ближайшие десятилетия. Главная среди них – массовая автоматизация.

Никто не ставит под сомнение, что искусственный интеллект заменит множество существующих профессий, от работника фабрики до высших эшелонов белых воротничков. Некоторые эксперты предсказывают, что половине всех рабочих мест США угрожает автоматизация в ближайшем будущем.

Но это не означает, что мы не сможем справиться с потрясением. Вообще, избавление от большей части нашей работы, как физической так и ментальной, – квази-утопическая цель нашего вида.

“В течении пары десятилетий ИИ уничтожит множество профессий, но это неплохо”, – говорит Миллер. Беспилотные автомобили заменят водителей грузовиков, что сократит стоимость доставки и, как следствие, сделает многие продукты дешевле. “Если вы водитель грузовика и зарабатываете этим на жизнь – вы потеряете, но все другие наоборот смогут покупать больше товаров на ту же зарплату. А деньги, которые они отложат, будут потрачены на другие товары и услуги, которые создадут новые рабочие места для людей”, – утверждает Миллер.

По всей вероятности, искусственный интеллект будет создавать новые возможности производства блага, освободив людей для занятия другими вещами. Успехи в развитии ИИ будут сопровождаться успехами в других областях, особенно в производстве. В будущем, нам станет легче, а не сложнее, удовлетворять наши основные потребности.

hr-portal.ru

Искусственный интеллект - Технологии, меняющие мир

«Он обещает решить некоторые из самых сложных проблем человечества. Его поддерживают [основатель Amazon] Джефф Безос, NASA и ЦРУ. Каждый его экземпляр стоит $10 млн и функционирует при температуре -273°С. Никто не знает, как именно он работает», – таким тизером в феврале 2014 года журнал Time описал неожиданного героя своей обложки – квантовый компьютер D-Wave Two. Лестные слова все же были авансом: разработка американской компании D-Wave, среди партнеров которой – действительно сплошь лидеры технологической индустрии, стала важным, но не решающим шагом на пути к изобретению по-настоящему революционного устройства.

Квантовый компьютер – машина, которая объединит в себе достижения компьютерной науки и квантовой физики – самого сложного раздела современной науки, изучающего элементарные частицы меньше атома. Физика этих частиц зачастую вступает в коллизию с накопленным академическим знанием (например, противоречит теории относительности Альберта Эйнштейна). Квантовая частица может одновременно находиться в разных местах и в разных состояниях. Этот взаимоисключающий с точки зрения логики принцип называется принципом суперпозиции.

Именно принцип суперпозиции должен лечь в основу полноценного квантового компьютера. В отличие от обычного компьютера, который анализирует информацию через бинарный код (все данные описываются как 0 или 1), устройство работает не с битами, а с кубитами (quantum bit –квантовый бит), способными одновременно быть в позиции 0 и 1. Квантовый компьютер благодаря этой технологии обрабатывает данные многократно быстрее обычного аналога, а также открывает человечеству путь к решению задач, сегодня попросту недоступных.

Умение обрабатывать большие массивы данных и огромная скорость – свойства, которые могут помочь государствам и бизнесу решить множество проблем. Квантовые компьютеры – это машины, так необходимые в наступающую эпоху больших данных. Любую задачу – например, как человеку попасть из пункта A в пункт B, – обычный компьютер будет решать, по очереди анализируя все доступные варианты. Квантовый же компьютер проанализирует все маршруты одновременно и в разы быстрее предложит оптимальное решение.

Применение квантового компьютера должно помочь совершить прорыв в самых разных областях, например, в прогнозировании метеоусловий (выстраивание точных климатических моделей позволит, к примеру, усовершенствовать работу автопилотов в авиации) и разработке новых лекарств (через перебор триллионов сочетаний молекул и обнаружение эффективных препаратов для борьбы с раком, например). То же относится и к изобретению настоящего искусственного интеллекта: на квантовые компьютеры, которые постоянно самосовершенствуются через алгоритмы машинного обучения, разработчики искусственного интеллекта возлагают большие надежды.

Сегодня созданием квантовых компьютеров занимаются команды, способные привлечь масштабные инвестиции в подобные проекты от государств и технологических корпораций. Например, из документов, опубликованных Эдвардом Сноуденом, следовало, что Агентство национальной безопасности США вложило около $80 млн в разработку квантового компьютера в расчете на создание новых механизмов шифрования.

D-Wave Systems поддерживают Google, NASA и другие компании и ведомства, но кроме ее проектов выделяются и разработки IBM и Microsoft.

100млнВ ТАКОЕ КОЛИЧЕСТВО РАЗ БЫСТРОДЕЙСТВИЕ КОМПЬЮТЕРА D-WAVE В НЕКОТОРЫХ АЛГОРИТМАХ ПРЕВОСХОДИТ ХАРАКТЕРИСТИКИ ОБЫЧНЫХ АНАЛОГОВ

D-Wave, приписывающая себе изобретение «первого коммерческого» квантового процессора, в сентябре 2016 года представила новое устройство, с чипом на рекордные 2 тыс. кубитов. Несколькими месяцами ранее концерн Lockheed Martin до 1,1 тыс. кубитов нарастил производительность собственного Центра квантовых вычислений (ЦКВ), построенного также на базе разработки D-Wave. При этом не все кубиты используются устройством в вычислительных процессах – по аналогии c оперативной памятью, которая не полностью используется на обычных компьютерах или смартфонах: тот же Lockheed Martin признал, что из 1152 кубитов квантовые задачи решают 1098. Процессоры D-Wave не являются универсальными квантовыми машинами, а производят квантовые вычисления на основе информации, загруженной в них исследователями. То есть пока D-Wave может решать только узкий список типовых задач. Эксперты Google тем не менее отмечали, что в отдельных алгоритмах быстродействие компьютера D-Wave в 100 млн раз превосходит характеристики обычных аналогов.

IBM в мае 2016 года представила облачный сервис для квантовых вычислений IBM Quantum Experience. По сравнению с цифрами D-Wave мощность системы меньше – всего 5 кубитов, но IBM называет прорывом именно свою разработку: к сервису уже могут подключаться исследователи по всему миру. Для примера компания продемонстрировала умение своего компьютера работать с алгоритмом Гровера: если обычному устройству требуется от одной до четырех попыток для обнаружения в колоде из четырех карт нужной, то квантовому – достаточно одной попытки.

Microsoft с середины 2000-х вкладывала в исследования квантовых вычислений и в ноябре 2016-го объявила о создании подразделения по разработке инновационного компьютера. По данным газеты The New York Times, Microsoft готова потратить на разработку десятки миллионов долларов и пошатнуть позиции D-Wave на формирующемся рынке.

По оценке аналитической компании Market Research Media, к 2020 году объем рынка вырастет до $5 млрд, а после за счет развития технологии может произойти резкий скачок, который поставит на грань исчезновения классическую компьютерную отрасль.

При этом многие эксперты сохраняют скепсис в отношении перспектив квантовых компьютеров. Универсальной машины, которая бы благодаря недосягаемой прежде мощности пришла на смену сегодняшним персональным компьютерам, ни одна из компаний пока не представила, что признают и сами разработчики. В какой момент у человечества накопится объем знаний, чтобы создать полноценное революционное устройство, никто не знает: та же Google отмечала, что совместные разработки с D-Wave находятся на «самых ранних стадиях». Также важно избегать ошибок в квантовых вычислениях из-за воздействия окружающей среды – процесс их исправления гораздо сложнее, чем в классических вычислениях. На устранение таких просчетов в будущем может уходить до 99 % мощности квантовых процессоров, но и оставшегося процента хватит для революции в технологиях, констатировал в интервью журналу Wired профессор Йеля Роб Шолькопф.

50%ДО ТАКОГО ПРОЦЕНТА ВЫРАСТЕТ К 2031 ГОДУ ВЕРОЯТНОСТЬ ВЗЛОМА ХАКЕРАМИ ОСНОВНЫХ СРЕДСТВ ШИФРОВАНИЯ, ПРИМЕНЯЕМЫХ СЕГОДНЯ

Наконец, у технологии есть и риски, связанные с кибербезопасностью. Как прогнозировал в колонке для Global Risk Institute сооснователь Института квантовых вычислений при Университете Уотерлу Майкл Моска, вероятность взлома хакерами основных средств шифрования, применяемых сегодня, вырастет до 1 шанса из 7 к 2026 году и до 50 % к 2031 году.

Современные системы обычно шифруют все данные с помощью секретного ключа и симметричного алгоритма, по этому принципу устроены сертификаты веб-сайтов, цифровые подписи приложений и зашифрованный обмен информацией в интернет-банках, мессенджерах и т. д. Ключ одинаков у отправителя и получателя (отсюда название «симметричный»), он устанавливается в начале сессии при помощи второй, асимметричной криптосистемы. Асимметричный алгоритм – вычислительно сложная задача, поэтому его используют только для передачи секретного ключа. Даже если шпион или хакер сможет перехватить сообщение с асимметричным алгоритмом, на его расшифровку с современными вычислительными мощностями уйдет от десятков до миллионов лет в зависимости от длины ключа. Квантовому же компьютеру на такую расшифровку потребуется примерно столько же времени, сколько обычному – на шифрование. А расшифровав асимметричный алгоритм, злоумышленник без проблем может получить доступ к основному обмену сообщениями.

Этот риск в перспективе может подтолкнуть государства к тому, чтобы зарегулировать индустрию, ограничить неподконтрольное властям развитие технологии, отмечал в интервью BBC управляющий директор аналитической компании Guggenheim Partners Маркос Лопез де Прадо.

kaspersky.vedomosti.ru

Что такое искусственный интеллект?

Искусственный интеллект можно определить как научную дисциплину, которая занимается моделированием разумного поведения. Это определение имеет один существенный недостаток – понятие интеллекта трудно объяснить. Большинство людей уверено, что смогут отличить «разумное поведение», когда с ним столкнутся. Однако вряд ли кто-нибудь сможет дать интеллекту определение, достаточно конкретное для оценки предположительно разумной компьютерной программы и одновременно отражающее жизнеспособность и сложность человеческого разума.

Итак, проблема определения искусственного интеллекта сводится к проблеме определения интеллекта вообще: является ли он чем-то единым, или же этот термин объединяет набор разрозненных способностей? В какой мере интеллект можно создать? Что такое творчество? Что такое интуиция? Можно ли судить о наличии интеллекта только по наблюдаемому поведению? Как представляются знания в нервных тканях живых существ, и как можно применить это в проектировании интеллектуальных устройств? Возможно ли вообще достичь разумности посредством компьютерной техники, или же сущность интеллекта требует богатства чувств и опыта, присущего лишь биологическим существам?

На эти вопросы ответа пока не найдено, но все они помогли сформировать задачи и методологию, составляющие основу современного искусственного интеллекта. Отчасти привлекательность искусственного интеллекта в том и состоит, что он является оригинальным и мощным оружием для исследования этих проблем. Искусственный интеллект предоставляет средство и испытательную модель для теорий интеллекта: эти теории могут быть сформулированы на языке компьютерных программ, а затем – испытаны.

По этим причинам определение искусственного интеллекта, приведенное в начале статьи, не дает однозначной характеристики для этой области науки. Оно лишь ставит новые вопросы и открывает парадоксы в области, одной из главных задач которой является поиск самоопределения. Однако проблема поиска точного определения искусственного интеллекта вполне объяснима. Изучение искусственного интеллекта – еще молодая дисциплина, и ее структура, круг вопросов и методики не так четко определены, как в более зрелых науках, например, физике.

Искусственный интеллект призван расширить возможности компьютерных наук, а не определить их границы. Одной из важных задач, стоящих перед исследователями, является поддержание этих усилий ясными теоретическими принципами.

Любая наука, включая и искусственный интеллект, рассматривает некоторый круг проблем и разрабатывает подходы к их решению. История искусственного интеллекта, рассказы о личностях и их гипотезах, положенных в основу этой науки, возможно, сможет объяснить, почему некоторые проблемы стали доминировать в этой области и почему для их решения были взяты на вооружение методы, используемые сегодня.

www.aiportal.ru

Искусственный интеллект | Наука | FANDOM powered by Wikia

https://ru.wikipedia.org/wiki/%D0%98%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82

Иску́сственный интелле́кт (англ. Artificial intelligence (AI))— раздел информатики, изучающий возможность обеспечения разумных рассуждений и действий с помощью вычислительных систем и иных искусственных устройств. При этом в большинстве случаев заранее неизвестен алгоритм решения задачи.

Файл:HONDA ASIMO.jpg

Теорией явно не определено, что именно считать необходимыми и достаточными условиями достижения интеллектуальности. Хотя на этот счёт существует ряд гипотез, например, гипотеза Ньюэлла-Саймона. Обычно к реализации интеллектуальных систем подходят именно с точки зрения моделирования человеческой интеллектуальности. Таким образом, в рамках искусственного интеллекта различают два основных направления:

символьное (семиотическое, нисходящее) основано на моделировании высокоуровневых процессов мышления человека, на представлении и использовании знаний;
нейрокибернетическое (нейросетевое, восходящее) основано на моделировании отдельных низкоуровневых структур мозга (нейронов).

Таким образом, сверхзадачей искусственного интеллекта является построение компьютерной интеллектуальной системы, которая обладала бы уровнем эффективности решений неформализованных задач, сравнимым с человеческим или превосходящим его. В качестве критерия и конструктивного определения интеллектуальности предложен мысленный эксперимент, известный как тест Тьюринга. В современной постановке можно рассматривать эту задачу как задачу приближения сингулярности в её сверхинтеллектуальном понимании.

На данный момент не существует систем искусственного интеллекта, однозначно отвечающих основным задачам, обозначенным выше. Успехи в исследовании аналоговых и обратимых вычислений позволят совершить большой шаг вперёд в построении систем искусственного интеллекта.

Наиболее часто используемые при построении систем искусственного интеллекта парадигмы программирования — функциональное программирование и логическое программирование. От традиционных структурного и объектно-ориентированного подходов к разработке программной логики они отличаются нелинейным выводом решений и низкоуровневыми средствами поддержки анализа и синтеза структур данных.

Можно выделить две научные школы с разными подходами к проблеме ИИ: Конвенционный ИИ и Вычислительный ИИ. В конвенционном ИИ главным образом используются методы машинного самообучения, основанные на формализме и статистическом анализе. Методы конвенционного ИИ:

Экспертные системы: программы, которые действуя по определенным правилам, обрабатывают большое количество информации, и в результате выдают заключение на её основе.
Рассуждение на основе аналогичных случаев (Case-based reasoning).
Байесовские сети.
Поведенческий подход: модульный метод построения систем ИИ, при котором система разбивается на несколько сравнительно автономных программ поведения, которые запускаются в зависимости от изменений внешней среды.

Вычислительный ИИ подразумевает итеративную разработку и обучение (например, подбор параметров в сети связности). Обучение основано на эмпирических данных и ассоциируется с не-символьным ИИ и мягкими вычислениями. Основные методы:

В рамках гибридных интеллектуальных систем пытаются объединить два этих направления. Экспертные правила умозаключений могут генерироваться нейронными сетями, а порождающие правила получают с помощью статистического обучения.

Многообещающий новый подход, называемый усиление интеллекта, рассматривает достижение ИИ в процессе эволюционной разработки как побочный эффект усиления человеческого интеллекта технологиями.

В начале XVII века Рене Декарт предположил, что животное — некий сложный механизм, тем самым сформулировав механистическую теорию. В 1623 г. Wilhelm Schickard построил первую механическую цифровую вычислительную машину, за которой последовали машины Блеза Паскаля (1643) и Лейбница (1671). Лейбниц придумал также двоичную систему счисления. В XIX веке Чарльз Бэббидж и Ада Лавлейс работали над программируемой механической вычислительной машиной.

В 1910—13 гг. Бертран Рассел и Alfred North Whitehead опубликовали работу «Принципы математики», которая произвела революцию в формальной логике. В 1931 г. Курт Гедель показал, что достаточно сложная формальная система содержит утверждения, которые тем не менее нельзя ни доказать ни опровергнуть в рамках этой системы. Таким образом система ИИ, которая устанавливает истинность всех утверждений, выводя их из аксиом, не может доказать эти утверждения. Так как люди могут «увидеть» истинность таких утверждений, ИИ стал рассматриваться как нечто второстепенное. В 1941 Конрад Цузе построил первый работающий программно-контроллируемый компьютер. Уоррен Маккалок и Walter Pitts в 1943 опубликовали A Logical Calculus of the Ideas Immanent in Nervous Activity, который заложил основы нейронных сетей. …

Современное положение дел Править

Некоторые из самых впечатляющих гражданских ИИ систем:

Deep Blue — победил чемпиона мира по шахматам.
Mycin — одна из ранних экспертных систем, которая могла диагностировать небольшой набор заболеваний, причем часто так же точно как и доктора.
20q — проект, основанный на идеях ИИ, по мотивам классической игры «20 вопросов». Стал сильно популярен после появления в интернете на сайте 20q.net.
Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей.
Роботы в ежегодном турнире RoboCup соревнуются в упрощенной форме футбола.

Банки применяют системы искусственного интеллекта (СИИ) при игре на бирже и управлении собственностью. В августе 2001 года роботы выиграли у людей в импровизированном соревновании по трейдингу (BBC News, 2001). Нейронные сети широко используют при распознавании текста и речи, медицинской диагностике, спам-фильтрах, а также для обеспечения национальной безопасности.

ИИ в литературе Править

В научно-фантастической литературе ИИ чаще всего изображается как сила, которая пытается свергнуть власть человека (HAL 9000, Skynet, Colossus и Матрица) или обслуживающий гуманоид (C-3PO, Data, KITT и KARR, Двухсотлетний человек). Неизбежность доминирования над миром ИИ, вышедшего из под контроля, оспаривается такими фантастами как Айзек Азимов и Kevin Warwick.

Некоторые научные фантасты, например Вернор Виндж, также размышляли над последствиями появления ИИ, которое по-видимому вызовет резкие драматические изменения в обществе. Такой период называют технологической сингулярностью.

В программе реализован абстрактный математический нейрон на языке С\С++.

http://utasoft.ru/the-rosenblatt-perceptron.html

Основные области, в которых применяются методы ИИ:

ru.science.wikia.com

Новости искусственного интеллекта

Искусственный интеллект подразумевает собой искуственно созданную машину, умеющую решать задачи с возможностью дальнейшего самообучения. Впервые это словосочетание было использовано Джоном Маккарти в 1956 году, несмотря на то, что вопросы о разумных машинах поднимались и ранее. Например в 1950 году один из пионеров в области вычислительной техники ученый Алан Тьюринг написал статью «Может ли машина мыслить?», в которой описал процедуру, определяющую разумность машины. В дальнейшем эта процедура получила название теста Тьюринга.

Уже ни первое десятилетие ученые пытаются идентифицировать хотя бы один сигнал, посланный представителями иных цивилизаций. Трудность заключается в высоком уровне шумов, практически полностью забивающих сигналы из космоса. И тут на помощь ученым пришел искусственный интеллект.

Исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института опубликовали описание новой технологии компьютерного зрения. Детально ее представят на конференции по обучению роботов в Цюрихе, в октябре. Но уже сегодня понятно, что это прорыв – такого робота не…

Подделка голоса или монтаж видео с участниками, которых не было в кадре, де-факто прошлый век. В Университете Беркли представили пилотную технологию, которая может заставить любого человека станцевать произвольный танец. На мониторе компьютера, разумеется, указав модели персонажа выполнять различные сложные движения.

В новостных программах для сокрытия личности некоторых людей применяют простейшие технологии – пикселизацию изображения и искажение голоса. Это позволяет передать суть того, а чем говорит субъект, но не его персональные эмоции относительно предмета беседы. А они порой бывают не менее важны, поэтому в Университете…

Несколько лет назад компании-гиганты IT всерьез увлеклись разработкой чатботов с псевдоинтеллектом, так как это сулило массу преимуществ. Из тех, что лежат на поверхности: сокращение персонала из живых людей для обслуживания клиентов, улучшение качества услуг, новые маркетинговые схемы. На практике же получили падение…

В первых числах августа в Сиэтле пройдет выставка, на которой будут показаны картины победителей конкурсов RobotArt за последние три года. Их отличает общий признак – все эти рисунки созданы роботами. Не без участия человека, но именно машина, искусственный интеллект, смешала краски и нанесла их на холст. И в ряде…

Компания Babylon представила на заседании британского Королевского медицинского колледжа свою новую разработку — чатбот с искусственным интеллектом, который способен применять методику сбору анамнеза и делать прогнозы относительно состояния и заболеваний пациента. Babylon настаивает на проведении официального…

Еще в январе текущего года власти префектуры Канагава объявили о планах первыми в стране внедрить систему прогнозирования преступлений. С тем, чтобы к Олимпиаде 2020 в Токио уже развернуть экспериментальную сеть сбора и обработки данных во всем регионе. Теперь у концепции есть идейный лидер, аналитик Мами Каджита, и…

Компания IBM начала разработку искусственного интеллекта для дебатов в 2014-ом, как отдельную ветвь развития «машинного мышления», в противовес системам с точным расчетом. Компьютер Deep Blue, который в 1997-ом победил Гарри Каспарова в игре в шахматы, действовал в строгом поле правил. AlphaGo победил в условиях игры…

Система распознавания движущихся объектов за препятствиями посредством Wi-Fi-эхолокации появилась не вчера, но теперь ее обслуживание поручили нейронной сети. С новыми алгоритмами все преобразилось – возникла технология, которую назвали RF-Pose. Она не «видит» человека за препятствием, но может распознать, кто это, и…

В Массачусетском Технологическом Институте поселился «Норман» – новый искусственный интеллект, которого назвали в честь персонажа из культового фильма «Психо» Хичкока 1960 года. Этот ИИ с самого начала целенаправленно обучали распознавать сцены насилия, смертей, убийства и страдания людей, включая и варианты в…

Благодаря машинному обучению с использованием ИИ, автоматическое наблюдение становится все более эффективным. Проект британских и индийских ученых продемонстрировал новые возможности этой технологии — в частности, он позволяет выявлять в толпе агрессивно настроенных лиц с помощью беспилотников.

Вопрос конфиденциальности данных является тонким, и людям всегда будут нужны инструменты для защиты личных сведений. Этим озаботились инженеры-программисты из Университета Торонто, которые разработали специальный фильтр для персональных фотографий. Теперь вы можете распространять свои снимки в Интернет свободно, ни…

Специалисты в области IT-технологий из Токийского университета разработали интересное приложение на основе искусственного интеллекта, обладающее отменным чувством гармонии и вкуса – Imaginary Soundscape. Его основное предназначение – подбирать загруженному изображению подходящее звуковое сопровождение.

Исследователи из Вашингтонского университета надели на голову аляскинского маламута видеокамеру GoPro, а на лапы и хвост – датчики положения в пространстве. В такой экипировке собака приняла участие в записи 380 коротких клипов с демонстрацией поведения животного в различных ситуациях. Эти данные легли в основу…

Сейчас уже вполне очевидно, что искусственный интеллект становится все более доступным, поэтому появление «конструктора» с элементами ИИ было вопросом времени. Одно из первых предложений поступило от интернет-гиганта Google.

С появлением цифровых технологий труд художника-аниматора не стал сильно проще. В индустрии по-прежнему сохраняется необходимость передать рутинной прорисовки компьютеру, для чего был создан экспериментальный искусственный интеллект «Craft». В пробной работе ему поручили нарисовать несколько эпизодов для мультсериала…

Новая разработка американского IT-гиганта Google выглядит как технология двойного назначения. С одной стороны это находка для шпиона, который сможет выявить и подслушать говорящего на расстоянии, даже если тот прячется в толпе людей. С другой – прорыв в анализе голосовых данных поможет многочисленным инвалидам по…

Как сообщает агентство Bloomberg, за последние месяцы китайская компания SenceTime разбогатела на 600 миллионов долларов, помогая правительству… следить за собственными гражданами.

В 2015 году знаменитый прототип искусственного интеллекта «DeepMind» обучили проходить некоторые стародавние компьютерные игры, например, для платформы Atari. Для IT-специалиста Магнуса Нордина это стало поворотным событием в карьере. И когда он попал на работу в подразделение Search for Extraordinary Experiences…

На днях в американские СМИ просочилась инсайдерская информация из офиса мэра города Новый Орлеан. Некий сотрудник из пресс-службы, который уходит на пенсию, сообщил журналистам, что городские власти не станут продлевать контракт с проектом «Палантир». Изюминка в том, что о его существовании доселе никто толком не…

Новый бесплатный сервис Otter наверняка заинтересует тех, кому по роду своей работы приходится записывать разговорную речь и затем преобразовывать ее в печатный текст. Он был представлен на Mobile World Congress 2018.

По мере того, как разные версии искусственного интеллекта будут входить в нашу жизнь, обладателям важных профессий придется с ними конкурировать. Пока – в форме ни к чему не обязывающих соревнований. Для проверки эффективности работы юридической платформы LawGeex вызов бросили действующим профессорам права из…

Компания Baidu, которую иногда именуют «китайским Гуглом», анонсировала запуск нейронной сети, которая лучше и быстрее всех аналогов имитирует человеческий голос. Она изучает исходное звучание голоса и «клонирует» его, при необходимости добавляя нужные оттенки и акценты. Ключевая особенность новинки – быстрота анализа…

Airbus совместно с IBM приступили к разработке искусственного интеллекта на базе технологии IBM — Watson для экипажа МКС. Проект получил название CIMON (Crew Interactive Mobile Companion). По словам главы службы безопасности Airbus Манфреда Яумана, CIMON станет первым ИИ, специально разработанным для МКС.

«Я себе это представляю, но как словами описать – не знаю». Знакомая ситуация? Ученые из университета Торонто полагают, что нашли путь к решению этой задачи, а заодно и множества других. Они разработали систему, которая очень точно распознает активность мозга, связанную с ментальной обработкой конкретных объектов.

На недавнем собрании Ассоциации развития искусственного интеллекта (Association for the Advancement of Artificial Intelligence) ученый Одд Эрик Гундерсен представил доклад, суть которого – отрасль загоняет себя в опасный тупик. Оказывается, большинство существующих ИИ не поддерживают фундаментальный принцип репликации…

Искусственный интеллект завоевывает все новые территории, и его очередным «плацдармом» стала музыка. Один из мировых лидеров в производстве музыкальных инструментов компания YAMAHA представила новую версию ИИ, который трансформирует движения известного танцора Кайджи Мориямы в звуки фортепьяно, что было…

Компания Ford подала патентную заявку на робота нового типа. Это автономное транспортное средство, предназначенное для эксплуатации на дорогах общего пользования. Там оно будет отслеживать и наказывать, по мере своих возможностей, всевозможных нарушителей – за их распознавание отвечает специальный полицейский ИИ.

В текущем, 2018 году, на МКС отправится очередной астронавт Александр Герст, одной из обязанностей которого станет тестирование интеллектуального бота-помощника в условиях реальной работы в космосе. Эта система выросла из прототипа ИИ, который в Европейском космическом агентстве начали создавать 15 лет назад. А теперь…

Разработчики из компании Botnick Studios опубликовали в Интернете книгу, целиком написанную искусственным интеллектом. Она называется «The Handsome One» (Красавчик) и является переложением неофициальной 8-й книги из саги о Гарри Поттере — «Гарри Поттер и портрет того, что выглядело как большая куча пепла».

Альбом «Coditany of Timeness» является совместным проектом музыкантов CJ Carr и Зака Зуковски, которые «помогли» нейронной сети написать и облагородить пять отдельных композиций. Право назвать их также доверили компьютеру – комбинации букв вроде «Timension» и «Wisdom Trippin» были сгенерированы после создания…

www.techcult.ru

Что такое искусственный интеллект?

Сложность применения термина «искусственный интеллект» в том, что он слишком размыт и плохо поддаётся определению. На самом деле в отрасли уже давно принята аксиома: как только машина выполнила задачу, которую прежде мог решать только человек, то эта задача перестаёт быть признаком интеллекта.

Судя по всему, искусственный интеллект становится неотъемлемой частью индустрии высоких технологий. Мы постоянно слышим о том, как искусственный интеллект научился отвечать на письма в почтовом клиенте Gmail, учится управлять автомобилем и сортировать отпускные фотографии. Марк Цукерберг приступил к созданию искусственного интеллекта, который будет помогать нам управляться по дому. Проблема заключается в том, что само понятие «искусственного интеллекта» способствует завышенным ожиданиям. Людям проще представить мощные суперкомпьютеры, которые помогают нашим космическим кораблям бороздить просторы Вселенной, чем эффективные спам-фильтры. Кроме того, людям свойственно обсуждать подробности и прогнозировать сроки гибели обречённого человечества от лап бездушного искусственного разума.

Созданию образа совершенного искусственного интеллекта, будто бы сошедшего с экранов научно-фантастических фильмов, во многом способствует деятельность информационно-технологических компаний, которые не перестают удивлять нас новыми моделями антропоморфных цифровых помощников. К сожалению, подобные представления мешают осознать новые способности компьютеров и те возможности, благодаря которым они могут изменить окружающий мир. Исходя из этих стереотипов, мы объясним некоторые термины, описывающие наиболее утилитарные применения искусственного интеллекта. В этой статье речь также пойдёт об ограничениях нынешних технологий и о том, почему нам пока не стоит волноваться о восстании роботов.

Итак, что же стоит за терминами «нейронная сеть», «машинное обучение» и «глубокое обучение»?

Эти три словосочетания у всех на слуху. Давайте рассмотрим их послойно — для упрощения восприятия. Нейронные сети находятся в самом основании этой пирамиды. Они представляют собой особый тип компьютерной архитектуры, которая необходима для создания искусственного интеллекта. Следующий уровень — это машинное обучение, которое выступает в роли программного обеспечения для нейронных сетей. Оно позволяет выстроить процесс обучения таким образом, чтобы машина искала нужные ответы в гигантских массивах данных. Пирамиду венчает глубокое обучение, особый тип машинного обучения, обретший невероятную популярность за последнее десятилетие, — во многом благодаря двум новым возможностям: резко подешевевшей вычислительной мощности и безграничным информационным просторам, также известным как Интернет.

Истоки концепции нейронных сетей берут своё начало в пятидесятых годах прошлого века, когда исследование искусственного интеллекта оформилось в отдельную область научных изысканий.

В целом, структура нейронных сетей отдалённо напоминает строение человеческого мозга и представляет собой сеть узлов, выстроенных наподобие нейронных связей. По отдельности эти узлы не представляют ничего выдающегося, они могут отвечать лишь на самые примитивные вопросы, но их совместная деятельность способна решить сложнейшие задачи. Гораздо важнее, что при наличии правильных алгоритмов нейронные сети можно обучить!

КОМПЬЮТЕРАМ ВЫ ПРОСТО ГОВОРИТЕ, ЧТО НУЖНО СДЕЛАТЬ. С ПОМОЩЬЮ МАШИННОГО ОБУЧЕНИЯ ВЫ ПОКАЗЫВАЕТЕ, КАК ИМЕННО ЭТО НУЖНО СДЕЛАТЬ

«Допустим, вы хотите объяснить компьютеру, как перейти дорогу, — рассуждает Эрнест Дэвис (Ernest Davis), профессор Нью-Йоркского университета. — С помощью традиционного программирования вы сможете задать ему точный набор правил, который будет определять его поведение: заставит смотреть по сторонам, пропускать машины, переходить по пешеходному переходу… и просто наблюдать за результатом. В случае с машинным обучением вы демонстрируете системе 10 000 видеороликов, в которых пешеходы переходят через дорогу. После этого ей нужно показать ещё 10 000 видео столкновений машин с пешеходами, а затем просто позволить системе заняться своим делом».

Научить компьютер правильно воспринимать информацию из видеороликов является первоочередной и весьма нетривиальной задачей. За последние пару десятилетий человечество перепробовало множество способов обучения компьютеров. К подобным методам относится «укрепляющее обучение», при котором компьютер получает своеобразное «вознаграждение» в случае правильного выполнения поставленной задачи и постепенно оптимизирует процесс генерации наилучшего решения. Методика обучения может быть построена и на генетических алгоритмах, используемых для решения задач путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе.

Компания Google и другие автомобильные гиганты используют метод машинного обучения, чтобы научить свои беспилотные автомобили вождению.

Глубокое обучение оказалось одним из наиболее практичных методов современного машинного обучения. Данный подход использует значительное количество слоёв нейронной сети для анализа данных на различных уровнях абстракции. Таким образом, при демонстрации картинки системе нейронных сетей с глубоким обучением, каждый слой сети будет занят анализом изображения при разном увеличении. Нижний слой будет анализировать пиксельные сетки размером всего 5 × 5 пикселей, и выдавать два ответа — «да» или «нет» — в зависимости от типа объекта, который появляется на данной сетке. Если нижний слой отвечает утвердительно, тогда вышерасположенный слой нейронной сети анализирует, насколько данная сетка встраивается в шаблон большего размера. Является ли данное изображение началом прямой линии или углом? Постепенно этот процесс усложняется, позволяя программному обеспечению понять и обработать самые сложные данные, расчленив их на составные части.

«Чем выше мы продвигаемся вверх по слоям нейронной сети, тем более масштабные вещи она способна определять, — поясняет руководитель лаборатории искусственного интеллекта в компании Facebook, Ян Лекун (Yann LeCun). — Они становятся более абстрактными. На уровне самого верхнего слоя расположены датчики, способные определить тип изучаемого объекта: человек, собака, планер и так далее».

ДЛЯ УСПЕШНОЙ РАБОТЫ НЕЙРОННОЙ СИСТЕМЫ С ГЛУБОКИМ ОБУЧЕНИЕМ ТРЕБУЕТСЯ БОЛЬШОЙ ОБЪЁМ ДАННЫХ И ЗНАЧИТЕЛЬНОЕ КОЛИЧЕСТВО ВРЕМЕНИ

А теперь давайте представим, что мы хотим с помощью глубокого обучения объяснить компьютеру, как выглядит котик. Сперва необходимо запрограммировать различные слои нейронной сети таким образом, чтобы она научилась самостоятельно различать элементы котика: когти, лапы, усы, и т. д. Каждый слой будет выполнен на предыдущем слое, который позволит ему распознать конкретный элемент, именно поэтому процесс и получил название «глубокое обучение». Затем нам необходимо демонстрировать нейронной сети большое количество изображений котиков и других животных и называть их. «Это котик», — объясним мы компьютеру при демонстрации соответствующего изображения. — Это тоже котик. А вот это — уже не совсем котик». По мере того, как нейронная сеть будет просматривать изображения, в ней начнут срабатывать определённые слои и группы узлов, которые помогут ей определить и выделить категории когтей, лап, усов и прочих атрибутов котика. Постепенно нейронная сеть запоминает, какие из этих слоёв представляют наибольшее значение, и усиливает нужные связи, а слабые связи попросту игнорирует. К примеру, система способна обнаружить значительную корреляцию между категориями «лапы» и «котики», но поскольку лапы бывают не только у котиков, нейронная сеть будет стремиться находить сочетание категорий «лапы» и «усы».

Это весьма долгий, последовательный процесс обучения системы, построенный на принципе обратной связи. И тут возможно два варианта: либо человек будет исправлять ошибки компьютера, склоняя его к правильному выбору, либо нейронная сеть, обладающая достаточным объёмом классифицированных данных, сможет выполнить самостоятельное тестирование. В результате подобного теста ей станет очевидно, что наиболее взвешенные индексы во всех слоях приводят к наиболее точному ответу. И вот теперь, когда мы получили примерное представление о том, сколько шагов нужно сделать для того, чтобы система с уверенностью смогла назвать объект «котиком», давайте подумаем над сложностью системы, которая будет способна идентифицировать любую вещь на свете. Именно поэтому компания Майкрософт была рада анонсировать приложение, которое может различать породы собак. На первый взгляд, разница между доберманом и шнауцером кажется очевидной для нас, но существует огромное количество тонких различий, которые необходимо определить до того, как компьютер сможет назвать эту разницу.

Изображение, созданное проектом Deep Dream компании Google, стало своеобразной визитной карточкой, собирательным образом, представляющим исследования искусственного интеллекта для широкой общественности.

Так это то самое, чем воспользовались Google, Facebook и прочие?

По большей части, да.

Технологии глубокого обучения применяются для решения множества повседневных задач. Крупные информационно-технологические компании уже давно обзавелись собственными подразделениями для исследования искусственного интеллекта. Google и Facebook объединили усилия, чтобы популяризировать эти исследования и открыли исходный код своего программного обеспечения. Компания Google недавно запустила бесплатные трёхмесячные онлайн-курсы по изучению искусственного интеллекта. И пока научная деятельность исследователей пребывает в относительной безвестности, корпорации буквально штампуют новаторские приложения, основанные на этой технологии: начиная веб-приложением компании Microsoft, способным распознавать эмоции, и заканчивая сюрреалистическими изображениями Deep Dream. Ещё одна причина популярности технологии глубокого обучения кроется в том, что большие клиентоориентированные компании всё активнее включаются в её разработку и периодически выбрасывают на рынок наиболее странные наработки.

ИНТЕЛЛЕКТ И ЗДРАВЫЙ СМЫСЛ — ЭТО РАЗНЫЕ ВЕЩИ?

Несмотря на то, что технологии глубокого обучения уверенно справляются с задачами по распознаванию речи и изображений и обладают значительным коммерческим потенциалом, для них есть немалое число ограничений. Они требуют ввода большого количества данных и точной настройки оборудования. Проблема заключается в том, что их «интеллект» узкоспециализирован и весьма неустойчив. Как тонко подметил когнитивный психолог Гэри Маркус (Gary Marcus) в своей статье в журнале New Yorker, современные методы использования популярных технологий «славятся отсутствием причинно-следственных связей (как в случае между болезнью и симптомами) и, вероятнее всего, будут сталкиваться с определёнными трудностями при попытках анализа абстрактных понятий, например «родственный» или «идентичный». Пока этим технологиям не доступны логические умозаключения, им предстоит многому научиться, чтобы дойти до интеграции абстрактных знаний: ведь недостаточно получить сведения об объекте, важно понять его назначение и способы его применения».

Иными словами, технологиям глубокого обучения не хватает здравого смысла.

Изображение гантелей, дополненное фантомными конечностями, которое было сгенерировано с помощью нейронных сетей Google. Источник: Google.

Например, в исследовательском проекте Google перед нейронной сетью была поставлена задача сгенерировать изображение гантели после обучения на схожих примерах. Нейронная сеть довольно неплохо справилась с этой задачей: на созданных ею картинках были изображены два серых круга, соединённых горизонтальной трубой. Но посередине каждого снаряда были дорисованы очертания мускулистой руки бодибилдера. Исследователи предположили, что причина этого кроется в том, что системе демонстрировались изображения спортсменов, которые держали гантель. Технология глубокого обучения способна запомнить общие визуальные признаки нескольких десятков тысяч снарядов, но сама система никогда не сможет совершить когнитивный рывок и понять, что у гантелей нет рук. Список проблем не ограничивается здравым смыслом. Ввиду особенностей восприятия и способов изучения данных, нейронные сети с технологией глубокого обучения могут быть сбиты с толку случайными комбинациями пикселей. Мы видим лишь помехи на изображении, но компьютер уверен на 95 %, что перед ним изображение гепарда.

Однако подобные ограничения можно искусно спрятать и постараться их обойти. В качестве примера рассмотрим новое поколение цифровых помощников, таких как Siri. Они часто делают вид, что понимают нас — отвечают на заданные вопросы, устанавливают будильник и пытаются рассмешить с помощью нескольких запрограммированных шуток и прибауток.

Знаменитый учёный в области искусственного интеллекта Гектор Левеск (Hector Levesque) уверен, что подобное «несерьёзное поведение» лишний раз подчёркивает пропасть восприятия между искусственным интеллектом и живым мозгом. Левеск утверждает, что его коллеги забыли о слове «интеллект» в термине «искусственный интеллект» и призывает вспомнить знаменитый тест Тьюринга. Гектор всякий раз подчёркивает, что машины в ходе этого теста прибегают к различного рода ухищрениям и прикладывают все усилия, чтобы одурачить собеседника. Боты охотно пользуются шутками, цитатами; они способы изображать бурные всплески эмоций и прибегать к всевозможным словесным выпадам для того, чтобы сбить с толку и отвлечь человека, ведущего опрос. И действительно, машина, которая, по мнению некоторых изданий, успешно прошла тест Тьюринга, притворилась 13-летним украинским мальчиком. Эта «легенда» была выбрана создателями бота для того, чтобы оправдать его невежество, неуклюжие формулировки и стремление к нелогичным выводам.

Левеск предлагает исследователям в области искусственного интеллекта другой тип теста, который, по его мнению, должен состоять из опроса с отвлечёнными, сюрреалистическими вопросами. Эти вопросы будут логическими, но предполагают наличие обширных фоновых знаний, которые описывает Маркус (Marcus). Гектор предлагает задавать ботам простые вопросы: «Сможет ли крокодил пробежать стометровку с препятствиями?» или «Разрешается ли бейсболистам приклеивать маленькие крылья на кепки?» Представьте, какими знаниями нужно обладать компьютеру, чтобы ответить на подобные вопросы?

Итак, что же такое «настоящий» искусственный интеллект?

В этом и заключается сложность применения термина «искусственный интеллект»: он слишком размыт и плохо поддаётся определению. На самом деле в отрасли уже давно принята аксиома: как только машина выполнила задачу, которую прежде мог решать только человек — будь то партия в шахматы или распознавание лиц — то эта задача перестаёт быть признаком интеллекта.

Компьютерный специалист Ларри Теслер (Larry Tesler) сформулировал это следующим образом: «Интеллектом можно назвать всё, что угодно, пока до этого не добрались машины». И даже в случае решения задач, которые недоступны человеку, машины не пытаются воспроизвести человеческий интеллект.

«Метафора о сходстве нейронной сети и головного мозга не совсем корректна, — отмечает Ян Лекун (Yann LeCun). — Она неверна в той же степени, как и утверждение о том, что самолёт похож на птицу. Он не машет крыльями, у него нет перьев и мускулов».

«Даже если нам удастся создать искусственный интеллект, — отмечает учёный, — он не будет похож на разум человека или сознание животного. К примеру, нам будет очень сложно представить разумное существо, которое не обладает [стремлением к] самосохранению».

Большинство исследователей, работающих в области искусственного интеллекта, попросту игнорируют идею о том, что нам никогда не удастся создать по-настоящему живой, наделённый чувствами искусственный интеллект. «На данный момент отсутствует научный подход, который позволит искусственному интеллекту выйти за рамки запрограммированных установок и стать по-настоящему гибким при решении нескольких задач, — рассуждает профессор Массачусетского технологического института Андрей Барбу (Andrei Barbu), возглавляющий центр исследований Center for Brains, Minds and Machines (CBMM). — Следует понимать, что исследования искусственного интеллекта сейчас находятся на этапе создания систем, которые будут решать конкретные, узкоспециальные проблемы».

Профессор отмечает, что ранее предпринимались попытки неконтролируемого обучения, в ходе которых система должна обрабатывать неразмеченные данные, однако подобные исследования пока находятся в зачаточном состоянии. Более известным примером служит нейронная сеть компании Google, в которую были загружены 10 миллионов случайных эскизов с видеосервиса YouTube. В результате нейронная сеть сама поняла, как выглядят котики, но её создатели не сочли это умение чем-то выдающимся.

Как заявил Ян Лекун на прошлогоднем хакатоне Orange Institute: «Пока мы не знаем, как наладить процесс неконтролируемого обучения. Это является основной проблемой».

Яркая демонстрация силы искусственного интеллекта. Сеть Watson компании IBM выигрывает в телевизионной игре-викторине Jeopardy! Однако эти впечатляющие возможности имеют весьма ограниченное применение. Источник: Ben Hider/Getty Images.

Искусственный интеллект как область исследований имеет все шансы стать жертвой завышенных ожиданий. Так часто бывает: учёные находят новый метод, а высокий темп исследований и заметный прогресс позволяют делать смелые утверждения о том, что при текущем уровне развития эта технология позволит создать робота-дворецкого в ближайшее время.

Давайте возьмём для примера статью из New York Times 1958 года, которая описывает первоначальную форму искусственного интеллекта. В ней идёт речь о машине, способной определять разницу между понятиями «лево» и «право», о некоем электронном «зародыше», который однажды сможет «ходить, говорить, смотреть, читать, размножаться и осознавать самого себя».

Когда область исследований сталкивается с подобными разочарованиями и несбывшимися прогнозами, то наступает так называемая «зима искусственного интеллекта» — период пессимизма и сокращения финансирования. За последние несколько десятилетий случились две затяжных и множество коротких «зим искусственного интеллекта»: в конце 70-х и начале 90-х годов прошлого века. Безусловно, во многих областях научных исследований есть периоды временного, «осеннего» затишья. Но стоит заметить, что немногие дисциплины могут похвастать столь глубоким разочарованием своих приверженцев, что им даже пришлось выдумывать специальный термин для этого явления!

Напрашивается вывод: мы никогда не сможем увидеть настоящий искусственный интеллект? Только уловки и рекламные трюки?

Не совсем. Всё зависит от наших ожиданий. Чего мы ждём от искусственного интеллекта? Безусловно, машины становятся всё более «умными», но не в нужном нам смысле. Давайте рассмотрим, к примеру, программное обеспечение, которое использует компания Tesla для своих беспилотных автомобилей. Генеральный директор компании, Илон Маск описывает его как парк обучающихся сетей, который собирает поступающие данные и «помогает обучить все машины, если одна из них что-то усвоила». Конечным этапом и целью данного исследования не является создание стандартного или гибкого искусственного интеллекта. Скорее, это будет неким распределением большого количества отдельных «разумов» в компьютерной сети. Лекун называет это явление «скрытый разум».

БУДУЩЕЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ЗЫБКО И ПРИЗРАЧНО

Давайте пофантазируем и перенесёмся в недалёкое будущее. Итак, мы едем в превосходном беспилотном автомобиле, который оборудован продвинутым цифровым помощником — возможно, прямым потомком современной Siri. Вполне вероятно, что таким помощником окажется виртуальный собеседник-плут, которого так недолюбливает Гектор Левеск. Но всю дорогу он будет вести себя как человек и заставит нас поверить в это. Во время утренней поездки на работу вы будете болтать с роботом о последних новостях, обмениваться шутками, заполнять ежедневник и сможете поменять пункт назначения при желании. Всё это будет происходить в салоне беспилотного автомобиля, который не только владеет в совершенстве правилами дорожного движения, но также обучен учитывать ошибки других водителей. И вот когда мы окажемся в этом недалёком, но вполне обозримом будущем, следует задать себе простой вопрос: будет ли нам так важно, что мы имеем дело с «ненастоящим» искусственным интеллектом?

Станем ли мы довольствоваться лишь подобием настоящего разума?

Рассел Брэндом

Источник

Читайте и смотрите также:

fastsalttimes.com