Всё, что вам нужно знать об ИИ — за несколько минут



    Приветствую читателей Хабра. Вашему вниманию предлагается перевод статьи «Everything you need to know about AI — in under 8 minutes.». Содержание направлено на людей, не знакомых со сферой ИИ и желающих получить о ней общее представление, чтобы затем, возможно, углубиться в какую-либо конкретную его отрасль.

    Знать понемногу обо всё иногда (по крайней мере, для новичков, пытающихся сориентироваться в популярных технических направлениях) бывает полезнее, чем знать много о чём-то одном.

    Многие люди думают, что немного знакомы с ИИ. Но эта область настолько молода и растёт так быстро, что прорывы совершаются чуть ли не каждый день. В этой научной области предстоит открыть настолько многое, что специалисты из других областей могут быстро влиться в исследования ИИ и достичь значимых результатов.

    Эта статья — как раз для них. Я поставил себе целью создать короткий справочный материал, который позволит технически образованным людям быстро разобраться с терминологией и средствами, используемыми для разработки ИИ. Я надеюсь, что этот материал окажется полезным большинству интересующихся ИИ людей, не являющихся специалистами в этой области.

    Введение


    Искусственный интеллект (ИИ), машинное обучение и нейронные сети — термины, используемые для описания мощных технологий, базирующихся на машинном обучении, способных решить множество задач из реального мира.

    В то время, как размышление, принятие решений и т.п. сравнительно со способностями человеческого мозга у машин далеки от идеала (не идеальны они, разумеется, и у людей), в недавнее время было сделано несколько важных открытий в области технологий ИИ и связанных с ними алгоритмов. Важную роль играет увеличивающееся количество доступных для обучения ИИ больших выборок разнообразных данных.

    Область ИИ пересекается со многими другими областями, включая математику, статистику, теорию вероятностей, физику, обработку сигналов, машинное обучение, компьютерное зрение, психологию, лингвистику и науку о мозге. Вопросы, связанные с социальной ответственностью и этикой создания ИИ притягивают интересующихся людей, занимающихся философией.

    Мотивация развития технологий ИИ состоит в том, что задачи, зависящие от множества переменных факторов, требуют очень сложных решений, которые трудны к пониманию и сложно алгоритмизируются вручную.

    Растут надежды корпораций, исследователей и обычных людей на машинное обучение для получения решений задач, не требующих от человека описания конкретных алгоритмов. Много внимания уделяется подходу «чёрного ящика». Программирование алгоритмов, используемых для моделирования и решения задач, связанных с большими объёмами данных, занимает у разработчиков очень много времени. Даже когда нам удаётся написать код, обрабатывающий большое количество разнообразных данных, он зачастую получается очень громоздким, трудноподдерживаемым и тяжело тестируемым (из-за необходимости даже для тестов использовать большое количество данных).

    Современные технологии машинного обучения и ИИ вкупе с правильно подобранными и подготовленными «тренировочными» данными для систем могут позволить нам научить компьютеры «программировать» за нас.



    Обзор


    Интеллект — способность воспринимать информацию и сохранять её в качестве знания для построения адаптивного поведения в среде или контексте

    Это определение интеллекта из (англоязычной) Википедии может быть применено как к органическому мозгу, так и к машине. Наличие интеллекта не предполагает наличие сознания. Это — распространённое заблуждение, принесённое в мир писателями научной фантастики.

    Попробуйте поискать в интернете примеры ИИ — и вы наверняка получите хотя бы одну ссылку на IBM Watson, использующий алгоритм машинного обучения, ставший знаменитым после победы на телевикторине под названием «Jeopardy» в 2011 г. С тех пор алгоритм претерпел некоторые изменения и был использован в качестве шаблона для множества различных коммерческих приложений. Apple, Amazon и Google активно работают над созданием аналогичных систем в наших домах и карманах.

    Обработка естественного языка и распознавание речи стали первыми примерами коммерческого использования машинного обучения. Вслед за ними появились задачи другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). Круг приложений этих технологий постоянно растёт и включает в себя беспилотные средства передвижения, медицинскую диагностику, компьютерные игры, поисковые движки, спам-фильтры, борьбу с преступностью, маркетинг, управление роботами, компьютерное зрение, перевозки, распознавание музыки и многое другое.

    ИИ настолько плотно вошёл в современные используемые нами технологии, что многие даже не думают о нём как об «ИИ», то есть, не отделяют его от обычных компьютерных технологий. Спросите любого прохожего, есть ли искусственный интеллект в его смартфоне, и он, вероятно, ответит: «Нет». Но алгоритмы ИИ находятся повсюду: от предугадывания введённого текста до автоматического фокуса камеры. Многие считают, что ИИ должен появиться в будущем. Но он появился некоторое время назад и уже находится здесь.

    Термин «ИИ» является довольно обобщённым. В фокусе большинства исследований сейчас находится более узкое поле нейронных сетей и глубокого обучения.

    Как работает наш мозг


    Человеческий мозг представляет собой сложный углеродный компьютер, выполняющий, по приблизительным оценкам, миллиард миллиардов операций в секунду (1000 петафлопс), потребляющий при этом 20 Ватт энергии. Китайский суперкомпьютер под названием «Tianhe-2» (самый быстрый в мире на момент написания статьи) выполняет 33860 триллионов операций в секунду (33.86 петафлопс) и потребляющий при этом 17600000 Ватт (17.6 Мегаватт). Нам предстоит проделать определённое количество работы перед тем, как наши кремниевые компьютеры смогут сравниться со сформировавшимися в результате эволюции углеродными.

    Точное описание механизма, применяемого нашим мозгом для того, чтобы «думать» является предметом дискуссий и дальнейших исследований (лично мне нравится теория о том, что работа мозга связана с квантовыми эффектами, но это — тема для отдельной статьи). Однако, механизм работы частей мозга обычно моделируется с помощью концепции нейронов и нейронных сетей. Предполагается, что мозг содержит примерно 100 миллиардов нейронов.



    Нейроны взаимодействуют друг с другом с помощью специальных каналов, позволяющих им обмениваться информацией. Сигналы отдельных нейронов взвешиваются и комбинируются друг с другом перед тем, как активировать другие нейроны. Эта обработка передаваемых сообщений, комбинирование и активация других нейронов повторяется в различных слоях мозга. Учитывая то, что в нашем мозгу находится 100 миллиардов нейронов, совокупность взвешенных комбинаций этих сигналов устроена довольно сложно. И это ещё мягко сказано.

    Но на этом всё не заканчивается. Каждый нейрон применяет функцию, или преобразование, к взвешенным входным сигналам перед тем, как проверить, достигнут ли порог его активации. Преобразование входного сигнала может быть линейным или нелинейным.

    Изначально входные сигналы приходят из разнообразных источников: наших органов чувств, средств внутреннего отслеживания функционирования организма (уровня кислорода в крови, содержимого желудка и т.д.) и других. Один нейрон может получать сотни тысяч входных сигналов перед принятием решения о том, как следует реагировать.

    Мышление (или обработка информации) и полученные в результате его инструкции, передаваемые нашим мышцам и другим органам являются результатом преобразования и передачи входных сигналов между нейронами из различных слоёв нейронной сети. Но нейронные сети в мозгу могут меняться и обновляться, включая изменения алгоритма взвешивания сигналов, передаваемых между нейронами. Это связано с обучением и накоплением опыта.

    Эта модель человеческого мозга использовалась в качестве шаблона для воспроизведения возможностей мозга в компьютерной симуляции — искуственной нейронной сети.

    Искусственные Нейронные Сети (ИНС)


    Искусственные Нейронные Сети — это математические модели, созданные по аналогии с биологическими нейронными сетями. ИНС способны моделировать и обрабатывать нелинейные отношения между входными и выходными сигналами. Адаптивное взвешивание сигналов между искусственными нейронами достигается благодаря обучающемуся алгоритму, считывающему наблюдаемые данные и пытающемуся улучшить результаты их обработки.



    Для улучшения работы ИНС применяются различные техники оптимизации. Оптимизация считается успешной, если ИНС может решать поставленную задачу за время, не превышающее установленные рамки (временные рамки, разумеется, варьируются от задачи к задаче).

    ИНС моделируется с использованием нескольких слоёв нейронов. Структура этих слоёв называется архитектурой модели. Нейроны представляют собой отдельные вычислительные единицы, способные получать входные данные и применять к ним некоторую математическую функцию для определения того, стоит ли передавать эти данные дальше.

    В простой трёхслойной модели первый слой является слоем ввода, за ним следует скрытый слой, а за ним — слой вывода. Каждый слой содержит не менее одного нейрона.

    С усложнением структуры модели посредством увеличения количества слоёв и нейронов возрастают потенциал решения задач ИНС. Однако, если модель оказывается слишком «большой» для заданной задачи, её бывает невозможно оптимизировать до нужного уровня. Это явление называется переобучением (overfitting).

    Архитектура, настройка и выбор алгоритмов обработки данных являются основными составляющими построения ИНС. Все эти компоненты определяют производительность и эффективность работы модели.

    Модели часто характеризуются так называемой функцией активации. Она используется для преобразования взвешенных входных данных нейрона в его выходные данные (если нейрон решает передавать данные дальше, это называется его активацией). Существует множество различных преобразований, которые могут быть использованы в качестве функций активации.

    ИНС являются мощным средством решения задач. Однако, хотя математическая модель небольшого количества нейронов довольно проста, модель нейронной сети при увеличении количества составляющих её частей становится довольно запутанно. Из-за этого использование ИНС иногда называют подходом «чёрного ящика». Выбор ИНС для решения задачи должен быть тщательно обдуманным, так как во многих случаях полученное итоговое решение нельзя будет разобрать на части и проанализировать, почему оно стало именно таким.



    Глубокое обучение


    Термин глубокое обучение используется для описания нейронных сетей и используемых в них алгоритмах, принимающих «сырые» данные (из которых требуется извлечь некоторую полезную информацию). Эти данные обрабатываются, проходя через слои нейросети, для получения нужных выходных данных.

    Обучение без учителя (unsupervised learning) — область, в которой методики глубокого обучения отлично себя показывают. Правильно настроенная ИНС способна автоматически определить основные черты входных данных (будь то текст, изображения или другие данные) и получить полезный результат их обработки. Без глубокого обучения поиск важной информации зачастую ложится на плечи программиста, разрабатывающего систему их обработки. Модель глубокого обучения же самостоятельно способна найти способ обработки данных, позволяющий извлекать из них полезную информацию. Когда система проходит обучение (то есть, находит тот самый способ извлекать из входных данных полезную информацию), требования к вычислительной мощности, памяти и энергии для поддержания работы модели сокращаются.

    Проще говоря, алгоритмы обучения позволяют с помощью специально подготовленных данных «натренировать» программу выполнять конкретную задачу.

    Глубокое обучение применяется для решения широкого круга задач и считается одной из инновационных ИИ-технологий. Существуют также другие виды обучения, такие как обучение с учителем (supervised learning) и обучение с частичным привлечением учителя(semi-supervised learning), которые отличаются введением дополнительного контроля человека за промежуточными результатами обучения нейронной сети обработке данных (помогающего определить, в правильном ли направлении движется система).

    Теневое обучение (shadow learning) — термин, используемый для описания упрощённой формы глубокого обучения, при которой поиск ключевых особенностей данных предваряется их обработкой человеком и внесением в систему специфических для сферы, к которой относятся эти данные, сведений. Такие модели бывают более «прозрачными» (в смысле получения результатов) и высокопроизводительными за счёт увеличения времени, вложенного в проектирование системы.

    Заключение


    ИИ является мощным средством обработки данных и может находить решения сложных задач быстрее, чем традиционные алгоритмы, написанные программистами. ИНС и методики глубокого обучения могут помочь решить ряд разнообразных проблем. Минус состоит в том, что самые оптимизированные модели часто работают как «чёрные ящики», не давая возможности изучить причины выбора ими того или иного решения. Этот факт может привести к этическим проблемам, связанным с прозрачностью информации.
    Поделиться публикацией
    Комментарии 72
      +2
      Я конечно не разбираюсь в ИИ, но в свое время прочитал от корки до корки «Компьютер обретает разум» издательства Мир, 1990 год. И судя по тому что я прочел, весь современный ИИ это не более чем экспертные системы, которые ничего не умеют кроме того что в них заложили. Хотя и это очень полезно.
        0
        Без сознания оно по определению будет «уметь только то, что туда заложили». Но в нынешние времена хотя бы путь от «заложили» до получаемых с помощью тех же нейросеток выводов — уже заметно более интересный, чем это было в 90-е.
          0
          Конечно интересный, но однозначно не ИИ, ни слабый, ни какой.
          0
          Тут философский вопрос. А много ли умеют люди того, чего в них не заложили? У нас такие же нейронные сети, их нужно обучать так же. Есть много общего между искусственными нейронными сетями и биологическими. Вот пример соревнования биологической нейронной сети Ли Седоля и искусственной. Игра интересная, стратегия, тактика, и результат интересный. Человек в какой-то мере тоже экспертная система, вот в нас не заложили навык игры в Го и мы не играем. Чтобы научиться, нужен цикл обучения. И чем далее, тем грань между ИИ и человеком всё более зыбкая.
          … До появления AlphaGo некоторые разработчики заявляли, что компьютеры никогда не смогут победить лучших игроков среди людей. Илон Маск, один из первых инвесторов компании Deepmind, в 2016 году заявил, что по мнению экспертов, искусственный интеллект находится в 10 годах от победы над лучшим из профессиональных игроков.
            0

            Человек может обучаться сам, более того — он может сам выбирать, чему обучаться. В этом коренное отличие, которое, кмк, без сознания невозможно.

              0

              Определите, что такое "может сам выбирать". Процесс поиска чему обучаться, исходя из доступной информации о требуемых ресурсах и ожидаемой выгоде (включая эмоциональную) подходит? Почему его нельзя запрограммировать?

                0
                Определите, что такое «может сам выбирать»


                Это значит выбирать без участия каких-либо учителей, родителей, и вообще третьих лиц. Пусть даже с использованием мнений этих лиц.

                Почему его нельзя запрограммировать?


                Не знаю. Кто-то уже запрограммировал?

                Процесс поиска чему обучаться, исходя из доступной информации о требуемых ресурсах и ожидаемой выгоде (включая эмоциональную) подходит?


                Как быть с изучением «потому что надо»?
                  0
                  Как быть с изучением «потому что надо»?

                  Если "надо", потому что сказали, что "надо", то чтобы избежать отрицательного подкрепления в случае отказа. Если "надо", потому что ожидается, что обучение позволить достить целей, которых хочется достигнуть, то потому что увеличивается математическое ожидание будущих положительных подкреплений.


                  Не знаю. Кто-то уже запрограммировал?

                  Естественно. Алгоритмы планирования действий cуществуют и используются. Планируют совершенно свободно, без участия третьих лиц в процессе, за исключением ввода исходных данных. Планирование своего собственного обучения пока вроде бы не используется, но это вопрос увязки построения предиктивных моделей окружающего мира с алгоритмами планирования.


                  Автоматическое планирование и диспетчеризация

                    0
                    Планирование своего собственного обучения пока вроде бы не используется


                    Отож.
                      0

                      Ну да, полеты аппаратов тяжелее воздуха невозможны, так как ещё никакой аппарат не летал, а у птиц — жизненная сила.

                        0
                        Я не говорил, что самостоятельный выбор что изучать — невозможен. Я сказал, что это невозможно без сознания. Я так щитаю.
                    0
                    Это значит выбирать без участия каких-либо учителей, родителей, и вообще третьих лиц. Пусть даже с использованием мнений этих лиц.

                    Это невозможно. Без участия третьих лиц человек нежизнеспособен. С ограничением влияния третьих лиц получаются разновидности Маугли, развитие по сути остановлено и нарушено необратимо.
                    При обычном развитии человека, социум обучает его, по сути программирует и настраивает нейросеть, абстрактным понятиям придаются какие-то образы и веса.
                    Например общество ацтеков учило что мальчик должен стать выдающимся воином и охотником за скальпами, чтобы стать старейшиной и вождем.
                    Сейчас общество учит точно обратным ценностям, гуманизм основа всего и конфликтов нужно избегать.
                    По сути общество программирует человека и тут заметно что вкладываются диаметрально противоположные образы и модели поведения.
                    Разбираясь с нейросетями, думаю можно лучше понять и людей, общество. Много общих моментов.

                    Вопрос самообучения, тут, похоже нужно как-то создавать структуру нейронной сети, с большим количеством абстрактных понятий в самой её «глубине».
                    Кроме подражания человеку, искусственная нейронная сеть может осознавать себя еще глубже, каждый бит кода и каждую связь и на лету корректировать свою структуру. Человек такого делать не может. Например думаем над квантовой механикой и чувствуем что абстракции не «помещаются», не хватает коры мозга для понимания и что-то неуловимое ускользает от нас. Для ИИ такой проблемы нет, корректирует на ходу структуру, возможно это вообще часть процесса мышления будет и приходит понимание, научное открытие и лаконичная фиксация факта, далее можно веруться в обратное состояние из специфического.
                      0
                      Без участия третьих лиц человек нежизнеспособен


                      Так я же говорю: с использованием мнений этих третьих лиц. А не тупо следование указам этих лиц. Я считаю, что если человек всю жизнь тупо следует указам третьих лиц (родителей, мужа/жены, старейшин, и т.д.), его трудно назвать разумным.

                        0
                        Советы могут быть вполне разумными и их нужно слушать. Совет «никого не слушай, думай сам» тоже совет третьего лица и часто приводит к проблемам. Установка «из принципа» сделать всё наоборот, по своему, известная проблема. Но тоже не спасает от манипулирования, достаточно сказать делать наоборот и человек в свою очередь сделает обратное действие, что и требовалось. Ну есть и еще множество методик манипулирования в обход сознания, НЛП, нейролингвистическое программирование. Человек думает что принимает ключевые решения сам, но они просто заложены изначально.
                        Тем более советы не покрывают 100% всех решений, только ключевые моменты. Реализация остается на личной ответственности и часто это сложнее чем абстрактный совет. Впрочем реализация тоже часто по шаблонам, нужно просто лучший метод найти из копилки опыта.
                0
                Дело в том что, сколько бы не было у вас нейронов, это не еще означает что у вас есть хоть капля интеллекта.А в Го мы можем сами научиться, без внесения в нас структурных изменений.
                  0
                  На уровне игрока Ли Седоля мы научиться играть не можем, десятки тысяч людей на себе проверили. Плюс обучение, это структурные изменения, прорастают или атрофируются новые нейронные связи, одни участки мозга усиливают кровоснабжение, другие ослабляют. После обучения остается физический след, томограммы фиксируют.

                  Искусственные нейронные сети тоже сами учились играть, миллиарды раз проверяя в игре с самим собой разные тактики, стратегии, приемы игры. И выработали новый эффективный стиль игры, принципиально отличный от того, как играли люди тысячи лет. Профессиональные игроки изучают эту игру, она интересная, даже проигравшие чемпионы отметили что вынесли их игры много нового. Играл именно интеллект, нейронная сеть искусственная против нейронной сети биологической. По определению пока слабый ИИ, а сильный ИИ пока в проектах.
                    0
                    Думаю тут есть существенная проблема в преувеличении того что делают нейронные сети. Кто-то считает что они научились этому «проверяя в игре с самим собой разные тактики, стратегии, приемы игры», но по сути обозначенные приемы находятся на более высоком уровне абстракции чем те которыми могут оперировать нейронные сети. Вот и выходит что они ничего не придумывали. Это просто программы которым дали входные данные, а они выдали выходные, дальше мы их проанализировали и назвали «стратегия, тактика, прием», а это и есть действия интеллекта, только за пределами ПО. А ПО интеллекта 0.
                      0
                      То же самое и для человека можно сказать. Когда предстоит важное решение, человек точно так же моделирует в уме ситуацию «проверяя с самим собой разные тактики, стратегии, приемы». Естественная биологическая нейронная сеть так же пытается найти ход с наименьшей ошибкой.
                      Точно так же, про человека можно сказать, что он ничего не придумывает, что это просто программа, которой дали входные данные, в том числе данные и опыт с момента рождения, а человек анализирует и выдает выходные данные, не выходя за пределы ПО.
                      Не может сапожник неожиданно выдать общую теорию поля, а физики фундаменталисты не представляют как крепится подошва и нет опыта ремонта (молотком по пальцу ударят и всё на этом), нет этого в «программе».
                      Или сравним человека 600 лет назад, когда самым успешным и уважаемым был воин, охотник за скальпами, и сейчас, когда успешны весьма слабо развитые физически люди, падающие в обморок при виде царапины. Разные «программы», разным методы обработки входных данных.
                      Очень много общего между биологическими и искусственными нейронными сетями. Отличие только в том что человек достиг предела развития, а искусственные растут по экспоненте.
                        0
                        Вы таки меня не правильно поняли. Я хотел сказать только то, что нейронная сеть так же далека от интеллекта, как программирование в двоичных кодах от программирования на яве.
                          0
                          А что такое интеллект? Смотрим в Википедии
                          Качество психики, состоящее из способности приспосабливаться к новым ситуациям, способности к обучению и запоминанию на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой. Общая способность к познанию и решению проблем, которая объединяет все познавательные способности: ощущение, восприятие, память, представление, мышление, воображение, а также внимание, волю и рефлексию.


                          Если убрать «волю», «воображение» и прочие человеческие заморочки, то что уже есть вполне можно назвать интеллектом.

                          Пример медицинский интеллект habr.com/company/ibm/blog/169067
                          И более новый и сложный игровой интеллект habr.com/post/279071

                          Есть и способность приспосабливаться и применение абстрактных концепций…
                            0
                            Ну лично я даже из оставшегося ничего не вижу. Как пример, сколько нужно было показать фотографий, ну скажем котика, что бы ИИ смог его однозначно определять в 80-90%% и сколько нужно для человека, или даже для животного.
                              0
                              Человек тоже не по 3м фотографиями учится распознавать котов, а многие годы с детства.
                              Да и не так просто распознавать котов, вот примеры фотографий со спрятанными котами, за доли секунды не получится найти…
                              Кстати после тренировки, минут 30 распознавания и человек начинает быстрее искать котов, тоже процесс обучения идет.
                                0
                                Человек с одной фотографии научится определять любое животное с высокой долей вероятности, о каких годах речь? И я говорю не о спрятанных кусках животного, а о морде целиком. Нейронной сети, для такого же результата, нужно показать сотни тысяч фотографий.
                                  0
                                  Не любое, только на основе ранее полученного опыта. Млекопитающие все похожи, что позволяет работать по шаблону, с учетом размеров и особенностей.
                                  А вот в микромире человек абсолютно беспомощен и нужно проводить такой же цикл обучения, как и с искусственной нейросетью, смотрим в микроскоп и ничего не понято
                                  vchemraznica.ru/wp-content/uploads/2016/09/iin160.jpg
                0
                Экспертные системы 90-х ничего общего не имеют с нейронными сетями, на которых построен современный «И»«И».
                  0
                  Почему же не имеют? Они все также разбираются только в какой-то конкретной области знаний. Разница лишь в том, что с использованием программного аналога перцептрона на стероидах, новые экспертные системы могут самообучаться. Но вот создатель перцептрона считал его лишь элементом для создания ИИ, но никак не самим ИИ.
                +2
                Но алгоритмы ИИ находятся повсюду: от предугадывания введённого текста до автоматического фокуса камеры

                Сова затрещала, но выдержала.
                  +3
                  Сплошное blah-blah-blah, и куча заведомо неверных утверждений, типа «Человеческий мозг представляет собой сложный углеродный компьютер» или «Мышление (или обработка информации)».

                  Я могу изложить гораздо короче и доступнее:
                  — значение современного понятия ИИ (искусственный интеллект) изменилось на нечто противоположное тому, что сначала под этим подразумевалось. Оригинальное значение (то, что под этим имели ввиду Алан Тьюринг и другие ученые середины XX века) подразумевало эмуляцию процессов человеческого мышления и сознания. Сейчас ИИ означает лишь специализированное мат. обеспечение (программы) по распознаванию образов, и для решения некоторых узкоспециализированных задач, вроде игр с четко определенными правилами и тому подобного. Т.е. современные компьютеры «мыслят» и «обладают интеллектом» ничуть не больше первого лампового «ENIAC»-а;
                  — для решения упомянутых выше задач т.н. «ИИ» применяются, помимо классических, и некоторые «новомодные» алгоритмы, называемые «нейронными сетями». Тут опять присутствует подмена понятий: никаких нейронов (ака электрически возбудимых клеток головного мозга, служащих, по современным представлениям, для «обработки, хранения и передачи информации») в этих «сетях» нет; есть лишь очень грубая и примитивная эмуляция несовершенных моделей, базирующихся на современных представлениях. К воссозданию или 99% эмуляции реальных нейронов, как, впрочем, и других клеток (и еще бесчисленного множества entities) человечеству еще сотни и сотни (а может и тысячи и тысячи) лет;
                  — в настоящее время не существует (по крайней мере, ничего об этом не слышно, и не существует в открытом доступе) математических теорий, хотя бы приблизительно позволяющих эмулировать человеческий интеллект и процесс мышления. О человеческом мозге мы знаем гораздо меньше, нежели о Луне, отстоящей от нас на 300000 километров. Даже идеи некоторых писателей и фантастов (вроде Виктора Пелевина) о процессе эмуляции «разумного мышления» путем сверхгигантской и сверхскоростной базы данных, содержащей варианты ответов на все возможные вопросы в любой форме, а также реакций на все возможные события — ведь число их хоть и невообразимо велико, но все же конечно — не реальны и требуют поистине астрономических вложений и технологий, превосходящих нынешние на порядки;
                  — не стоит ожидать «искусственного человека» ни до конца XXI века, ни в ближайшем обозримом будущем (несколько сотен лет), разве что появится «информационный Эйнштейн», который совершит революцию.
                    0
                    Отлично написали! А то читаешь новости об ИИ — почти смешно, богами возомнили себя, а на деле перцептрон с блекджеком
                      0
                      богами возомнили себя

                      На самом деле здесь практически всегда классическое «ученый изнасиловал журналиста».
                        0

                        Ну вообще да, наверное так. Сами разработчики похоже куда более скромного мнения о своих детищах

                      +1
                      Вот, советую прочитать статью, статья большая, всё расписано подробно
                      interpreted.d3.ru/perevod-revoliutsiia-iskusstvennogo-intellekta-684922/?sorting=rating

                      К воссозданию или 99% эмуляции реальных нейронов


                      Точно копировать нейроны нет смысла, как нет смысла имитировать крылья птицы, чтобы выйти в космос, это тупиковое направление развития. Например у «природы» не было нервной ткани способной передавать импульсы со скоростью 300 000 км/с, ограничение 0.12 км/с всего, а у нас такие материалы есть. Время релаксации нейрона до 5 мс, полупроводниковые элементы работает с наносекундами.
                      Слабый (специализированный) ИИ уже создан и стал привычен. Из интересного победа над чемпионом мира в Го — и Седолем, ИИ играл интересно и удивил новой оригинальной тактикой.
                      Создание сильного (и сверхсильного) ИИ, тут вы правы, задача сложная. И возможно пока этого не нужно делать пока что. Но оценивают задачу сроком 15-25 лет. Не веками, слишком быстро идет прогресс, совершенствуются как алгоритмы, так и электроника, кроме того вычислительных мощностей становится всё больше и интеграция в общую сеть всё плотнее.
                        0
                        Спасибо за ссылку. В свою очередь хочу порекомендовать книгу Джеффа Хокинса «Об интеллекте» (есть даже бесплатно, в неплохом русском переводе). Мне весьма близки мысли Джеффа, и я полностью их разделяю (и даже втайне уверен, что мр. Хокинс может оказаться тем самым «the One» :) ).

                        Касательно быстродействия, передачи со скоростью света и прочих достижений микроэлектроники — это тупиковый путь, как мне кажется. «Брутфорсом» ИИ (в оригинальном понимании, то, что вы ниже называете «Сильным Искусственным Интеллектом») никогда не создать. Даже эмуляция (как у Пелевина в «S.N.U.F.F.») путем «брутфорса» тоже недостижима — разве что будут открыты новые физические принципы хранения и обработки информации, превосходящие современные — и даже в 100-летней перспективе — на порядки).

                        Пример с птицами неудачен: никакая современная технология не в состоянии воспроизвести птицу, т.е., с инженерной точки зрения, самовоспроизводящийся летательный аппарат, способный находиться в воздухе часами, использующий окисление ничтожного количества органических веществ в качестве топлива, способный самостоятельно «ремонтироваться», обучаться, совершать огромное количество очень сложных действий. Я вас даже удивлю (сорри, ирония, не удержался): современным технологиям «не по зубам» (и еще очень долго будет!) воспроизвести даже мельчайший «элемент конструкции» птицы — живую клетку.

                        Это я все о чём?.. «Есть мнение», что секрет мышления и сознания спрятан даже глубже, чем биологические секреты живой материи.
                        • НЛО прилетело и опубликовало эту надпись здесь
                            0
                            есть мнение, что обычный человек представляет собой очень простой автомат


                            Бредовое мнение, если честно.

                            с заложенной с детства системой поведения, применяемой для всего подряд, которая лишь немного дополняется со временем


                            Убеждение, что человек обучается почти всему в детстве, а потом только использует накопленное в детстве, давно уже развенчано в пух и прах.
                            • НЛО прилетело и опубликовало эту надпись здесь
                                0
                                Убеждение, что модель поведения созревает в детстве и значительно не изменяется никак с возрастом никем не развенчано, зато подтверждается практикой


                                Развенчано и не подтверждается. Лично знаю нескольких людей, которые изменились чуть ли не на полную противоположность себя в детстве. Да и сам я значительно изменился.
                                  +2
                                  ru.wikipedia.org/wiki/%D0%9E%D0%B4%D0%B8%D1%87%D0%B0%D0%B2%D1%88%D0%B8%D0%B5_%D0%B4%D0%B5%D1%82%D0%B8
                                  Если до изоляции от общества у детей были некоторые навыки социального поведения, процесс их реабилитации происходит значительно проще. Те, кто жил в обществе животных первые 3,5—6 лет жизни, практически не могут освоить человеческий язык[2], ходить прямо, осмысленно общаться с другими людьми, несмотря даже на годы, проведённые в последующем в обществе людей, где они получали достаточно заботы. Это лишний раз показывает, насколько важными для развития ребёнка являются первые годы его жизни.

                                  Если перейти на английский вариант страницы в вики, там будет рассмотрено много конкретных историй.
                                    0
                                    Это лишний раз показывает, насколько важными для развития ребёнка являются первые годы его жизни.


                                    Но это не значит, что в последующие годы человек не может кардинально меняться. Это значит лишь, что ряд навыков настолько сложны, что могут быть усвоены только в первые годы жизни, когда пластичность мозга максимальна.
                                    • НЛО прилетело и опубликовало эту надпись здесь
                                        0
                                        Вы лучше прочтите англоязычную википедию. Там не всё так просто. Там, например, говорится о свободном владении речью, а не о владении речью вообще. Ну и много всяких факторов и деталей.

                                        Ну и да — то, что одичалые дети не освоили речь и прямохождение, ещё не означает, что это в принципе невозможно. Во-первых, они могут просто не хотеть это осваивать, ибо им и так норм. Во-вторых, может быть они и не могут, но не по той причине, что вы излагаете, а из-за того, что скудное обучение в раннем детстве не вывело мозг на достаточный уровень нейропластичности. Или перенесённые психические травмы заблокировали способность к усвоению нового.

                                        Вы вообще как себе представляете такое, что усвоенное в детстве не меняется? Целые зоны мозга переходят в режим read-only? Такого не бывает — нейропластичность распространяется на весь мозг. Что мешает человеку осознать и скорректировать/изменить/переписать усвоенные в детстве навыки и модели? Да ничего, кроме лени или нежелания этого делать (возвращаясь к одичалым детям — «мне и так норм»)
                                          0
                                          Ну и добавлю:

                                          Another case is 'Isabelle', who was incarcerated with her deaf-mute mother until the age of six and a half (pre-pubescent). She also had no language skills, but, unlike Genie, quickly acquired normal language abilities through systematic specialist training.[18]
                                          • НЛО прилетело и опубликовало эту надпись здесь
                                              0
                                              Внушительная аргументация. Вы даже англоязычные статьи читать не стали. Смотреть как вы топаете ножкой и твердите «всё враки, я не верю!» мне неинтересно, так что закончим.

                                              P.S. Нейропластичность и изменчивость мозга в любом возрасте это явно не про всех))
                                              • НЛО прилетело и опубликовало эту надпись здесь
                                0
                                Нарушения работы нейронного автомата обусловлены лишь «эмоциональной» компонентой и физико-химическими недостатками и особенностями работы самого «устройства».

                                Наверное это не совсем нарушения, а разрешенный диапазон осцилляций. У кого-то амплитуда больше, и их считают странными, у кого-то нет, и их считают занудами, но очень исполнительными.
                                Еще есть тема ДНК, с 2000го года после того как стало достаточно просто составлять генетическую карту человека, накоплено много данных о корреляции отдельных генов и особенности поведения, IQ, там целый пласт знаний накопленный по простому, статистическими исследованиями.

                                На выявление длинных скрытых взаимосвязей и законов теперь «натравлены» электронные системы — именно это есть и будет трендом в ближайшие годы.

                                Да, «слабый» ИИ с этим уже справляется, только нужно четко указывать что искать и предоставлять исходные данные. Аппаратные улучшения это важная часть, но мне кажется, что программисты что-то упускают и что уже на существующем железе можно делать на порядок более сильные решения. Да и аппаратные быстро эволюционируют, тот же AlphaGo на турнирах по игре Го работал на разном железе, не только CPU, GPU, а том числе на TPU модулях, заточенных под нейросети. Там человеку вообще ловить нечего, человек не доходит до такой глубины анализа, даже размышляя всю жизнь над темой.
                              0
                              Я и сейчас могу откопать шахматную программу 30-летней давности и не обыграть ее, но от этого интеллекта в ней не появится, а у меня его не убавится. Что нужно сделать что-бы программа выигравшая в Го научилась писать стихи (утрирую)? Очевидно нужно применить к ней интеллект программистов и ученых для изменения кода. Вот тут весь интеллект и сосредоточен, а не в нейронной сети.
                                0
                                Между искусственными и биологическими НС много общества. То что вы пишете, применимо и к человеку. Человеческий интеллект тоже не содержится на 100% в голове изначально, это распределенная социальная система. Одиночки становятся Маугли, не способными даже ходить прямо. Наш интеллект точно так же обучался и тренировался с рождения сторонними людьми. Плюс 400 млн. лет естественного отбора, итерация за итерацией. Показать пальцем и сказать — вот тут содержится интеллект нельзя, и в случае искусственной НС, и в случае биологической.
                                  0
                                  Что-бы обозначить общее между ИИ и ЕИ, нужно что-бы этот ИИ для начала существовал. И кстати, пока точно не известно как это устроено у нас, у людей. Но зато можно определиться со значением этого слова, для каждого из нас.
                                    0
                                    Слабый ИИ работает. Переводчик Google и Альфа Го.
                                    Как устроен интеллект у людей есть достаточно много данных.
                                    На 100% неизвестно, но 100% и как устроен кирпич нельзя сказать, информация о каждом атоме недоступна, только о полостях и инородных включениях. Что вас интересует у людей из неизвестного? Психология, структура мозга, влияние генов на интеллект?
                                      0
                                      Давайте абстрагируемся от понятия ИИ и обратимся к тому что мы называем «Слабым интеллектом». Например в школе среди одноклассник или среди животных, насекомых и тд. Думаю кое что после этого должно проясниться.
                                        0
                                        Если вы про интеллект насекомых, даже «высокоразвитых» муравьев, там простая нейронная сеть, имеющая свои глюки, например такой
                                          0
                                          Интересное явление. Но кто знает, глюк ли это? Люди тоже подобным страдают.
                                            0
                                            Особенность алгоритма работы муравья. Они ходя по следу ранее проложенному, обычно всё работает стабильно, кроме случая, когда накладываются несколько редких факторов и маршрут закольцовывается.
                                            У людей тоже глюки есть, несколько иного плана, краткий перечень и отдельно по каждому пункту есть развернутые примеры
                              +1
                              Оригинальное значение подразумевало эмуляцию процессов человеческого мышления и сознания.

                              Никогда не было такого однозначного понимания термина. В планах дартмурской конференции 1956 года написано (в вольном переводе): "Мы исходим из предположения, что все аспекты обучения и интеллекта могут быть формализованы и выражены в виде компьютерной программы". Но это не означает, что они собирались копировать человеческий интеллект со всеми его закидонами. Тест Тьюринга отвечал на философский вопрос: "Может ли машина мыслить?", а не являлся программой развития исследований по ИИ.


                              Понимание ИИ как системы, способной решать задачи доступные в прошлом только человеку, без всяких упоминаний эмуляции сознания, — вполне себе используется. И современные системы ИИ вполне этому определению отвечают.


                              есть лишь очень грубая и примитивная эмуляция несовершенных моделей, базирующихся на современных представлениях.

                              Сети, базирующиеся на современных представлениях о работе нейронов (спайковые сети), показывают худшие результаты, чем ещё более "грубая и примитивная эмуляция" в виде сетей нелинейных элементов, обучающихся обратным распространением градиентов.


                              Влияние нейробиологии на машинное обучение до сих пор сводилось к тому, что нейробиология была поставщиком общих идей, техническая реализация которых не имела особого отношения к биологическим нейронам. Успехи deep learning не были вызваны исследованиями в нейробиологи.


                              Но это начинает меняться, причем взаимодействие идёт в обе стороны. Идеи из машинного обучения используются нейробиологами в попытках понять то, что происходит в мозгу. Например: http://linclab.org/wp-content/uploads/2018/06/Richards_ICLR_Slides.pdf

                              0
                              Насколько я понял из статьи — нет никакого сейчас ИИ. Все что мы видим, это несколько более эффективные алгоритмы обработки данных. Если это так, то почему нам говорят именно о ИИ?
                                0
                                Звучит громко, красиво и пугающе-привлекательно, похоже именно поэтому
                                  0
                                  1) Слабый Искусственный Интеллект (ANI) — это такой ИИ, который специализируется в одной области. Есть ИИ, способный победить в чемпионате мира по шахматам, но это все, что он умеет. Скажи ему организовать информацию на жестком диске удобным способом, и он посмотрит на тебя пустым 1010101–взглядом.
                                  2) Сильный Искусственный Интеллект (AGI), также известный как ИИ человеческого уровня, — это компьютер, способный решить любую умственную задачу, которую способен решить человек. Создать AGI намного сложнее, чем ANI, и нам это только предстоит сделать. Профессор Линда Готтфредсон описывает интеллект как «очень общую психическую способность, которая, помимо всего прочего, включает в себя способность рассуждать, планировать, решать проблемы, мыслить абстрактно, понимать сложные идеи, быстро учиться и учиться на опыте» AGI будет справляться со всем этим с такой же легкостью, как и вы.
                                  3) Искусственный сверхинтеллект (ASI). Оксфордский философ и ведущий мыслитель в области ИИ Ник Бостром определяет ASI как «интеллект, который намного умнее лучших человеческих умов практически в любой сфере, в том числе научного творчества и социальных навыков». ASI, в свою очередь, варьируются от компьютеров, которые немного умнее человека, до тех, которые превышают возможности человеческого разума по всем направлениям в триллионы раз. ASI – причина по который ИИ — настолько острая тема, что в этом посте скоро появятся слова «аморальность» и «вымирание».

                                  interpreted.d3.ru/perevod-revoliutsiia-iskusstvennogo-intellekta-684922/?sorting=rating
                                  • НЛО прилетело и опубликовало эту надпись здесь
                                    0
                                    В первом параграфе обзора приведено определение слова «интеллект», когда говорят об ИИ, имеют ввиду нечто искуственное, соответствующее данному определению, только и всего.
                                      –2
                                      Если это так, то почему нам говорят именно о ИИ?
                                      Маркетинг, PR, желание «раскрутиться» на популярном, но неверно понимаемом публикой и инвесторами buzz word, пресловутый «хайп» :(
                                      В одном ряду с этим находятся и «глобальное потепление, вызванное антропогенным фактором», и «умные дома», и… много еще чего можно перечислять.
                                      Но, как мне кажется, в этом нет ничего особо страшного. Инвесторы разберутся (с помощью экспертов), а публике немного волнений не помешает (тем более, что проблемы и вопросы ИИ стоят намного ниже в рейтингах, чем адюльтер какой-нибудь «селебрити», либо спортивные либо политические новости. А ученым и инженерам нужны бабки — и, к сожалению, в современном мире их так просто никто не дает.
                                      0
                                      > в недавнее время было сделано несколько важных открытий в области технологий ИИ и связанных с ними алгоритмов

                                      Каких ИМЕННО открытий и каких именно алгоритмов?
                                        0
                                        Тоже стало интересно, информации по быстрому по теме не нашел, в Википедии немного совсем.
                                          0
                                          да. там из последнего 1986 и 2007 год. может в книжках каких что-то написано подробнее?
                                        0
                                        Об ИИ за несколько минут:
                                        1. Человек с его всемогущим сознанием и прочим — это в терминах ИИ называется «интеллектуальный агент». Наверняка где-то и ведутся исследования по созданию интеллектуальных агентов, но интерес, деньги и хайп сейчас совсем в другом месте.
                                        2. У любого интеллекта есть простая базовая функция: загрузили нечто на вход, интеллект нашел в этом некие закономерности и выдал ответ. Одни ответы являются хорошими, другие плохими. Задача интеллекта — научиться давать хорошие ответы. Этой функции достаточно, чтобы на ее базе собрать гибкие системы, решающие множество практических задач (распознавать, расшифровывать, управлять, выбирать решение и т.д.).
                                        Как оказалось (лет 50 назад) эта задача может быть успешно решена обычным градиентным спуском, при условии правильного подбора модели, алгоритма спуска, статегии получения обучающих примеров и (самое важное!) достаточных вычислительных мощностях.
                                        Пока этих вычислительных мощностей не было, были теоретизирования о том, какие решения могли бы быть наилучшими. Когда эти мощности появились, теория и практика расцвели буйным цветом.
                                        Можно рассматривать это как новый тип программирования. Раньше мы описывали логическими выражениями как получить выход алгоритма по входу, теперь есть новая возможность: подбираем архитектуру нейронной сети, подаем в нее обучающие примеры и сеть сама находит схему вычисления, нужную для получения правильного ответа.
                                        3. Пока рано качественно сравнивать это с человеческим интеллектом. Можно начать сравнивать с интеллектом животных, но и это еще рановато. Теория только развивается. Аппроксимация реальности, которую выполняют искусственные нейронные сети — это одна из функций настоящего интеллекта. Эта функция выглядит как самая сложная и важная, но видимо есть и другие, до которых доберутся позже.
                                          0
                                          Эм. Название статьи и близко не отражает содержание. Чуть-чуть рассказано про нейросетки и больше ни про что. Потраченное впустую время. :(
                                            0
                                            Основоположник кибернетики Норберт Винер дал следующее определение информации: Информация — это обозначение содержания, полученное нами из внешнего мира в процессе приспосабливания к нему нас и наших чувст.
                                            Когда машины станут обозначать, организовывать в сложные (вероятно развивающиеся) структуры содержание, полученое из внешнего мира, тогда можно будет заявлять, что машина обрабатывает информацию. потом уже на базе этого можно будет рассуждать про ее, исскуственный значит, интеллект.
                                            пока же машины обрабатывают не информацию, а наборы байтов, по сложной, но полезной, как на человека алгоритмической логике.
                                            Человек ведь не просто шевелит нейронами в МОЗГУ. Мозг — лишь компьютер, калькулятор, инструмент. Человек двигает строит, разрушает и соорганизовывает в сложные конструкции обьекты идеального мира — мира человеческой культуры. и близко ничего подобного машина не делает, даже сам человек не знает и не может описать как он это делает.
                                              0
                                              Когда машины станут обозначать, организовывать в сложные (вероятно развивающиеся) структуры содержание, полученое из внешнего мира, тогда можно будет заявлять, что машина обрабатывает информацию.

                                              Берем 100000 картинок, на каждой из которых либо есть полосатый зверь, либо нет. Загружаем в нейронную сеть, обучаем находить полосатого зверя. Получаем сеть, которая знает что такое полоски и как различить зверя, хотя никто в ней это не программировал. Изначально хаотичная нейронная сеть сама выработала нужные алгоритмы под давлением целевой функции в процессе градиентного спуска. Человек не делает что-то иное, он делает то же самое. Просто мозг гораздо больше, сложнее и прошитая в нем задача намного сложнее чем задача «есть полоски/нет полосок».
                                                0
                                                Получаем сеть, которая знает что такое полоски и как различить зверя

                                                Не порите чушь, ей больно.
                                                Всё что нейросеть «знает» это то что если в определённой последовательности двухмерной матрицы (битмап) есть определённые RGB-значения то с вероятностью 88.79% в этом файлике гдето в данном прямоугольнике расположен объект который кожаный мешок пометил как «тигр», причём если на изображении присутствует листик определённой формы и цвета то вероятность падает до полпроцента.
                                                  +1

                                                  Не упрощайте. Человек тоже не от святого духа узнал, что вот это — тигр. В детстве ему это кто-то показал. У машины — supervised learning, у человека — weakly supervised learning.


                                                  И кое-какие работы в этой области уже есть. Например: https://arxiv.org/abs/1705.00873


                                                  То, что у компьютера внутри матрицы, нелинейные элементы и обратное распространение ошибки, ещё не значит, что это просто тупая машина.

                                                    0
                                                    Ключевая фраза у меня была " Изначально хаотичная нейронная сеть сама выработала нужные алгоритмы под давлением целевой функции в процессе градиентного спуска. Человек не делает что-то иное, он делает то же самое. "
                                                    Т.е. с чисто математической абстрактной точки зрения нейронная сеть на пустом месте построила «теорию» необходимую для достижения заданных целей точно так же как это делает живой мозг. Полосатый зверь мог быть и не размечен кожаными мешками. Он мог например кусаться (обучение без учителя).
                                                    В принципе, сеть может делать то же самое и на пустом месте, без размеченных примеров: так работают кодировщики. Хотя, здесь ясности меньше.
                                                0

                                                удалено

                                                Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                                                Самое читаемое