Искусственный интеллект

По просьбами хабравчан продолжение части 1

Сразу к делу. К чему может привести изучение ИЖ? Как практически применить знания, полученные в данной области? Учёные, работающие по этому направлению, говорят, что их исследования направлены именно на практические приложения, такие как подвижные роботы, медицина, нанотехнология, искусственный интеллект, и даже исследования социальных и экономических систем. Но в истории искусственной жизни было довольно много споров и противоречий. Многие скептики критикуют некоторые работы по искусственной жизни, называя их «наукой без фактов». Однако последние публикации по искусственной жизни свидетельствуют о том, что технологии, используемые для моделирования искусственной жизни, признаются научным сообществом, по крайней мере, для изучения эволюции.

Основной проблемой ИЖ является создание вычислительных систем и моделей, действующих на базе биологических и эволюционных принципов. Проще говоря, это «мир, созданный человеком». Но до определённого времени работа в данной области ограничивалась лишь теоретическими исследованиями свойств жизни. А моделирование — лишь построением отдельных частей биологических систем, таких, например, как адаптивное поведение или эволюция. Но в последнее время, во многом благодаря развитию нанотехнологий и молекулярной биологии, а также благодаря возросшему пониманию назначения отдельных генов и способов их взаимодействия и появлению средств манипуляции отдельными молекулами, развивается новое направление ИЖ, направленное на создание новых, искусственно синтезированных биологических форм, что требует философского обоснования ИЖ и, как минимум, определения понятия «жизнь» (что же вообще понимать под этим словом). Сегодня сторонники данного направления говорят, что они исследуют более общие формы жизни, чем те, которые существуют на Земле.

Разработчики компьютерных игр подняли интересную тему для обсуждения: как повысить реалистичность искусственного интеллекта, который действует безошибочно. Проблема в том, что во многих компьютерных играх правильный ход или решение просчитывается слишком просто для мощнейших процессоров современных ПК. Например, в виртуальном бильярде компьютер никогда не ошибается и всегда рассчитывает идеальную траекторию шара. Такая же плачевная ситуация в шахматах.

Самый простой способ оглупить ИИ — граничить его вычислительные ресурсы. Конечно, программа сразу станет играть хуже. Для того же бильярда есть следующий вариант: добавлять к удару по правильной траектории случайную погрешность. Но проблема в том, что это снижает реализм игры. В этом случае компьютер начинает делать слишком глупые ошибки. Такие глупые, каких человек никогда бы не сделал.

Другими словами, обычное ухудшение качества игры ИИ не является достаточно реалистичным. Оно не доставляет удовольствия игроку.

Из этого положения есть один выход. Нужно сделать так, чтобы компьютер играл в полную силу, но при этом сдавал игру. Как в спорте — ряд мелких, на первый взгляд, случайных просчётов, которые ведут к проигрышу или значительно увеличивают шансы противника. То есть ИИ должен делать умные, продуманные ошибки.

В ряде последних обсуждений по теме ИИ (1 и 2) возникла глубоко принципиальная дискуссия: умеют ли методы ИИ что-нибудь такое, что нельзя сделать детерминированными алгоритмами и «где же тут интеллектуальность»?

Экспертные системы, нейронные сети, исчисление предикатов, хорновские дизъюнкты, теоремы сходимости…
Не знаю как у вас, у меня вся эта кухня вызывает восторг. Как замечательно, что компьютеры (конечно, наученные программистами, вооруженными серьезной математикой) могут хотя бы иногда приближаться к человеку по навыкам принятия решений. Особенно это хорошо у них получается, когда человек готов учить.

Иначе говоря, методы ИИ работают тем лучше, чем более формализованы как раз те знания, которые компьютер должен освоить. См, например, предыдущий пост про шахматы.

Неуправляемое обучение, обучение без учителя
Однако есть ситуации, и их довольно много, когда правильного ответа никто не знает. И даже непонятно что является ответом. И даже задача не вполне ясна. Есть только данные. Надо что-то полезное из них извлечь.
Согласитесь, задача гораздо более интересная и дающая простор для фантазии?

Интереснейшую реализацию шахматной программы показали вчера на Хабре.
Почитав комментарии, я пришел к выводу, что принцип работы наиболее распространенных алгоритмов игры в шахматы, шашки и тому подобные известны не всем.

Вместе с тем задача создания программы, играющей во что-то, достаточно тривиальна, если имеются способы расчета некоторых величин и оценок, специфичных именно для этой игры.

Привет Хабр.

Почитав то, что на хабре пишут по нейронным сетям захотелось более простым и интересным языком рассказать о искусственном интеллекте. Идея такова, во-первых написать цикл статей об основах нейронных сетей, ну а во-вторых есть несколько идей для интересных проектов, совмещающих интерактивность присущую всему вебдванольному и обучаемость нейросетей, но это позже.

Это третья статья из цикла о мыслящей программе [1], [2]. Не смотря на то, что ряды читателей редеют, я стараюсь не отступать от своей идеи, которой к слову уже исполнился год. За этот год мы (я и идея) прошли долгий путь, который в большей степени пришлось преодолевать практически вслепую, положившись на собственную интуицию. За это время идея трансформировалась из программы в Искусственный Интеллект, из Искусственного Интеллекта в искусственный интеллект, далее снова в программу, затем в мыслящую программу и, наконец, в свой окончательный вариант – искусственный организм. Именно к нему ведет мое повествование.

1.
Действия, которые выполняет человек, прежде всего, основаны на какой-то информации, которой он располагает. Это следует из схемы «Идея – сбор информации – действие – результат»*. (*«схема изменения», «квадрат», и пр.)

Понятие «идея» в данной схеме представляет собой некоторую информацию о результате, который человек должен получить в своей деятельности. Полученный результат должен сравниваться с первоначальной идей, и исходя из этого производится оценка деятельности.

Понятие «сбор информации» представляет собой мероприятия, направленные на получение дополнительной информации, которая будет необходима при выполнении действия в целях получения запланированного результата.

Понятие «действие» обозначает некое действие в материально-энергетическом мире.

Понятие «результат» представляет собой некое изменение, произошедшее в материально-энергетическом мире, в результате действия.

Предисловие

Представляю вашему вниманию очередную часть опуса о мыслящей программе. Это не самостоятельная статья, а логическое продолжение первой части, так что всех «новеньких» настоятельно прошу пройти по ссылке. А пока мы их ждем, можете заварить себе кофе (чай, сделать морс, возможно, что-то покрепче) и приготовиться к активной мыслительной деятельности – информации много. Сегодня в центре внимания будут органы чувств.

1. Первый момент по поводу распознания рукописного текста с помощью нейронных сетей.

«Летом 1987 я получил опыт, который еще больше охладил мой и так невысокий энтузиазм относительно нейронных сетей. Я пришел на конференцию по нейронным сетям, где я увидел презентацию, устроенную компанией, называемой Nestor. Nestor пыталась продать приложение на нейронной сети для распознавания рукописных символов на подложке. Она предлагала лицензию на программу за один миллион долларов. Это привлекло мое внимание. Хотя Nestor провела улучшение алгоритма ее нейронной сети и рекламировала ее как еще один большой прорыв, я чувствовал, что проблема распознавания рукописных символов могла бы быть решена более простым, более традиционным путем. Я пришел домой той ночью, размышляя о проблеме, и за два дня разработал распознаватель рукописных символов который был быстрым, маленьким и гибким. Мое решение не использовало нейронную сеть и оно работало совершенно не так, как мозг. Хотя эта конференция разожгла мой интерес в разработке компьютеров со стилусом (в конечном счете приведший к проекту PalmPilot десять лет спустя), это также убедило меня, что нейронные сети были не таким уж большим улучшением по сравнению с традиционными методами. Распознаватель рукописных символов, который я создал, пригодился в конечном счете для системы текстового ввода, названной Graffiti, использованной в первых сериях продукции Palm. Я думаю, компания Nestor ушла из бизнеса». Джеф Хокинс, «Об интеллекте»

В своей книге Джеф предлагает теорию искусственного интеллекта, предполагающую его в виде нейронной сети, повторяющую структурой неокортекс, кору головного мозга. В своей теории он объясняет интеллектуальность моделью «память-предсказание» и инвариантным представлением данных:

Продолжение раскрытия документов с грифом «что за псих это писал».

9*.
Подсознание – это своего рода ОС человеческой информационной системы. Оно локализовано в спином мозге, ЦНС, различных частях головного мозга (гипофиз, зрительные участки коры и пр.) и так далее. Подсознание координирует жизнедеятельность организма, является своего рода оболочкой для личности и сознания.

Информация из окружающего мира передается в подсознание, где она обрабатывается соответствующим для типа информации способом (зрительные сигналы – зрительной корой головного мозга) и переводится в сознание, но не вся, а та, которую сознание запрашивает. В то же время некоторые решения подсознание «не доверяет» сознанию, либо по временным критериям, либо по количественным нагрузкам, но всю информацию возможно тем не менее сознательно получить.

Можно провести рекурсивную аналогию, для более адекватного объяснения предполагаемой структуры.
Представим 2 системы. Первая система – сознание – подсознание – личность.
Вторая система – фонарик – человеческий мозг – человек.

Публикну некоторые свои давнишние заметки по теме ИИ в виде «как есть».

12*. Из концепции Алана Тьюринга, «если собеседник не может определить, разговаривает ли он с человеком или с машиной, это доказывает, что машина ведет себя так же умно, как и человек», следует вывод, что если ПК при вольном разговоре с человеком будет вести себя как человек, то у ПК имеется интеллект.

Далеко не любой человек может разговаривать с любым человеком на любую тему. Например, не каждый программист-специалист в области какого-либо языка сможет поддержать разговор с ученым биологом на тему «размножения инфузорий туфелек». В повседневной жизни люди часто не могут найти общие темы для разговора… и т.п.

Какой либо человек на рабочем месте в настоящее время мало отличается от «компьютера», т.е. от компьютера со специализированной программой для выполнения определенных функций. Например, при появлении нестандартной задачи, сотрудники не располагающие информацией о методах её решения, как правило, передают её на рассмотрение другим сотрудникам, уровнем выше или ниже. Программа же выдает сообщение об ошибке. То есть, для человека который заказывает билет через Интернет и покупает его в кассе аэропорта разница между человеком и компьютером несущественна, и при добавлении определенных функций к программе, или выборе определенного кассира в аэропорте, человек уже не сможет отличить человека от программы…

Очень приятно, что тема искусственного интеллекта не заглохла, а продолжает развиваться. Здесь уже набралось множество статей с прекрасными идеями и интересными комментариями. Глядя на все это многообразие, захотелось вернуться к начатой полгода назад серии публикаций и поделиться некоторыми возникшими с тех пор мыслями и рассуждениями. Все это я попытался скомпоновать в одну большую статью, которая описывает все аспекты того, как будет работать конечный продукт, и содержит соображения по его реализации.

Detected интересную заметку — учёные из университета Тель-Авива (Tel Aviv University) создали программу, которая на фотографии делает лицо любого человека почти идеальным.

«Beauty Machine» («Машина красоты») использует специальный алгоритм для того, чтобы преобразовать изображение обычного человека в «фото с обложки». Во время преобразования введённого фото алгоритм рассчитывает соотношение определённых параметров представленного лица (например, ширину носа, подбородка, расстояние между глазами). Затем программа несколько корректирует изображение на фотографии, чтобы сделать лицо более желанным. Что приятно, при этом оно не слишком отличается от оригинала и человека можно узнать даже на отредактированном фото.

Здравствуйте, дорогие читатели.

Сегодня я хочу поделиться с вами своими собственными рассуждениями об искусственном интеллекте.

Введение

Не смотря на достижения человечества в области построения различных информационных систем, искусственный интеллект остается не просто недоступной технологией, а технологией «загоризонтной», поскольку нет даже более-менее четкого понимания, каким путем идти, какой объем ресурсов потребуется и какими возможностями будет обладать конечная система.

Это оставляет широкий простор для деятельности фантастов, фантазеров и даже паникеров, и с продуктами их творчества мы хорошо знакомы: это различные вариации на тему противостояния человека и искусственного интеллекта, пожелавшего себе мирового господства, или же в результате некоторой ошибки.

Меньше распространены мнения о депрессиях и суицидах искусственного интеллекта по причине бессмысленности существования.

Совсем в отдалении от основных полемических трендов стоят рассуждения о масштабных социальных явлениях, таких как деградация общества и переход в полную зависимость от умной техники.

А мы рассмотрим проблемы, связанные с искусственным интеллектом более приземленно и рационально.

Совокупность нейронов соединённых тем или иным способом называется искусственной нейронной сетью или просто нейронной сетью.
Закон по которому нейроны соединены в сеть носит название структуры или топологией сети.

Множество нейронов не соединённых между собой, но соедененные с другими нейронами носит название слоя нейрона.
Сети бывают 2х видов: однослойные, многослойные.

Простой перцептрон

Простой перцептрон состоит из 1го нейрона (один слой) с n входами и пороговой функции активации

Поскольку выходами сети является +1 или -1. То перцептрон эффективен для решение задачи классификации 2х классов.

Доброго времени вам суток, уважаемое Хабрасообщество.

Хочу вначале сделать маленький дисклеймер. Предыдущим постом в этом сообществе были рассмотрены основы искусственной нейронной сети. Я данной темой занималась для написания своей магистерской работы и соответственно прочитала в свое время достаточно литературы, поэтому мне бы хотелось немного дополнить и в дальнейшем продолжить вам рассказывать о том, что такое нейронная сеть, какое представление она имеет изнутри, как с ее помощью решают задачи и так далее…
Сразу оговорюсь, что я не гуру в данном вопросе, я его знаю (ну или знала, так как времени прошло уже достаточно) настолько глубоко, насколько мне было это необходимо для написания работающей нейронной сети для распознавания цифр, ее обучения и дальнейшего использования. Предметом исследования была структура нейронной сети для распознавания символов, а конкретно, зависимость между количеством нейронов в скрытом слое и сложностью выборки для входных данных (количеством символов для распознавания).

UPD: данный текст в основном является обобщением из прочитанной литературы. Он не написан мною лично. По крайней мере эта часть.
UPD2: Скорей всего продолжения данной темы не будет, так как хабрапользователь stepan_ovchinnikov, который является смотрителем данного блога, считает, что нет смысла писать здесь то, что можно прочитать из многочисленной литературы, которая есть по нейронным сетям. Так что извините.

Возможно первая часть будет в чем-то похожа на предыдущий пост хабрапользователя Kallisto, но я считаю, что стоит более детально рассмотреть строение искусственного нейрона, у меня есть, что добавить, ну и, плюс ко всему, я хочу написать полноценную и законченную серию постов про нейросети, не опираясь на уже написанное. Надеюсь вам будет полезен данный материал.

Здравствуйте, хабраобщество.

У меня в универе начался курс по нейронным сетям и хочу поделиться информацией с вами, заодно и сам буду лучше воспринимать информацию, а значит выигравшими будут все. Поехали.

Литература

1. Ben Krose, Valter van de Smagt: Introduction to neural networks.
2. Р. Каллан, Введение в нейронные сети.
3. Саймон Хайкин, Нейронные сети полный курс.
4. Gupta Jin Homma, Statical and Dynamical neural networks.

Первые 2 книги хороши для вступления, первая лучше всего, но она на английском, вторая также, чуть хуже изложена, но на русском.

Биологические основания нейронных сетей

.
// тема отдана на самостоятельную обработку.
Теория искусств нейронных сетей появилась, как попытка смоделировать ЦНС (ЦНС — центральная нервная система) высших млекопитающих в 50х годах прошлого столетия.

Выяснилось, что модели искусственных нейронных сетей (Далее ИНС, НС) слишком просты и современные модели нейрофизиологии по сложности на порядок превышает модели НС. Вместе с тем выяснилось, что теория ИНС является прекрасным инструментом для решения сугубо математических задач особенно к класам трудноформализируемых задач.

Под не формализуемыми задачами мы будем понимать задачи, для которых задачу сформулировать невозможно.
К числу таких задач относятся (пример):

• классификация
• кластеризации
• прогнозирования

Под трудно формализуемыми задачами мы будем подразумевать такие задачи для которых формулировка существует, но детерминированный алгоритм нахождения точного решения либо неизвестен, либо слишком затратный по ресурсам.

Чем выше размерность задачи, тем лучше работает нейронные сети и тем хуже классическая математика.

Концепции

Это ответ на пост http://habrahabr.ru/blog/artificial_intelligence/46316.html, почему-то не поместившийся в комментарии.

Логика «рассуждений» автора мало чем отличается от «логики», которая заставляла древних верить, что Солнце вращается вокруг Земли. Апелляцией к субъективным эмоциям («ну как железо может чувствовать?») невозможно строго доказать объективные явления, что уж говорить о попытках доказать или опровергнуть чужую субъективность. С такими рассуждениями можно дойти и до выяснений типа «есть ли душа у протестантов и можно ли их жечь на костре?». Вдобавок, эксперимент с тетрадкой или «китайской комнатой» предполагает наличие агента, соответственно и разумом в данном случае («знанием китайского») обладает не тупой агент, и не тетрадка сама по себе, а система из них обоих. Система — это всегда больше, чем сумма ее составляющих!