Искусственный интеллект

Откуда появилась змея на последнем рисунке? Почему она кусает человека? На втором и третьем рисунках изображён один и тот же человек? Ответы на эти вопросы читатель получает из общего понимания сюжета, осмысливая подписи к рисункам, фразы героев и смысловые переходы от одной картинки к другой

Нейросети демонстрируют удивительные успехи в различных задачах. Они обошли человека по точности распознавания лиц, чтению по губам, игре в некоторые настольные игры, диагностированию некоторых болезней и вождению автомобиля в темноте. С каждым днём количество «побед» нейросетей над человеком увеличивается. Но есть специфические задачи, в которых Искусственный интеллект даже близко не может подобраться к человеческому уровню, так что ему не остаётся ничего иного, кроме как признать своё поражение — и отступить.

«Универсальный язык» нейронной сети Google Neural Machine Translation (GNMT). На левой иллюстрации разными цветами показаны кластеры значений каждого слова, справа внизу — смыслы слова, полученные для него из разных человеческих языков: английского, корейского и японского

За последние десять лет система автоматического перевода текстов Google Translate выросла с нескольких языков до 103, а сейчас она переводит 140 млрд слов ежедневно. В сентябре сообщалось, что разработчики приняли решение полностью перевести сервис Google Translate на глубинное обучение. У этого подхода есть много преимуществ. Перевод становится гораздо лучше. Более того, система может переводить тексты на языки, для которых никогда не видела переводов, то есть не обучалась специально для этой языковой пары.

Вскоре после изобретения фотографии некоторые криминалисты стали замечать схожие черты в фотокарточках преступников, сделанных после ареста. Если верить их словам, преступников объединяют общие черты лица, по которым их можно было бы отнести к правонарушителям. Современные ученые попытались доказать эту теорию с помощью возможностей искусственного интеллекта.

Ярым сторонником антропологической теории был известный итальянский криминалист Чезаре Ломброзо. Он считал, что преступники были в большей степени, чем законопослушные граждане, похожи на человекообразных обезьян. Он был убежден, что можно определить обезьяньи черты: скошенный лоб, специфическое строение ушных раковин, различные асимметрии лица и длинные руки. Чтобы доказать свою точку зрения, он провел много измерений, хотя и не делал статистический анализ этих данных.

Это упущение в конечном итоге развалило его теорию. Английский криминалист Чарльз Горинг опроверг взгляды Ломброзо. Он проанализировал всю информацию, связанную с физическими отклонениями преступников и законопослушных граждан, и не обнаружил никакой статистической закономерности.

Четыре примера работы программы, код которой опубликован в открытом доступе. Слева показаны исходные изображения, справа — результат автоматической обработки

Многие задачи в обработке изображений, компьютерной графике и компьютерном зрении можно свести к задаче «трансляции» одного изображения (на входе) в другое (на выходе). Так же как один и тот же текст можно представить на английском или русском языке, так и изображение можно представить в RGB-цветах, в градиентах, в виде карты границ объектов, карты семантических меток и т.д. По образцу систем автоматического перевода текстов, разработчики из лаборатории Berkeley AI Research (BAIR) Калифорнийского университета в Беркли создали приложение для автоматической трансляции изображений из одного представления в другое. Например, из чёрно-белого наброска в полноцветную картинку.

В серии «Playtest» сериала «Черное зеркало» разработчик игр использует нейросеть для создания действительно страшного хоррор-сеттинга. Машинное обучение позволило компьютеру (простите за спойлер) не только выявить внутренние страхи человека, но и усилить их, миксуя друг с другом.

Любители ужаса в играх испытывают удовольствие от того, что лишаются какого-то страдания: было страшно, потом спаслись и страх исчез или был на грани смерти, но удалось выжить. Однако со временем развивается привыкание: игры (и фильмы) не пугают так, как прежде, потому что мы знаем, чего от них ждать. «Черное зеркало» говорит, что есть возможности дальнейшего развития для инструментария «пугалок». Да и виртуальная реальность в целом оставляет много возможностей для создания пугающих развлечений.

С помощью некоторых технологий удается действительно напугать человека и вызвать у него чувство опасности, осознание присутствия в мире, где у нас всех всего одна жизнь.

Кадры четырёх передач, по которым обучалась программа, а также слово "afternoon", произнесённое двумя разными дикторами

Две недели назад рассказывалось о нейросети LipNet, которая показала рекордное качество 93,4% распознавания человеческой речи по губам. Уже тогда предполагалось множество применений для такого рода компьютерных систем: медицинские слуховые аппараты нового поколения с распознаванием речи, системы для беззвучных лекций в публичных местах, биометрическая идентификация, системы скрытой передачи информации для шпионажа, распознавание речи по видеоряду с камер наблюдения и т.д. И вот сейчас специалисты из Оксфордского университета совместно с сотрудником Google DeepMind поведали о собственных разработках в этой области.

Любые разумные инопланетяне, с которыми человечество сможет вступить в контакт, скорее всего, не будут выглядеть, как вы, я или кальмарообразные существа из фильма "Прибытие".

Если существа с других планет достаточно разовьются для того, чтобы отправлять сигналы, которые смогут принять земляне, они, скорее всего, сбросят свои биологические оковы, и превратятся в одну из форм машинного интеллекта, как утверждает давний охотник за чужими, Сет Шостак [Seth Shostak].

Для доказательства этого Шостак указывает на тот путь, на который, по всей видимости, вступили люди. Люди изобрели радио примерно в 1900-м году, а компьютер – в 1945, и они уже производят достаточно дешёвые устройства, превышающие по вычислительной мощности человеческий мозг.

Слева кадр из игры Labyrinth, в которой обучается агент искусственного интеллекта UNREAL. Программа фантазирует, как взять яблоко (+1 очко) и пирамидку (+10 очков), после чего произойдёт респаун в другом месте карты

Исследователи из британской компании DeepMind (собственность Google) опубликовали вчера интересную научную работу, в которой описывают неординарный метод обучения нейросети с подкреплением. Оказалось, что если в процессе самообучения нейросеть начинает «мечтать» о различных вариантах будущего, то тогда обучается гораздо быстрее. Сотрудники DeepMind подтвердили это экспериментально.

В прошлый раз мы разобрались, как в принципе устроен цифровой конструктор — откуда в нем столько ограничений, почему они важны и как помогают учить детей и взрослых правильным вещам.



Сегодня без сухой теории — просто возьмем и посмотрим на цифровые конструкторы, которые сошли с дистанции, отлично себя чувствуют или только запускаются. Узнаем, как менялись модели их дистрибуции и почему нас ждет волна автоматизации всего.

«Нарисуй кошку за 30 секунд!.. О, я знаю, это кошка… А может быть, нет» — примерно в таком формате выдаёт результат распознавания рисунков нейросеть Quick, Draw!

Quick, Draw! — одна из новых игр, которую выпустили разработчики Google в рамках проекта A.I. Experiments. Здесь публикуются прикольные игрушки, которые позволяют даже ребёнку поиграть с искусственным интеллектом. Но есть игры и для взрослых.

27 января 2016 года подразделение Google DeepMind впервые публично заявило о успехах своей новой разработки. Британская компания искусственного интеллекта, которую Google купила в 2014 году, пыталась покорить древнюю азиатскую игру го. В начале этого года статус го как игры, неподвластной компьютерам, был ещё непоколебим. Системы компьютерного го существовали, но играли на уровне любителей. Профессионалы проигрывали им только со значительной форой.

DeepMind построила AlphaGo на комбинации метода Монте-Карло и искусственных нейронных сетей. После создания системы, настройки её параметров и обучения нейросетей её испытали против других программ компьютерного го и чемпиона-человека. AlphaGo одолела европейского чемпиона 2013, 2014 и 2015 годов Фань Хуэя.

В Европе уровень владения го традиционно ниже, чем на родине игры, в Азии. В силе AlphaGo возникли вполне обоснованные сомнения. Но Google сразу объявила, что следующий поединок AlphaGo проведёт с обладателем 9-го профессионального дана Ли Седолем, одним из лучших игроков за последнее десятилетие. В марте прошла серия из пяти игр… и человек проиграл вновь со счётом 4:1. За шоком сообществ искусственного интеллекта и игроков в го последовало полное молчание о будущих матчах. Новых матчей против AlphaGo не запланировано.

Попытку одолеть AlphaGo осуществит команда японского проекта Deep Zen Go, которая пока учит свою систему играть против людей. На 19, 20 и 23 ноября запланированы три игры против Тё Тикуна, мастера 9-го дана из Японии. Интересен прогноз Ая Хуаня, работника DeepMind, который в марте в рамках исторического матча сидел напротив Ли Седоля и расставлял камни на доске за AlphaGo. Хуань считает, что новая версия Zen победит со счётом 3:0 или 2:1.

Понимание естественного языка является AI полной задачей. Одним из аспектов такого понимания является понимание контекста. В данной статье я объясню, какие виды контекста выделяет наша психика, как она работает с одним из видов контекста, и как мы этот процесс воссоздаем в нашей технологии искусственного интеллекта.

The trophy doesn't fit into the brown suitcase because it's too [small/large].
What is too [small/large]?
Answers:The suitcase/the trophy.
The Winograd Schema Challenge

В предыдущей статье описан наш подход к разработке ИИ и то, что нами уже сделано на настоящий момент. Напомню, что мы создаем ИИ путем прямого копирования структур и процессов психики человека.

Если говорить об исследованиях, оказавших влияние на развитие нейронауки, то Университетскому колледжу Лондона (UCL) есть чем похвастаться. Этот вывод – не мнение эксперта или результат анализа огромного штата сотрудников какого-нибудь аналитического агентства: всю работу проделал компьютер.

Программа Semantic Scholar проанализировала содержание 2,5 миллиона научных статей и цитируемость их авторов, а затем рассчитала оценку влияния каждого автора на остальных. В результате оказалось, что трое из самых влиятельных ученых в этой области работают на благо науки в Университетском колледже Лондона: Карл Фристон, специалист по параметрическим методам статистики (1 место), Раймонд Долан, эксперт в области эмоционального влияния на познание (2 место) и Крис Фрит, исследователь в сфере когнитивного основания шизофрении и социального познания (7 место).

3D-окружение еще сложно для восприятия слабой формой ИИ, что влечет за собой проблемы компьютера при прохождении таких игр

При помощи видеоигр современные специалисты по искусственному интеллекту собираются обучать ИИ методам преодоления препятствий и решения возникающих проблем «на ходу». К примеру, сотрудники DeepMind совместно с Blizzard превратили StarCraft II в среду для обучения слабой формы ИИ. В прошлом году система искусственного интеллекта Google самостоятельно освоила 49 старых игр Atari.

И речь идет не о системе, интегрированной в игру (вроде AI-противников в файтингах, футбольных симуляторах или симуляторах гонок), которой прекрасно известны условия и правила. ИИ, который обучают разработчики в компьютерных играх сейчас, поставлен в равные с человеком условия. Система наблюдает за картинкой на экране, обучаясь методам проб и ошибок. И такая программа способна находить решение не только в играх, она пригодна для поиска решения в самом широком кругу задач, независимо от правил или условий.

Профессор юридических наук из Университета Суррея считает, что необходимо с формальной точки зрения приравнять компьютерный ИИ к изобретателю наравне с людьми за участие в создании какого-либо изобретения. Эта точка зрения высказывается в статье, опубликованной в журнале Boston College Law Review, озаглавленной «Я мыслю, следовательно, я изобретаю: творческие компьютеры и будущее патентного права» [I Think, Therefore I Invent: Creative Computers and the Future of Patent Law].

В вводной части статьи утверждается, что хотя раньше уже выдавались патенты на изобретения, сделанные компьютерами, концепция компьютерного изобретательства в судах не рассматривалась. Идея о признании изобретений за творческими компьютерами может звучать сюрреалистично, но на самом деле они безо всякого признания выдают изобретения, которые в принципе можно патентовать, уже десятилетия.

Устойчивое выражение «не суди книгу по ее обложке» предостерегает от оценки чего-либо или кого-либо по одному только внешнему виду. Но когда читатель видит книгу, это все равно происходит: знакомство обычно начинается с обложки. Именно она оставляет первое впечатление о содержании и начинает рисовать историю в сознании человека. Хорошие обложки просто созданы для того, чтобы по ним судили.

Люди отлично справляются с определением жанра, едва взглянув на визуальное оформление книги. Согласитесь, что выбрать кулинарную книгу, биографию или путеводитель, просто посмотрев на обложку – довольно легко. Тогда возникает интересный вопрос: может ли искусственный интеллект так же успешно судить о книге по обложке, как и человек?

Да, маленьким такой скутер назвать нельзя (Источник: MIT)

Созданием автоматических систем управления автомобилем сейчас занимаются многие компании, как зарубежные, так и отечественные. Такие системы могут быть как полностью автоматическими — подобными разработками занимается Google, так и частично (цифровые помощники разного типа). Кстати, именно цифровым помощником является Autopilot компании Tesla Motors. Это не автопилот в полном понимании этого термина. Разработчики из Массачусетского технологического института (Massachusetts Institute of Technology, MIT) решили создать еще и роботизированный скутер. Проект разрабатывался в сотрудничестве с такими организациями, как Национальный университет Сингапура и CSAIL (Artificial Intelligence Laboratory).

Ранее эта же команда исследователей занималась изучением возможности создания автоматических гольф-мобилей. Для них разрабатывалась специальная программная платформа, которую с некоторыми изменениями и дополнениями использовали и в новом проекте. Скутеры с автоматической системой управления, по мнению разработчиков, могут использоваться, например, теми людьми, кто не может по какой-либо причине ходить самостоятельно. Такие системы могут оказаться полезными и частным пользователям, и компаниям.

Японская компания Toshiba заявила о своем вкладе в развитие Интернета вещей и анализа больших данных. На этот раз она разработала нейроморфный процессор с очень низким энергопотреблением для нейронных сетей с временной задержкой (TDNN). Эта сеть состоит из большого количества модулей, в которых используется не цифровая, а аналоговая обработка данных.

В последнее время нейросети показывали себя прекрасно во многих прикладных задачах. Они искали закономерности в данных, которые использовались для классификации и прогнозирования. Нейросети с кажущейся легкостью распознавали объекты в цифровых изображениях или, «прочитав» отрывок текста, резюмировали его тему. Однако никто не мог рассказать, какие преобразования проходили вводимые данные для получения того или иного решения. Даже авторы сетей владели данными на входе и информацией на выходе. И если рассматривать визуальные данные, то иногда даже можно автоматизировать опыты по выяснению, на какие составляющие изображений реагирует нейросеть. А с системами обработки текста процесс более сложный. В чем сложность понимания человеческого языка машиной вы можете прочитать ниже.

В лаборатории CSAIL (лаборатории информатики и искусственного интеллекта) Массачусетского технологического института исследователи нейросетей сделали так, что теперь «виртуальный мозг» в дополнение к решению выдает и его обоснование. Они обучали два модуля одной нейросети одновременно. Данными для обучения были текстовые отрывки. Результаты порадовали: компьютер думал, как и человек, в 95% случаев. И все же, прежде, чем запустить новый метод нейросетей в активное пользование, потребуется дополнительная настройка и доработка.

Почему картинки обрабатывать легче, чем текст? Можно ли будет беспилотным автомобилям ездить свободно, позволительно ли заменять живого доктора запрограммированным интеллектом, внутри которого бессчетное количество нейронов? Приближает ли это нас к сознательным машинам в реальной жизни? Компьютерные модели нейронных сетей ведут себя так же, как и человеческий мозг, но им пока не разрешали принимать решения, затрагивающие жизни людей. Чтобы изменить это, специалистам понадобилось время и теперь мы можем узнать, как нейросеть приходит к итоговым значениям.

Командир Дэйв Боумен и второй пилот Фрэнк Пул, не доверяя компьютеру, решили отключить его от управления кораблём. Для этого они совещаются в звукоизолированной комнате, но HAL 9000 читает их разговор по губам. Кадр из фильма «Космическая одиссея 2001 года»

Чтение по губам играет важную роль в общении. Ещё эксперименты 1976 года показали, что люди «слышат» совершенно другие фонемы, если наложить неправильный звук на движение губ (см. "Hearing lips and seeing voices", Nature 264, 746-748, 23 December 1976, doi: 10.1038/264746a0).

С практической точки зрения чтение по губам — важный и полезный навык. Можно понимать собеседника не выключая музыку в наушниках, читать разговоры всех людей в поле зрения (например, всех пассажиров в зале ожидания), прослушивать людей в бинокль или подзорную трубу. Область применения навыка очень широка. Освоивший его профессионал без труда найдёт высокооплачиваемую работу. Например, в сфере безопасности или конкурентной разведке.