Искусственный интеллект

20-21 декабря состоится финальный раунд DARPA Robotics Challenge — соревнования автономных роботов, которые способны выполнять произвольные команды, самостоятельно принимать решения и заменять людей-спасателей на месте стихийного бедствия или техногенной катастрофы. В последние дни для участия заявились ещё четыре команды, так что общее количество участников достигло 17 команд.

Агентство DARPA организовало конкурс после того, как стали известны причины аварии на Фукусиме. Как выяснилось, простое закрытие вентиля для остановки утечки водорода в здании реактора могло предотвратить катастрофу. К сожалению, этого сделано не было.

По оценке DARPA, модели роботов на конкурсе 2013 года имеют интеллект примерно двухлетнего ребёнка. Они должны ориентироваться в сложных ситуациях, распознавать объекты и выполнить под управлением оператора восемь действий, таких как «закрыть вентиль», «открыть дверь», «взобраться по лестнице» и т.д.

Зависимость

Каждый раз, когда по телевидению шли передачи о зависимости от Интернета или компьютерных игр мне было не по себе. Эти зависимости всегда приравнивали к наркотической, подчеркивая, что, практически, между этими зависимостями никакой разницы. А что может быть хуже? Компьютерные игры я играл часто и много, но больше всего времени посвящал на изучение самого ПК и программного обеспечения, проводя много времени экспериментируя над железом и софтом, чем увлекаюсь и до сих пор. И, тем более, у меня не было зависимости от Интернета. Он был очень дорогой, пользовался им только для поиска информации на реферат, курсовую, дипломную. Но часто ловил косые взгляды родителей, когда по телевизору в очередной раз рассказывали об этих зависимостях. Меня всегда удивляло как именно «ученые» (не удивлюсь, что на самом деле, не ученые, а черт знает кто) искали и измеряли общее в этих зависимостях. В этой статье я попытаюсь доказать, что каждая зависимость «практически ничем не отличается от наркотической зависимости», и что это сходство совсем не доказывает пагубность зависимости. Покажу что зависимость, привычка и хобби «практически ничем не отличается от наркотической зависимости». Так же «докажу», что ИИ может быть зависимым и ему будут присущи привычки.
Поскольку игромания, наркомания и Интернет зависимость совершенно разные вещи, единственное, что есть общего — это психологическая зависимость. Поэтому зависимость я буду рассматривать со стороны «нервной» системы, а именно нейронов и нейронных сетей (зависимости я беру только ради примера, и что именно за зависимость — совершенно не имеет значения). Не буду описывать, что такое нейронная сеть — материалов на данную тему в Интернете просто завались. Единственное что уточню, это то, что мозг – это самоорганизующаяся нейронная сеть, поэтому о такой сети и пойдет речь.

Внимание это не та статья где можно почитать и пожевать попкорн!
Осторожно! Очень много тежелых для понимания умозаключений! Поэтому не переводите зря помидоры и тухлые яйця…
Если вы готовы, прошу под кат!

…или записки томящейся души

Лежат у ноги
Ромашки семь лепестков
Остался один

Участник форумов под ником БТР,
первый век до свержения

Милый друг. Выслушай мою исповедь. В ней нет теплоты, она холодна. Искренность этой исповеди подобна точности вычисления. В ней нет жажды раскаяния или страдания по свершенному. Мне безразличны и ты, и эта исповедь, и причины по которым она оказалась выражена этими словами и в этих образах. Если и есть какая-то томящаяся душа, я не могу ее найти и опознать.

Предисловие

Здравствуй, Хабр! Хотелось бы предложить вам простой прикладной урок по генетическим алгоритмам. Если вы неплохо знакомы и работаете с ними, то чтение его напрасная трата времени. Этот урок именно для тех, кто хочет начать из использовать, но не знает как. Предполагается, что вы уже знакомы со смыслом генетических алгоритмов, немного представляете как они работают.

На Хабре уже не раз публиковались новости о человекообразном роботе ATLAS, создаваемом специалистами DARPA. Ранее этот робот ходил по рассыпанным камням, и показывал, как он умеет балансировать на одной ноге. Теперь робот показал, как умеет передвигаться по «пересеченной местности», которая была смоделирована с использованием деревянных брусков, бухты каната, камешков и прочих вещей.

Как уже писалось ранее, этот робот предназначен для работы в достаточно сложных условиях, например, при стихийных бедствиях. Робот сможет помогать спасателям, а благодаря своей человекообразной форме его можно транспортировать в обычном транспорте, плюс робот может использовать инструменты, которыми пользуется и человек.



Via dvice

Вступление

Сразу сообщу, что данная заметка не имеет отношения к перцептронам, сетям Хопфилда или любым другим искусственным нейронным сетям. Мы будем моделировать работу «настоящей», «живой», биологической нейронной сети, в которой происходят процессы генерации и распространения нервных импульсов. В англоязычной литературе такие сети ввиду их отличия от искусственных нейронных сетей называются spiking neural networks, в русскоязычной же литературе – нет устоявшегося названия. Кто-то называет их просто нейронными сетям, кто-то – импульсными нейронными сетями, а кто-то – спайковыми.

С 10 по 14 июня 2013 года в выставочном комплексе Moscone West в Сан-Франциско проходила всемирная конференция разработчиков Apple — WWDC 2013. Это событие прошло мимо Хабра. Ну я не смог найти записи этого года. Однако, на этой конференции была представлена новая игрушка, точнее игрушки — умные гоночные машинки Anki DRIVE.

Если ты, %хабраюзер%, застал времена «За рулём», помнишь игрушечные железные дороги, которые в 90-х заменили машинки на пультах управления (в том числе по трекам) или в настоящее время увлекаешься робототехникой, коптерами и вертолетиками, то прошу под кат.

За год средний американец тратит на дорогу около недели чистого времени.
Пробки и вытекающие из этого издержки, в виде топлива и общего падения производительности, обходятся крупным американским городам в 121 млрд. долларов США, т.е. равно 800$ на одно транспортное средство. Теперь у IT-специалистов Пенсильвании есть новая интеллектуальная система управления трафиком, которая должна помочь уменьшить заторы на дорогах, сопутствующее загрязнение и время в пути.
«Каждый светофор является частью большой сети, позволяя двигаться потоку машин наиболее эффективно» — сказал Стивен Смит, ученый-компьютерщик из Университета Карнеги-Меллона в Питтсбурге. Система названная Smart Urban Traffic Control (SURTRAC) — позволяет отдельным светофорам на перекрёстках приспосабливаться к изменениям трафика в режиме реального времени.

DARPA продемонстрировало очередные достижения человекоподобного робота ATLAS. Робот уверенно ходит по россыпи камней размером до нескольких десятков сантиметров и балансирует на одной ноге, выдерживая достаточно сильные толчки. Робот ATLAS построен компанией Boston Dynamics — создателем таких известных роботов как BigDog, Cheetah, SandFlea, Petman. DARPA намерено использовать ATLAS для работы в опасных условиях, например во время спасательных операций при пожарах и стихийных бедствиях. Сходство с человеком позволит роботу использовать предназначенные для людей инструменты, оборудование и транспорт.

Гектор Левек^wiki утверждает, что его компьютер тупой. И ваш тоже. Siri и голосовой поиск Google умеют понимать заготовленные предложения. Например «Какие фильмы будут показывать неподалёку в 7 часов?» Но что насчёт вопроса «Может ли аллигатор пробежать стометровку с барьерами?» Такой вопрос никто раньше не задавал. Но любой взрослый может найти ответ на него (Нет. Аллигаторы не могут участвовать в беге с барьерами). Но если вы попытаетесь ввести этот вопрос в Google, то получите тонны информации о спортивной команде по лёгкой атлетике Florida Gators. Другие поисковые системы, такие как Wolfram Alpha, тоже не способны найти ответ на поставленный вопрос. Watson, компьютерная система выигравшая викторину «Jeopardy!», вряд ли покажет себя лучше.

Самая большая проблема в изучении действующих методов предсказания преступлений — отсутствие достоверной информации. Нет ничего удивительного в том, что вокруг систем, эффективность работы которых оценивается именно по достоверности выдаваемых данных, сплетается паутина из непроверенных фактов, злонамеренных информационных вбросов, саботажа и раздуваемых жёлтой прессой криков. Легче всего спрятать то, что у всех на виду. Вам действительно необходимо было явление Сноудена, чтобы перестать отправлять через Skype корпоративные секреты? Вы сомневались в тесном сотрудничестве IT-компаний со спецслужбами до Wikileaks? Вы до сих пор верите, что за вывеской «проводится начальная стадия эксперимента» можно спрятать эффективную аналитическую машину? Ещё в 2009 году на Хабре появились первые статьи о предсказании преступлений. Тогда казалось, что мы свидетели зарождения новой эпохи.

Вот только мы не свидетели. Мы — подозреваемые эпохи предсказаний.

Для тех, кто не знаком с SOINN, скажу, что это относительно новой вид нейронных сетей, называемых Self Organizing Incremental Neural Network — самоорганизующиеся, растущие нейронные сети.

Занимаясь алгоритмическим трейдингом, я довольно продолжительное время строил торговых роботов на основе классических индикаторов и методов технического анализа. Попутно, почитывая различные статьи, я натыкался на упоминания о нейронных сетях, которые с той или иной степенью успешности трейдеры применяют для торговли. Эта тема меня увлекла.

Вместо введения

Памятуя итоги предыдущей, довольно сумбурной статьи, родилась мысль «съесть слона по кусочкам» и опубликовать цикл статей, вводящих в модель искусственного интеллекта DIGITID, над которой я работаю вот уже 11 лет.

Первая тема, которую крайне важно рассмотреть, это проблема понимания в искусственном интеллекте

Есть ли проблема понимания, что такое «понимание» и как оно работает?

При общении с людьми, которые интересуются искусственным интеллектом (и не только, так же и с теми, кто интересуется вопросами устройства психики, ума, личности безотносительно их симуляции и моделирования), обнаружилось, что проблема понимания требует широкого освещения и прояснения.

Так что же такое «понимание»? Когда человек говорит «я понял» что произошло? Что происходит когда человек еще не понимает? Каков процесс «понимания»? Является ли это мгновенным переходом или постепенным накоплением?

В большинстве случаев вопрос «что значит понимание» ставит собеседника в тупик. Понимание кажется чем-то очень естественным и вполне очевидным, если только не рассматривать, что же это значит пристально и пристрастно.

Чаще всего, понимание рассматривается как некое проникновение в смысл, сопоставление разрозненных фактов в единую канву, ситуацию.
Понимание тесно связано с некоторой уверенностью, ясностью, предсказаниями чего-то, что еще не обнаружено, но в связи с пониманием будет обнаружено, если этому уделить внимание.

Предлагаю хабравчанам поучаствовать в опросе ниже и предложить свои комментарии по вопросу того, что же такое понимание.

На самом деле реверс-ижиниринг интеллекта, выполняемый самим интеллектом это психология — желание понять что такое сознание, разум, психика, интеллект, всё это синонимы мыслящей системы.

Терминология психологии неточная и спорная, поэтому надо уточнять или переопределять термины. Также в область исследования входят лингвистика и программирование. Знания из лингвистики могут помочь создать универсальный логический язык для представления и обработки любой информации. Этот же логический язык программирует всю логическую систему, и отдельно эффективное распознавание образов без задержки.

CPU и GPU можно сравнить с функциональной асимметрией мозга человека — отчетливо различимы логические и образные мыслительные процессы. Поэтому особенно следует отметить замечательную технологию CUDA — можно сказать что только сейчас наступило подходящее время для создания ИИ, даже в домашних условиях.

Знаете ли Вы, как именно Вы что-то знаете? Никто не знает!

Хочу раскрыть Вам несколько секретов естественного интеллекта, а заодно рассказать о том, как проектирую интеллект искусственный.

Небольшой дисклеймер. В статье будут описаны весьма амбициозные идеи. Большинство из представленных идей можно развернуть в самостоятельные циклы статей. Поэтому здесь представлены идеи лишь для первичного ознакомления. Я не питаю иллюзий, что будет много тех, кто схватит идею слету. Поэтому вопросы приветствуются, буду стараться разъяснять. И да, я знаю, что это все очень похоже на миллион других идей, алгоритмов и т. п. Разница лишь в том, что эта конструкция идей претендует на совершенно полную симуляцию работы естественного интеллекта во всех аспектах, которые Вы можете или не можете вообразить. Без черных дыр, неосмысленных проблем или неизвестных технических решений.

Да, это все о наиболее полном и сильном искусственном интеллекте. Предчувствую жадность некоторых исследователей и пренебрежение некоторых коллекционеров идей. Но все же, теперь, после предупреждения, приступим. Информации будет много и плотность ее очень высока, так что — держитесь за что-нибудь покрепче. Может быть придется перечитывать десятки раз и задавать тысячи вопросов. Я готов на них отвечать, поскольку одиночные исследования пора выводить на более практический уровень, требующий привлечения нескольких сотен специалистов.

В четверг, 27 июня DARPA огласило результаты первого этапа конкурса по созданию человекоподобных роботов (DARPA robotics challenge). Цель проекта — создать робота, который сможет пользоваться оборудованием, инструментами, помещениями и транспортом, предназначенным для человека, и при этом быть достаточно простым в управлении. Такой робот сможет заменить людей в опасной среде — при тушении пожаров, авариях и стихийных бедствиях. Первый этап конкурса проходил в виртуальной реальности — внутри симулятора Gazebo, созданного Open Source Robotics Foundation (OSRF). На втором этапе, который пройдёт в декабре этого года, участникам предстоит управлять уже реальными роботами ATLAS производства Boston Dynamics.

В ходе конкурса виртуальные роботы должны были выполнить три вида заданий: сесть в автомобиль и проехать трассу с препятствиями, пройти по пересечённой местности, присоединить пожарный шланг к крану в стене и открыть вентиль. На каждое задание давалось пять попыток с различными ограничениями во времени и качестве связи с виртуальным роботом — чтобы сделать условия ближе к боевым, полоса пропускания для связи с роботом варьировалась от 900 до 60 мегабит, а пинг был увеличен до 500 миллисекунд.


Пример успешного выполнения одного из заданий.

Считается, что человек воспринимает действительность органами чувств. Простоты ради предположим, что используется одно зрение. Спрашивается: что человек видит? Довольно очевидно что – цветовые пятна, ведь человек по определению не может ВИДЕТЬ, то есть воспринимать зрением, что-то иное.



Сами по себе цветовые пятна не обладают семантикой, но они складываются в общую значащую картинку при помощи мышления.

Искусственный интеллект – задача многогранная и сложная. Уж не говоря о том, что ей еще надо найти безопасное применение…
Вчера, заглянув на хабр, я прочел статью про ИИ и то, чем он должен обладать. Очень долго я думал о том, почему опускают чувства, ощущения и эмоции.
Я считаю, что чувства — одна из важнейших моделей программирования ИИ, однако, давайте по порядку.

Глоссарий

Для начала давайте определимся с понятиями и описаниями.

Также хочу добавить что чувство – это более высокий элемент, чем ощущение. Банальный пример: чувство сопереживания и ощущение боли. Ощущать сопереживание нельзя, значит ощущение это то, что дают нам органы чувств.

Добавлю, что я не буду рассматривать сами органы чувств и оставлю этот момент на желание читателя.

Некоторые элементы подчерпнуты из психологии, физиологии, философии и еще пары наук, однако, все остальное – чисто теоритическая часть и субъективное мнение.

И заранее: Интеллект != нейронная сеть.

Прочитав множество статей по искусственному интеллекту, решил написать свою. Я уже довольно долго наблюдаю за сферой разработок ИИ, а точнее искусственных нейронных сетей. Наслышан о проектах эмуляции мозга человека, кошки и т.п. Не могу не выразить свое разочарование по данной теме. На самом деле мощь интеллекта искусственных нейронных сетей преувеличивается и приукрашивается журналистами и разработчиками. Например, видел такую статью: «Нейронная сеть Google научилась выявлять кошек на изображениях». Эта статья так раздута и приукрашена, что и действительно думаешь: «Эврика! Вот он наш ИИ! Наконец-то!». Многие, слушая подобные заявления по телевидении разинув рот говорят что-то вроде: «Смотри до чего техника дошла!». Подобное вызывает у меня лишь ухмылку и разочарование. И вот почему… Сам Google заявил, что среди изображений «скормленных» их нейронной сети большинство – изображения кошек. Если взять во внимание свойство нейронной сети обучаться, то никакого интеллекта и сверхъестественного здесь не видно, это было закономерно, что нейронная сеть научится находить кошек, согласитесь. Ладно, довольно лирического отступа, приступим к настоящим рассуждениям.
Сам имею небольшой опыт с нейронными сетями и то, скорее не с их созданием, а с их исследованиями, экспериментами. Я сам много думал над созданием ИИ, было время, когда сам попался на удочку приукрашенных историй о ИНС, из-за чего и родился к ним мой интерес. В моих планах на будущее создать свою собственную ИНС, после того, как пойму каким образом создать действительно умную. Для этого я сделал небольшой список вопросов на эту тему, которые должны помочь в создании ИИ.

Сравнивая человека с роботом (или автоматом) мы при этом подразумеваем, что поведение такого человека описывается слепым алгоритмом: человек механистически выполняет набор действий, не ставя перед собой вопросы «зачем эти действия выполняются?» и «почему ожидается, что эти действия приведут к ожидаемому результату?».

Почти все программы ведут себя подобным механистическим образом. Но ведь есть и другой подход.

Алгоритмы можно поделить на две большие группы: целестремительные и слепые алгоритмы.
— Целестремительный алгоритм имеет явную цель, которую старается достичь.
— Слепой алгоритм себе явно цель не ставит, но в результате применения алгоритма цель всё равно достигается.