Изкуствен интелект (AI, английски: Artificial intelligence, AI) - наука и технология за създаване на интелигентни машини, особено интелигентни компютърни програми. AI е свързан с подобна задача за използване на компютри за разбиране на човешкия интелект, но не е непременно ограничен до биологично правдоподобни методи.
Интелигентност(от лат. intellectus - усещане, възприятие, разбиране, разбиране, концепция, разум), или ум - качество на психиката, състоящо се от способността за адаптиране към нови ситуации, способността за учене и запомняне въз основа на опит, разбиране и прилагане абстрактни понятия и да използва знанията си за управление на околната среда. Интелигентността е общата способност за познание и разрешаване на трудности, която обединява всички човешки познавателни способности: усещане, възприятие, памет, представяне, мислене, въображение.
В началото на 1980г. Компютърните учени Бар и Файгенбаум предложиха следното определение за изкуствен интелект (AI):
По-късно редица алгоритми и софтуерни системи започват да се класифицират като AI, чието отличително свойство е, че могат да решават някои проблеми по същия начин, както би направил човек, който мисли за тяхното решение.
Основните свойства на AI са разбирането на езика, ученето и способността да се мисли и, което е важно, да се действа.
AI е комплекс от свързани технологии и процеси, които се развиват качествено и бързо, например:
На 16 април 2019 г. стана известно, че подкомитетът по стандартизация на ISO/IEC в областта на изкуствения интелект подкрепи предложението на Техническия комитет „Киберфизични системи“, създаден на базата на RVC, за разработване на „Изкуствен интелект“ стандартен. Понятия и терминология“ на руски в допълнение към основната английска версия.
Терминологичен стандарт „Изкуствен интелект. Понятия и терминология“ е основополагащ за цялото семейство международни нормативни и технически документи в областта на изкуствения интелект. В допълнение към термините и дефинициите, този документ съдържа концептуални подходи и принципи за изграждане на системи с елементи, описание на връзката между AI и други технологии от край до край, както и основни принципи и рамкови подходи към регулаторното и техническо регулиране на изкуствения интелект.
След срещата на съответния подкомитет ISO/IEC в Дъблин, експертите на ISO/IEC подкрепиха предложението на делегацията от Русия за едновременно разработване на терминологичен стандарт в областта на ИИ не само на английски, но и на руски език. Очаква се документът да бъде одобрен в началото на 2021 г.
| Разработването на продукти и услуги, базирани на изкуствен интелект, изисква недвусмислено тълкуване на концепциите, използвани от всички участници на пазара. Терминологичният стандарт ще обедини „езика“, на който комуникират разработчиците, клиентите и професионалната общност, ще класифицира такива свойства на базирани на AI продукти като „сигурност“, „възпроизводимост“, „надеждност“ и „конфиденциалност“. Единната терминология също ще се превърне във важен фактор за развитието на технологиите за изкуствен интелект в рамките на Националната технологична инициатива - AI алгоритмите се използват от повече от 80% от компаниите в периметъра на NTI. В допълнение, решението на ISO/IEC ще укрепи авторитета и ще разшири влиянието на руските експерти в по-нататъшното развитие на международните стандарти. |
По време на срещата експертите на ISO/IEC подкрепиха и разработването на проект на международен документ „Информационни технологии – изкуствен интелект (AI) – преглед на изчислителните подходи за системи с изкуствен интелект“, в който Русия действа като съредактор. Документът предоставя преглед на текущото състояние на системите с изкуствен интелект, като описва основните характеристики на системите, алгоритмите и подходите, както и примери за специализирани приложения в областта на ИИ. Разработването на този проектодокумент ще бъде извършено от специално създадена работна група 5 „Изчислителни подходи и изчислителни характеристики на AI системи“ в рамките на подкомитета (SC 42 Working Group 5 „Изчислителни подходи и изчислителни характеристики на AI системи“).
| Като част от работата си на международно ниво руската делегация успя да постигне редица знакови решения, които ще имат дългосрочен ефект върху развитието на технологиите за изкуствен интелект в страната. Разработването на рускоезична версия на стандарта, дори от такава ранна фаза, е гаранция за синхронизация с международното поле, а разработването на подкомитета ISO/IEC и инициирането на международни документи с руско съвместно редактиране е основата за по-нататъшно насърчаване на интересите на руските разработчици в чужбина“, коментира той. |
Технологиите за изкуствен интелект са широко търсени в различни сектори на цифровата икономика. Сред основните фактори, възпрепятстващи пълноценното им практическо използване, е неразвитостта на нормативната база. В същото време именно добре развитата нормативна и техническа база осигурява определеното качество на прилагане на технологията и съответния икономически ефект.
В областта на изкуствения интелект TC Cyber-Physical Systems, базирана на RVC, разработва редица национални стандарти, чието одобрение е планирано за края на 2019 г. - началото на 2020 г. Освен това се работи съвместно с участниците на пазара за формулиране на Национален план за стандартизация (НСП) за 2020 г. и след това. TC "Cyber-physical Systems" е отворен за предложения за разработване на документи от заинтересовани организации.
На 6 декември 2018 г. Техническият комитет „Кибер-физически системи“, базиран на RVC, съвместно с Регионалния инженерен център „SafeNet“ започна разработването на набор от стандарти за пазарите на Националната технологична инициатива (NTI) и цифровата икономика. До март 2019 г. се планира да се разработят документи за техническа стандартизация в областта на квантовите комуникации и, съобщи RVC. Прочетете още.
В основата на всичко, което е практиката на AI (машинен превод, разпознаване на реч, обработка на естествен език, компютърно зрение, автоматизирано шофиране и много повече) е дълбокото обучение. Това е подмножество на машинното обучение, характеризиращо се с използването на модели на невронни мрежи, за които може да се каже, че имитират работата на мозъка, така че би било трудно да ги класифицираме като AI. Всеки модел на невронна мрежа се обучава на големи набори от данни, така че придобива някои „умения“, но как ги използва остава неясно за неговите създатели, което в крайна сметка се превръща в един от най-важните проблеми за много приложения за дълбоко обучение. Причината е, че такъв модел работи с изображения формално, без никакво разбиране какво прави. Дали такава система е AI и може ли да се вярва на системи, изградени върху машинно обучение? Последствията от отговора на последния въпрос се простират отвъд научната лаборатория. Поради това медийното внимание към явлението, наречено AI bias, значително се засили. Може да се преведе като „пристрастие на AI“ или „пристрастие на AI“. Прочетете още.
Областите на приложение на AI са доста широки и обхващат както познати технологии, така и възникващи нови области, които са далеч от масово приложение, с други думи, това е цялата гама от решения, от прахосмукачки до космически станции. Можете да разделите цялото им разнообразие според критерия за ключови точки на развитие.
AI не е монолитна предметна област. Освен това някои технологични области на ИИ се появяват като нови подсектори на икономиката и отделни единици, като същевременно обслужват повечето области в икономиката.
Развитието на използването на AI води до адаптиране на технологиите в класическите сектори на икономиката по цялата верига на стойността и ги трансформира, което води до алгоритмизиране на почти всички функционалности, от логистиката до управлението на компанията.
На 11 юли 2019 г. стана известно, че само след две години изкуственият интелект и машинното обучение ще бъдат използвани за борба с измамите три пъти по-често, отколкото през юли 2019 г. Такива данни са получени по време на съвместно проучване на SAS и Асоциацията на сертифицираните специалисти по измами (ACFE). Към юли 2019 г. такива инструменти за борба с измамите вече се използват в 13% от организациите, участвали в проучването, а други 25% заявяват, че планират да ги внедрят в следващите година или две. Прочетете още.
Развитието в областта на изкуствения интелект ще помогне за радикална промяна на съдебната система, правейки я по-справедлива и свободна от корупционни схеми. Това мнение изрази през лятото на 2017 г. Владимир Крилов, доктор на техническите науки, технически консултант в Artezio.
Ученият смята, че съществуващите решения в областта на AI могат да бъдат успешно приложени в различни сфери на икономиката и обществения живот. Експертът посочва, че AI се използва успешно в медицината, но в бъдеще може напълно да промени съдебната система.
„Гледайки всеки ден новинарските репортажи за развитието в областта на ИИ, оставате само изумени от неизчерпаемото въображение и плодотворността на изследователите и разработчиците в тази област. Докладите за научни изследвания са непрекъснато осеяни с публикации за нови продукти, излизащи на пазара, и доклади за невероятни резултати, получени чрез използването на AI в различни области. Ако говорим за очаквани събития, придружени от забележим шум в медиите, в които AI отново ще стане герой на новините, тогава вероятно няма да рискувам да правя технологични прогнози. Мога да предположа, че следващото събитие ще бъде появата някъде на изключително компетентен съд в лицето на изкуствен интелект, справедлив и неподкупен. Това ще се случи, очевидно, през 2020-2025 г. И процесите, които ще се случват в този съд, ще доведат до неочаквани разсъждения и желанието на много хора да прехвърлят на AI повечето от процесите на управление на човешкото общество.“
Ученият признава използването на изкуствен интелект в съдебната система като „логична стъпка“ за развитие на законодателно равенство и справедливост. Машинният интелект не е обект на корупция и емоции, може стриктно да се придържа към законодателната рамка и да взема решения, като взема предвид много фактори, включително данни, които характеризират страните в спора. По аналогия с медицинската област, съдиите-роботи могат да работят с големи данни от хранилища на държавни услуги. Може да се предположи, че
През 2015 г. екипът на Google тества невронни мрежи, за да види дали могат да създават изображения сами. Тогава изкуственият интелект беше обучен с помощта на голям брой различни картини. Когато обаче машината беше „помолена“ да изобрази нещо сама, се оказа, че тя интерпретира света около нас по малко странен начин. Например, за задачата да нарисуват дъмбели, разработчиците получиха изображение, в което металът беше свързан от човешки ръце. Това вероятно се е случило поради факта, че по време на етапа на обучение анализираните снимки с дъмбели съдържат ръце и невронната мрежа интерпретира това неправилно.
На 26 февруари 2016 г. на специален търг в Сан Франциско представители на Google събраха около $98 хиляди от психеделични картини, създадени от изкуствен интелект.Тези средства бяха дарени за благотворителност. Една от най-успешните снимки на автомобила е представена по-долу.
Картина, нарисувана от изкуствения интелект на Google.
От изобретяването на компютрите способността им да изпълняват различни задачи продължава да расте експоненциално. Хората развиват силата на компютърните системи, като увеличават задачите и намаляват размера на компютрите. Основната цел на изследователите в областта на изкуствения интелект е да създадат компютри или машини, толкова интелигентни, колкото хората.
Създателят на термина „изкуствен интелект“ е Джон Маккарти, изобретател на езика Lisp, основател на функционалното програмиране и носител на наградата Turing за огромния му принос в областта на изследванията на изкуствения интелект.
Изкуственият интелект е начин да се направи компютър, компютърно контролиран робот или програма, способни да мислят интелигентно като човек.
Изследванията в областта на ИИ се извършват чрез изучаване на човешките умствени способности, а след това резултатите от тези изследвания се използват като основа за разработването на интелигентни програми и системи.
Докато работеха с мощни компютърни системи, всички задаваха въпроса: „Може ли една машина да мисли и да се държи по същия начин като човека?“ "
По този начин развитието на AI започва с намерението да се създаде подобен интелект в машините, подобен на човешкия интелект.
Изкуственият интелект е наука и технология, базирана на дисциплини като компютърни науки, биология, психология, лингвистика, математика и машинно инженерство. Една от основните области на изкуствения интелект е разработването на компютърни функции, свързани с човешкия интелект, като разсъждение, учене и решаване на проблеми.
Програмите със и без AI се различават по следните свойства:
AI стана доминиращ в различни области като:
Игри - ИИ играе решаваща роля в игри, свързани със стратегия като шах, покер, тик-так и др., където компютърът е в състояние да изчисли голям брой различни решения въз основа на евристични знания.
Обработката на естествен език е способността да се комуникира с компютър, който разбира естествения език, говорен от хората.
Разпознаване на реч – някои интелигентни системи са способни да чуват и разбират езика, на който човек комуникира с тях. Те могат да се справят с различни акценти, жаргон и т.н.
Разпознаване на ръкописен текст - софтуерът разчита текст, написан на хартия с химикал или на екрана със стилус. Може да разпознава форми на букви и да ги преобразува в редактируем текст.
Умните роботи са роботи, способни да изпълняват задачи, възложени от хората. Те имат сензори за откриване на физически данни от реалния свят, като светлина, топлина, движение, звук, удар и налягане. Те имат високопроизводителни процесори, множество сензори и огромна памет. Освен това те са в състояние да се учат от собствените си грешки и да се адаптират към нова среда.
Ето историята на развитието на AI през 20 век
Карел Чапек режисира пиеса в Лондон, наречена "Universal Robots", която е първата употреба на думата "робот" на английски. |
|
Айзък Азимов, възпитаник на Колумбийския университет, въвежда термина роботика. |
|
Алън Тюринг разработва теста на Тюринг за оценка на интелигентността. Клод Шанън публикува подробен анализ на интелектуалната игра на шах. |
|
Джон Маккарти въвежда термина изкуствен интелект. Демонстрация на първото стартиране на програма за изкуствен интелект в университета Карнеги Мелън. |
|
Джон Маккарти изобретява езика за програмиране lisp за AI. |
|
Тезата на Дани Боброу в MIT показва, че компютрите могат да разбират естествения език доста добре. |
|
Джоузеф Вайзенбаум от MIT разработва Eliza, интерактивен асистент, който води диалог на английски. |
|
Учени от Станфордския изследователски институт разработиха Sheki, моторизиран робот, способен да усеща и решава определени проблеми. |
|
Екип от изследователи от Университета в Единбург са създали Фреди, известният шотландски робот, способен да използва зрение, за да намира и сглобява модели. |
|
Построена е първата компютърно управлявана автономна кола, Stanford Trolley. |
|
Харолд Коен проектира и демонстрира компилацията на програмата, Aaron. |
|
Шахматна програма, която побеждава световния шампион по шах Гари Каспаров. |
|
Интерактивните роботизирани домашни любимци ще станат достъпни в търговската мрежа. MIT показва Kismet, робот с лице, което изразява емоции. Robot Nomad изследва отдалечени райони на Антарктида и открива метеорити. |
Изкуствен интелект: как и къде да учим - отговарят експерти
„Искам да правя AI. Какво си струва да изучавате? Какви езици трябва да използвам? В какви организации да уча и работя?
Обърнахме се към нашите експерти за разяснение и предоставяме на вашето внимание получените отговори.
Зависи от основното ви обучение. На първо място, имате нужда от математическа култура (познания по статистика, теория на вероятностите, дискретна математика, линейна алгебра, анализ и т.н.) и желание да учите много бързо. При прилагането на AI методи ще е необходимо програмиране (алгоритми, структури от данни, ООП и т.н.).
Различните проекти изискват познаване на различни езици за програмиране. Бих препоръчал да знаете поне Python, Java и всеки функционален език. Опитът с различни бази данни и разпределени системи ще бъде полезен. Необходими са познания по английски език, за да научите бързо най-добрите практики в индустрията.
Препоръчвам да учите в добри руски университети! Например MIPT, MSU и HSE имат съответните отдели. Предлага се голямо разнообразие от тематични курсове на Coursera, edX, Udacity, Udemy и други MOOC платформи. Някои водещи организации имат свои собствени програми за обучение в областта на AI (например Школата за анализ на данни в Yandex).
Приложни проблеми, решени с AI методи, могат да бъдат намерени на голямо разнообразие от места. Банките, финансовият сектор, консултациите, търговията на дребно, електронната търговия, търсачките, пощенските услуги, игралната индустрия, индустрията на системите за сигурност и, разбира се, Avito - всички се нуждаят от специалисти с различни квалификации.
Повишаване Понижаване
Имаме финтех проект, свързан с машинно обучение и компютърно зрение, в който първият му разработчик написа всичко на C++, след това дойде разработчик и пренаписа всичко на Python. Така че езикът не е най-важното тук, тъй като езикът е преди всичко инструмент и от вас зависи как да го използвате. Просто на някои езици проблемите се решават по-бързо, а на други по-бавно.
Трудно е да се каже къде да уча - всички наши момчета са учили сами, за щастие има интернет и Google.
Повишаване Понижаване
Мога да ви посъветвам да се подготвите от самото начало за това, че ще трябва да учите много. Независимо какво се има предвид под „правене на AI“ – работа с големи данни или невронни мрежи; развитие на технология или поддръжка и обучение на определена вече разработена система.
Нека вземем актуалната професия Data Scientist в името на спецификата. Какво прави този човек? Като цяло той събира, анализира и подготвя големи данни за използване. Това са тези, върху които AI расте и се обучава. Какво трябва да знае и може един Data Scientist? Статичният анализ и математическото моделиране са по подразбиране и на нивото на плавност. Езици - да речем, R, SAS, Python. Също така би било хубаво да имате известен опит в разработката. Е, най-общо казано, добрият специалист по данни трябва да се чувства уверен в базите данни, алгоритмите и визуализацията на данни.
Не може да се каже, че такъв набор от знания може да се получи във всеки втори технически университет в страната. Големите компании, които дават приоритет на развитието на AI, разбират това и разработват подходящи програми за обучение за себе си - има например Училището за анализ на данни от Yandex. Но трябва да сте наясно, че това не е мащабът, в който идвате на курсове „от улицата“, а ги напускате като готов младши. Слоят е голям и има смисъл да се изучава дисциплина, когато основите (математика, статистика) вече са покрити, поне в рамките на университетската програма.
Да, ще отнеме доста време. Но играта си заслужава свещта, защото един добър Data Scientist е много обещаващ. И много скъпо. Има и още един момент. Изкуственият интелект, от една страна, вече не е просто обект на шум, а технология, която напълно е достигнала етапа на производителност. От друга страна, AI все още се развива. Това развитие изисква много ресурси, много умения и много пари. Засега това е нивото на висшата лига. Сега ще кажа очевидното, но ако искате да сте в челните редици на атаката и да управлявате напредъка със собствените си ръце, насочете се към компании като Facebook или Amazon.
В същото време технологията вече се използва в редица области: в банкирането, телекомите, гигантските индустриални предприятия и търговията на дребно. И вече имат нужда от хора, които могат да го поддържат. Gartner прогнозира, че до 2020 г. 20% от всички предприятия в развитите страни ще наемат специализирани служители, които да обучават невронните мрежи, използвани в тези компании. Така че има още малко време да се научите сами.
Повишаване Понижаване
ИИ сега се развива активно и е трудно да се предвиди десет години предварително. През следващите две до три години ще доминират подходи, базирани на невронни мрежи и GPU изчисления. Лидер в тази област е Python с интерактивната среда Jupyter и библиотеките numpy, scipy и tensorflow.
Има много онлайн курсове, които предоставят основно разбиране на тези технологии и общи принципи на ИИ, като курса на Андрю Нг. И по отношение на преподаването на тази тема, сега в Русия най-ефективният начин е да се учи самостоятелно или в местна група по интереси (например в Москва знам за съществуването на поне няколко групи, където хората споделят опит и знания ).
Повишаване Понижаване
Повишаване Понижаване
Днес най-бързо прогресиращата част от изкуствения интелект са може би невронните мрежи.
Изучаването на невронни мрежи и AI трябва да започне с овладяване на два клона на математиката - линейна алгебра и теория на вероятностите. Това е задължителен минимум, непоклатимите стълбове на изкуствения интелект. Кандидатите, които искат да разберат основите на AI, при избора на университет, според мен, трябва да обърнат внимание на факултетите със силно математическо училище.
Следващата стъпка е да се проучат проблемите на проблема. Има огромно количество литература, както учебна, така и специализирана. Повечето публикации по темата за изкуствения интелект и невронните мрежи са написани на английски език, но се публикуват и материали на руски език. Полезна литература може да се намери например в публичната дигитална библиотека arxiv.org.
Ако говорим за области на дейност, тук можем да подчертаем обучението на приложни невронни мрежи и разработването на напълно нови версии на невронни мрежи. Ярък пример: сега има такава много популярна специалност - „учен по данни“ (Data Scientist). Това са разработчици, които по правило изучават и подготвят определени набори от данни за обучение на невронни мрежи в специфични области на приложение. В заключение бих искал да подчертая, че всяка специализация изисква отделен път на подготовка.
Повишаване Понижаване
Преди да започнете специализирани курсове, трябва да изучавате линейна алгебра и статистика. Бих препоръчал да започнете вашето потапяне в AI с учебника „Машинно обучение. Науката и изкуството за изграждане на алгоритми, които извличат знания от данни“ е добър учебник за начинаещи. В Coursera си струва да слушате уводните лекции на К. Воронцов (подчертавам, че те изискват добро познаване на линейната алгебра) и курса „Машинно обучение“ в Станфордския университет, преподаван от Андрю Нг, професор и ръководител на Baidu AI Група/Google мозък.
По-голямата част е написана на Python, следвана от R и Lua.
Ако говорим за образователни институции, по-добре е да се запишете на курсове в катедрите по приложна математика и компютърни науки, има подходящи образователни програми. За да тествате способностите си, можете да участвате в състезания на Kaggle, където големи световни марки предлагат своите калъфи.
Повишаване Понижаване
Във всеки бизнес, преди да започнете проекти, би било добре да получите теоретична основа. Има много места, където можете да спечелите официална магистърска степен в тази област или да подобрите квалификацията си. Например Skoltech предлага магистърски програми в областите „Компютърни науки и инженерство“ и „Наука за данни“, което включва курсове по „Машинно обучение“ и „Обработка на естествен език“. Можете също така да споменете Института по интелигентни кибернетични системи на Националния изследователски ядрен университет MEPhI, Факултета по изчислителна математика и кибернетика на Московския държавен университет и катедрата по интелигентни системи на MIPT.
Ако вече имате официално образование, има редица курсове, достъпни на различни MOOC платформи. Например EDx.org предлага курсове за изкуствен интелект от Microsoft и Колумбийския университет, последният от които предлага микромагистърска програма на разумна цена. Бих искал специално да отбележа, че обикновено можете да получите самите знания безплатно; плащате само за сертификата, ако е необходим за вашата автобиография.
Ако искате да се „потопите“ дълбоко в темата, редица компании в Москва предлагат едноседмични интензивни курсове с практически занятия и дори предлагат оборудване за експерименти (например newprolab.com), но цената на такива курсове започва от няколко десетки хиляди рубли.
Сред компаниите, които разработват изкуствен интелект, вероятно познавате Yandex и Sberbank, но има много други с различни размери. Например, тази седмица Министерството на отбраната откри военния иновационен технополис ERA в Анапа, една от темите на който е разработването на AI за военни нужди.
Повишаване Понижаване
Преди да изучаваме изкуствения интелект, трябва да решим един фундаментален въпрос: дали да вземем червеното хапче или синьото.
Червеното хапче е да станете разработчик и да се потопите в жестокия свят на статистически методи, алгоритми и постоянно разбиране на неизвестното. От друга страна, не е нужно веднага да се втурвате в „заешката дупка“: можете да станете мениджър и да създадете AI, например като ръководител на проекти. Това са два коренно различни пътя.
Първият е страхотен, ако вече сте решили, че ще пишете алгоритми с изкуствен интелект. Тогава трябва да започнете с най-популярната посока днес - машинното обучение. За да направите това, трябва да познавате класическите статистически методи за класификация, групиране и регресия. Също така ще бъде полезно да се запознаете с основните мерки за оценка на качеството на разтвора, техните свойства... и всичко, което ви попадне.
Едва след усвояване на базата си струва да се изучават по-специализирани методи: дървета на решенията и ансамбли от тях. На този етап трябва да се потопите дълбоко в основните методи за изграждане и обучение на модели - те са скрити зад едва приличните думи просене, подсилване, подреждане или смесване.
Също така си струва да научите за методите за контролиране на преквалификацията на модела (друго „инг“ - пренастройване).
И накрая, много джедайско ниво - получаване на високоспециализирани знания. Например, дълбокото обучение ще изисква овладяване на основни градиентни архитектури и алгоритми. Ако се интересувате от проблеми с обработката на естествен език, препоръчвам да изучавате повтарящи се невронни мрежи. И бъдещите създатели на алгоритми за обработка на снимки и видео трябва да погледнат добре конволюционните невронни мрежи.
Последните две споменати структури са градивните елементи на популярните днес архитектури: състезателни мрежи (GAN), релационни мрежи и мрежести мрежи. Следователно ще бъде полезно да ги изучавате, дори ако не планирате да научите компютъра да вижда или чува.
Напълно различен подход към изучаването на AI - известен още като "синьото хапче" - започва с намирането на себе си. Изкуственият интелект ражда куп задачи и цели професии: от ръководители на AI проекти до инженери по данни, способни да подготвят данни, да ги почистват и да изграждат мащабируеми, натоварени и устойчиви на грешки системи.
Така че, с „мениджърски“ подход, първо трябва да оцените вашите способности и опит и едва след това да изберете къде и какво да учите. Например, дори без математически ум, можете да проектирате AI интерфейси и визуализации за интелигентни алгоритми. Но се пригответе: след 5 години изкуственият интелект ще започне да ви троли и да ви нарича „хуманист“.
Основните ML методи са реализирани под формата на готови библиотеки, достъпни за свързване на различни езици. Най-популярните езици в ML днес са: C++, Python и R.
Има много курсове както на руски, така и на английски, като Yandex School of Data Analysis, SkillFactory и курсове OTUS. Но преди да инвестирате време и пари в специализирано обучение, мисля, че си струва да „вникнете в темата“: гледайте отворени лекции в YouTube от конференции на DataFest през последните години, вземете безплатни курсове от Coursera и Habrahabr.
Изкуственият интелект създаде невронна мрежа на 15 декември 2017 г
Стигнахме до точката, в която изкуственият интелект създава своя собствена невронна мрежа. Въпреки че много хора смятат, че това е едно и също нещо. Но всъщност не всичко е толкова просто и сега ще се опитаме да разберем какво е и кой кого може да създаде.
Инженерите от подразделението Google Brain демонстрираха AutoML тази пролет. Този изкуствен интелект може да създаде свой собствен уникален AI без човешка намеса. Както се оказа, AutoML успя да създаде NASNet, система за компютърно зрение, за първи път. Тази технология е сериозно по-добра от всички аналози, създадени преди това от хората. Тази базирана на изкуствен интелект система може да бъде отличен помощник при разработването, да речем, на автономни автомобили. Приложимо е и в роботиката – роботите ще могат да достигнат съвсем ново ниво.
AutoML е разработен с помощта на уникална система за обучение с подсилване. Говорим за мениджър на невронни мрежи, който самостоятелно разработва изцяло нови невронни мрежи, предназначени за определени специфични задачи. В случая, който посочихме, AutoML има за цел да създаде система, която най-точно разпознава обекти във видео в реално време.
Самият изкуствен интелект успя да обучи нова невронна мрежа, следейки за грешки и коригирайки работата. Процесът на обучение се повтаря многократно (хиляди пъти), докато системата заработи. Интересното е, че той успя да заобиколи всички подобни невронни мрежи, налични в момента, но разработени и обучени от хора.
В същото време AutoML оценява производителността на NASNet и използва тази информация за подобряване на дъщерната мрежа; този процес се повтаря хиляди пъти. Когато инженерите тестваха NASNet върху изображения на ImageNet и COCO, той надмина всички съществуващи системи за компютърно зрение.
Google официално заяви, че NASNet разпознава с точност от 82,7%. Резултатът е с 1,2% по-висок от предишния рекорд, който беше поставен от изследователи от Momenta и специалисти от Оксфорд в началото на есента на тази година. NASNet е с 4% по-ефективен от своите колеги със средна точност от 43,1%.
Има и опростена версия на NASNet, която е адаптирана за мобилни платформи. Той превъзхожда аналозите си с малко повече от три процента. В близко бъдеще тази система ще бъде възможно да се използва за производството на автономни автомобили, за които е важно наличието на компютърно зрение. AutoML продължава да произвежда нови наследствени невронни мрежи, стремейки се да завладее още по-големи висоти.
Това, разбира се, повдига етични въпроси, свързани с опасенията относно AI: какво ще стане, ако AutoML създава системи с такава скорост, че обществото просто не може да се справи? Много големи компании обаче се опитват да вземат предвид опасенията за безопасността на ИИ. Например Amazon, Facebook, Apple и някои други корпорации са членове на Partnership on AI to Benefit People and Society. Институтът по електротехника и електроинженери (IEE) предложи етични стандарти за AI, а DeepMind например обяви създаването на група, която ще се занимава с морални и етични въпроси, свързани с приложенията на изкуствения интелект.
Много големи компании обаче се опитват да вземат предвид опасенията за безопасността на ИИ. Това, разбира се, повдига етични въпроси, свързани с опасенията относно AI: какво ще стане, ако AutoML създава системи с такава скорост, че обществото просто не може да се справи? Институтът по електротехника и електроинженери (IEE) предложи етични стандарти за AI, а DeepMind например обяви създаването на група, която ще се занимава с морални и етични въпроси, свързани с приложенията на изкуствения интелект. Например Amazon, Facebook, Apple и някои други корпорации са членове на Partnership on AI to Benefit People and Society.
Какво е изкуствен интелект?
Създателят на термина „изкуствен интелект“ е Джон Маккарти, изобретател на езика Lisp, основател на функционалното програмиране и носител на наградата Turing за огромния му принос в областта на изследванията на изкуствения интелект.
Изкуственият интелект е начин да се направи компютър, компютърно контролиран робот или програма, способни да мислят интелигентно като човек.
Изследванията в областта на ИИ се извършват чрез изучаване на човешките умствени способности, а след това резултатите от тези изследвания се използват като основа за разработването на интелигентни програми и системи.
Какво е невронна мрежа?
Идеята на невронната мрежа е да се сглоби сложна структура от много прости елементи. Малко вероятно е само една част от мозъка да се счита за интелигентна, но хората обикновено се справят изненадващо добре на тестовете за интелигентност. Въпреки това досега идеята за създаване на ум „от нищото“ обикновено се подиграваше: шегата за хиляда маймуни с пишещи машини е вече на сто години и ако искате, критиката на невронните мрежи може дори може да се намери при Цицерон, който саркастично предложи да се хвърлят жетони с букви във въздуха до посиняване, така че рано или късно да се получи смислен текст. Но през 21 век се оказа, че класиците са били саркастични напразно: това е армия от маймуни с жетони, които с необходимото постоянство могат да превземат света.
Всъщност невронна мрежа може да бъде сглобена дори от кибритени кутии: това е просто набор от прости правила, по които се обработва информацията. „Изкуствен неврон“ или персептрон не е специално устройство, а само няколко аритметични операции.
Персептронът работи не може да бъде по-прост: той получава няколко начални числа, умножава всяко по „стойността“ на това число (повече за това по-долу), събира го и в зависимост от резултата извежда 1 или -1. Например, ние снимаме чисто поле и показваме на нашия неврон някаква точка в тази картина - тоест изпращаме му произволни координати като два сигнала. И тогава питаме: „Скъпи невроне, това небе ли е или земя?“ „Минус едно“, отговаря манекенът, гледайки спокойно купестия облак. „Ясно е, че е земя.“
„Соченето с пръст към небето“ е основната дейност на перцептрона. Не можете да очаквате никаква точност от него: можете също толкова лесно да хвърлите монета. Магията започва в следващия етап, който се нарича машинно обучение. Ние знаем правилния отговор, което означава, че можем да го напишем в нашата програма. Така се оказва, че за всяко неправилно предположение перцептронът буквално получава наказание, а за правилно предположение - бонус: "стойността" на входящите сигнали се увеличава или намалява. След това програмата се изпълнява с новата формула. Рано или късно невронът неизбежно ще „разбере“, че земята на снимката е отдолу, а небето е отгоре, тоест той просто ще започне да игнорира сигнала от канала, през който се предават x-координатите към него. Ако поставите друга снимка на такъв сложен робот, той може да не намери линията на хоризонта, но със сигурност няма да обърка горната част с дъното.
В реалната работа формулите са малко по-сложни, но принципът остава същият. Перцептронът може да изпълни само една задача: да вземе числа и да ги постави на две купчини. Най-интересното започва, когато има няколко такива елемента, защото входящите номера могат да бъдат сигнали от други „градивни елементи“! Да кажем, че един неврон ще се опита да различи сините пиксели от зелените, вторият ще продължи да се занимава с координатите, а третият ще се опита да прецени кой от тези два резултата е по-близо до истината. Ако зададете няколко неврона на сини пиксели наведнъж и обобщите техните резултати, ще получите цял слой, в който „най-добрите ученици“ ще получат допълнителни бонуси. По този начин една доста широко разпространена мрежа може да изрови цяла планина от данни и да вземе предвид всичките й грешки.
Невронна мрежа може да се направи с помощта на кибритени кутии - тогава ще имате трик в арсенала си, който можете да използвате, за да забавлявате гостите на партита. Редакторите на MirF вече са го изпробвали и смирено признават превъзходството на изкуствения интелект. Нека научим ирационалната материя да играе играта "11 пръчки." Правилата са прости: на масата има 11 мача и във всеки ход можете да вземете един или два. Печели този, който е взел последния. Как да играете това срещу „компютъра“?
Много просто.
Вземете 10 кутии или чаши. На всяко пишем число от 2 до 11.
Във всяка кутия поставяме по две камъчета – черно и бяло. Можете да използвате всякакви предмети, стига да са различни един от друг. Това е - имаме мрежа от десет неврона!
Невронната мрежа винаги е първа. Първо вижте колко кибрита са останали и вземете кутия с това число. На първия ход ще бъде кутия номер 11. Вземете камъче от желаната кутия. Можете да затворите очи или да хвърлите монета, основното е да действате на случаен принцип.
Ако камъкът е бял, невронната мрежа решава да вземе две клечки. Ако е черно - едно. Поставете камъче до кутията, за да не забравите кой „неврон“ е взел решението. След това човекът ходи - и така докато свършат клечките.
Сега идва забавната част: ученето. Ако мрежата спечели играта, тогава тя трябва да бъде възнаградена: хвърлете едно допълнително камъче от същия цвят, което е паднало по време на играта, в онези „неврони“, които са участвали в тази игра. Ако мрежата загуби, вземете последната използвана кутия и премахнете неуспешния камък от там. Може да се окаже, че кутията вече е празна, тогава „последният“ неврон се счита за предишния. По време на следващата игра, когато удари празна кутия, невронната мрежа автоматично ще се откаже.
Това е всичко! Играйте няколко игри като тази. Първоначално няма да забележите нищо подозрително, но след всяка победа мрежата ще прави все по-успешни ходове - и след около дузина игри ще разберете, че сте създали чудовище, което не можете да победите.
източници:
„Ние сме на прага на най-големите промени, сравними с човешката еволюция“ – писателят на научна фантастика Върнър Стефан Винге
Как бихте се почувствали, ако знаехте, че сте на ръба на огромна промяна като малкия човек в графиката по-долу?
Вертикалната ос е развитието на човечеството, хоризонталната ос е времето
Вълнуващо, нали?
Ако обаче скриете част от графиката, тогава всичко изглежда много по-прозаично.
Далечното бъдеще е точно зад ъгъла
Представете си, че се намирате през 1750 г. В онези дни хората все още не бяха чували за електричество, комуникацията от разстояние се осъществяваше с помощта на факли и единственото транспортно средство трябваше да се храни със сено преди пътуването. И така решавате да вземете „човека от миналото“ със себе си и да му покажете живота през 2016 г. Невъзможно е дори да си представим какво би почувствал, ако се озове на широки равни улици, по които бързат коли. Вашият гост ще бъде невероятно изненадан, че съвременните хора могат да общуват, дори ако са от различни страни на земното кълбо, да следят спортни събития в други страни, да гледат концерти отпреди 50 години и също така да запазят всеки момент във времето в снимка или видео. И ако разкажете на този човек от 1750 г. за Интернет, Международната космическа станция, Големия адронен колайдер и Теорията на относителността, неговият възглед за света вероятно ще рухне. Може дори да умре от изобилие от впечатления.
Но ето какво е интересно: ако вашият гост се е върнал в своя „роден“ век и е решил да проведе подобен експеримент, като вземе човек от 1500 г. на разходка с машина на времето, тогава въпреки че посетител от миналото също може да бъде изненадан от много Нещо, неговият опит не би бил толкова впечатляващ - разликата между 1500 и 1750 не е толкова забележима, колкото между 1750 и 2016.
Ако човек от 18 век иска да впечатли гост от миналото, тогава ще трябва да покани някой, живял през 12 000 г. пр. н. е., преди Великата аграрна революция. Той наистина можеше да бъде „издухан“ от развитието на технологиите. Виждайки високите камбанарии на църквите, корабите, плуващи в океаните, градовете с хиляди жители, той припадаше от надигащите се емоции.
Темповете на развитие на технологиите и обществото непрекъснато се увеличават. Известният американски изобретател и футурист Реймънд Курцвейл нарича това понятието „Законът за ускоряване на историята“. Това се случва, защото въвеждането на нови технологии позволява на обществото да се развива с все по-бързи темпове. Например хората, които са живели през 19-ти век, са имали по-напреднали технологии от тези от 15-ти. Затова не е изненадващо, че 19-ти век донесе повече постижения на човечеството от 15-ти.
Но ако технологията се развива все по-бързо и по-бързо, трябва да очакваме много най-велики изобретения в бъдещето, нали? Ако Kurzweil и неговите съмишленици са прави, тогава през 2030 г. ще изпитаме същите емоции като човек, дошъл от 1750 г. до нас. И до 2050 г. светът ще се е променил толкова много, че едва ли ще можем да различим чертите на предишните десетилетия.
Всичко по-горе не е научна фантастика - то е научно потвърдено и съвсем логично. Мнозина обаче все още са скептични относно подобни твърдения. Това се случва поради редица причини:
1. Много хора смятат, че развитието на обществото става равномерно и праволинейно. Когато мислим за това какъв ще бъде светът след 30 години, си спомняме какво се случи през последните 30 години. В този момент допускаме същата грешка като човека от примера по-горе, който е живял през 1750 г. и е поканил гост от 1500 г. За да си представите правилно напредъка напред, трябва да си представите, че развитието се случва с много по-бързи темпове, отколкото в далечното минало.
2. Неправилно възприемаме траекторията на развитие на съвременното общество. Например, ако погледнем малък сегмент от експоненциална крива, той може да ни изглежда като права линия (точно както ако гледаме част от кръг). Експоненциалният растеж обаче не е плавен и плавен. Kurzweil обяснява, че прогресът следва s-образна крива, както е показано на графиката по-долу:
Всеки „кръг“ на развитие започва с внезапен скок, който след това се заменя с постоянен и постепенен растеж.
И така, всеки нов „кръг“ на развитие е разделен на няколко етапа:
1. Бавен растеж (ранна фаза на развитие);
2. Бърз растеж (втората, "експлозивна" фраза за развитие);
3. „Изравняване“, когато нова технология е доведена до съвършенство.
Ако погледнем последните събития, може да стигнем до заключението, че не сме напълно наясно колко бързо напредват технологиите. Например, между 1995 и 2007 г. можехме да видим появата на Интернет, Microsoft, Google и Facebook, социалните мрежи, мобилните телефони и след това смартфоните. Но периодът между 2008 и 2016 г. не беше толкова богат на открития, поне в областта на високите технологии. Така вече сме на етап 3 от S-образната линия на развитие.
3. Много хора са заложници на собствения си житейски опит, който изкривява представата им за бъдещето. Когато чуем каквото и да е предсказание за бъдещето, което противоречи на нашата гледна точка въз основа на предишен опит, ние смятаме тази преценка за наивна. Например, ако днес ви кажат, че в бъдеще хората ще живеят 150-250 години или , тогава най-вероятно ще отговорите: „Това е глупаво, защото е известно, че всеки е смъртен. Наистина, всички хора, които някога са живели в миналото, са умрели и продължават да умират днес. Но си струва да се отбележи, че никой не е летял със самолети, докато най-накрая не са били изобретени.
Всъщност много неща ще се променят през следващите няколко десетилетия и промените ще бъдат толкова значителни, че е трудно дори да си ги представим сега. След като прочетете тази статия до края, можете да научите повече за това, което се случва сега в света на науката и високите технологии.
Какво е изкуствен интелект (AI)?
1. Свързваме AI с филми като „Междузвездни войни“, „Терминатор“ и т.н. В тази връзка ние го третираме като измислица.
2. AI е доста широко понятие. Прилага се както за джобни калкулатори, така и за самоуправляващи се автомобили. Такова разнообразие е объркващо.
3. Използваме изкуствения интелект в ежедневието си, но не го осъзнаваме. Ние възприемаме AI като нещо митично от света на бъдещето, така че ни е трудно да осъзнаем, че той вече е около нас.
В тази връзка е необходимо веднъж завинаги да се разберат няколко неща. Първо, изкуственият интелект не е робот. Роботът е вид AI обвивка, която понякога има очертанията на човешко тяло. Изкуственият интелект обаче е компютър в робот. Може да се сравни с мозъка в човешкото тяло. Например женският глас, който чуваме, е просто персонификация.
Второ, вероятно вече сте се сблъскали с понятието „уникалност“ или „технологична уникалност“. Този термин се използва за описание на ситуация, в която обичайните закони и правила не се прилагат. Тази концепция се използва във физиката за описание на черни дупки или момента на компресия на Вселената преди Големия взрив. През 1993 г. Върнър Виндж публикува известното си есе, в което използва сингулярността, за да идентифицира момент в бъдещето, когато изкуственият интелект ще надмине нашия. Според него, когато този момент настъпи, светът с всичките му правила и закони ще престане да съществува както преди.
И накрая, има няколко вида изкуствен интелект, сред които могат да бъдат разграничени три основни категории:
1. Ограничен изкуствен интелект (ANI, Artificial Narrow Intelligence). Това е AI, който е специализиран в една конкретна област. Например, той може да победи световния шампион по шах в шахматна партия, но това е всичко, което може да направи.
2. Общ изкуствен интелект (AGI, Artificial General Intelligence). Такъв AI е компютър, чийто интелект наподобява този на човека, тоест той може да изпълнява всички същите задачи като човек. Професор Линда Готфредсън описва този феномен по следния начин: „Общият AI въплъщава генерализирани мисловни способности, които включват също способността да разсъждаваме, планираме, решаваме проблеми, мислим абстрактно, сравняваме сложни идеи, учим бързо и използваме натрупания опит.“
3. Изкуствен суперинтелект (ASI, Artificial Superintelligence). Шведският философ и професор в Оксфордския университет Ник Бостром определя суперинтелигентността като „интелигентност, която превъзхожда тази на хората в почти всички области, включително научни изобретения, общи знания и социални умения“.
В момента човечеството вече успешно използва ограничен AI. Ние сме на път да овладеем AGI. Следващите раздели на статията ще обсъдят подробно всяка от тези категории.
Свят, управляван от ограничен изкуствен интелект
Ограниченият изкуствен интелект е машинен интелект, който е равен или превъзхожда човешкия интелект при решаването на тесни проблеми. По-долу са дадени някои примери:
Ограничените системи с изкуствен интелект не представляват никаква заплаха за хората. В най-лошия случай повреда в такава система може да причини локална катастрофа, като например пренапрежение на тока или малък срив на финансовия пазар.
Всяко ново изобретение в областта на ограничен AI ни приближава една стъпка по-близо до създаването на общ изкуствен интелект.
Защо това е толкова трудно?
Ако се опитате да създадете компютър със същия интелект като човешкия, ще започнете наистина да цените способността си да мислите. Проектирането на небостъргачи, изстрелването на ракети в космоса, изучаването на теорията за Големия взрив - всичко това е много по-лесно за изпълнение, отколкото изучаването на човешкия мозък. В момента нашият ум е най-сложният обект в наблюдаваната Вселена.
Най-интересното е, че трудностите при създаването на общ AI възникват в най-простите на пръв поглед неща. Например създаването на устройство, което може да умножава десетцифрени числа за части от секундата, не е трудно. В същото време е невероятно трудно да се напише програма, която да разпознае кой е пред монитора: котка или куче. Създайте компютър, който може да победи човек на шах? Лесно! Накарайте машина да чете и разбира какво пише в детска книжка? Google харчи милиарди долари, за да реши този проблем. Неща като математически изчисления, създаване на финансови стратегии, превод от един език на друг вече са решени с помощта на AI. Въпреки това зрението, възприятието, жестовете и движението в пространството все още остават нерешени проблеми за компютрите.
Тези умения изглеждат прости за хората, защото са се развили в продължение на милиони години еволюция. Когато протегнете ръка, за да вземете предмет, вашите мускули, връзки и кости извършват серия от операции, които са в съответствие с това, което виждат очите ви.
От друга страна, умножаването на големи числа и играта на шах са напълно нови действия за биологичните същества. Ето защо е много лесно компютърът да ни победи в това. Помислете коя програма бихте предпочели да създадете: такава, която може бързо да умножава големи числа или просто да разпознава буквата B от хиляди други, написани с различни шрифтове?
Друг забавен пример: като гледате изображението по-долу, и вие, и компютърът можете безпогрешно да разпознаете, че представлява правоъгълник, състоящ се от квадрати с два различни нюанса:
Но веднага щом премахнем черния фон, пред нас ще се отвори пълната, скрита преди това картина:
Няма да е трудно човек да назове и опише всички фигури, които вижда на тази снимка. Компютърът обаче няма да се справи с тази задача. И след като анализира изображението по-долу, той ще заключи, че пред него е комбинация от много двуизмерни обекти от бял, черен и сив цвят. В този случай човек може лесно да каже, че снимката показва черен камък:
Всичко, което беше споменато по-горе, се отнасяше само до възприемането и обработката на статична информация. За да достигне нивото на интелигентност на човека, компютърът трябва да се научи да разпознава изражението на лицето, жестовете и т.н. Но как да постигнем всичко това?
Първата стъпка към създаването на общ AI е увеличаването на мощността на компютъра
Очевидно, ако ще създаваме „умни“ компютри, те трябва да имат същите мисловни способности като хората. Един от начините да се постигне това е да се увеличи броят на операциите в секунда. За да направите това, е необходимо да изчислите колко операции в секунда извършва всяка структура на човешкия мозък.
Рей Кърцвейл направи някои изчисления и успя да стигне до число от 10 000 000 000 000 000 операции в секунда. Човешкият мозък има приблизително същата производителност.
В момента най-мощният суперкомпютър е китайският Tianhe-2, чиято производителност е 34 квадрилиона операции в секунда. Размерът на този суперкомпютър обаче е впечатляващ - той обхваща площ от 720 квадратни метра и струва $390 000 000.
Така че, ако погледнете от техническа страна, вече имаме компютър, сравним по производителност с човешкия мозък. Не е достъпен за масовия потребител, но до десет години ще стане такъв. Производителността обаче не е единственото нещо, което може да даде на компютъра интелигентност като човека. Следващият въпрос е: как да направим мощен компютър интелигентен?
Втората стъпка към създаването на общ AI е да се даде на машината интелект
Това е най-трудната част от процеса, защото никой наистина не знае как да направи компютъра интелигентен. Все още има дебат за това как да се даде възможност на машина да различава котки от кучета или да разпознава буквата B. Въпреки това има няколко стратегии, някои от които са описани накратко по-долу:
1. Копиране на човешки мозък
В момента учените работят върху така нареченото обратно инженерство на човешкия мозък. Според оптимистичните прогнози тази работа ще бъде завършена до 2030 г. След като проектът бъде създаден, ние ще можем да научим всички тайни на нашия мозък и да извлечем нови идеи от него. Пример за такава система е изкуствена невронна мрежа.
Друга по-екстремна идея е да се имитират напълно функциите на човешкия мозък. По време на този експеримент се планира мозъкът да се нареже на много тънки слоеве и да се сканира всеки от тях. След това, като използвате специална програма, ще трябва да създадете 3D модел и след това да го внедрите в мощен компютър. След това ще получим устройство, което официално ще има всички функции на човешкия мозък – остава само да събира информация и да учи.
Колко време трябва да чакаме, докато учените създадат точно копие на човешкия мозък? Доста дълго време, защото досега специалистите не са успели да копират дори 1 мм слой от мозъка, състоящ се от 302 неврона (нашият мозък се състои от 100 000 000 000 неврони).
2. Рекапитулация на еволюцията на човешкия мозък
Създаването на умен компютър е теоретично възможно и еволюцията на собствения ни мозък е доказателство за това. Ако не можем да създадем точно копие на мозъка, можем да опитаме да имитираме неговата еволюция. Всъщност, например, невъзможно е да се построи самолет просто като се копират крилете на птица. За да създадете висококачествен самолет, е по-добре да използвате друг подход.
Как можем да симулираме еволюционния процес, за да създадем общ AI? Този метод се нарича генетичен алгоритъм. Същността на този подход е, че проблемите на оптимизацията и моделирането се решават с помощта на механизми, подобни на естествения подбор в природата. Няколко компютъра ще изпълняват различни задачи, като тези, които са най-ефективни, ще бъдат "кръстосани" един с друг. Машините, които не успеят да изпълнят задачата, ще бъдат изключени. По този начин, след много повторения на този експеримент, алгоритъмът за естествен подбор ще създаде все по-добър компютър. Трудността тук се състои в автоматизирането на процеса на еволюция и „кръстосване“, тъй като еволюционният процес трябва да продължи сам.
Недостатъкът на описания метод е, че в природата на еволюцията са необходими милиони години, но се нуждаем от резултати в рамките на няколко десетилетия.
3. Прехвърлете всички задачи на компютъра
Когато учените се отчаят, те се опитват да създадат програма, която да тества сама себе си. Това може да е най-обещаващият метод за създаване на общ AI.
Идеята е да се създаде компютър, чиито основни функции ще бъдат изследване на AI и промени в кодирането. Такъв компютър не само ще се учи самостоятелно, но и ще промени собствената си архитектура. Учените планират да научат компютъра да бъде изследовател, чиято основна задача ще бъде да развива собствения си интелект.
Всичко това може да се случи много скоро
Паралелно се случват непрекъснати подобрения на компютрите и иновативни експерименти с нов софтуер. Изкуственият общ интелект може да се появи бързо и неочаквано поради две основни причини:
1. Експоненциалният темп на растеж изглежда много бавен, но може да се ускори по всяко време.
2. Що се отнася до софтуера, напредъкът изглежда се случва много бавно, но едно единствено откритие може да ни отведе до ново ниво на развитие в миг на око. Например, всички знаем, че преди хората са смятали, че Земята е в центъра на Вселената. В тази връзка възникнаха много трудности при изучаването на космоса. Тогава обаче световната система неочаквано се промени на хелиоцентрична. След като идеите се промениха драматично, станаха възможни нови изследвания.
По пътя от ограничен AI към изкуствен суперинтелект
В някакъв момент от развитието на ограничен AI компютрите ще започнат да ни надминават. Факт е, че изкуственият интелект, идентичен с човешкия мозък, ще има няколко предимства пред хората, сред които могат да се разграничат следните:
Скорост. Нашите мозъчни неврони работят на максимална честота от 200Hz, докато съвременните микропроцесори работят на 2GHz, или 10 милиона пъти по-бързо.
Размери. Човешкият мозък е ограничен от размера на черепа и следователно не може да се увеличи. Компютърът може да бъде всякакъв размер, осигуряващ повече място за съхранение на файлове.
Надеждност и издръжливост. Компютърните транзистори работят с по-голяма точност от мозъчните неврони. В допълнение, те могат лесно да бъдат ремонтирани или заменени. Човешкият мозък е склонен да се уморява, докато компютърът може да работи на пълен капацитет денонощно.
Изкуственият интелект, програмиран за постоянно самоусъвършенстване, няма да се ограничи до никакви граници. Това означава, че след като една машина достигне нивото на човешкия интелект, тя няма да спре дотук.
Разбира се, когато един компютър стане „по-умен“ от нас, това ще бъде шок за цялото човечество. Всъщност повечето от нас имат изкривена представа за интелекта, която изглежда така:
Нашата изкривена представа за интелекта.
Хоризонталната ос е времето, вертикалната ос е интелигентността.
Нивата на интелигентност вървят отдолу нагоре: мравка, птица, шимпанзе, глупав човек, Айнщайн. Между глупавия човек и Айнщайн има човек, който казва: „Ха ха! Тези смешни роботи се държат като маймуни!“
Развитието на изкуствения интелект е посочено в червено.
И така, кривата на развитие на изкуствения интелект на графиката има тенденция да достигне човешкото ниво. Наблюдаваме как машината постепенно става по-умна от животното. Въпреки това, след като изкуственият интелект достигне нивото на „близък човек“ или, както го казва Ник Бостром, „селски идиот“, това ще означава, че е създаден изкуствен общ интелект. В този случай няма да е трудно компютърът да достигне нивото на Айнщайн. Това бързо развитие е показано на фигурата по-долу:
Но какво се случва след това?
Интелектуален взрив
Тук би било полезно да припомним, че всичко написано в тази статия е описание на реални научни прогнози, съставени от уважавани учени.
Във всеки случай повечето модели на ограничен изкуствен интелект включват функцията за самоусъвършенстване. Но дори и да създадете AI, който първоначално не предоставя такава функция, тогава, след като достигне нивото на човешкия интелект, компютърът ще придобие способността да се учи независимо по желание. В резултат на това машинният интелект постепенно ще се развие и ще се превърне в суперинтелект, който многократно ще превъзхожда човешкия разум.
В момента има дебат за това кога AI ще достигне нивото на човешкия интелект. Стотици учени са съгласни, че това ще се случи около 2040 г. Не е твърде дълго време, нали?
Така че ще отнеме десетилетия, докато изкуственият интелект достигне нивото на човешкия интелект, но в крайна сметка това ще се случи. Компютрите ще се научат да разбират света около тях по същия начин, по който разбира 4-годишно дете. Внезапно, погълнала тази информация, системата ще овладее теоретичната физика, квантовата механика и теорията на относителността. След час и половина AI ще се превърне в изкуствен суперинтелект, 170 хиляди пъти по-голям от възможностите на човешкия мозък.
Суперинтелигентността е феномен, който не можем дори частично да разберем. В съзнанието ни умният човек има коефициент на интелигентност 130, а глупавият има коефициент на интелигентност под 85. Но каква дума може да се избере за същество с коефициент на интелигентност 12952?
Интелигентността е синоним на сила, ето защо в момента човекът е на върха на еволюцията, подчинявайки всички останали живи същества. Това означава, че с навлизането на изкуствения суперинтелект ние ще престанем да бъдем „венецът на природата“. Ще бъдем подчинени на свръхразума.
Ако нашите ограничени мозъци можеха да създават Wi-Fi, представете си какво би могъл да създаде ум, стотици, хиляди, дори милиони пъти по-голям от нас. Този интелект ще може да контролира местоположението на всеки атом на планетата. Всичко, което сега считаме за магия или Божия сила, ще се превърне в ежедневна задача на суперинтелигентността. Суперразумът ще може да победи старостта, да лекува болести, да унищожи глада и дори смъртта. Той дори ще може да препрограмира времето, за да защити живота на Земята. Но суперинтелектът може да унищожи живота на планетата за миг. В сегашното ни разбиране за реалността Бог ще се настани до нас в ролята на суперинтелигентност. Единственият въпрос, който трябва да си зададем е: ще бъде ли това добър Бог?
