Yapay zeka neyden yapılmıştır. Her mühendis yapay zeka hakkında ne bilmeli? Yapay zeka neden iyidir
Bilgisayarların icadından bu yana, çeşitli görevleri yerine getirme yetenekleri katlanarak büyümeye devam etti. İnsanlar, görevlerin performansını artırarak ve bilgisayarların boyutunu küçülterek bilgisayar sistemlerinin gücünü geliştiriyor. Yapay zeka alanındaki araştırmacıların temel amacı, bir insan kadar zeki bilgisayarlar veya makineler yaratmaktır.
"Yapay zeka" teriminin yazarı, Lisp dilinin mucidi, fonksiyonel programlamanın kurucusu ve yapay zeka araştırmaları alanına yaptığı büyük katkılardan dolayı Turing Ödülü sahibi John McCarthy'dir.
Yapay zeka, bir bilgisayar, bilgisayar kontrollü robot veya insan gibi akıllıca düşünebilen bir program yapmanın bir yoludur.
AI alanındaki araştırmalar, bir kişinin zihinsel yeteneklerini inceleyerek gerçekleştirilir ve daha sonra bu araştırmanın sonuçları, akıllı programların ve sistemlerin geliştirilmesi için temel olarak kullanılır.
Yapay Zeka Felsefesi
Güçlü bilgisayar sistemlerinin çalışması sırasında herkes şu soruyu sordu: “Bir makine, bir insan gibi düşünebilir ve davranabilir mi? ".
Böylece, yapay zekanın gelişimi, makinelerde insana benzer bir zeka yaratma niyetiyle başladı.
AI'nın ana hedefleri
- Uzman sistemlerin oluşturulması - akıllı davranış sergileyen sistemler: öğrenin, gösterin, açıklayın ve tavsiye verin;
- İnsan zekasının makinelerde gerçekleştirilmesi - insan gibi anlama, düşünme, öğretme ve davranma yeteneğine sahip bir makinenin yaratılması.
Yapay zekanın gelişimine ne katkıda bulunur?
Yapay zeka, bilgisayar bilimi, biyoloji, psikoloji, dilbilim, matematik, makine mühendisliği gibi disiplinlere dayalı bir bilim ve teknolojidir. Yapay zekanın ana alanlarından biri, akıl yürütme, öğrenme ve problem çözme gibi insan zekasıyla ilgili bilgisayar işlevlerinin geliştirilmesidir.
Yapay zekalı ve yapay zekasız program
AI olan ve olmayan programlar aşağıdaki özelliklerde farklılık gösterir:
Yapay Zeka ile Uygulamalar
AI, aşağıdakiler gibi çeşitli alanlarda baskın hale geldi:
Oyunlar - Yapay zeka, bilgisayarın buluşsal bilgiye dayalı çok sayıda olası çözümü hesaplayabildiği satranç, poker, tic-tac-toe vb. gibi strateji oyunlarında çok önemli bir rol oynar.
Doğal dil işleme, insanlar tarafından konuşulan doğal dili anlayan bir bilgisayarla iletişim kurma yeteneğidir.
Konuşma tanıma - bazıları akıllı sistemler bir kişinin onlarla iletişim kurduğu dili duyabilir ve anlayabilir. Çeşitli aksanları, argoları vb. işleyebilirler.
El Yazısı Tanıma - Yazılım, kağıda yazılan metni bir kalemle veya bir ekran kalemi ile okur. Harf şekillerini tanıyabilir ve düzenlenebilir metne dönüştürebilir.
Akıllı robotlar, insanlar tarafından atanan görevleri yerine getirebilen robotlardır. Işık, ısı, hareket, ses, şok ve basınç gibi gerçek dünyadan fiziksel verileri algılamak için sensörleri vardır. Yüksek performanslı işlemcilere, çoklu sensörlere ve devasa belleğe sahiptirler. Ayrıca kendi hatalarından ders alıp yeni ortama uyum sağlayabilirler.
AI gelişiminin tarihi
İşte 20. yüzyılda AI gelişiminin tarihi
Karel Capek, Londra'da "Robot" kelimesinin İngilizce'deki ilk kullanımı olan "Evrensel Robotlar" adlı bir oyun yönetiyor. |
|
Columbia Üniversitesi mezunu olan Isaac Asimov, robotik terimini ortaya attı. |
|
Alan Turing, zekayı ölçmek için Turing testini geliştiriyor. Claude Shannon yayınlıyor detaylı analiz entelektüel satranç oyunu. |
|
John McCarthy yapay zeka terimini ortaya attı. Carnegie Mellon Üniversitesi'nde bir AI programının ilk lansmanının gösterilmesi. |
|
John McCarthy, AI için lisp programlama dilini icat etti. |
|
Danny Bobrov'un MIT'deki tezi, bilgisayarların doğal dili oldukça iyi anlayabildiğini gösteriyor. |
|
MIT'den Joseph Weizenbaum, İngilizce iletişim kuran etkileşimli bir asistan olan Eliza'yı geliştiriyor. |
|
Stanford Araştırma Enstitüsü'ndeki bilim adamları, bazı sorunları algılayabilen ve çözebilen motorlu bir robot olan Sheki'yi geliştirdiler. |
|
Edinburgh Üniversitesi'ndeki bir araştırma ekibi, modelleri bulmak ve bir araya getirmek için görme yeteneğini kullanabilen ünlü İskoç robotu Freddie'yi yaptı. |
|
İlk bilgisayar kontrollü otonom araç olan Stanford Cart yapıldı. |
|
Harold Cohen programlamayı geliştirdi ve gösterdi, Aaron. |
|
Dünya satranç şampiyonu Garry Kasparov'u yenen bir satranç programı. |
|
Etkileşimli robotik evcil hayvanlar ticari olarak satışa sunulacak. MIT, duyguları ifade eden bir yüze sahip bir robot olan Kısmet'i sergiliyor. Robot Nomad, Antarktika'nın uzak bölgelerini araştırıyor ve göktaşları buluyor. |
Yapay zeka konusu yirminci yüzyılın ortalarında ele alınmaya başlandı. Ancak birçok kişi yapay zeka hakkında duyduklarında hala galaksilerin fethini, makinelerin ve diğer bilim kurgu filmlerinin yükselişini hayal ediyor. Bu arada, yapay zeka teknolojileri zaten kullanılıyor. Gündelik Yaşam. Bu teknolojiler sayesinde makineler giderek daha fazla görevi daha hızlı ve daha iyi çözebilmektedir. Özellikle bunun için büyük miktarda veri işlemeniz gerekiyorsa: yapay zeka bu tür sorunları bir kişiden çok daha verimli bir şekilde çözer. Bazıları bu eğilimin birçok kişiyi işini kaybetmekle tehdit ettiğine inanıyor: Araştırma Oxford Martin School, 2033 yılına kadar teknoloji, işlerin %47'sini tamamen otomatikleştirecek. site, yapay zekanın ne olduğu, nasıl çalıştığı ve gelecekte uygulanması için beklentilerin neler olduğu hakkında konuşuyor.
yapay zeka nedir
Yapay zeka (AI), akıllı sistemler gibi işlev gören bilgisayar algoritmaları ve programları oluşturma bilimi ve teknolojisidir: deneyime dayalı bilgileri öğrenip saklayın, soyut kavramları değerlendirin ve uygulayın ve edinilen bilgileri çevreyi etkilemek için kullanın.
Yapay zeka 2 türe ayrılır: zayıf ve güçlü. Zayıf AI, yalnızca belirli sınırlar içinde görevleri gerçekleştirebildiği için dar AI olarak da adlandırılır. Bunların hepsi, bugün var olan AI teknolojisine dayalı gelişmelerdir. Güçlü yapay zeka, sınırsız alanda herhangi bir sorunu çözebilecek. Güçlü bir yapay zeka hayal etmek için Tony Stark'ın Iron Man'deki yardımcısı Jarvis'i düşünün. Bugün, böyle bir AI'nın uygulanması imkansızdır ve onu yaratma fikri saf bir ütopya olarak kabul edilmektedir.
Site için Dina Lee Özel
Günümüzde Yapay Zeka: Sinir Ağları ve Makine Öğrenimi
AI teknolojisi farklı şekillerde uygulanabilir. Bunun bir yolu sinir ağlarıdır. Bir sinir ağı, canlı bir organizmadaki sinir ağlarıyla aynı prensip üzerine kuruludur, dolayısıyla adı. Vücutta sinir hücreleri - nöronlar - bir ağa bağlanırlar, oluştururlar. gergin sistem. Ve bir yapay sinir ağında, basit işlemciler kullanılır - aynı şekilde birbirine bağlanan ve etkileşime giren bilgi işlem öğeleri.
Geleneksel algoritmalardan farklı olarak, sinir ağları deneyimlerden öğrenebilir. Sinir ağları, giriş ve çıkış verileri arasındaki bağlantıları analiz eder ve tanımlar, verileri genelleştirir ve sorunlara çözümler oluşturur. Yapay sinir ağlarının bu şekilde çalışabilmesi için makine öğrenmesi yöntemleri kullanılmaktadır. Ayrıca, sinir ağları söz konusu olduğunda, bu tür eğitim çok fazla bilgi işlem kaynağı gerektirir.
Sinir ağına ne öğretebileceğiniz, giriş verilerine bağlıdır. Ne kadar çok veri olursa, eğitim o kadar iyi olur. Bir nesneyi diğerinden ayırt etmeyi, karşılaştırmayı ve tahmin etmeyi bir sinir ağına öğretebilirsiniz. Bir sinir ağını öğrenmek, çocuklara bir resim gösterilip "Bu bir kedi" dendiğinde öğretmeye benzer. Sinir ağları durumunda, açıklayıcı etiketlerle bu tür birçok resim alırlar ve daha sonra birleştirebilecekleri bireysel öğeleri tanımayı öğrenirler. Giriş görüntüsü belirli bir filtreleme sistemine girer. İçindeki filtreler, tanınabilecek öğelerin boyutu ve karmaşıklığı bakımından farklıdır - her birinin kendi özellikleri vardır. Bu sistemde görüntü tekrar tekrar filtrelenir. Birçok öğe tanındığında, sinir ağı bir tahminde bulunur: şu veya bu olasılıkla bu nesne bir kişidir.
Yarın için hisse senedi fiyatlarını tahmin eden, bir posta zarfı üzerindeki el yazısı endeks numaralarını tanıyan ve bir resimde hastalıklı bir organı tanımlayan sinir ağları böyle ortaya çıktı. Eğitimleri için döviz kurlarına ilişkin sayısal veriler ve yazılı sayıların, hastalıklı ve sağlıklı organların görüntüleri kullanıldı.
Sorun, sinir ağlarının genellikle yanlış olmasıydı, çünkü eğitim için gerçekten büyük veri örnekleri toplamak zordu. 2010 yılında ImageNet görüntü veritabanı ortaya çıktı: 22.000 kategoride 15 milyon görüntü. Erişim açıktı: herhangi bir araştırmacı verileri kullanabilirdi. Sonuç olarak, AI'yı yüksek kalitede eğitmek mümkün oldu. Sinir ağları daha gelişmiş, erişilebilir ve günlük hayata sıkı bir şekilde entegre edilmiştir.
Günlük hayatta karşılaştığımız yapay zeka
Sesli yardımcılar Siri, Google Asistan ve Alice, videoları önermek için Youtube'u kullanan Brain gibi web sitesi öneri algoritmaları veya Amazon'un önerilen ürün bloğu, sohbet robotlarının tümü AI tarafından desteklenmektedir.
PayPal ödeme sistemi, sinir ağlarının şüpheli işlemleri bulmasına yardımcı olmak için makine öğrenimini kullanır. Bu, şirketin dolandırıcılık olayını azaltmasını sağlar. Rus uygulaması Prisma, fotoğrafları işlemek için sinir ağlarını kullanır.
NVIDIA mühendisi Robert Bond, komşunun kedileri etrafta gezinip bahçesini mahvettiğinde bahçe sprinklerlerini çalıştıran bir algoritma geliştirdi. Bunun bir kedi olduğunu belirlemek için Caffe sinir ağına dayalı bir sistem kullandı: kedileri kameralardan alınan video görüntülerinden tanımladı. Kamera durumda bir değişiklik kaydettiğinde 7 fotoğraf çekti. Fotoğraflar bir sinir ağı tarafından analiz edildi: eğer resimlerde bir kedi varsa, o zaman ağ fıskiyeleri açtı.
Ayrıca sinir ağları, Yandex.Müzik'te dinleyebileceğiniz 2 adet müzik albümü yazmıştır. Biri Sivil Savunma grubunun şarkılarına dayanarak yazılmıştır (sanatçı"Sinir Savunması" ) ve diğeri - "Nirvana" (icracı - nöron).
Site için Dina Lee Özel
Sinir ağlarını hangi alanlarda kullanmaya devam edebilirsiniz?
Sinir ağları tıpta, finansta ve ticarette, endüstride ve düzen ve güvenliğin sağlanmasında - büyük miktarda veriyi işlemeniz, sistematikleştirmeniz ve tahmin etmeniz gereken her yerde kullanılır.
Tıpta sinir ağları, tümörleri, yaralanmalardan sonra doku ve organlara verilen hasarı tanımak ve olası komplikasyonları ve bir hastalığın seyrini tahmin etmek için eğitilmiştir. Bu kolay değil: yeterince büyük bir tıbbi veri tabanı yok, ancak yüksek doğruluk elde etmeniz gerekiyor. Sonuçta, sinir ağı bir kediyi bir köpekle karıştırırsa, bu o kadar korkutucu değil. Ancak sağlıklı bir organ hastalıklı bir organla birlikteyse, kötü olur.
Yüksek yüklü sistem geliştiricilerinin profesyonel konferansında HighLoad ++ Natalia Efremova söylenmiş Yoksulluk düzeyini tahmin etmek için sinir ağlarının standart dışı kullanımı hakkında. Afrika'daki yoksulluk oranı o kadar yüksek ki, bu verileri basitçe toplamak ve analiz etmek mümkün değil. En son veriler 2005 yılında toplanmıştır. Stanford Üniversitesi'nden bilim adamları, önce yerleşimleri tanıyabilmesi için ImageNet görüntü veritabanını kullanarak bir sinir ağını eğitti. Daha sonra Afrika'nın birçok gündüz ve gece uydu görüntüsünü topladılar ve bunları sinir ağına yüklediler. Sinir ağı, nüfusun geceleri evlerini aydınlatmak için parası olup olmadığını değerlendirdi ve yoksulluk düzeylerini tahmin etti. Tahmin daha sonra 2005 için gerçek verilerle karşılaştırıldı - sinir ağı oldukça doğru bir tahmin yaptı.
Sinir ağları neden yeni bir geliştirme turunu bekliyor?
Sinir ağlarını eğitmek için daha fazla bilgi işlem gücü, görüntüler ve diğer veritabanları vardır. Ek olarak, sinir ağlarının daha fazla verimliliğe sahip olduğu ortaya çıktı. Stanford bilim adamları, Afrika'daki yoksulluğu tahmin etmek için bir sinir ağı eğitirken, yerleşim yerlerinin çatılarına veri yüklediler. Ancak sinir ağı, önceden yüklenmiş veritabanları ve öğretmenlerin müdahalesi olmadan suyu, ormanları, yolları ve diğer nesneleri tanımayı bağımsız olarak öğrendi.
Mayıs 2017'de Google Brain'den geliştiriciler gönderilen makine öğrenimi modellerini bağımsız olarak tasarlayan AutoML projesi. Basitçe söylemek gerekirse, bu, mevcut sinir ağlarını analiz eden, etkili tarafları belirleyen ve insan müdahalesi olmadan başka bir sinir ağı yaratan bir yapay zekadır - NASNet . Görüntülerin doğrulama setinde NASNet, %82.7'lik bir tahmin doğruluğu gösterdi. Bu rakam, görüntü tanıma özelliğine sahip önceki tüm sinir ağlarından daha yüksektir.
AI işleri insanlardan alacak mı?
Yapay zekanın gelişimi kaçınılmaz olarak işgücü piyasasını etkileyecektir. Ancak bu şaşırtıcı olmamalıdır, çünkü aslında modernizasyon ve otomasyon ile aynıdır. Yapay zekanın gelişimi diğer alanların gelişimini etkileyeceğinden, bazı meslekler ortadan kalkacak ve yenileri ortaya çıkacaktır.
Artık yapay zeka, sinir ağları ve sohbet botlarının bir insandan alıp götürebileceği tahmin edilen mesleklerin bir listesi var. Örneğin Google, insan müdahalesi olmadan haber yazan robotlara yatırım yapıyor. Gelecekte bazı programcı türleri de işsiz kalabilir: öncelikle hazır blokları bir araya getiren "kodlayıcılardan" bahsediyoruz, yani çalışmaları bir algoritmaya indirgenebilir. Aynısı, örneğin İK uzmanları için de geçerlidir: sinir ağları, aday aramak, belirli kriterlere göre sistematize etmek ve onlara bildirim göndermek için daha birçok bilgi kaynağını kapsayabilir. Çağrı merkezi operatörleri de yok olma tehdidi altında: Otomatikleştirilebilen birçok standart iş onların omuzlarına düşüyor.
Aynı zamanda, AI'nın gelişimi endişeleri artırıyor. Zamanımızın ana mucitlerinden biri ve SpaceX ve Tesla'nın kurucusu Elon Musk, yapay zekayı "bir medeniyet olarak insanlığın karşı karşıya olduğu en büyük risk" olarak nitelendirdi. Şirketler daha ileri teknolojiler için yarıştıkça yapay zekadan kaynaklanan tehlikeleri unutabileceklerini söylüyor. Ayrıca yapay zeka ve Stephen Hawking'i belirsiz bir şekilde değerlendirir. Bilim adamı, bunun insanın bozulmasına yol açabileceğinden korkar ve onu doğa karşısında çaresiz bırakır.
Şu anda, AI'nın ulaşabileceği kesin ufukları tahmin etmek zor. Ancak bugün iki önemli şey biliyoruz: bazı işler insan müdahalesi olmadan yapılamaz ve her şeyi kontrol eden mükemmel bir yapay zeka hala bir hayal.
Yapay zeka
Yapay zeka, bilgisayar sistemleri ve diğer yapay cihazlar yardımıyla makul akıl yürütme ve eylemler sağlama olasılığını inceleyen bir bilgisayar bilimi dalıdır. Çoğu durumda, sorunu çözme algoritması önceden bilinmemektedir.
İnsan aklının doğası ve statüsü sorunu felsefede çözülmediği için bu bilimin kesin tanımı mevcut değildir. Yapay zekanın şafağında, örneğin Turing testi veya Newell-Simon hipotezi gibi bir dizi hipotez önerilmiş olsa da, bilgisayarlar tarafından "zeka" elde etmek için kesin bir kriter yoktur. Şu anda hem yapay zekanın görevini anlamak hem de akıllı sistemler oluşturmak için birçok yaklaşım var.
Bu nedenle, sınıflandırmalardan biri AI'nın geliştirilmesine yönelik iki yaklaşımı ayırt eder:
yukarıdan aşağıya, semiyotik - üst düzey zihinsel süreçleri modelleyen sembolik sistemlerin yaratılması: düşünme, akıl yürütme, konuşma, duygular, yaratıcılık, vb.;
aşağıdan yukarıya, biyolojik - daha küçük "akıllı olmayan" unsurlara dayalı akıllı davranışı modelleyen sinir ağları ve evrimsel hesaplamaların incelenmesi.
Bu bilim psikoloji, nörofizyoloji, transhümanizm ve diğerleri ile bağlantılıdır. Tüm bilgisayar bilimleri gibi, matematiksel bir aparat kullanır. Felsefe ve robotik onun için özellikle önemlidir.
Yapay zeka, 1956'da başlatılan çok genç bir araştırma alanıdır. Tarihsel yolu, her "yükselişi" yeni bir fikir tarafından başlatılan bir sinüzoidi andırır. Şu anda gelişimi geriliyor ve yerini bilimin, endüstrinin, iş dünyasının ve hatta günlük yaşamın diğer alanlarında halihazırda elde edilen sonuçların uygulanmasına bırakıyor.
Çalışma Yaklaşımları
AI sistemleri oluşturmak için çeşitli yaklaşımlar vardır. Şu anda, oldukça farklı 4 yaklaşım var:
1. Mantıksal yaklaşım. Mantıksal yaklaşımın temeli Boole cebridir. Her programcı, IF ifadesine hakim olduğu zamandan beri ona ve mantıksal operatörlere aşinadır. Boole cebri daha da gelişmesini yüklem hesabı biçiminde aldı - burada konu sembolleri, aralarındaki ilişkiler, varoluş niceleyicileri ve evrensellik tanıtılarak genişletildi. Mantıksal bir prensip üzerine inşa edilmiş hemen hemen her AI sistemi, bir teorem kanıtlama makinesidir. Bu durumda, ilk veriler veritabanında aksiyomlar, aralarındaki ilişki olarak çıkarım kuralları şeklinde saklanır. Ek olarak, bu tür her makinenin bir hedef oluşturma bloğu vardır ve çıkarım sistemi verilen hedefi bir teorem olarak kanıtlamaya çalışır. Hedef kanıtlanırsa, uygulanan kuralların izlenmesi, hedefe ulaşmak için gerekli bir eylemler zincirini elde etmenizi sağlar (böyle bir sistem uzman sistemler olarak bilinir). Böyle bir sistemin gücü, hedef üreteci ve teorem ispat makinesinin yetenekleri ile belirlenir. Mantıksal yaklaşımın daha fazla ifade edilebilirliğini elde etmek, bulanık mantık gibi nispeten yeni bir yöne izin verir. Temel farkı, ifadenin doğruluğunun evet / hayır (1/0) yanı sıra ara değerleri de alabilmesidir - bilmiyorum (0.5), hastanın hayatta olma olasılığı daha yüksektir ölüden (0,75), hasta muhtemelen ölüdür ( 0,25). Bu yaklaşım daha çok insan düşüncesine benzer, çünkü soruları nadiren yalnızca evet veya hayır ile yanıtlar.
2. Yapısal yaklaşımla, burada insan beyninin yapısını modelleyerek AI oluşturma girişimlerini kastediyoruz. Bu tür ilk girişimlerden biri Frank Rosenblatt'ın algılayıcısıydı. Algılayıcılarda modellenen ana yapısal birim (diğer birçok beyin modelleme seçeneğinde olduğu gibi) bir nörondur. Daha sonra, sinir ağları (NN'ler) terimi altında en çok bilinen diğer modeller ortaya çıktı. Bu modeller, bireysel nöronların yapısında, aralarındaki bağlantıların topolojisinde ve öğrenme algoritmalarında farklılık gösterir. NN'nin en iyi bilinen varyantları arasında geri yayılımlı NN, Hopfield ağları, stokastik sinir ağları bulunmaktadır. Daha geniş anlamda, bu yaklaşım Bağlantıcılık olarak bilinir.
3. Evrimsel yaklaşım. Bu yaklaşıma göre AI sistemleri oluştururken, ilk modelin inşasına ve değişebileceği (gelişebileceği) kurallara büyük önem verilir. Ayrıca, model çeşitli yöntemler kullanılarak derlenebilir, hem NN hem de bir küme olabilir. mantıksal kurallar ve diğer herhangi bir model. Bundan sonra bilgisayarı açıyoruz ve modelleri kontrol ederek en iyisini seçiyor ve çeşitli kurallara göre yeni modeller üretiliyor. Evrimsel algoritmalar arasında genetik algoritma klasik olarak kabul edilir.
4. Simülasyon yaklaşımı. Bu yaklaşım sibernetik için klasiktir ve temel kavramlarından biri kara kutudur. Davranışı simüle edilen nesne sadece bir "kara kutu"dur. Onun ve modelin içinde ne olduğu ve nasıl çalıştığı bizim için önemli değil, asıl mesele modelimizin benzer durumlarda aynı şekilde davranmasıdır. Böylece, bir kişinin başka bir özelliği burada modellenmiştir - bunun neden gerekli olduğuna dair ayrıntılara girmeden başkalarının yaptıklarını kopyalama yeteneği. Genellikle bu yetenek, özellikle hayatının başlangıcında, ona çok zaman kazandırır.
Hibrit akıllı sistemler çerçevesinde bu alanları birleştirmeye çalışıyorlar. Uzman çıkarım kuralları, sinir ağları tarafından oluşturulabilir ve istatistiksel öğrenme kullanılarak üretici kurallar elde edilir.
Zeka güçlendirme adı verilen umut verici yeni bir yaklaşım, yapay zekanın evrimsel gelişim yoluyla elde edilmesini, insan zekasının teknolojiyle güçlendirilmesinin bir yan etkisi olarak görüyor.
Araştırma talimatları
Yapay zekanın tarihini analiz ederek, akıl yürütme modellemesi gibi geniş bir alanı ayırt edebiliriz. Uzun yıllar boyunca, bu bilimin gelişimi bu yolda ilerledi ve şimdi modern AI'nın en gelişmiş alanlarından biri. Akıl yürütme modellemesi, girişinde belirli bir görevin belirlendiği ve çıkışında çözülmesi gereken sembolik sistemlerin oluşturulmasını içerir. Kural olarak, önerilen problem zaten resmileştirildi, yani matematiksel bir forma çevrildi, ancak bir çözüm algoritmasına sahip değil ya da çok karmaşık, zaman alıcı, vb. Bu alan şunları içerir: teorem kanıtlama, karar verme ve oyun teorisi, planlama ve sevk, tahmin.
Önemli bir alan, bir "insan" dilinde metinleri anlama, işleme ve oluşturma olanaklarını analiz eden doğal dil işlemedir. Özellikle metinlerin bir dilden diğerine makine çevirisi sorunu henüz çözülmemiştir. Modern dünyada, bilgi alma yöntemlerinin geliştirilmesi önemli bir rol oynamaktadır. Orijinal Turing testi doğası gereği bu yönle ilgilidir.
Birçok bilim insanına göre, zekanın önemli bir özelliği öğrenme yeteneğidir. Böylece, basit bilgilerden bilgi edinme, sistematizasyon ve kullanım görevlerini birleştirerek bilgi mühendisliği ön plana çıkmaktadır. Bu alandaki gelişmeler, yapay zeka araştırmalarının hemen hemen tüm diğer alanlarını etkiler. Burada da iki önemli alt alan belirtilmelidir. Bunlardan ilki - makine öğrenimi - çalışması sırasında akıllı bir sistem tarafından bağımsız bilgi edinme süreci ile ilgilidir. İkincisi, uzman sistemlerin oluşturulmasıyla bağlantılıdır - herhangi bir sorun hakkında güvenilir sonuçlar elde etmek için özel bilgi temellerini kullanan programlar.
Biyolojik sistemlerin modellenmesi alanında büyük ve ilginç başarılar var. Kesin konuşmak gerekirse, birkaç bağımsız yön buraya dahil edilebilir. Yapay sinir ağları, geometrik şekil tanıma veya nesne kümeleme gibi bulanık ve karmaşık sorunları çözmek için kullanılır. Genetik yaklaşım, bir algoritmanın diğer algoritmalardan ("ebeveynler") daha iyi özellikler ödünç alması durumunda daha verimli olabileceği fikrine dayanır. Görevin özerk bir program oluşturmak olduğu nispeten yeni bir yaklaşıma - dış çevre ile etkileşime giren bir aracıya aracı yaklaşımı denir. Ve eğer çok sayıda "çok zeki olmayan" ajanı düzgün bir şekilde birlikte etkileşime girmeye zorlarsanız, o zaman "karınca benzeri" zeka elde edebilirsiniz.
Örüntü tanıma görevleri, diğer alanlar çerçevesinde zaten kısmen çözülmüştür. Buna karakter tanıma, el yazısı, konuşma, metin analizi dahildir. Makine öğrenimi ve robotik ile ilgili bilgisayar vizyonundan özel olarak bahsedilmelidir.
Genel olarak robotik ve yapay zeka sıklıkla birbiriyle ilişkilendirilir. Bu iki bilimin entegrasyonu, akıllı robotların yaratılması, AI'nın başka bir yönü olarak düşünülebilir.
İnsan yaratıcılığının doğası, zekanın doğasından bile daha az çalışıldığı için, makine yaratıcılığı kendini ayrı tutar. Bununla birlikte, bu alan var ve burada müzik yazma, edebi eserler (genellikle şiirler veya masallar), sanatsal yaratıcılık sorunları ortaya çıkıyor.
Son olarak, her biri neredeyse bağımsız bir yön oluşturan birçok yapay zeka uygulaması vardır. Örnekler arasında bilgisayar oyunlarında programlama zekası, doğrusal olmayan kontrol, akıllı güvenlik sistemleri sayılabilir.
Birçok araştırma alanının örtüştüğü görülmektedir. Bu her bilim için geçerlidir. Ancak yapay zekada, görünüşte farklı yönler arasındaki ilişki özellikle güçlüdür ve bu, güçlü ve zayıf AI hakkındaki felsefi tartışmadan kaynaklanmaktadır.
17. yüzyılın başında Rene Descartes, hayvanın bir tür karmaşık mekanizma olduğunu öne sürerek mekanik teoriyi formüle etti. 1623'te Wilhelm Schickard ilk mekanik dijital bilgisayarı, ardından Blaise Pascal (1643) ve Leibniz (1671) makinelerini yaptı. Leibniz ayrıca modern ikili sayı sistemini tanımlayan ilk kişiydi, ancak ondan önce bu sistem birçok büyük bilim adamı tarafından periyodik olarak taşındı. 19. yüzyılda Charles Babbage ve Ada Lovelace programlanabilir bir mekanik bilgisayar üzerinde çalıştılar.
1910-1913'te. Bertrand Russell ve A. N. Whitehead, biçimsel mantıkta devrim yaratan Principia Mathematica'yı yayınladı. 1941'de Konrad Zuse, çalışan ilk program kontrollü bilgisayarı yaptı. Warren McCulloch ve Walter Pitts, 1943'te Sinir Aktivitesinde İçeren Fikirlerin Mantıksal Hesabını yayınladı ve bu, sinir ağlarının temelini attı.
şu anki durum
Şu anda (2008) yapay zekanın yaratılmasında (kelimenin orijinal anlamıyla, uzman sistemler ve satranç programları buraya ait değil), fikir sıkıntısı var. Hemen hemen tüm yaklaşımlar denendi, ancak tek bir araştırma grubu yapay zekanın ortaya çıkışına yaklaşmadı.
En etkileyici sivil AI sistemlerinden bazıları şunlardır:
Deep Blue - Dünya satranç şampiyonunu yendi. (Kasparov-süper bilgisayar maçı ne bilgisayar bilimcileri ne de satranç oyuncularını tatmin etmedi ve orijinal kompakt satranç programları satranç yaratıcılığının ayrılmaz bir unsuru olmasına rağmen sistem Kasparov tarafından tanınmadı. kaba kuvvet BluGene (moleküler modelleme) projeleri ve İsviçre Mavi Beyin Merkezinde piramidal hücre sisteminin modellenmesi. Bu hikaye yapay zeka, iş dünyası ve ulusal stratejik hedefler arasındaki karmaşık ve gizli ilişkinin bir örneğidir.)
Mycin, küçük bir hastalık alt kümesini, genellikle doktorlar kadar doğru bir şekilde teşhis edebilen ilk uzman sistemlerden biriydi.
20q, klasik 20 Soru oyunundan ilham alan yapay zekadan ilham alan bir projedir. İnternette 20q.net sitesinde göründükten sonra çok popüler oldu.
Konuşma tanıma. ViaVoice gibi sistemler tüketicilere hizmet verebilmektedir.
Her yıl düzenlenen RoboCup turnuvasındaki robotlar, basitleştirilmiş bir futbol biçiminde rekabet eder.
AI Uygulaması
Bankalar, borsada oynarken ve mülkü yönetirken sigorta faaliyetlerinde (aktüeryal matematik) yapay zeka sistemlerini (AI) uygular. Ağustos 2001'de robotlar, doğaçlama bir ticaret yarışmasında insanları yendi (BBC News, 2001). Örüntü tanıma yöntemleri (hem daha karmaşık hem de özel ve sinir ağları dahil) optik ve akustik tanıma (metin ve konuşma dahil), tıbbi teşhis, spam filtreleri, hava savunma sistemleri (hedef tanımlama) ve ayrıca bir dizi güvenlik sağlamak için yaygın olarak kullanılmaktadır. diğer ulusal güvenlik görevleri.
Bilgisayar oyunu geliştiricileri, değişen derecelerde gelişmiş yapay zeka kullanmaya zorlanıyor. Oyunlardaki standart AI görevleri, 2B veya 3B uzayda bir yol bulmak, bir savaş biriminin davranışını simüle etmek, doğru ekonomik stratejiyi hesaplamak vb.
Yapay Zeka ile ilgili Perspektifler
Yapay zeka gelişiminin iki yönü vardır:
ilki, özel yapay zeka sistemlerinin insan yeteneklerine yaklaştırılması ve insan doğası tarafından uygulanan entegrasyonu ile ilgili sorunları çözmektir.
ikincisi, halihazırda oluşturulmuş yapay zeka sistemlerinin insanlığın sorunlarını çözebilecek tek bir sisteme entegrasyonu olan Yapay Zekanın yaratılmasıdır.
Diğer bilimlerle ilişkisi
Yapay zeka, transhümanizm ile yakından ilişkilidir. Ve nörofizyoloji ve bilişsel psikoloji ile birlikte bilişsel psikoloji adı verilen daha genel bir bilim oluşturur. Felsefe yapay zekada ayrı bir rol oynar.
felsefi sorular
"Yapay zeka yaratma" bilimi, filozofların dikkatini çekemedi. İlk akıllı sistemlerin ortaya çıkmasıyla, insan ve bilgi ve kısmen dünya düzeni hakkında temel sorular ortaya çıktı. Bir yandan bu bilimle ayrılmaz bir şekilde bağlantılılar, diğer yandan içine biraz kaos getiriyorlar. AI araştırmacıları arasında, entelektüellik kriterleri, çözülmesi gereken hedeflerin ve görevlerin sistemleştirilmesi konusunda hala baskın bir bakış açısı yoktur, hatta kesin bir bilim tanımı yoktur.
Bir makine düşünebilir mi?
Yapay zeka felsefesinde en hararetli tartışma, insan elinin yarattıklarını düşünmenin mümkün olup olmadığı sorusudur. Araştırmacıları insan zihnini modelleme bilimini yaratmaya sevk eden "Bir makine düşünebilir mi?" sorusu 1950'de Alan Turing tarafından ortaya atıldı. Bu konudaki iki ana bakış açısına güçlü ve zayıf yapay zeka hipotezleri denir.
"Güçlü yapay zeka" terimi John Searle tarafından tanıtıldı ve yaklaşımı kendi sözleriyle karakterize edildi:
“Ayrıca, böyle bir program sadece zihnin bir modeli olmayacak; kelimenin gerçek anlamıyla, insan zihninin zihin olduğu aynı anlamda, kendisi zihin olacaktır.
Aksine, zayıf AI savunucuları, programları yalnızca tüm insan bilişsel yeteneklerini gerektirmeyen belirli görevleri çözmek için bir araç olarak görmeyi tercih ederler.
John Searle, "Çin Odası" düşünce deneyinde, Turing testini geçmenin bir makinenin gerçek bir düşünce sürecine sahip olması için bir kriter olmadığını gösteriyor.
Düşünme, bellekte depolanan bilgiyi işleme sürecidir: analiz, sentez ve kendi kendini programlama.
Benzer bir tutum, The New Mind of a King adlı kitabında, biçimsel sistemler temelinde bir düşünce süreci elde etmenin imkansız olduğunu savunan Roger Penrose tarafından da alınır.
Bu konuyla ilgili farklı bakış açıları var. Analitik yaklaşım, bir kişinin daha yüksek sinir aktivitesinin en düşük, bölünmez seviyeye analizini içerir (daha yüksek sinir aktivitesinin işlevi, dış uyaranlara (uyaranlara) temel bir reaksiyon, işlevle bağlantılı bir dizi nöronun sinapslarının tahrişi) ve bu işlevlerin müteakip yeniden üretimi.
Bazı uzmanlar, bilgi eksikliği karşısında akılcı, motive edilmiş bir zeka tercihi yapma becerisini benimserler. Yani, bu faaliyet programı (mutlaka modern bilgisayarlarda uygulanmaz), yalnızca belirli bir dizi alternatif arasından seçim yapabilen entelektüel olarak kabul edilir, örneğin, “sola gideceksiniz ... ”, “sağa gideceksin…”, “düz gideceksin…”
bilgi bilimi
Ayrıca epistemoloji, yapay zeka sorunlarıyla yakından ilgilidir - felsefe çerçevesinde bilgi bilimi. Bu sorunla ilgilenen filozoflar, bilgi ve enformasyonun en iyi nasıl temsil edileceği ve kullanılacağı konusunda AI mühendisleri tarafından çözülen sorulara benzer soruları çözer.
Toplumda yapay zekaya karşı tutum
yapay zeka ve din
İbrahimi dinlerin takipçileri arasında, yapısal bir yaklaşıma dayalı AI yaratma olasılığına dair birkaç bakış açısı vardır.
Bunlardan birine göre, sistemlerin çalışmasını taklit etmeye çalıştığı beyin, onların görüşüne göre, düşünme sürecine katılmaz, bir bilinç kaynağı veya başka bir zihinsel aktivite değildir. Yapısal bir yaklaşıma dayalı yapay zeka oluşturmak imkansızdır.
Başka bir bakış açısına göre, beyin düşünme sürecine katılır, ancak ruhtan gelen bir bilgi "ileticisi" şeklindedir. Beyin, koşulsuz refleksler, ağrıya tepki vb. gibi "basit" işlevlerden sorumludur. Yapısal bir yaklaşıma dayalı yapay zekanın oluşturulması, tasarlanan sistem "aktarma" işlevlerini yerine getirebiliyorsa mümkündür.
Her iki pozisyon da modern bilimin verilerine uymuyor çünkü. ruh kavramı dikkate alınmaz modern bilim bilimsel bir kategori olarak
Birçok Budist'e göre, AI mümkündür. Yani, ruhani lider 14. Dalai Lama, bilgisayar temelinde bilincin var olma olasılığını dışlamaz.
Raelites, yapay zeka alanındaki gelişmeleri aktif olarak desteklemektedir.
AI ve bilim kurgu
Bilimkurgu literatüründe, AI çoğunlukla bir insanın gücünü devirmeye çalışan (Omnius, HAL 9000, Skynet, Colossus, The Matrix ve a Replicant) veya bir insansıya hizmet eden (C-3PO, Data) bir güç olarak tasvir edilir. , KITT ve KARR, Bicentennial Man). Yapay zekanın kontrolden çıkarak dünyaya hükmetmesinin kaçınılmazlığı, Isaac Asimov ve Kevin Warwick gibi bilim kurgu yazarları tarafından tartışılıyor.
Turing'in Seçimi'nde bilim kurgu yazarı Harry Harrison ve bilim adamı Marvin Minsky tarafından geleceğe dair ilginç bir vizyon sunulmaktadır. Yazarlar, beynine bilgisayar yerleştirilmiş bir insanda insanlık kaybından ve hafıza bilgisi insan beyninden kopyalanan yapay zekaya sahip bir makine tarafından insanlığın kazanılmasından bahsediyorlar.
Vernor Vinge gibi bazı bilim kurgu yazarları da, topluma dramatik değişiklikler getirmesi muhtemel olan AI'nın etkileri hakkında spekülasyonlar yaptılar. Bu döneme teknolojik tekillik denir.
Bu yıl Yandex, Alice sesli asistanını başlattı. Yeni hizmet, kullanıcının haberleri ve hava durumunu dinlemesine, soruların yanıtlarını almasına ve basitçe botla iletişim kurmasına olanak tanır. "Ali" bazen arsız, bazen neredeyse mantıklı ve insanca alaycı görünüyor, ancak çoğu zaman kendisine ne sorulduğunu anlayamıyor ve bir su birikintisine oturuyor.
Bütün bunlar sadece bir şaka dalgasına değil, aynı zamanda yeni tur Yapay zekanın gelişimi hakkında tartışmalar. Akıllı algoritmaların neler başardığına dair haberler bugün neredeyse her gün geliyor ve makine öğrenimi en çok konuşulanlardan biri olarak adlandırılıyor. umut verici yönler kendinizi adayabileceğiniz.
Yapay zeka ile ilgili ana soruları netleştirmek için yapay zeka ve makine öğrenme yöntemleri uzmanı, en güçlü Rus satranç programlarından biri olan SmarThink'in yazarı ve 22. Yüzyıl projesinin yaratıcısı olan Sergey Markov ile konuştuk.
Sergey Markov,
yapay zeka uzmanı
AI hakkındaki mitleri çürütmek
Peki "yapay zeka" nedir?
"Yapay zeka" kavramı biraz şanssız. Başlangıçta bilim camiasında ortaya çıktı, sonunda bilimkurgu literatürüne ve onun aracılığıyla bir dizi değişikliğe uğradığı, birçok yorum kazandığı ve sonunda tamamen gizemli olduğu pop kültürüne girdi.
Bu nedenle, uzman olmayanlardan sıklıkla “AI yok”, “AI yaratılamaz” gibi ifadeler duyuyoruz. Yapay zeka alanında yürütülen araştırmaların özünün anlaşılmaması insanları kolayca başka uç noktalara götürür - örneğin, modern sistemler AI, bilince, özgür iradeye ve gizli güdülere sahip olmakla tanınır.
Sinekleri pirzolalardan ayırmaya çalışalım.
Bilimde yapay zeka, entelektüel sorunları çözmek için tasarlanmış sistemleri ifade eder.
Buna karşılık, entelektüel bir görev, insanların kendi akıllarının yardımıyla çözdüğü bir görevdir. Bu durumda uzmanların kasıtlı olarak "zeka" kavramını tanımlamaktan kaçındığını unutmayın, çünkü AI sistemlerinin ortaya çıkmasından önce, zekanın tek örneği insan zekasıydı ve zeka kavramını tek bir örneğe göre tanımlamak aynı şeydir. tek bir noktadan düz bir çizgi çizmeye çalışmak. İstediğiniz kadar çok satır olabilir, bu da zeka kavramı hakkındaki tartışmanın yüzyıllarca sürebileceği anlamına gelir.
"güçlü" ve "zayıf" yapay zeka
AI sistemleri iki büyük gruba ayrılır.
Uygulamalı yapay zeka(İngiliz geleneğinde "zayıf AI" veya "dar AI" terimini de kullanırlar - zayıf / uygulamalı / dar AI) herhangi bir entelektüel görevi veya az bir kısmını çözmek için tasarlanmış bir AI'dır. Bu sınıf, satranç oynama, go, görüntü tanıma, konuşma, banka kredisi verip vermeme konusunda karar verme vb. için sistemleri içerir.
Uygulamalı AI'nın aksine, konsept tanıtıldı evrensel yapay zeka(ayrıca "güçlü AI", İngilizce - güçlü AI / Yapay Genel Zeka) - yani, herhangi bir entelektüel problemi çözebilen varsayımsal (şimdiye kadar) bir AI.
Çoğu zaman terminolojiyi bilmeyen insanlar AI'yı güçlü AI ile özdeşleştirir, bu nedenle "AI yok" ruhunda yargılar ortaya çıkar.
Güçlü AI henüz gerçekten mevcut değil. Yapay zeka alanında son on yılda gördüğümüz neredeyse tüm gelişmeler, uygulamalı sistemlerdeki gelişmeler olmuştur. Bu başarılar küçümsenemez, çünkü bazı durumlarda uygulamalı sistemler entelektüel sorunları evrensel insan zekasından daha iyi çözebilir.
AI kavramının oldukça geniş olduğunu fark ettiğinizi düşünüyorum. Diyelim ki zihinsel sayma aynı zamanda entelektüel bir görevdir, bu da herhangi bir hesaplama makinesinin bir AI sistemi olarak kabul edileceği anlamına gelir. Peki ya hesaplar? abaküs? Antikitera mekanizması? Gerçekten de, tüm bunlar ilkel olmasına rağmen resmi, ancak AI sistemleridir. Bununla birlikte, genellikle, bazı sistemleri bir AI sistemi olarak adlandırarak, bu sistem tarafından çözülen görevin karmaşıklığını vurgularız.
Entelektüel görevlerin basit ve karmaşık olanlara bölünmesinin çok yapay olduğu ve belirli görevlerin karmaşıklığı hakkındaki fikirlerimizin yavaş yavaş değiştiği oldukça açıktır. Mekanik hesap makinesi, 17. yüzyılda bir teknoloji harikasıydı, ancak bugün, çocukluğundan beri çok daha karmaşık mekanizmalarla karşı karşıya kalan insanları artık etkilemek mümkün değil. Go'daki araba oyunu veya araba otopilotları halkı şaşırtmayı bıraktığında, birinin bu tür sistemleri yapay zekaya bağlayacağı gerçeğine kesinlikle ürkecek insanlar olacaktır.
"Robotlar-mükemmel öğrenciler": AI'nın öğrenme yeteneği hakkında
Başka bir komik yanılgı, AI sistemlerinin kendi kendine öğrenme yeteneğine sahip olması gerektiğidir. Bir yandan, bu kesinlikle AI sistemlerinin zorunlu bir özelliği değildir: kendi kendine öğrenemeyen, ancak yine de birçok sorunu insan beyninden daha iyi çözen birçok şaşırtıcı sistem vardır. Öte yandan, bazı insanlar kendi kendine öğrenmenin elli yıldan daha uzun bir süre önce birçok AI sisteminin edindiği bir özellik olduğunu bilmiyor.
1999'da ilk satranç programımı yazdığımda, kendi kendine çalışma bu alanda zaten sıradan bir şeydi - programlar tehlikeli pozisyonları ezberleyebiliyor, açılış varyasyonlarını kendileri için ayarlayabiliyor, oyun stilini ayarlayabiliyor, rakibe uyum sağlayabiliyordu. Tabii ki, bu programlar hala Alpha Zero'dan çok uzaktı. Bununla birlikte, "pekiştirmeli öğrenme" deneylerinde diğer sistemlerle etkileşimlere dayalı olarak davranışı öğrenen sistemler bile zaten mevcuttu. Bununla birlikte, açıklanamayan bir nedenle, bazı insanlar hala kendi kendine öğrenme yeteneğinin insan zekasının ayrıcalığı olduğunu düşünüyor.
Bütün bir bilimsel disiplin olan makine öğrenimi, belirli problemleri çözmek için makinelerin öğretme süreçleriyle ilgilenir.
Makine öğreniminin iki büyük kutbu vardır - denetimli öğrenme ve denetimsiz öğrenme.
saat bir öğretmenle öğrenmek makine, bazı durumlar için zaten bir dizi koşullu doğru çözüme sahiptir. Bu durumda öğrenmenin görevi, mevcut örneklere dayanarak makineye bilinmeyen diğer durumlarda doğru kararlar vermeyi öğretmektir.
Diğer aşırı - öğretmensiz öğrenme. Yani makine, doğru çözümlerin bilinmediği bir duruma getirilir, yalnızca ham, etiketlenmemiş biçimde veriler vardır. Bu gibi durumlarda bir miktar başarı elde etmenin mümkün olduğu ortaya çıkıyor. Örneğin, bir makineye, çok büyük bir metin setinin analizine dayalı olarak bir dilde kelimeler arasındaki anlamsal ilişkileri tanımlamayı öğretebilirsiniz.
Bir tür denetimli öğrenme, pekiştirmeli öğrenmedir. Buradaki fikir, AI sisteminin, diğer ajanlarla, örneğin kendisinin kopyalarıyla etkileşime girebileceği ve çevreden bazılarını alabileceği bazı model ortamlara yerleştirilmiş bir ajan olarak hareket etmesidir. geri bildirimödül işlevi aracılığıyla. Örneğin, kendi kendisiyle oynayan, parametrelerini kademeli olarak ayarlayan ve böylece kademeli olarak kendi oyununu güçlendiren bir satranç programı.
Takviyeli öğrenme oldukça geniş bir alandır ve evrimsel algoritmalardan Bayes optimizasyonuna kadar birçok ilginç teknik kullanır. Oyunlar için yapay zekadaki son gelişmeler, tam olarak pekiştirmeli öğrenme sırasında yapay zekanın büyütülmesiyle ilgilidir.
Teknoloji Riskleri: Kıyametten Korkmalı mıyız?
AI alarmistlerinden biri değilim ve bu anlamda hiçbir şekilde yalnız değilim. Örneğin, Stanford Machine Learning kursunun yaratıcısı Andrew Ng, yapay zekanın tehlikelerini Mars'taki aşırı nüfus sorunuyla karşılaştırıyor.
Gerçekten de, gelecekte, insanların Mars'ı kolonileştirmesi muhtemeldir. Er ya da geç Mars'ta aşırı nüfus sorununun ortaya çıkması da muhtemeldir, ancak bu sorunla neden şimdi ilgilenmemiz gerektiği tam olarak açık değil mi? Evrişimsel sinir ağlarının yaratıcısı Yn ve Yang LeKun, Yn ve patronu Mark Zuckerberg ve araştırması büyük ölçüde modern sinir ağlarının bu alandaki karmaşık sorunları çözebildiği araştırmalarına dayanan Joshua Benyo ile aynı fikirde. kelime işlemden.
Bu sorunla ilgili görüşlerimi sunmam muhtemelen birkaç saat sürecek, bu yüzden sadece ana tezlere odaklanacağım.
1. AI GELİŞİMİNİ SINIRLAMAYIN
Alarmcılar, bu alandaki ilerlemeyi sınırlamaya ve hatta durdurmaya çalışmakla ilişkili riskleri göz ardı ederken, AI'nın olası bozulmasıyla ilişkili riskleri göz önünde bulundurur. İnsanlığın teknolojik gücü son derece hızlı bir şekilde artıyor ve bu da benim "kıyametin maliyetini ucuzlatmak" dediğim bir etki yaratıyor.
150 yıl önce, tüm iradesiyle insanlık, ne biyosfere ne de bir tür olarak kendisine onarılamaz bir zarar veremezdi. 50 yıl önceki felaket senaryosunu uygulamak için nükleer güçlerin tüm teknolojik gücünü yoğunlaştırmak gerekliydi. Yarın, küresel bir insan yapımı felaketi hayata geçirmek için küçük bir avuç fanatik yeterli olabilir.
Teknolojik gücümüz, insan zekasının bu gücü kontrol etme yeteneğinden çok daha hızlı büyüyor.
Önyargıları, saldırganlığı, kuruntuları ve dar görüşlülüğü ile insan zekasının yerini daha bilinçli kararlar alabilen bir sistem almadıkça (ya yapay zeka olsun ya da daha olası olduğunu düşündüğüm, teknolojik olarak geliştirilmiş bir insan zekası, makinelerle entegre edilmiş bir insan zekası olsun). tek sistem), küresel bir felaketi bekleyebiliriz.
2. süper zekanın yaratılması temelde imkansızdır
Geleceğin yapay zekasının kesinlikle süper zeki olacağına dair bir fikir var, insanlardan daha üstün, hatta insanların karıncalardan daha üstün olması. Bu durumda, teknolojik iyimserleri hayal kırıklığına uğratmaktan korkuyorum - Evrenimiz, görünüşe göre süper zekanın yaratılmasını imkansız kılacak bir dizi temel fiziksel sınırlama içeriyor.
Örneğin, sinyal iletim hızı ışık hızıyla sınırlıdır ve Heisenberg belirsizliği Planck ölçeğinde görünür. Bu, ilk temel sınırı - belirli bir kütle m'nin özerk bir sistemi için maksimum hesaplama hızına kısıtlamalar getiren Bremermann sınırı anlamına gelir.
Diğer bir sınır, Landauer ilkesiyle ilgilidir; buna göre, 1 bitlik bilgi işlenirken açığa çıkan minimum miktarda ısı vardır. Çok hızlı hesaplamalar, sistemin kabul edilemez ısınmasına ve tahrip olmasına neden olacaktır. Aslında, modern işlemciler Landauer sınırının bin katından daha az gerisindedir. 1000 oldukça fazla gibi görünüyor, ancak başka bir sorun, birçok entelektüel görevin EXPTIME karmaşıklık sınıfına ait olmasıdır. Bu, onları çözmek için gereken zamanın, problemin boyutunun üstel bir fonksiyonu olduğu anlamına gelir. Sistemi birkaç kez hızlandırmak, "zeka"da yalnızca sabit bir artış sağlar.
Genel olarak, süper zeki, güçlü bir yapay zekanın çalışmayacağına inanmak için çok ciddi nedenler vardır, ancak elbette insan zekasının seviyesi pekala aşılabilir. Ne kadar tehlikeli? Büyük olasılıkla çok değil.
Aniden diğer insanlardan 100 kat daha hızlı düşünmeye başladığınızı hayal edin. Bu, yoldan geçenleri cüzdanlarını size vermeye kolayca ikna edebileceğiniz anlamına mı geliyor?
3. Başka bir şey için endişeleniyoruz
Ne yazık ki, alarmcıların, Terminatör ve Clark ve Kubrick'in ünlü HAL 9000'i üzerine gündeme getirilen halkın korkuları üzerine spekülasyonlarının bir sonucu olarak, AI güvenliğinin odağında olası olmayan ama muhteşem senaryoların analizine doğru bir kayma var. Aynı zamanda, gerçek tehlikeler gözden kayboluyor.
Teknolojik ortamımızda önemli bir yer işgal ettiğini iddia eden yeterince karmaşık herhangi bir teknoloji, kesinlikle belirli riskleri beraberinde getiriyor. Buhar motorları, geliştirilmeden önce - üretimde, ulaşımda vb. - birçok hayat mahvoldu. etkili kurallar ve güvenlik önlemleri.
Uygulamalı AI alanındaki ilerleme hakkında konuşursak, sözde "Dijital Gizli Mahkeme" sorununa dikkat edebiliriz. Gittikçe daha fazla uygulamalı yapay zeka sistemi, insanların yaşamını ve sağlığını etkileyen konularda kararlar alıyor. Bu, tıbbi teşhis sistemlerini ve örneğin, bir müşteriye kredi verip vermeme konusunda bankalarda karar veren sistemleri içerir.
Aynı zamanda, kullanılan modellerin yapısı, kullanılan faktör kümeleri ve karar verme prosedürünün diğer detayları, kaderi tehlikede olan kişiden gizlenir.
Kullanılan modeller, kararlarını sistematik hatalar yapan veya ırk, cinsiyet gibi belirli önyargıları olan uzman öğretmenlerin görüşlerine dayandırabilir.
Bu tür uzmanların kararları konusunda eğitilmiş bir yapay zeka, kararlarında bu önyargıları bilinçli bir şekilde yeniden üretecektir. Sonuçta, bu modeller belirli kusurlar içerebilir.
Tabii ki, SkyNet'i serbest bırakan çok az insan şimdi bu sorunlarla uğraşıyor. nükleer savaş, kesinlikle çok daha muhteşem.
"Sıcak bir trend" olarak sinir ağları
Bir yandan sinir ağları, yapay zeka sistemleri oluşturmak için kullanılan en eski modellerden biridir. Başlangıçta biyonik yaklaşımın uygulanmasının bir sonucu olarak ortaya çıktılar, biyolojik prototiplerinden hızla kaçtılar. Buradaki tek istisna, dürtü sinir ağlarıdır (ancak, endüstride henüz geniş bir uygulama bulamadılar).
Son on yılların ilerlemesi, derin öğrenme teknolojilerinin gelişimi ile ilişkilidir - sinir ağlarının her biri belirli düzenli kalıplar temelinde inşa edilen çok sayıda katmandan oluşturulduğu bir yaklaşım.
Yeni sinir ağı modellerinin oluşturulmasının yanı sıra öğrenme teknolojileri alanında da önemli ilerlemeler kaydedilmiştir. Günümüzde sinir ağları artık bilgisayarların merkezi işlemcilerinin yardımıyla değil, matris ve tensör hesaplamalarını hızlı bir şekilde gerçekleştirebilen özel işlemcilerin kullanımıyla öğretilmektedir. Bugün bu tür cihazların en yaygın türü video kartlarıdır. Bununla birlikte, sinir ağlarını eğitmek için daha da özel cihazlar aktif olarak geliştirilmektedir.
Genel olarak, elbette sinir ağları, daha önce tatmin edici olmayan bir şekilde çözülen birçok sorunun çözümünü borçlu olduğumuz makine öğrenimi alanındaki ana teknolojilerden biridir. Öte yandan, elbette, sinir ağlarının her derde deva olmadığını anlamalısınız. Bazı görevler için en etkili araçtan uzaktırlar.
Peki bugünün robotları gerçekten ne kadar akıllı?
Her şey görecelidir. 2000 yılının teknolojilerinin arka planına karşı, mevcut başarılar gerçek bir mucize gibi görünüyor. Her zaman mırıldanmayı seven insanlar olacaktır. 5 yıl önce, makinelerin Go'da insanları asla yenemeyeceğinden (ya da en azından çok yakında kazanamayacaklarından) güçlü bir şekilde konuşuyorlardı. Bir makinenin asla sıfırdan resim çizemeyeceği söylenirken, bugün insanlar, makineler tarafından oluşturulan resimlerle, tanımadıkları sanatçılar tarafından yapılan resimleri neredeyse ayırt edemiyorlar. Geçen yılın sonunda, makineler neredeyse insandan ayırt edilemeyen konuşmayı sentezlemeyi öğrendi ve son yıllar kulaklar, makinelerin yarattığı müzikten solmaz.
Bakalım yarın neler olacak. Yapay zekanın bu uygulamalarına büyük bir iyimserlikle bakıyorum.
Umut verici yönergeler: AI alanına nereden başlamalı?
Popüler sinir ağı çerçevelerinden birine ve makine öğrenimi alanında popüler olan programlama dillerinden birine (bugün en popüleri TensorFlow + Python) iyi düzeyde hakim olmaya çalışmanızı tavsiye ederim.
Bu araçlarda ustalaştıktan ve ideal olarak matematiksel istatistik ve olasılık teorisi alanında güçlü bir temele sahip olduktan sonra, çabalarınızı kişisel olarak en çok ilginizi çekecek alana yönlendirmelisiniz.
İş konusuna ilgi, en önemli yardımcılarınızdan biridir.
Makine öğrenimi uzmanlarına ihtiyaç çeşitli alanlarda mevcuttur - tıpta, bankacılık, bilimde, üretimde, bu nedenle bugün iyi bir uzmanın daha önce hiç olmadığı kadar geniş bir seçeneği var. Bu endüstrilerden herhangi birinin potansiyel faydaları, çalışmanın size zevk getireceği gerçeğiyle karşılaştırıldığında bana önemsiz görünüyor.
Yapay zeka, dijital bir bilgisayarın veya bilgisayar kontrollü robotun normalde canlı varlıklarla ilişkili görevleri yerine getirme yeteneğidir. Terim genellikle akıl yürütme, genelleme yapma veya geçmiş deneyimlerden öğrenme gibi insana özgü entelektüel süreçlerle donatılmış sistemler geliştirme projesine uygulanır. Ek olarak, AI (yapay zeka) kavramının tanımı, örneğin makine öğrenimi, sanal aracılar ve uzman sistemler gibi bir dizi ilgili teknoloji ve sürecin tanımına indirgenmiştir. konuşmak basit terimlerle AI, beyindeki nöronların kaba bir haritasıdır. Sinyaller nörondan nörona iletilir ve sonunda çıktı - sayısal, kategorik veya üretken bir sonuç elde edilir. Bu, aşağıdaki örnekle gösterilebilir. sistem bir kedinin resmini çekerse ve kedi olup olmadığını anlamak için eğitilirse, ilk katman kedinin genel şeklini tanımlayan genel gradyanları tanımlayabilir. Bir sonraki katman, kulaklar ve ağızlar gibi daha büyük nesneleri tanımlayabilir. Üçüncü katman, daha küçük nesneleri (bıyık gibi) tanımlar. Son olarak, bu bilgilere dayanarak, program kedi olup olmadığını anlamak için "evet" veya "hayır" yazacaktır. Programcının nöronlara, aramaları gereken özelliklerin bunlar olduğunu "söylemesine" gerek yoktur. AI, birçok görüntü üzerinde (hem kedili hem de kedisiz) eğitim alarak onları kendi başına öğrendi.
Yapay zeka nedir?
Yapay nöronun açıklaması
Yapay bir nöron, biyolojik nöronların bir modeli, bir sinir ağı olarak tasarlanmış matematiksel bir fonksiyondur. Yapay nöronlar, yapay sinir ağlarındaki temel birimlerdir. Yapay bir nöron, bir veya daha fazla girdi alır ve bunları, aksonu boyunca iletilen nöronun aksiyon potansiyelini temsil eden bir çıktı veya aktivasyon üretmek için toplar. Tipik olarak, her girdi ayrı ayrı analiz edilir ve toplam, aktivasyon fonksiyonu veya transfer fonksiyonu olarak bilinen doğrusal olmayan bir fonksiyondan geçirilir.
Yapay zeka araştırması ne zaman başladı?
1935'te İngiliz araştırmacı A.M. Turing, sonsuz bellekten ve bellekte karakter karakter hareket eden bir tarayıcıdan oluşan soyut bir bilgisayar makinesini tanımladı. Tarayıcı bulduğunu okur ve daha fazla karakter yazar. Tarayıcının eylemleri, bellekte semboller olarak da saklanan bir talimat programı tarafından belirlenir. İlk başarılı AI programı 1951'de Christopher Strachey tarafından yazılmıştır. 1952'de bu program bir kişiyle dama oynayabilir ve hamleleri tahmin etme yeteneğiyle herkesi şaşırtabilirdi. 1953'te Turing, satranç programlaması üzerine klasik bir erken makale yayınladı.
Yapay zeka ve doğal arasındaki fark
Zeka, akıl yürütme, problem çözme ve öğrenme için genel zihinsel kapasite olarak tanımlanabilir. Genel doğası gereği zeka, algı, dikkat, hafıza, dil veya planlama gibi bilişsel işlevleri bütünleştirir. doğal zeka, dünyaya bilinçli bir tutumla ayırt edilir. İnsan düşüncesi her zaman duygusal olarak renklidir ve fiziksellikten ayrılamaz. Ayrıca insan sosyal bir varlıktır, dolayısıyla toplum her zaman düşünceyi etkiler. AI ile ilgisi yok duygusal alan ve sosyal yönelimli değildir.
İnsan ve bilgisayar zekası nasıl karşılaştırılır?
İnsan düşüncesi, beyin ve makine organizasyonunun birkaç genel parametresine dayanan yapay zeka ile karşılaştırılabilir. Beyin gibi bir bilgisayarın etkinliği dört aşamadan oluşur: kodlama, depolama, verileri analiz etme ve bir sonuç yayınlama. Ek olarak, insan beyni ve yapay zeka, bilgisayardan alınan verilere bağlı olarak kendi kendine öğrenebilir. çevre. Ayrıca, insan beyni ve makine zekası, belirli algoritmalar kullanarak sorunları (veya görevleri) çözer.
Bilgisayar programlarının IQ'su var mı?
Numara. IQ, yaşa bağlı olarak bir kişinin zekasının gelişimi ile ilgilidir. AI bazı yönlerden bazı insan yeteneklerini aşıyor, örneğin hatırlayabiliyor büyük miktar sayılar, ancak IQ ile ilgisi yok.
Turing testi nedir?
Alan Turing, programın insan davranışının tüm nüanslarını, bir kişinin tam olarak kiminle - AI ile veya canlı bir muhatap ile - iletişim kurduğunu belirleyemeyecek kadar yakalayıp yakalayamayacağını gösteren deneysel bir test geliştirdi. Turing, dışarıdan bir gözlemcinin, bir kişi ile soruları yanıtlayan bir makine arasındaki konuşmayı değerlendirmesini önerdi. Hakim tam olarak kimin cevap verdiğini görmez, ancak muhataplardan birinin bir AI olduğunu bilir. Konuşma yalnızca metin kanalıyla (bilgisayar klavyesi ve ekranı) sınırlıdır, bu nedenle sonuç, makinenin sözcükleri insan konuşması olarak işleme yeteneğinden etkilenmez. Program bir kişiyi aldatmayı başarırsa, testle etkili bir şekilde baş ettiği kabul edilir.sembolik yaklaşım
AI'ya sembolik yaklaşım, yüksek seviyeli sembolik temellere dayanan tüm yapay zeka araştırma yöntemlerinin toplamıdır ( insan tarafından okunabilir) görevler, mantık ve arama hakkında fikirler. Sembolik yaklaşım, 1950'lerde ve 80'lerde AI araştırmalarında yaygın olarak kullanıldı. Sembolik yaklaşımın popüler bir biçimi, belirli üretim kurallarının bir kombinasyonunu kullanan uzman sistemlerdir. Üretim kuralları, sembolleri If-Then algoritmasına benzer mantıksal ilişkilere bağlar. Uzman sistem, sonuçlar çıkarmak ve hangi ek bilgilere ihtiyaç duyduğunu, yani insan tarafından okunabilir semboller kullanarak hangi soruların sorulacağını belirlemek için kuralları işler.
mantıksal yaklaşım
"Mantıksal yaklaşım" terimi, mantığa başvurma, akıl yürütme, mantıksal adımların yardımıyla problem çözme anlamına gelir. 19. yüzyılda mantıkçılar, dünyadaki her türlü nesne ve aralarındaki ilişkiler için kesin gösterimler geliştirdiler. 1965 yılına gelindiğinde, herhangi bir sorunu çözebilecek programlar vardı. mantıksal görev(bu yaklaşımın popülaritesinin zirvesi 1950'lerin sonlarında-70'lerin sonlarında geldi). destekçiler mantıksal yaklaşım mantıksal yapay zeka çerçevesinde, bu tür programlar (özellikle Prolog dilinde yazılmış) üzerine akıllı sistemler kurmayı umuyorlardı. Ancak bu yaklaşımın iki sınırlaması vardır. İlk olarak, gayri resmi bilgiyi alıp yapay zeka işleme için gerekli olan resmi terimlere sokmak kolay değildir. İkincisi, bir problemi teoride çözmek ile pratikte çözmek arasında büyük bir fark vardır. Birkaç yüz gerçekle ilgili problemler bile, ilk önce hangi akıl yürütmenin kullanılacağına dair herhangi bir belirti yoksa, herhangi bir bilgisayarın hesaplama kaynaklarını tüketebilir.
Temsilci Bazlı Yaklaşım
Bir aracı, hareket eden bir şeydir (Latince agere'den "yapmak"). Tabii ki, tüm bilgisayar programları bir şeyler yapar, ancak bilgisayar ajanlarının daha fazlasını yapması beklenir: özerk olarak çalışmak, çevresel sinyalleri algılamak (özel sensörler kullanarak), değişikliklere uyum sağlamak, hedefler oluşturmak ve bunları yürütmek. Rasyonel bir etmen, beklenen en iyi sonucu elde edecek şekilde hareket eden kişidir.
Hibrit yaklaşım
80'lerin sonlarında popüler hale gelen bu yaklaşımın, sembolik ve sinirsel modellerin bir kombinasyonu olduğu için en etkili şekilde çalıştığı varsayılmaktadır. Hibrit yaklaşım, makinenin bilişsel ve hesaplama yeteneklerini artırır.
Yapay zeka teknolojisi pazarı
Pazarın 2025 yılına kadar yıllık %36,62 büyüme oranıyla 190,61 milyar dolara büyümesi bekleniyor. Pazarın büyümesi, bulut uygulamalarının ve hizmetlerinin tanıtımı, büyük veri dizilerinin ortaya çıkması ve akıllı sanal asistanlara yönelik aktif talep gibi faktörlerden etkilenir. Bununla birlikte, AI teknolojilerini geliştiren ve uygulayan hala çok az uzman var ve bu, pazarın büyümesini engelliyor. Yapay zeka destekli sistemler, entegrasyon ve bakım desteği gerektirir.
AI için işlemciler
Modern yapay zeka görevleri, büyük miktarda veriyi işleyebilen güçlü işlemciler gerektirir. İşlemcilerin büyük miktarda belleğe erişimi olmalıdır ve cihazın ayrıca yüksek hızlı veri bağlantılarına ihtiyacı vardır.Rusya'da
2018'in sonunda, Rusya'da yüksek performans gösteren bir dizi Elbrus-804 sunucusu piyasaya sürüldü. Bilgisayarların her biri dört adet sekiz çekirdekli işlemci ile donatılmıştır. Bu cihazları kullanarak bilgi işlem kümeleri oluşturabilirsiniz, bunlar uygulamalar ve veritabanlarıyla çalışmanıza izin verir.
Dünya pazarı
Sürücüler ve pazar liderleri iki şirkettir - en güçlü işlemcilerin üreticileri olan Intel ve AMD. Intel geleneksel olarak daha yüksek saat hızlarına sahip makineler yapmaya odaklanmıştır, AMD ise sürekli olarak çekirdek sayısını artırmaya ve çok iş parçacıklı performans sağlamaya odaklanmıştır.
Ulusal Kalkınma Konsepti
Üç düzine ülke, AI'nın geliştirilmesi için ulusal stratejileri zaten onayladı. Ekim 2019'da, Rusya'da AI Geliştirme Ulusal Strateji taslağı kabul edilmelidir. Moskova'nın yapay zeka teknolojilerinin geliştirilmesini ve uygulanmasını kolaylaştıran yasal bir rejim getireceği varsayılıyor.
Yapay Zeka Araştırması
Yapay zekanın ne olduğu ve nasıl çalıştığı soruları bilim insanlarını heyecanlandırıyor Farklı ülkeler on yıldan fazla bir süredir. ABD hükümeti araştırma için yılda 200 milyon dolar ayırıyor. Rusya'da 10 yıl boyunca - 2007'den 2017'ye - yaklaşık 23 milyar ruble tahsis edildi. Yapay zeka araştırmalarının desteklenmesine ilişkin bölümler, ulusal strateji kavramının önemli bir parçası haline gelecektir. Yakında Rusya'da yenileri açılacak bilim merkezleri ve yenilikçi AI yazılımının geliştirilmesi devam edecek.
yapay zeka standardizasyonu
Rusya'da yapay zeka alanındaki normlar ve kurallar sürekli iyileştirme sürecindedir. 2019'un sonlarında - 2020'nin başlarında, şu anda pazar liderleri tarafından geliştirilmekte olan ulusal standartların onaylanacağı varsayılmaktadır. Buna paralel olarak, 2020 ve sonrası için bir Ulusal Standardizasyon Planı oluşturulmaktadır. Standart “Yapay Zeka. Konsept ve terminoloji” ve 2019'da uzmanlar Ruslaştırılmış versiyonunu geliştirmeye başladı. Belge 2021'de onaylanmalıdır.
Yapay zekanın etkisi
Yapay zekanın tanıtılması, bilimsel ve teknolojik ilerleme ile ayrılmaz bir şekilde bağlantılıdır ve uygulama kapsamı her yıl genişlemektedir. İnternetteki büyük bir perakende zinciri bize bir ürün önerdiğinde ya da bilgisayarı açtığımızda sadece izlemek istediğimiz bir filmin reklamını gördüğümüzde her gün bununla karşılaşıyoruz. Bu öneriler, tüketicinin ne satın aldığını veya izlediğini analiz eden algoritmalara dayanmaktadır. Bu algoritmaların arkasında yapay zeka var.
İnsan uygarlığının gelişimi için bir risk var mı?
Elon Musk, yapay zeka gelişiminin insanlığı tehdit edebileceğine ve sonuçların yapay zekanın kullanımından daha kötü olabileceğine inanıyor. nükleer silahlar. İngiliz bilim adamı Stephen Hawking, insanların bir kişiye zarar verebilecek süper zeka ile yapay zeka yaratabileceğinden korkuyor.Ekonomi ve iş hakkında
Yapay zeka teknolojisinin ekonominin tüm alanlarına nüfuz etmesi, hizmet ve mallar için küresel pazarın hacmini 2030 yılına kadar 15,7 trilyon dolar artıracak. ABD ve Çin, AI alanındaki her türlü projede hala liderler. Gelişmiş ülkeler - Almanya, Japonya, Kanada, Singapur - ayrıca tüm olasılıkları gerçekleştirmeye çalışıyor. İtalya, Hindistan, Malezya gibi orta derecede büyüyen birçok ekonomi, belirli AI uygulamalarında güçlü yönler geliştiriyor.
İş piyasasına
Yapay zekanın işgücü piyasası üzerindeki küresel etkisi iki senaryoyu takip edecek. Birincisi, bilgisayarlar birçok görevi üstleneceğinden, bazı teknolojilerin yaygınlaşması çok sayıda insanın işten çıkarılmasına yol açacaktır. İkincisi, gelişme nedeniyle teknik ilerleme Yapay zeka uzmanları birçok sektörde yüksek talep görecek.
AI yanlılığı
Yapay zeka, laboratuvardan çıkıp yapay zekaya geçtikçe, yapay zeka sistem yanlılığının giderek daha yaygın bir sorun haline gelmesi muhtemeldir. gerçek dünya. Araştırmacılar, veri değerlendirmesi ve veri yanlılığı potansiyelinin belirlenmesi konusunda uygun eğitim olmadan toplumdaki hassas grupların zarar görebileceğinden veya haklarının ihlal edilebileceğinden korkuyor. Şimdiye kadar araştırmacıların, makine öğrenimi temelinde oluşturulan sistemlerin insanlığı tehdit edip etmeyeceğine dair bir verisi yok.
Uygulamalar
Yapay zeka ve uygulamaları bir dönüşüm geçiriyor. Zayıf AI ("zayıf AI") tanımı şu durumlarda kullanılır: Konuşuyoruz tıbbi teşhis, elektronik ticaret platformları, robot kontrolünde dar görevlerin uygulanması hakkında. Oysa Strong AI ("güçlü AI"), araştırmacılar tarafından küresel görevlerle karşı karşıya kalan, sanki bir kişi için ayarlanmış gibi bir akıl olarak tanımlanır.
Savunma ve askeri kullanım
2025 yılına kadar, küresel ölçekte ilgili hizmet, yazılım ve donanım satışları 18,82 milyar dolara yükselecek ve yıllık pazar büyümesi %14,75 olacak. AI, veri toplama, biyoinformatik, askeri eğitim ve savunma sektörü için kullanılır.Eğitimde
Pek çok okul, bilgisayar bilimleri müfredatlarında yapay zekaya giriş sınıflarını içerir ve üniversiteler büyük veri teknolojilerini kapsamlı bir şekilde kullanır. Bazı programlar öğrenci davranışlarını izler, testlere ve denemelere not verir, telaffuz hatalarını tanır ve düzeltmeler önerir.
Yapay zeka ile ilgili çevrimiçi kurslar da vardır. Örneğin, eğitim portalı.
İş ve ticarette
Önümüzdeki beş yıl içinde, önde gelen perakendeciler, alışverişi kolaylaştırmak için Siri gibi dijital asistanlarla çalışan mobil uygulamalara sahip olacak. AI, internette büyük miktarda para kazanmanıza izin verir. Bir örnek, tüketici davranışını sürekli olarak analiz eden ve algoritmaları geliştiren Amazon'dur.
#yapay zekayı nereden öğrenebilirim
Enerji endüstrisinde
Yapay zeka, enerji kaynakları için üretimi ve talebi tahmin etmeye, kayıpları azaltmaya ve kaynak hırsızlığını önlemeye yardımcı olur. Elektrik enerjisi endüstrisinde, istatistiksel verilerin analizinde yapay zekanın kullanılması, en karlı tedarikçiyi seçmeye veya müşteri hizmetlerini otomatikleştirmeye yardımcı olur.
imalat sektöründe
1.300 yöneticinin katıldığı bir McKinsey anketine göre, işletmelerin %20'si zaten yapay zeka kullanıyor. Son zamanlarda Mosselprom, paketleme atölyesindeki üretiminde yapay zekayı uyguladı. AI'nın bir görüntüyü tanıma yeteneğini kullanır. Kamera, giysinin üzerine basılan barkodu okutarak çalışanın tüm hareketlerini yakalar ve verileri bilgisayara gönderir. Yapılan işlem sayısı çalışanın ücretini doğrudan etkiler.
demlemede
Carlsberg, mayayı seçmek ve ürün yelpazesini genişletmek için makine öğrenimini kullanıyor. Teknoloji, dijital bir bulut platformu temelinde uygulanmaktadır.bankacılıkta
Güvenilir veri işleme ihtiyacı, mobil teknolojilerin gelişimi, bilginin kullanılabilirliği ve açık kaynaklı yazılımların yaygınlaşması, yapay zekayı bankacılık sektöründe talep edilen bir teknoloji haline getiriyor. Giderek daha fazla banka, mobil uygulama geliştirme şirketleri aracılığıyla fon topluyor. Yeni teknolojiler müşteri hizmetlerini iyileştiriyor ve analistlerin öngördüğü gibi, beş yıl içinde bankalardaki yapay zeka çoğu kararı kendi başına verecek.
ulaşımda
AI teknolojilerinin gelişimi, ulaşım endüstrisinin itici gücüdür. Yol durumu izleme, yanlış yerlerdeki yayaların veya nesnelerin tespiti, otonom sürüş, otomotiv endüstrisindeki bulut hizmetleri, ulaşımda AI kullanımına sadece birkaç örnektir.
lojistikte
Yapay zekanın gücü, şirketlerin talebi daha iyi tahmin etmelerini ve tedarik zincirlerini daha uygun maliyetli bir şekilde oluşturmalarını sağlıyor. AI, nakliye için gereken araç sayısını azaltmaya, teslimat sürelerini optimize etmeye ve nakliye ve depolama tesislerinin işletme maliyetlerini azaltmaya yardımcı olur.
Lüks mal ve hizmet pazarında
Lüks markalar da müşteri ihtiyaçlarını analiz etmek için dijitale yöneldi. Bu segmentteki geliştiricilerin karşılaştığı zorluklardan biri, müşteri duygularını yönetmek ve etkilemektir. Dior, sohbet robotları aracılığıyla müşteri-marka etkileşimlerini yönetmek için yapay zekayı zaten uyarlıyor. Lüks markalar gelecekte rekabet edecek ve yapay zeka ile elde edebilecekleri kişiselleştirme düzeyi belirleyici olacak.
kamu yönetiminde
Birçok ülkenin devlet aygıtları, AI teknolojilerinde gizlenen zorluklara henüz hazır değil. Uzmanlar, son birkaç yüzyılda gelişen mevcut hükümet yapılarının ve süreçlerinin çoğunun yakın gelecekte muhtemelen önemsiz hale geleceğini tahmin ediyor.
adli tıpta
Halka açık yerlerde suçluları tespit etmek için farklı yapay zeka yaklaşımları kullanılıyor. Hollanda gibi bazı ülkelerde polis karmaşık suçları araştırmak için yapay zeka kullanıyor. Dijital adli tıp, çok büyük miktarlarda çok karmaşık veri kümelerinin madenciliğini gerektiren yeni bir bilimdir.yargıda
Yapay zeka alanındaki gelişmeler, yargı sisteminin kökten değiştirilmesine, daha adil ve yolsuzluktan arındırılmasına yardımcı olacaktır. Yargı sistemindeki ilk yapay zekalardan biri Çin'i kullanmaya başladı. Yargıç robotların eninde sonunda depolardan gelen büyük verilerle çalışabilecekleri varsayılabilir. toplum servisleri. Makine zekası, büyük miktarda veriyi analiz eder ve insan yargıçları gibi duygular yaşamaz. Yapay zeka, bilgilerin işlenmesi ve istatistiklerin toplanması üzerinde büyük bir etkiye sahip olabilir ve ayrıca veri analizine dayalı olası suçları tahmin edebilir.
Sporda
Yapay zekanın sporda uygulanması son yıllarda olağan hale geldi. Spor takımları (beyzbol, futbol vb.), seçimde çeşitli faktörleri dikkate alarak bireysel oyuncu performans verilerini analiz eder. AI, oyun tekniğini analiz ederek oyuncuların gelecekteki potansiyelini tahmin edebilir, fiziksel durum ve diğer verilerin yanı sıra piyasa değerlerini değerlendirmek için.
Sağlık tıbbında
Bu uygulama alanı hızla büyüyor. AI, hastalık teşhisi, klinik araştırma, ilaç geliştirme ve sağlık sigortasında kullanılıyor. Buna ek olarak, çok sayıda tıbbi uygulama ve cihaza yatırımda bir patlama var.
Vatandaş davranışlarının analizi
Vatandaşların davranışlarının gözlemlenmesi, web sitelerindeki davranışlar da dahil olmak üzere güvenlik alanında yaygın olarak kullanılmaktadır. sosyal ağlarda) ve habercilerde. Örneğin, 2018'de Çinli bilim adamları 20.000 potansiyel intiharı tespit etmeyi ve onlara psikolojik yardım sağlamayı başardılar. Mart 2018'de Vladimir Putin, eylemleri yoğunlaştırma talimatı verdi Devlet kurumları sosyal ağlardaki yıkıcı hareketlerin olumsuz etkisiyle mücadele etmek.Kültürün gelişmesinde
AI algoritmaları oluşturmaya başlar Sanat Eserleri insan tarafından yaratılanlardan ayırt etmek zor. AI, yaratıcı insanlara fikirleri hayata geçirmeleri için birçok araç sunar. Şu anda, AI birçok yeni yöntem sağladığından, aynı zamanda insanlık için birçok yeni soru ortaya çıkardığından, sanatçının rolünün geniş anlamda anlaşılması değişiyor.
Tablo
Sanat uzun zamandır insan yaratıcılığının özel alanı olarak kabul edildi. Ancak, makinelerin yaratıcı alanda insanların düşündüğünden çok daha fazlasını yapabileceği ortaya çıktı. Ekim 2018'de Christie's ilk yapay zeka resmini 432.500 dolara sattı. 15. ve 20. yüzyıllar arasında oluşturulan 15.000 portreyi analiz eden üretken bir çekişmeli ağ algoritması kullanıldı.
Müzik
Müzik oluşturmak için AI kullanan birkaç müzik programı geliştirilmiştir. Diğer alanlarda olduğu gibi, bu durumda da AI, zihinsel bir görevi simüle eder. Kayda değer bir özellik, bir AI algoritmasının, bir insan sanatçıyı dinleme ve takip etme yeteneğine sahip bilgisayar izleme teknolojisi gibi alınan bilgilerden öğrenme yeteneğidir. AI ayrıca, bir bilgisayarın canlı bir müzisyenin performansına yanıt olarak müzik bestelediği, etkileşimli birleştirme teknolojisi olarak bilinen şeyi de yönlendirir. 2019'un başlarında, Warner Music bir sanatçı ile ilk sözleşmeyi imzaladı - Endel algoritması. Sözleşme şartlarına göre, Endel sinir ağı yıl boyunca 20 benzersiz albüm yayınlayacak.
Fotoğraf
AI, fotoğrafçılık hakkındaki düşüncelerimizi hızla değiştiriyor. Sadece birkaç yıl içinde, bu alandaki ilerlemelerin çoğu, daha önce olduğu gibi optik veya sensörlere değil, yapay zekaya odaklanacak. Fotoğraf teknolojisindeki gelişmeler ilk kez fizikle ilgisiz olacak ve tamamen yeni yol fotoğraf düşünme. Şimdi bile, sinir ağı, fotoğraf editörlerinde yüzleri modellerken en ufak değişiklikleri tanıyor.
Video: yüz değiştirme
2015 yılında Facebook, sitede DeepFace teknolojisini test etmeye başladı. 2017 yılında Reddit kullanıcısı DeepFakes, sinir ağları ve makine öğrenimi kullanarak gerçekçi yüz takas videoları oluşturmak için bir algoritma geliştirdi.
Medya ve edebiyat
2016 yılında Google AI, yayınlanmamış 11.000 kitabı analiz ettikten sonra ilk kitabını yazmaya başladı. Edebi çalışmalar. 2017 yılında Facebook AI Araştırma araştırmacıları, herhangi bir konuda şiir yazabilen bir sinir ağı sistemi geliştirdiler. Kasım 2015'te, Rus şirketi Yandex tarafından otomatik metin hazırlama yönü açıldı.
Git oyunlar, poker, satranç
2016'da bir AI, Go'da (10.100'den fazla seçeneğe sahip bir oyun) bir insanı yendi. Satrançta bir süper bilgisayar, insanlar tarafından şimdiye kadar oynanan hamleleri hafızasında saklama ve 10 adım ileride yenilerini programlama yeteneği nedeniyle bir insan oyuncuyu yendi. Eskiden bu kart oyununu oynamak için bir bilgisayarı eğitmenin neredeyse imkansız olduğu düşünülse de, poker artık botlar tarafından oynanıyor. Geliştiriciler her yıl algoritmaları daha fazla geliştiriyor.Yüz tanıma
Yüz tanıma teknolojisi hem fotoğraf hem de video akışları için kullanılır. Sinir ağları bir vektör veya “dijital” yüz şablonu oluşturur, ardından bu şablonlar sistem içinde karşılaştırılır. Yüzde bireysel özellikleri tanımlayan referans noktaları bulur. Özellikleri hesaplama algoritması, sistemlerin her biri için farklıdır ve geliştiricilerin ana sırrıdır.
AI'nın daha da geliştirilmesi ve uygulanması için, her şeyden önce bir kişiyi eğitmek gerekir.
Sergei Şirin
Yapay Zeka Fakültesi Dekanı
Yapay zeka teknolojileri, şu anda kullanıldığı formda yaklaşık 5-10 yıldır varlığını sürdürüyor, ancak bunların uygulanabilmesi için garip bir şekilde çok sayıda insan gerekiyor. Buna göre yapay zeka alanında ana maliyetler uzmanların maliyetleridir. Ayrıca, yapay zekanın neredeyse tüm temel teknolojileri (kütüphaneler, çerçeveler, algoritmalar) ücretsizdir ve kamuya açıktır. Bir zamanlar, makine öğrenimi uzmanları bulmak neredeyse imkansızdı. Ancak şimdi, büyük ölçüde MOOC'un (İng. Massive Open Online Course, kitlesel açık online kurs) gelişmesi nedeniyle, bunlardan daha fazlası var. daha yüksek Eğitim Kurumları ayrıca uzmanlar tedarik eder, ancak genellikle çalışmalarını çevrimiçi kurslarda bitirmek zorunda kalırlar.
Artık yapay zeka, bir kişinin iş değiştirmeyi planladığını çok iyi anlayabilir ve ona, çoğu yalnızca bir akıllı telefonla alınabilecek uygun çevrimiçi kurslar sunabilir. Bu da yoldayken - örneğin işe giderken - pratik yapabileceğiniz anlamına gelir. Bu tür ilk projelerden biri çevrimiçi kaynak Coursera idi, ancak daha sonra benzer birçok proje ortaya çıktı. eğitim projeleri, her biri çevrimiçi eğitimde belirli bir alanı kaplar.
AI'nın herhangi bir program gibi öncelikle bir kod, yani belirli bir şekilde tasarlanmış bir metin olduğunu anlamalısınız. Bu kodun geliştirilmesi, bakımı ve iyileştirilmesi gerekiyor. Ne yazık ki, bu kendi kendine olmaz; bir programcı olmadan kod “canlı olamaz”. Bu nedenle, AI'nın her şeye kadir olduğuna dair tüm korkular temelsizdir. Programlar kesin olarak tanımlanmış görevler için oluşturulur, bir insan gibi duygu ve özlemleri yoktur, programcının içine koymadığı eylemleri gerçekleştirmezler.
Uygulama hızında ortalama bir insanı geride bırakabilmesine rağmen, zamanımızda AI'nın yalnızca bireysel insan becerilerine sahip olduğu söylenebilir. Doğru, bu tür becerilerin her birini geliştirmek için binlerce programcının saatlerce çaba sarf ettiği doğrudur. AI'nın şu ana kadar yapabileceği en fazla şey, bazı fiziksel ve zihinsel işlemleri otomatikleştirmek ve böylece insanları rutinden kurtarmaktır.
AI kullanımı herhangi bir risk taşıyor mu? Aksine, artık yapay zeka teknolojilerini kullanma olasılığını görmeme riski var. Birçok şirket bunun farkındadır ve içlerinden birinin "ateş edebilmesi" umuduyla aynı anda birkaç yönde gelişmeye çalışıyor. Açıklayıcı bir örnek çevrimiçi mağazalardır: şimdi yalnızca henüz trend olmadığında AI kullanma ihtiyacını fark edenler, “paradan tasarruf etmek” ve gerekli matematikçi-programcıları sebepsiz yere davet etmemekle birlikte, ayakta kaldılar. .
Yapay zekanın gelişme beklentisi
Bilgisayarlar artık eskiden sadece insanların yapabildiği pek çok şeyi yapabiliyor: satranç oynamak, alfabedeki harfleri tanımak, yazım denetimi, dilbilgisi, yüzleri tanımak, dikte etmek, konuşmak, yarışmaları kazanmak ve daha fazlası. Ancak şüpheciler ısrar ediyor. Bir insan yeteneği otomatikleştirildiğinde, şüpheciler bunun sadece başka bir bilgisayar programı olduğunu ve kendi kendine öğrenen bir AI örneği olmadığını söylüyor. Yapay zeka teknolojileri yalnızca geniş uygulama alanı buluyor ve her alanda büyük büyüme potansiyeline sahip. Zamanla, insanlık, AI'nın geliştirilmesinde giderek daha fazla geliştirilecek olan daha güçlü bilgisayarlar yaratacaktır.
Yapay zekanın amacı insan zihnini bir bilgisayara yerleştirmek mi?
İnsan beyninin nasıl çalıştığına dair sadece kaba bir anlayış var. Şimdiye kadar, zihnin tüm özellikleri AI kullanılarak taklit edilemez.
AI insan zeka seviyelerine ulaşabilir mi?
Bilim adamları, AI'nın daha çeşitli sorunları çözebilmesini sağlamak için çabalıyor. Ancak düşünmek sadece bir algoritma ile sınırlı olmadığı için insan zekasının seviyesine ulaşmaktan bahsetmek için erken.
Yapay zeka ne zaman insan düşünme düzeyine ulaşabilir?
Üzerinde bu aşamaŞimdi insanlığın elde ettiği bilgi birikimi ve analizi, AI insan düşüncesinden uzaktır. Ancak gelecekte, yapay zekanın gelişiminde keskin bir sıçramayı etkileyecek çığır açan fikirler ortaya çıkabilir.
Bir bilgisayar akıllı bir makine olabilir mi?
Herhangi bir karmaşık makinenin bir parçası bir bilgisayar sistemidir ve burada sadece akıllı bilgisayar sistemlerinden bahsetmek mümkündür. Bilgisayarın kendisi akıllı değildir.
Bilgisayarlarda hız ile zekanın gelişimi arasında bir bağlantı var mı?
Hayır, hız sadece zekanın bazı özelliklerinden sorumludur. Tek başına, bilgiyi işleme ve analiz etme hızı, zekanın ortaya çıkması için yeterli değildir.
Okuma ve kendi kendine öğrenme yoluyla gelişebilecek bir çocuk makinesi yaratmak mümkün müdür?
Bu, araştırmacılar tarafından neredeyse yüz yıldır tartışılmaktadır. Muhtemelen, fikir bir gün uygulanacaktır. Günümüzde yapay zeka programları, çocukların yapabildiği kadar çok bilgiyi işlemez ve kullanmaz.
Hesaplanabilirlik teorisi ve hesaplama karmaşıklığı AI ile nasıl ilişkilidir?
Hesaplamalı karmaşıklık teorisi, hesaplama problemlerini içsel karmaşıklıklarına göre sınıflandırmaya ve bu sınıfları birbirleriyle ilişkilendirmeye odaklanır. Bir hesaplama problemi, bir bilgisayar tarafından çözülen bir problemdir. Hesaplama problemi, algoritma gibi matematiksel adımların mekanik uygulamasıyla çözülebilir.
Çözüm
Yapay zeka, dünyamızın gelişimi üzerinde bir asır önce bile tahmin edilmesi imkansız olan büyük bir etkiye sahipti. Akıllı telefon ağları, aramaları herhangi bir insan operatörden daha verimli bir şekilde yönlendirir. Arabalar, insansız fabrikalarda otomatik robotlar tarafından üretilir. Yapay zeka, elektrikli süpürge gibi en yaygın ev eşyalarına entegre ediliyor. AI'nın mekanizmaları tam olarak anlaşılmamıştır, ancak uzmanlar, AI'nın gelişiminin önümüzdeki yıllarda insan beyninin gelişimine daha da yaklaşacağını tahmin etmektedir.