Із чого складається штучний інтелект. Що має знати кожен інженер про штучний інтелект? Чому штучний інтелект – це благо
З моменту винаходу комп'ютерів їх здатність виконувати різні завдання продовжують зростати в геометричній прогресії. Люди розвивають потужність комп'ютерних систем, збільшуючи виконання завдань та зменшуючи розмір комп'ютерів. Основною метою дослідників у сфері штучного інтелекту - створення комп'ютерів чи машин таких розумних як людина.
Автором терміна «штучний інтелект» є Джон Маккарті, винахідник мови Лісп, основоположник функціонального програмування та лауреат премії Тьюринга за величезний внесок у галузі досліджень штучного інтелекту.
Штучний інтелект - це спосіб зробити комп'ютер, комп'ютер-контрольований робота або програму здатну також розумно мислити як людина.
Дослідження у сфері ІІ здійснюються шляхом вивчення розумових здібностей людини, а потім отримані результати цього дослідження використовуються як основа для розробки інтелектуальних програм та систем.
Філософія ІІ
Під час експлуатації потужних комп'ютерних систем, кожен ставив запитання: «А чи може машина мислити і поводитися як людина? ».
Таким чином, розвиток ІІ почався з наміру створити подібний інтелект у машинах, схожий на людський.
Основні цілі ІІ
- Створення експертних систем - систем, які демонструють розумну поведінку: вчитися, показувати, пояснювати та давати поради;
- Реалізація людського інтелекту в машинах - створення машини, здатної розуміти, думати, вчити і поводитися як людина.
Що сприяє розвитку ІІ?
Штучний інтелект – наука та технологія, заснована на таких дисциплінах, як інформатика, біологія, психологія, лінгвістика, математика, машинобудування. Одним із головних напрямків штучного інтелекту - розробка комп'ютерних функцій, пов'язаних з людським інтелектом, таких як: міркування, навчання та вирішення проблем.
Програма з ІІ та без ІІ
Програми з ІІ та без відрізняються такими властивостями:
Програми з ІІ
ІІ став домінуючим у різних областях, таких як:
Ігри - ІІ грає вирішальну роль в іграх пов'язаних зі стратегією таких як, шахи, покер, хрестики - нуліки і т.д., де комп'ютер здатний прораховувати велику кількість різноманітних рішень, заснованих на евристичних знаннях.
Обробка природної мови - це можливість спілкуватися з комп'ютером, який розуміє природну мову, якою розмовляють люди.
Розпізнавання мови – деякі інтелектуальні системиздатні чути і розуміти мову, якою людина спілкується з ними. Вони можуть опрацьовувати різні акценти, сленги і т.д.
Розпізнавання рукописного тексту - програмне забезпечення читає текст, написаний на папері за допомогою ручки або на екрані за допомогою стілусу. Він може розпізнавати форми літер і перетворити його на текст, що редагується.
Розумні роботи - роботи здатні виконувати завдання, поставлені людиною. Вони мають датчики для виявлення фізичних даних з реального світу, такі як світло, тепло, рух, звук, удар і тиск. Вони мають високопродуктивні процесори, кілька датчиків та величезну пам'ять. Крім того, вони здатні навчатися на власних помилках і адаптуватися до нового середовища.
Історія розвитку ІІ
Ось історія розвитку ІІ протягом 20-го століття
Карел Чапек ставить п'єсу в Лондоні під назвою «Універсальні роботи», це стало першим використанням слова «робот» англійською. |
|
Айзек Азімов, випускник Колумбійського університету, вводить термін робототехніка. |
|
Алан Т'юрінг розробляє тест Т'юрінга для оцінки інтелекту. Клод Шеннон публікує докладний аналізінтелектуальної шахової гри. |
|
Джон Маккарті запроваджує термін штучний інтелект. Демонстрація першого запуску програми ІІ в університеті Карнегі-Меллон. |
|
Джон Маккарті винаходить мову програмування lisp для ІІ. |
|
Дисертація Денні Боброва в МТІ показує, що комп'ютери можуть розуміти природну мову досить добре. |
|
Джозеф Weizenbaum у МТІ розробляє Елізу, інтерактивного помічника, яка веде діалог англійською мовою. |
|
Вчені зі Стенфордського науково-дослідного інституту розробили Шекі, робота, оснащеного двигунами, здатного сприймати та вирішувати деякі завдання. |
|
Група дослідників в Единбурзькому університеті побудувала Фредді, знаменитого шотландського робота, здатного використати зір, щоб знайти та зібрати моделі. |
|
Був побудований перший комп'ютер-контрольований автономний автомобіль, Стенфордський візок. |
|
Гарольд Коен розробив та продемонстрував складання програми, Аарон. |
|
Шахова програма, яка обіграє чемпіона світу з шахів Гаррі Каспарова. |
|
Інтерактивні роботи вихованці стануть комерційно доступними. МТІ відображає Кісмет, робота з особою, яка виражає емоції. Робот Номад досліджує віддалені райони Антарктиди та знаходить метеорити. |
Питанням штучного інтелекту почали займатись ще в середині ХХ століття. Але багато хто досі представляє підкорення галактик, повстання машин та інші картини фантастів, коли чують про штучний інтелект. Тим часом технології штучного інтелекту вже використовуються в повсякденному житті. Завдяки цим технологіям машини здатні вирішувати все більше завдань, причому швидше та якісніше. Особливо якщо для цього потрібно обробляти великі масиви даних: штучний інтелект вирішує такі завдання набагато ефективніше, ніж людина. Дехто вважає, що така тенденція багатьом загрожує втратою роботи: згіднодослідженню Oxford Martin School, до 2033 технології дозволять повністю автоматизувати 47% робочих місць. сайт розповідає про те, що таке штучний інтелект, як він працює та які перспективи його застосування у майбутньому.
Що таке штучний інтелект
Штучний інтелект (ІІ) - це наука та технологія створення комп'ютерних алгоритмів та програм, які функціонують як інтелектуальні системи: навчаються та зберігають інформацію на основі досвіду, оцінюють та застосовують абстрактні концепції, використовують отримані знання, щоб впливати на навколишнє середовище.
Штучний інтелект ділять на 2 типи: слабкий та сильний. Слабкий ІІ ще називають вузькоспрямованим, тому що він може виконувати лише завдання у певних рамках. Такими є всі існуючі сьогодні розробки на основі технології ІІ. Сильний штучний інтелект зможе вирішувати будь-які завдання у необмеженому спектрі областей. Щоб уявити сильний ІІ, згадайте Джарвіса - помічника Тоні Старка у "Залізній людині". Сьогодні таку ІІ реалізувати неможливо, та й сама ідея його створення визнана чистою утопією.
Діна Лі спеціально для сайту
Штучний інтелект сьогодні: нейромережі та машинне навчання
Технологію ІІ можна реалізовувати по-різному. Один із способів – нейромережі. Нейросеть будується за тим самим принципом, як і нервові мережі в живому організмі, звідси і назва. В організмі в мережу з'єднуються нервові клітини – нейрони, вони утворюють нервову систему. А в штучній нейромережі використовуються прості процесори - обчислювальні елементи, які з'єднуються та взаємодіють за такою ж схемою.
На відміну від стандартних алгоритмів нейромережі здатні навчатися з урахуванням досвіду. Нейросети аналізують та виявляють зв'язки між даними на вході та виході, узагальнюють дані та формують рішення задач. Щоб нейромережі могли функціонувати в такий спосіб, використовуються методи машинного навчання. Причому у випадку з нейромережами таке навчання потребує багато обчислювальних ресурсів.
Чому ви зможете навчити нейромережу, залежить від вхідних даних. Чим більше даних, тим якіснішим буде навчання. Можна навчити нейромережу відрізняти одні об'єкти від інших, порівнювати та прогнозувати. Навчання нейромережі схоже на навчання дітей, коли їм показують картинку та кажуть: "Це кішка". У випадку з нейромережами вони отримують дуже багато таких картинок з ярликами, що пояснюють, і вчаться розпізнавати окремі елементи, які потім зможуть поєднувати. Вхідне зображення потрапляє в якусь фільтруючу систему. Фільтри в ній різні за розміром і складністю елементів, які можуть розпізнати - у кожного є свій набір ознак. Зображення багаторазово фільтрується у цій системі. Коли багато елементів розпізнано, то нейромережа складає прогноз: з такою ймовірністю цей об'єкт - людина.
Так з'явилися нейромережі, які прогнозують курс акцій на завтра, розпізнають написані від руки цифри індексу на поштовому конверті та визначають на знімку хворий орган. Для їхнього навчання використовували числові дані про курси на біржі та зображення написаних цифр, хворих та здорових органів.
Проблема полягала в тому, що нейромережі часто помилялися, тому що важко було зібрати справді великі вибірки даних для навчання. У 2010 році з'явилася база зображень ImageNet: 15 мільйонів зображень у 22 тисячах категорій. Доступ був відкритим: дані міг використати будь-який дослідник. У результаті стало можливим якісно навчати ІІ. Нейросети стали більш розвиненими, доступними та міцно інтегрувалися у повсякденне життя.
Штучний інтелект, з яким ми стикаємося у повсякденному житті
Голосові помічники Siri, Google Assistant та Аліса, алгоритми для рекомендацій на сайтах - наприклад, Brain, який використовує Youtube для рекомендації відео або блок з товарами, що рекомендуються на Amazon, чат-боти, - всі вони розроблені на основі технологій ІІ.
Платіжна система PayPal використовує машинне навчання, щоб нейромережі знаходили підозрілі транзакції. Це дозволяє компанії зменшити кількість випадків шахрайства. Російська програма Prisma використовує нейромережі для обробки фото.
Інженер компанії NVIDIA Роберт Бонд розробив алгоритм, який включав садові розбризкувачі води, коли до нього забредали сусідські кішки та псували сад. Щоб визначити, що це кішка, він використовував систему на основі нейромережі Caffe: вона визначала кішок з відеозйомки з камер. Коли камера фіксувала зміну обстановки, робила 7 фотографій. Фотографії аналізувала нейромережа: якщо на знімках була кішка, то мережа включала розбризкувачі.
Крім того, нейромережі написали 2 музичні альбоми, які можна послухати на Яндекс.Музиці. Один написаний на основі пісень гурту "Громадянська оборона" (виконавцем значиться"Нейронна оборона" ), а інший - на основі "Нірвани" (виконавець - Neurona).
Діна Лі спеціально для сайту
В яких областях ще можна використовувати нейромережі
Нейросети застосовують у медицині, фінансах та комерції, промисловості та забезпеченні порядку та безпеки - скрізь, де потрібно обробляти великі обсяги даних, систематизувати та прогнозувати.
У медицині нейромережі навчають розпізнавати пухлини, пошкодження тканин та органів після травм, прогнозувати можливі ускладнення та перебіг хвороби. Це непросто: немає достатньо великої медичної бази даних, а потрібно досягти високої точності. Адже якщо нейромережа переплутає кішку із собакою, то це не так страшно. А от якщо здоровий орган із хворим – це буде погано.
На професійній конференції розробників високонавантажених систем HighLoad++ Наталія Єфремоварозповіла про нестандартне використання нейромереж для прогнозування рівня бідності. Рівень бідності в Африці настільки високий, що немає можливості просто зібрати та проаналізувати ці дані. Останні дані збиралися 2005 року. Вчені з Університету Стенфорда спочатку навчили нейромережу за допомогою бази зображень ImageNet, щоб вона могла розпізнавати поселення. Потім вони зібрали багато зображень Африки із супутників у денний та нічний час та завантажили їх у нейромережу. Нейросеть оцінила, чи є у населення гроші висвітлювати свої будинки вночі, і зробила прогноз їхнього рівня бідності. Прогноз потім порівняли із реальними даними за 2005 рік – нейромережа склала досить точний прогноз.
Чому на нейромережі чекає новий виток розвитку
Обчислювальних потужностей стає більше, як і зображень, та інших баз даних на навчання нейромереж. Крім того, виявилося, що нейромережі здатні на більшу ефективність. Коли вчені Стенфорда навчали нейромережі прогнозувати бідність в Африці, вони завантажили дані про дахи поселень. Але нейромережа самостійно навчилася розпізнавати воду, ліси, дороги та інші об'єкти – без заздалегідь завантажених баз даних та втручання вчителів.
У травні 2017 року розробники з Google Brainпредставили проект AutoML, що самостійно проектує моделі машинного навчання. Якщо просто, то це ІІ, який проаналізував існуючі нейромережі, виявив ефективні сторони та створив іншу нейромережу без втручання людини. NASNet . На наборі зображень NASNet показала точність прогнозування 82,7%. Цей показник вищий, ніж у всіх ранніх нейромереж з розпізнаванням зображень.
Чи відбере ІІ роботу у людей
Розвиток ІІ неминуче вплине ринку праці. Але цьому не варто дивуватися, адже насправді це все одно що модернізація та автоматизація. Якісь професії зникнуть і з'являться нові, адже розвиток ІІ вплине і на розвиток інших областей.
Зараз є список професій, які, ймовірно, штучний інтелект, нейромережі та чат-боти зможуть забрати в людини. Наприклад, Google інвестує у роботів, які пишуть новини без участі людини. Деякі види програмістів теж можуть залишитися в перспективі без роботи: йдеться насамперед про "кодери", які займаються тим, що збирають готові блоки, тобто їхню роботу можна звести до алгоритму. Те саме стосується, наприклад, HR-фахівців: нейромережі можуть охоплювати набагато більше джерел інформації, щоб шукати кандидатів, систематизувати їх за певними критеріями та надсилати їм повідомлення. Також під загрозою зникнення знаходяться оператори call-центрів: на їхні плечі лягає багато типової роботи, яку можна автоматизувати.
При цьому розвиток ІІ викликає побоювання. Один із головних винахідників сучасності та засновник компаній SpaceX та Tesla Ілон Маск назвав штучний інтелект "найбільшим ризиком, з яким людство стикається як цивілізація". За його словами, компанії, влаштовуючи гонку за передовими технологіями, можуть забути про ті небезпеки, які походять від штучного інтелекту. Також неоднозначно штучний інтелект оцінює Стівен Хокінг. Вчений побоюється, що може призвести до деградації людини, зробивши його безпорадним перед природи.
Наразі важко передбачити точні горизонти, яких зможе досягти ІІ. Але на сьогодні ми знаємо дві важливі речі: деяку роботу не можна робити без втручання людини, і досконалий ІІ, який керує всім, - це поки що фантастика.
Штучний інтелект
Штучний інтелект - розділ інформатики, що вивчає можливість забезпечення розумних міркувань та дій за допомогою обчислювальних систем та інших штучних пристроїв. При цьому в більшості випадків наперед невідомий алгоритм розв'язання задачі.
Точного визначення цієї науки не існує, тому що у філософії не вирішено питання про природу та статус людського інтелекту. Немає і точного критерію досягнення комп'ютерами «розумності», хоча на зорі штучного інтелекту було запропоновано низку гіпотез, наприклад, тест Тьюринга чи гіпотеза Ньюелла – Саймона. На даний момент є безліч підходів як до розуміння завдання ІІ, так і до створення інтелектуальних систем.
Так, одна з класифікацій виділяє два підходи до розробки ІІ:
низхідний, семіотичний - створення символьних систем, що моделюють високорівневі психічні процеси: мислення, міркування, мовлення, емоції, творчість тощо;
висхідний, біологічний - вивчення нейронних мереж та еволюційні обчислення, що моделюють інтелектуальну поведінку на основі дрібніших «неінтелектуальних» елементів.
Ця наука пов'язана з психологією, нейрофізіологією, трансгуманізмом та іншими. Як і всі комп'ютерні науки, вона використовує математичний апарат. Особливе значення для неї мають філософія та робототехніка.
Штучний інтелект - дуже молода область досліджень, старт якої було дано 1956 року. Її історичний шлях нагадує синусоїду, кожен «зліт» якої ініціювався якоюсь новою ідеєю. На даний момент її розвиток знаходиться на «спаді», поступаючись місцем застосування вже досягнутих результатів в інших галузях науки, промисловості, бізнесі і навіть повсякденному житті.
Підходи до вивчення
Існують різні підходи до побудови систем ІІ. На даний момент можна виділити 4 досить різні підходи:
1. Логічний підхід. Основою логічного підходу служить Булева алгебра. Кожен програміст знайомий з нею та з логічними операторами з тих пір, коли він освоював оператор IF. Свій подальший розвиток Булева алгебра отримала у вигляді обчислення предикатів - в якому вона розширена за рахунок введення предметних символів, відносин між ними, кванторів існування та загальності. Практично кожна система ІІ, побудована на логічному принципі, є машиною доказу теорем. У цьому вихідні дані зберігаються у базі даних як аксіом, правила логічного виведення як відносини з-поміж них. Крім того, кожна така машина має блок генерації мети і система виведення намагається довести цю мету як теорему. Якщо мета доведена, то трасування застосованих правил дозволяє отримати ланцюжок дій, необхідні реалізації поставленої мети (така система відома як експертні системи). Потужність такої системи визначається можливостями генератора цілей та машиною доказу теорем. Досягти більшої виразності логічного підходу дозволяє такий порівняно новий напрямок, як нечітка логіка. Основною її відмінністю є те, що правдивість висловлювання може приймати в ній крім так/ні (1/0) ще й проміжні значення - не знаю (0.5), пацієнт швидше живий, ніж мертвий (0.75), пацієнт швидше за мертвий, ніж живий ( 0.25). Цей підхід більше схожий на мислення людини, оскільки він на запитання рідко відповідає тільки так чи ні.
2. Під структурним підходом ми маємо на увазі тут спроби побудови ІІ шляхом моделювання структури людського мозку. Однією з перших таких спроб був перцептрон Френка Розенблатта. Основний структурованої одиницею, що моделюється, в перцептронах (як і в більшості інших варіантів моделювання мозку) є нейрон. Пізніше виникли й інші моделі, які відомі більшості під терміном нейронні мережі (НС). Ці моделі розрізняються за будовою окремих нейронів, за топологією зв'язків між ними та за алгоритмами навчання. Серед найбільш відомих зараз варіантів СР можна назвати СР зі зворотним поширенням помилки, мережі Хопфілда, стохастичні нейронні мережі. У ширшому значенні такий підхід відомий як Коннективізм.
3. Еволюційний підхід. При побудові систем ІІ з цього підходу основна увага приділяється побудові початкової моделі, і правил, якими вона може змінюватися (еволюціонувати). Причому модель може бути складена за різними методами, це може бути і СР і набір логічних правилта будь-яка інша модель. Після цього ми включаємо комп'ютер і він, на підставі перевірки моделей відбирає найкращі з них, на підставі яких за різними правилами генеруються нові моделі. Серед еволюційних алгоритмів класичним вважається генетичний алгоритм
4. Імітаційний підхід. Цей підхід є класичним для кібернетики з одним із її базових понять чорний ящик. Об'єкт, поведінка якого імітується, якраз і є «чорною скринькою». Нам не важливо, що в нього і в моделі всередині і як він функціонує, головне, щоб наша модель в аналогічних ситуаціях поводилася так само. Таким чином, тут моделюється інша властивість людини - здатність копіювати те, що роблять інші, не вдаючись у подробиці, навіщо це потрібно. Найчастіше ця здатність економить йому багато часу, особливо на початку його життя.
У рамках гібридних інтелектуальних систем намагаються поєднати ці напрямки. Експертні правила висновків можуть генеруватися нейронними мережами, а породжувальні правила отримують за допомогою статистичного навчання.
p align="justify"> Багатообіцяючий новий підхід, званий посилення інтелекту, розглядає досягнення ІІ в процесі еволюційної розробки як побічний ефект посилення людського інтелекту технологіями.
Напрями досліджень
Аналізуючи історію ІІ, можна назвати такий великий напрямок як моделювання міркувань. Довгі роки розвиток цієї науки рухався саме цим шляхом, і тепер це одна з найрозвиненіших областей у сучасному ІІ. Моделювання міркувань має на увазі створення символьних систем, на вході яких поставлено якесь завдання, а на виході потрібно її вирішення. Як правило, запропонована задача вже формалізована, тобто переведена в математичну форму, але або не має алгоритму рішення, або він занадто складний, трудомісткий і т. п. У цей напрямок входять: доказ теорем, прийняття рішень та теорія ігор, планування та диспетчеризація, прогнозування.
Важливим напрямом є обробка природної мови, в рамках якої проводиться аналіз можливостей розуміння, обробки та генерації текстів «людською» мовою. Зокрема, тут ще не вирішено проблему машинного перекладу текстів з однієї мови на іншу. У світі велику роль грає розробка методів інформаційного пошуку. За своєю природою, оригінальний тест Тьюринга пов'язаний із цим напрямком.
На думку багатьох вчених, важливою властивістю інтелекту є здатність до навчання. Таким чином, на перший план виходить інженерія знань, що поєднує завдання отримання знань із простої інформації, їх систематизації та використання. Досягнення у цій галузі зачіпають майже всі інші напрями досліджень ІІ. Тут також не можна не відзначити дві важливі підобласті. Перша їх - машинне навчання - стосується процесу самостійного отримання знань інтелектуальної системою у її роботи. Друге пов'язане зі створенням експертних систем - програм, що використовують спеціалізовані бази знань для отримання достовірних висновків з будь-якої проблеми.
Великі та цікаві досягнення є в галузі моделювання біологічних систем. Строго кажучи, сюди можна зарахувати кілька незалежних напрямків. Нейронні мережі використовуються для вирішення нечітких та складних проблем, таких як розпізнавання геометричних фігур або кластеризація об'єктів. Генетичний підхід заснований на ідеї, що певний алгоритм може стати ефективнішим, якщо запозичить кращі характеристики в інших алгоритмів («батьків»). Відносно новий підхід, де ставиться завдання створення автономної програми - агента, що взаємодіє із зовнішнім середовищем, називається агентним підходом. А якщо належним чином змусити масу «не дуже інтелектуальних» агентів взаємодіяти разом, можна отримати «мурашиний» інтелект.
Завдання розпізнавання образів вже частково вирішуються у межах інших напрямів. Сюди відносяться розпізнавання символів, рукописного тексту, промови, аналіз текстів. Особливо варто згадати комп'ютерний зір, який пов'язаний із машинним навчанням та робототехнікою.
Взагалі, робототехніка та штучний інтелект часто асоціюються один з одним. Інтегрування цих двох наук, створення інтелектуальних роботів можна вважати ще одним напрямом ІІ.
Осібно тримається машинна творчість, у зв'язку з тим, що природа людської творчості ще менш вивчена, ніж природа інтелекту. Тим не менш, ця область існує, і тут поставлені проблеми написання комп'ютером музики, літературних творів (часто віршів чи казок), художня творчість.
Нарешті, існує безліч додатків штучного інтелекту, кожна з яких утворює майже самостійний напрямок. Як приклади можна навести програмування інтелекту в комп'ютерних іграх, нелінійне керування, інтелектуальні системи безпеки.
Можна помітити, що багато областей досліджень перетинаються. Це властиво для будь-якої науки. Але в штучному інтелекті взаємозв'язок між, здавалося б, різними напрямками виражений особливо сильно, і це пов'язано з філософською суперечкою про сильне і слабке ІІ.
На початку XVII століття Рене Декарт припустив, що тварина - складний механізм, тим самим сформулювавши механістичну теорію. У 1623 р. Вільгельм Шикард побудував першу механічну цифрову обчислювальну машину, за якою пішли машини Блеза Паскаля (1643) і Лейбніца (1671). Лейбніц також був першим, хто описав сучасну двійкову систему числення, хоча до нього цією системою періодично захоплювалися багато великих учених. У XIX столітті Чарльз Беббідж та Ада Лавлейс працювали над програмованою механічною обчислювальною машиною.
У 1910-1913 pp. Бертран Рассел та А. Н. Уайтхед опублікували роботу «Принципи математики», яка зробила революцію у формальній логіці. У 1941 Конрад Цузе побудував перший працюючий програмно-контрольований комп'ютер. Уоррен Маккалок і Валтер Піттс в 1943 опублікували A Logical Calculus Ideas Immanent in Nervous Activity, який заклав основи нейронних мереж.
Сучасний стан справ
На даний момент (2008) у створенні штучного інтелекту (у первісному значенні цього слова, експертні системи та шахові програми сюди не належать) спостерігається дефіцит ідей. Майже всі підходи були випробувані, але до виникнення штучного розуму жодна дослідницька група не підійшла.
Деякі з найбільш вражаючих цивільних ІІ систем:
Deep Blue - переміг чемпіона світу з шахів. (Матч Каспаров проти суперЕОМ не приніс задоволення ні комп'ютерникам, ні шахістам і система не була визнана Каспаровим, хоча оригінальні компактні шахові програми невід'ємний елемент шахової творчості. Потім лінія суперкомп'ютерів IBM проявилася в проектах brute force BluGene (молекулярне) швейцарський центр Blue Brain. Ця історія- приклад заплутаних та засекречених відносин ІІ, бізнесу та національних стратегічних завдань.)
Mycin - одна з ранніх експертних систем, яка могла діагностувати невеликий набір захворювань, причому часто так само, як і лікарі.
20q – проект, заснований на ідеях ІІ, за мотивами класичної гри «20 питань». Став дуже популярним після появи в інтернеті на сайті 20q.net.
Розпізнавання мови. Системи, такі як ViaVoice, здатні обслуговувати споживачів.
Роботи у щорічному турнірі RoboCup змагаються у спрощеній формі футболу.
Застосування ІІ
Банки застосовують системи штучного інтелекту (СІІ) у страховій діяльності (актуарна математика) при грі на біржі та управлінні власністю. У серпні 2001 року роботи виграли у людей в імпровізованому змаганні з трейдингу (BBC News, 2001). Методи розпізнавання образів, (включаючи як складніші та спеціалізовані, так і нейронні мережі) широко використовують при оптичному та акустичному розпізнаванні (у тому числі тексту та мовлення), медичній діагностиці, спам-фільтрах, в системах ППО (визначення цілей), а також задля забезпечення низки інших завдань національної безпеки.
Розробники комп'ютерних ігор змушені застосовувати ІІ того чи іншого ступеня опрацьованості. Стандартними завданнями ІІ в іграх є знаходження шляху у двовимірному чи тривимірному просторі, імітація поведінки бойової одиниці, розрахунок правильної економічної стратегії тощо.
Перспективи ІІ
Проглядаються два напрями розвитку ІІ:
перше полягає у вирішенні проблем, пов'язаних з наближенням спеціалізованих систем ІІ до можливостей людини та їх інтеграції, що реалізована природою людини.
друге полягає у створенні Штучного Розуму, що представляє інтеграцію вже створених систем ІІ в єдину систему, здатну вирішувати проблеми людства.
Зв'язок з іншими науками
Штучний інтелект тісно пов'язаний із трансгуманізмом. А разом із нейрофізіологією та когнітивною психологією він утворює більш загальну науку, звану когнітологію. Окрему роль у штучному інтелекті грає філософія.
Філософські питання
Наука «про створення штучного розуму» не могла не привернути увагу філософів. З появою перших інтелектуальних систем було порушено фундаментальні питання про людину та знання, а частково про світоустрій. З одного боку, вони нерозривно пов'язані з цією наукою, з другого - привносять у неї певний хаос. Серед дослідників ІІ досі немає будь-якої домінуючої погляду на критерії інтелектуальності, систематизацію розв'язуваних цілей і завдань, немає навіть суворого визначення науки.
Чи може машина думати?
Найбільш гарячі суперечки у філософії штучного інтелекту викликає питання можливості мислення творіння людських рук. Питання «Чи може машина мислити?», який підштовхнув дослідників до створення науки про моделювання людського розуму, було поставлене Аланом Тьюрінгом у 1950 році. Дві основні точки зору це питання носять назви гіпотез сильного і слабкого штучного інтелекту.
Термін «сильний штучний інтелект» ввів Джон Серль, його словами підхід і характеризується:
Більше того, така програма буде не просто моделлю розуму; вона в буквальному значенні слова сама і буде розумом, у тому ж значенні, в якому людський розум - це розум».
Навпаки, прихильники слабкого ІІ вважають за краще розглядати програми лише як інструмент, що дозволяє вирішувати ті чи інші завдання, які не вимагають повного спектру людських пізнавальних здібностей.
У своєму подумки «Китайська кімната», Джон Серль показує, що проходження тесту Тьюринга не є критерієм наявності у машини справжнього процесу мислення.
Мислення є процес обробки інформації, що знаходиться в пам'яті: аналіз, синтез і самопрограмування.
Аналогічну позицію займає і Роджер Пенроуз, котрий у своїй книзі «Новий розум короля» аргументує неможливість одержання процесу мислення на основі формальних систем.
Існують різні погляди на це питання. Аналітичний підхід передбачає аналіз вищої нервової діяльності людини до нижчого, неподільного рівня (функція вищої нервової діяльності, елементарна реакція на зовнішні подразники (стимули), подразнення синапсів сукупності пов'язаних функцією нейронів) та подальше відтворення цих функцій.
Деякі фахівці за інтелект приймають здатність раціонального, вмотивованого вибору, в умовах нестачі інформації. Тобто інтелектуальною просто вважається та програма діяльності (не обов'язково реалізована на сучасних ЕОМ), яка зможе вибрати з певної множини альтернатив, наприклад, куди йти у разі «ліворуч підеш …», «право підеш …», «прямо підеш …»
Наука про знання
Також, із проблемами штучного інтелекту тісно пов'язана епістемологія – наука про знання у рамках філософії. Філософи, що займаються даною проблематикою, вирішують питання, схожі на ті, які вирішуються інженерами ІІ про те, як краще представляти і використовувати знання та інформацію.
Ставлення до ІІ у суспільстві
ІІ та релігія
Серед послідовників авраамічних релігій є кілька точок зору можливість створення ІІ з урахуванням структурного підходу.
За однією з них мозок, роботу якого намагаються імітувати системи, на їхню думку, не бере участь у процесі мислення, не є джерелом свідомості та будь-якої іншої розумової діяльності. Створення ІІ на основі структурного підходу неможливе.
Відповідно до іншої точки зору, мозок бере участь у процесі мислення, але у вигляді "передавача" інформації від душі. Мозок відповідальний за такі "прості" функції, як безумовні рефлекси, реакція на біль тощо. Створення ІІ на основі структурного підходу можливе, якщо система, що конструюється, зможе виконувати "передавальні" функції.
Обидві позиції відповідають даним сучасної науки, т.к. поняття душа не розглядається сучасною наукоюяк наукова категорія.
На думку багатьох буддистів, ІІ можливий. Так, духовний лідерДалай-лама XIV не виключає можливості існування свідомості на комп'ютерній основі.
Раеліти активно підтримують розробки у сфері штучного інтелекту.
ІІ та наукова фантастика
У науково-фантастичній літературі ІІ найчастіше зображується як сила, яка намагається повалити владу людини (Омніус, HAL 9000, Скайнет, Colossus, Матриця та реплікант) або обслуговуючий гуманоїд (C-3PO, Data, KITT та KARR, Двохсотрічна людина). Неминуча домінування над світом ІІ, що вийшов з-під контролю, заперечується такими фантастами як Айзек Азімов та Kevin Warwick.
Цікаве бачення майбутнього представлене у романі «Вибір за Тьюрингом» письменника-фантаста Гаррі Гаррісона та вченого Марвіна Мінська. Автори міркують на тему втрати людяності в людини, в мозок якого було вживлено ЕОМ, і придбання людяності машиною з ІІ, на згадку про яку було скопійовано інформацію з мозку людини.
Деякі наукові фантасти, наприклад Вернор Віндж, також розмірковували над наслідками появи ІІ, яка, мабуть, викличе різкі драматичні зміни у суспільстві. Такий період називають технологічною сингулярністю.
Цього року компанія "Яндекс" запустила голосового помічника "Аліса". Новий сервіс дозволяє користувачеві прослуховувати новини та погоду, отримувати відповіді на запитання та просто спілкуватися з ботом. "Аліса" іноді сміється, часом здається майже розумною і саркастичною, але часто не може розібратися, про що її запитують, і сідає в калюжу.
Усе це породило як хвилю жартів, а й новий витокдискусій щодо розвитку штучного інтелекту. Новини про те, чого досягли розумні алгоритми, сьогодні приходять чи не щодня, а машинне навчання називають одним із самих перспективних напрямів, якому можна присвятити себе.
Щоб прояснити головні питання про штучний інтелект, ми поговорили з Сергієм Марковим, спеціалістом зі штучного інтелекту та методами машинного навчання, автором однієї з найсильніших вітчизняних шахових програм SmarThink та творцем проекту «XXII століття».
Сергій Марков,
фахівець із штучного інтелекту
Розвінчуючи міфи про ІІ
То що таке «штучний інтелект»?
Поняття «штучний інтелект» певною мірою не пощастило. Що виникло спочатку в науковому середовищі, воно згодом проникло у фантастичну літературу, а через неї - в поп-культуру, де зазнало цілої низки змін, обросло безліччю інтерпретацій і врешті-решт було цілком містифіковано.
Саме тому ми часто чуємо від нефахівців приблизно такі заяви: «ІІ не існує», «ІІ неможливо створити». Нерозуміння суті досліджень, що ведуться у сфері ІІ, легко призводить людей і до інших крайнощів - наприклад, сучасним системамІІ приписують наявність свідомості, вільної волі та секретних мотивів.
Спробуємо відокремити мух від котлет.
У науці штучним інтелектом називають системи, призначені на вирішення інтелектуальних завдань.
У свою чергу, інтелектуальне завдання – це завдання, яке люди вирішують за допомогою власного інтелекту. Зауважимо, що в даному випадку фахівці свідомо уникають визначення поняття «інтелект», оскільки до появи систем ІІ єдиним прикладом інтелекту був інтелект людський, і визначити поняття інтелекту на основі єдиного прикладу - те саме, що намагатися провести пряму через єдину точку. Таких прямих може виявитися скільки завгодно багато, отже, суперечка про поняття інтелекту можна було б вести століттями.
«сильний» та «слабкий» штучний інтелект
Системи ІІ поділяються на великі групи.
Прикладний штучний інтелект(також використовують термін «слабкий ІІ» або «вузький ІІ», в англійській традиції - weak/applied/narrow AI) - це ІІ, призначений для вирішення будь-якої однієї інтелектуальної задачі або їх невеликої множини. До цього класу відносяться системи для гри в шахи, го, розпізнавання образів, мови, прийняття рішення про видачу або невидачу банківського кредиту і так далі.
На противагу прикладному ІІ вводять поняття універсального штучного інтелекту(також «сильний ІІ», англійською - strong AI/Artificial General Intelligence) - тобто, гіпотетичного (поки що) ІІ, здатного вирішувати будь-які інтелектуальні завдання.
Часто люди, не знаючи термінології, ототожнюють ІІ з сильним ІІ, через це і виникають судження в дусі «ІІ не існує».
Сильного ІІ справді поки що не існує. Практично всі успіхи, які ми спостерігаємо протягом останнього десятиліття в області ІІ, – це успіхи прикладних систем. Ці успіхи не можна недооцінювати, оскільки прикладні системи часом здатні вирішувати інтелектуальні завдання краще, ніж це робить універсальний людський інтелект.
Я думаю, ви помітили, що поняття ІІ – досить широке. Скажімо, усний рахунок - це теж інтелектуальне завдання, і це означає, що будь-яка лічильна машина буде вважатися системою ІІ. А як щодо рахунків? Абака? Антикитерського механізму? Справді, все це формально хоч і примітивні, але системи ІІ. Однак зазвичай, називаючи якусь систему системою ІІ, ми тим самим підкреслюємо складність задачі, що вирішується цією системою.
Цілком очевидно, що поділ інтелектуальних завдань на прості та складні – вельми штучне, і наші уявлення про складність тих чи інших завдань поступово змінюються. Механічна лічильна машина була дивом техніки в XVII столітті, але сьогодні людей, які з дитинства стикаються з куди складнішими механізмами, вона вже не здатна вразити. Коли гра машин в го або автомобільні автопілоти вже перестануть дивувати публіку, напевно знайдуться люди, які морщатимуться через те, що хтось відноситиме такі системи до ІІ.
«Роботи-відмінники»: про здібності ІІ до навчання
Ще одна кумедна помилка - неодмінна наявність у систем ІІ здатності до самонавчання. З одного боку, це зовсім не обов'язкова властивість систем ІІ: є безліч дивовижних систем, не здатних самонавчатись, але, тим не менш, вирішують багато завдань краще за людський мозок. З іншого боку, деякі люди просто не знають того, що самонавчання - властивість, які багато систем ІІ набули ще понад півсотні років тому.
Коли 1999 року я писав свою першу шахову програму, самонавчання вже було цілком спільним місцем у цій галузі - програми вміли запам'ятовувати небезпечні позиції, підлаштовувати під себе дебютні варіанти, регулювати стиль гри, підлаштовуючись під суперника. Звичайно, тим програмам було ще дуже далеко до Alpha Zero. Проте, навіть системи, які навчаються поведінці з урахуванням взаємодії коїться з іншими системами під час експериментів з так званому «навчання з підкріпленням», вже існували. Однак через незрозумілу причину деякі люди досі думають, що здатність до самонавчання - це прерогатива людського інтелекту.
Машинне навчання, ціла наукова дисципліна, займається процесами навчання машин вирішення тих чи інших завдань.
Існує два великі полюси машинного навчання - навчання з учителем та навчання без вчителя.
При навчанні з учителемУ машини вже є кілька умовно правильних рішень для деякого набору випадків. Завдання навчання у такому разі полягає в тому, щоб навчити машину на основі наявних прикладів приймати правильні рішення в інших невідомих ситуаціях.
Інша крайність - навчання без вчителя. Тобто машину ставлять у ситуацію, коли правильні рішення невідомі, є лише дані у сирому, нерозміченому вигляді. Виявляється, і в таких випадках можна досягти певного успіху. Наприклад, можна навчити машину виявлення семантичних відносин між словами мови з урахуванням аналізу дуже великого набору текстів.
Один із різновидів навчання з учителем - це навчання з підкріпленням (reinforcement learning). Ідея полягає в тому, що система ІІ виступає в ролі агента, поміщеного в деяке модельне середовище, в якому вона може взаємодіяти з іншими агентами, наприклад, з власними копіями, і отримувати від середовища деяке Зворотній зв'язокчерез функцію винагороди. Наприклад, шахова програма, яка грає сама з собою, поступово підлаштовуючи свої параметри і тим самим поступово посилюючи власну гру.
Навчання з підкріпленням – досить широка область, у ній застосовують безліч цікавих методів, починаючи від еволюційних алгоритмів і закінчуючи байєсівською оптимізацією. Останні досягнення в області ІІ для ігор пов'язані з посиленням ІІ в ході навчання з підкріпленням.
Ризики розвитку технологій: чи варто боятися «Судного дня»?
Я не належу до ІІ-алармістів, і в цьому сенсі я зовсім не самотній. Наприклад, творець стенфордського курсу з машинного навчання Ендрю Ин порівнює проблему небезпеки ІІ з проблемою перенаселення Марса.
Справді, у майбутньому цілком можливо, що люди колонізують Марс. Також можливо, що рано чи пізно на Марсі може виникнути проблема перенаселення, але не зовсім зрозуміло, чому ми повинні займатися цією проблемою вже зараз? Згодні з Ыном і Ян ЛеКун - творець згорткових нейронних мереж, і його шеф Марк Цукерберг, і Йошуа Беньо - людина, багато в чому завдяки дослідженням якої сучасні нейронні мережі здатні вирішувати складні завдання в галузі обробки текстів.
Щоб викласти мої погляди на цю проблему, знадобиться, мабуть, кілька годин, тому зупинюся тільки на основних тезах.
1. НЕ МОЖНА ОБМЕЖУВАТИ РОЗВИТОК ІІ
Алармісти розглядають ризики, пов'язані з потенційним руйнівним впливом ІІ, при цьому ігноруючи ризики, пов'язані зі спробою обмежити або навіть зупинити прогрес у цій галузі. Технологічна могутність людства зростає надзвичайно швидкими темпами, що призводить до ефекту, який я називаю «здешевленням апокаліпсису».
150 років тому при всьому бажанні людство не могло завдати непоправної шкоди ні біосфері, ні собі як виду. Для реалізації катастрофічного сценарію 50 років тому необхідно було б сконцентрувати всю технологічну міць ядерних держав. Завтра для здійснення глобальної техногенної катастрофи може вистачити і невеликий жменьки фанатиків.
Наша технологічна міць зростає набагато швидше, ніж здатність людського інтелекту цю міць контролювати.
Якщо на зміну людському інтелекту з його забобонами, агресією, помилками і обмеженістю не прийде система, здатна приймати більш зважені рішення (чи то ІІ, чи, що я вважаю більш ймовірним, технологічно покращений і об'єднаний з машинами в єдину систему людський інтелект), нас може чекати глобальної катастрофи.
2. створення надінтелекту принципово неможливе
Існує ідея про те, що ІІ майбутнього неодмінно буде надінтелектом, що перевершуватиме людей навіть сильніше, ніж люди перевершують мурах. Боюся в даному випадку розчарувати і технологічних оптимістів - наш Всесвіт містить цілу низку фундаментальних фізичних обмежень, які, мабуть, унеможливлять створення надінтелекту.
Наприклад, швидкість передачі сигналу обмежена швидкістю світла, але в планківських масштабах з'являється невизначеність Гейзенберга. Звідси випливає перша фундаментальна межа - межа Бремерманна, що вводить обмеження на максимальну швидкість обчислень для автономної системи заданої маси m.
Інша межа пов'язана з принципом Ландауера, відповідно до якого існує мінімальна кількість теплоти, що виділяється при обробці 1 біта інформації. Занадто швидкі обчислення спричинять неприпустиме розігрів та руйнування системи. Насправді, сучасні процесори від ліміту Ландауера відокремлює менш ніж тисячократне відставання. Здавалося б, 1000 – це досить багато, проте ще одна проблема полягає в тому, що багато інтелектуальних завдань відносяться до класу складності EXPTIME. Це означає, що час, необхідне їх вирішення, є експоненційною функцією від розмірності завдання. Прискорення системи у кілька разів дає лише константний приріст інтелекту.
Загалом є дуже серйозні підстави вважати, що надінтелектуального сильного ІІ не вийде, хоча, звичайно, рівень людського інтелекту цілком може бути перевищений. Наскільки це небезпечно? Скоріш за все, не дуже.
Уявіть собі, що ви раптово почали думати в 100 разів швидше за інших людей. Чи означає це, що ви легко зможете вмовити будь-якого перехожого віддати вам свій гаманець?
3. ми турбуємося зовсім не про те
На жаль, внаслідок спекуляцій алармістів на страхах публіки, вихованої на «Термінаторі» та знаменитому HAL 9000 Кларка та Кубрика, відбувається зміщення акцентів у сфері безпеки ІІ у бік аналізу малоймовірних, але ефектних сценаріїв. При цьому реальні небезпеки вислизають з очей.
Будь-яка досить складна технологія, яка претендує на те, щоб зайняти важливе місце в нашому технологічному ландшафті, безумовно, приносить із собою специфічні ризики. Безліч життів було занапащено паровими машинами - на виробництві, на транспорті і так далі - перш ніж були вироблені ефективні правилата заходи щодо забезпечення безпеки.
Якщо говорити про прогрес у галузі прикладного ІІ, можна звернути увагу на пов'язану з ним проблему так званого Цифрового таємного суду. Все більше і більше прикладних систем ІІ приймає рішення з питань, що стосуються життя та здоров'я людей. Сюди відносяться і медичні діагностичні системи, і, наприклад, системи, що приймають у банках рішення про видачу чи невидачу кредиту клієнту.
У той же час структура моделей, набори використовуваних факторів та інші деталі процедури прийняття рішення приховані комерційною таємницею від людини, чия доля знаходиться на кону.
Використовувані моделі можуть ґрунтувати свої рішення на думках вчителів-експертів, які припускалися систематичних помилок або мали ті чи інші забобони - расові, гендерні.
ІІ, навчений на рішеннях таких експертів, сумлінно відтворюватиме ці забобони у своїх рішеннях. Зрештою, ці моделі можуть містити в собі специфічні дефекти.
Цими проблемами зараз мало хто займається, оскільки, звичайно, SkyNet, що розв'язує ядерну війну, Це, безумовно, куди більш видовищно.
Нейросети як «гарячий тренд»
З одного боку, нейронні мережі - це одна з найстародавніших моделей, що застосовуються для створення ІІ систем. З'явилися спочатку внаслідок застосування біонічного підходу, вони досить швидко втекли від своїх біологічних прототипів. Винятком тут є лише імпульсні нейронні мережі (втім, поки не знайшли широкого застосування в промисловості).
Прогрес останніх десятиліть пов'язаний з розвитком технологій глибокого навчання - підходу, при якому нейронні мережі збирають з великої кількості шарів, кожен із яких побудований на основі певних регулярних патернів.
Крім створення нових нейромережевих моделей важливий прогрес було також досягнуто в галузі технологій навчання. Сьогодні нейронні мережі вчать вже не за допомогою центральних процесорів комп'ютерів, а з використанням спеціалізованих процесорів, здатних швидко проводити матричні та тензорні обчислення. Найбільш поширений на сьогоднішній день вид таких пристроїв – відеокарти. Втім, активно ведеться розробка ще спеціалізованих пристроїв для навчання нейромереж.
В цілому, безумовно, нейронні мережі на сьогоднішній день, - це одна з основних технологій у галузі машинного навчання, якою ми зобов'язані вирішенню багатьох завдань, які раніше вирішувалися незадовільно. З іншого боку, звичайно, слід розуміти, що нейронні мережі не є панацеєю. Для деяких завдань вони далеко не найефективніший інструмент.
Тож наскільки розумні нинішні роботи насправді?
Все пізнається в порівнянні. На тлі технологій 2000 року нинішні досягнення виглядають справжнім дивом. Завжди знайдуться люди, які люблять поплескати. 5 років тому вони на повну тринделі про те, що машини ніколи не виграють у людей в го (ну або, принаймні, виграють дуже нескоро). Говорили про те, що машина ніколи не зможе намалювати з нуля картину, тоді як сьогодні люди практично не здатні відрізняти картини, створені машинами, від картин невідомих художників. Наприкінці минулого року машини навчилися синтезувати мову, практично не відмінну від людської, а в Останніми рокамивід музики, створюваної машинами, не в'януть вуха.
Побачимо, що буде завтра. Я дивлюся на ці сфери застосування ІІ з великим оптимізмом.
Перспективні напрями: де розпочати занурення у сферу ІІ?
Я б порадив постаратися на хорошому рівні освоїти один з популярних нейромережевих фреймворків і один з популярних у галузі машинного навчання мов програмування (найпопулярніша на сьогоднішній день зв'язка TensorFlow + Python).
Оволодівши цими інструментами та маючи в ідеалі міцну базу в галузі математичної статистики та теорії ймовірностей, слід спрямувати свої зусилля в ту сферу, яка буде найбільш цікавою для вас.
Інтерес до предмета роботи - один із найважливіших ваших помічників.
Потреба в фахівцях з машинного навчання існує в різних областях - в медицині, в банківській справі, у науці, на виробництві, тому сьогодні хорошому фахівцю надано як ніколи широкий вибір. Потенційні переваги будь-якої з цих галузей мені видаються несуттєвими в порівнянні з тим, що робота приноситиме вам задоволення.
Штучний інтелект - це здатність цифрового комп'ютера або керованого комп'ютером робота виконувати завдання, пов'язані з розумними істотами. Термін часто застосовується до проекту розвитку систем, наділених інтелектуальними процесами, характерними для людини, такими як здатність міркувати, узагальнювати чи навчатися на минулому досвіді. Крім того, визначення поняття ІІ (штучний інтелект) зводиться до опису комплексу споріднених технологій та процесів, таких як, наприклад, машинне навчання, віртуальні агенти та експертні системи. Говорячи простими словами, ІІ - це грубе відображення нейронів у мозку. Сигнали передаються від нейрона до нейрона і, нарешті, виводяться – виходить числовий, категоріальний чи генеративний результат. Це можна проілюструвати на такому прикладі. якщо система робить знімок кішки і навчена розпізнавати, чи це кішка, перший шар може ідентифікувати загальні градієнти, які визначають загальну форму кішки. Наступний шар може ідентифікувати більші об'єкти, такі як вуха та рот. Третій шар визначає дрібніші об'єкти (наприклад, вуса). Нарешті, ґрунтуючись на цій інформації, програма виведе «так» чи «ні», щоб сказати, чи це кішкою чи ні. Програмістові не потрібно говорити нейронам, що це ті функції, які вони повинні шукати. ІІ вивчив їх сам собою, тренуючись на багатьох зображеннях (як з кішками, так і без кішок).
Що таке штучний інтелект?
Опис штучного нейрона
Штучний нейрон – це математична функція, задумана як модель біологічних нейронів, нейронної мережі. Штучні нейрони – елементарні одиниці у штучних нейромережах. Штучний нейрон отримує один або кілька входів і підсумовує їх, щоб зробити вихід або активацію, що становить потенціал дії нейрона, який передається вздовж його аксона. Зазвичай кожен вхід аналізується окремо, і сума передається через нелінійну функцію, відому функція активації, або передатна функція.
Коли розпочалося дослідження ІІ?
1935 року британський дослідник А.М. Т'юрінг описав абстрактну обчислювальну машину, що складається з безмежної пам'яті та сканера, що переміщається вперед і назад по пам'яті, символ за символом. Сканер зчитує те, що знаходить, записуючи подальші символи. Дії сканера диктуються програмою інструкцій, яка зберігається у пам'яті у вигляді символів. Найбільш ранню успішну програму ІІ було написано в 1951 році Крістофером Стрейчі. У 1952 році ця програма могла грати з людиною у шашки, дивуючи всіх своїми здібностями передбачати ходи. 1953 року Т'юрінг опублікував класичну ранню статтю про шахове програмування.
Відмінність штучного інтелекту від природного
Інтелект можна визначити як загальну розумову здатність до міркування, вирішення проблем та навчання. З огляду на свою загальну природу інтелект інтегрує когнітивні функції, такі як сприйняття, увагу, пам'ять, мову чи планування. природний інтелект відрізняє усвідомлене ставлення до світу. Мислення людини завжди емоційно забарвлене, і її не можна відокремити від тілесності. Крім того, людина – істота соціальна, тому на мислення завжди впливає соціум. ІІ не має відношення до емоційній сферіта соціально не орієнтований.
Як порівняти людський та комп'ютерний інтелекти?
Порівняти мислення людини зі штучним інтелектом можна виходячи з кількох загальних параметрів організації мозку та машини. Діяльність комп'ютера, як і мозку, включає чотири етапи: кодування, зберігання, аналіз даних та видачу результату. Крім того, мозок людини та ІІ можуть самонавчатися в залежності від даних, отриманих з довкілля. Також людський мозок та машинний інтелект вирішують проблеми (або завдання), використовуючи певні алгоритми.
Комп'ютерні програми мають IQ?
Ні. Показник IQ пов'язаний із розвитком інтелекту людини залежно від віку. ІІ в чомусь перевищує деякі людські здібності, наприклад, може утримувати в пам'яті велика кількістьцифр, але це не стосується IQ.
Що таке тест Тьюринга?
Алан Т'юрінг розробив емпіричний тест, який показує, чи здатна програма вловити всі нюанси поведінки людини настільки, що людина не зможе визначити, з ким саме вона спілкується - з ІІ або з живим співрозмовником. Т'юрінг запропонував, щоб сторонній спостерігач оцінював розмову між людиною та машиною, яка відповідає на запитання. Суддя не бачить, хто саме відповідає, але знає, що один із співрозмовників – ІІ. Розмова обмежена лише текстовим каналом (комп'ютерна клавіатура та екран), тому результат не залежить від здатності машини відображати слова як людську мову. Якщо програмі вдається обдурити людину, вважається, що вона ефективно впоралася з тестом.Символьний підхід
Символьний підхід до ІІ - сукупність всіх методів дослідження штучного інтелекту, заснованих на високорівневих символічних ( читаних людиною) уявлення про завдання, логіку та пошук. Символьний підхід широко застосовувався у дослідженнях ІІ у 1950–80-х роках. Однією з найпопулярніших форм символьного підходу є експертні системи, що використовують поєднання певних правил виробництва. Виробничі правила пов'язують символи в логічні зв'язки, які подібні до алгоритму If-Then. Експертна система обробляє правила, щоб зробити висновки і визначити, яка додаткова інформація їй потрібна, тобто які питання ставити, використовуючи символи, що легко читаються.
Логічний підхід
Термін «логічний підхід» передбачає апелювання до логіки, роздумів, вирішення завдань за допомогою логічних кроків. Логіки ще в XIX столітті розробили точні позначення для всіх видів об'єктів у світі та відносин між ними. До 1965 року існували програми, які могли вирішити будь-яку логічне завдання(Пік популярності цього підходу припав на кінець 1950-70-х років). Прихильники логічного підходув рамках логічного штучного інтелекту сподівалися вибудувати на таких програмах (зокрема записаних мовою Prolog) інтелектуальні системи. Однак такий підхід має два обмеження. По-перше, нелегко взяти неформальне знання та викласти його у формальних термінах, які потрібні для обробки ІІ. По-друге, є велика різниця між вирішенням проблеми в теорії та її вирішенням на практиці. Навіть проблеми з кількома сотнями фактів можуть вичерпати обчислювальні ресурси будь-якого комп'ютера, якщо він не має жодних вказівок щодо того, які міркування треба використовувати в першу чергу.
Агентно-орієнтований підхід
Агент - те, що діє (від латів. agere, «робити»). Звичайно, всі комп'ютерні програми щось роблять, але очікується, що комп'ютерні агенти робитимуть більше: працювати автономно, сприймати сигнали навколишнього середовища (за допомогою спеціальних датчиків), адаптуватися до змін, створювати цілі та виконувати їх. Раціональний агент - це той, хто діє так, щоб досягти найкращого очікуваного результату.
Гібридний підхід
Передбачається, що цей підхід, який став популярним наприкінці 80-х, працює найбільш ефективно, оскільки є поєднанням символьних і нейронних моделей. Гібридний підхід збільшує когнітивні та обчислювальні можливості машини.
Ринок технологій штучного інтелекту
Очікується, що ринок до 2025 року зросте до 190,61 млрд. доларів, при щорічному темпі приросту - 36,62%. На зростання ринку впливають такі чинники, як використання хмарних додатків та сервісів, поява великих масивів даних та активний попит на інтелектуальних віртуальних помічників. Проте експертів, які розробляють та впроваджують технології ІІ, поки що небагато, і це стримує зростання ринку. Системам, створеним на основі ІІ, необхідна інтеграція та технічна підтримка під час обслуговування.
Процесори для ІІ
Сучасні завдання ІІ вимагають потужних процесорів, які можуть опрацьовувати величезні масиви даних. Процесори повинні мати доступ до великих обсягів пам'яті, а також пристрою необхідні високошвидкісні канали передачі даних.В Росії
Наприкінці 2018 року в Росії запустили серію серверів "Ельбрус-804", що показують високу продуктивність. Кожен із комп'ютерів оснащений чотирма восьмиядерними процесорами. За допомогою даних пристроїв можна побудувати обчислювальні кластери, вони дозволяють працювати з додатками та базами даних.
Світовий ринок
Драйверами та лідерами ринку є дві корпорації – Intel та AMD, виробники найпотужніших процесорів. Intel традиційно концентрується на випуску машин із вищою тактовою частотою, AMD орієнтована на постійне збільшення числа ядер та забезпечення багатопоточної продуктивності.
Національна концепція розвитку
Національні стратегії розвитку ІІ вже затвердили три десятки країн. У жовтні 2019 року проект Національної стратегії розвитку ІІ має бути ухвалений у Росії. Передбачається, що в Москві буде запроваджено правовий режим, який полегшуватиме розробку та впровадження технологій ІІ.
Дослідження у сфері ІІ
Питання, що таке штучний інтелект і як він працює, хвилюють вчених різних країнвже не одне десятиліття. Держбюджет США щорічно спрямовує 200 млн доларів на дослідження. У Росії за 10 років - з 2007-го до 2017-го - було виділено близько 23 млрд рублів. Розділи щодо підтримки досліджень у сфері ІІ стануть важливою частиною концепції національної стратегії. Незабаром у Росії відкриються нові наукові центри, а також буде продовжено розробку інноваційного програмного забезпечення для ІІ.
Стандартизація в галузі ІІ
Норми та правила у сфері ІІ у Росії перебувають у процесі постійної доопрацювання. Передбачається, що наприкінці 2019 – на початку 2020 року будуть затверджені національні стандарти, які зараз розробляють лідери ринку. Паралельно формується План національної стандартизації на 2020 рік та надалі. У світі працює стандарт «Штучний інтелект. Концепція та термінологія», і в 2019 році експерти почали розробляти його русифіковану версію. Документ має бути затверджений у 2021 році.
Вплив штучного інтелекту
Використання ІІ нерозривно пов'язане з науково-технічним прогресом, і сфери застосування розширюються з кожним роком. Ми стикаємося з цим кожен день у житті, коли велика роздрібна мережа в інтернеті рекомендує нам якийсь товар або, тільки відкривши комп'ютер, ми бачимо рекламу фільму, який саме хотіли подивитися. Ці рекомендації засновані на алгоритмах, які аналізують те, що купив чи дивився споживач. За цими алгоритмами стоїть штучний інтелект.
Ризик у розвиток людської цивілізації - чи є він?
Ілон Маск вважає, що розвиток ІІ може загрожувати людству і результати можуть виявитися страшнішими, ніж застосування ядерної зброї. Стівен Хокінг, британський учений, побоюється, що люди можуть створити штучний інтелект, який має надрозум, який може завдати шкоди людині.На економіку та бізнес
Проникнення технології ІІ у всі сфери економіки збільшить до 2030 року обсяг глобального ринку послуг та товарів на 15,7 трлн доларів. США і Китай поки що лідери з погляду різноманітних проектів у сфері ІІ. Розвинені країни – Німеччина, Японія, Канада, Сінгапур – також прагнуть реалізувати всі можливості. Багато країн, економіка яких зростає помірними темпами, такі як Італія, Індія, Малайзія, розвивають сильні сторони у конкретних сферах застосування ІІ.
На ринок праці
Глобальний вплив ІІ на ринок праці йтиме за двома сценаріями. По-перше, поширення деяких технологій призводитиме до звільнення великої кількості людей, оскільки виконання багатьох завдань візьмуть на себе комп'ютери. По-друге, у зв'язку з розвитком технічного прогресуфахівці у сфері ІІ будуть дуже затребувані у багатьох галузях.
Упередженість ІІ
Упередженість системи ІІ, ймовірно, стане все більш поширеною проблемою, оскільки штучний інтелект виходить з лабораторій у реальний світ. Дослідники побоюються, що без належної підготовки з оцінки даних та виявлення потенціалу упередженості у даних вразливі групи суспільства можуть постраждати або їхні права будуть ущемлені. Досі дослідники не мають даних, чи не загрожуватимуть людству системи, побудовані на основі машинного навчання.
Сфера застосування
Штучний інтелект та його сфери застосування зазнають трансформації. Визначення Weak AI («слабкий ІІ») використовується, коли мова йдепро реалізацію вузьких завдань у медичній діагностиці, електронних торгових платформах, управлінні роботами. Тоді як Strong AI («сильний ІІ») дослідники визначають як інтелект, перед яким ставляться глобальні завдання, якби їх ставили перед людиною.
Використання з метою оборони та у військовій справі
До 2025 року показник продажів відповідних сервісів, програмного забезпечення та обладнання у глобальному масштабі підніметься до 18,82 млрд доларів, а щорічне зростання ринку становитиме 14,75%. ІІ застосовується для агрегації даних, в біоінформатиці, навчанні військ, в оборонному секторі.В освіті
Багато шкіл включають в освітній курс інформатики ознайомчі уроки з ІІ, а університети широко застосовують технології великих даних. Деякі програми контролюють поведінку учнів, оцінюють тести та есе, розпізнають помилки у вимові слів та пропонують варіанти виправлення.
Також існують онлайн-курси зі штучного інтелекту. Наприклад, у освітнього порталу.
У бізнесі та торгівлі
У найближчі п'ять років у провідних ретейлерів з'являться мобільні програми, які працюватимуть з цифровими помічниками, такими як Siri, щоб спростити процес покупок. ІІ дозволяє заробляти величезні суми в Інтернеті. Один із прикладів - Amazon, який постійно аналізує споживчу поведінку та вдосконалює алгоритми.
Де можна вчитися на тему #штучний інтелект
В електроенергетиці
ІІ допомагає прогнозувати генерацію та попит на енергоресурси, знижувати втрати, запобігає крадіжкам ресурсів. В електроенергетиці використання ІІ при аналізі статистичних даних допомагає вибрати найбільш вигідного постачальника або автоматизувати обслуговування клієнтів.
У виробничій сфері
Згідно з опитуванням McKinsey, проведеним серед 1300 керівників, 20% підприємств уже застосовують ІІ. Нещодавно компанія «Моссельпром» запровадила ІІ у себе на виробництві у цеху упаковки. Використовується здатність ШІ до розпізнавання зображення. Камера фіксує всі дії працівника, скануючи штрих-код, нанесений на одяг, та надсилає дані в комп'ютер. Кількість скоєних операцій впливає на оплату праці співробітника.
У пивоварінні
Carlsberg використовує машинне навчання для відбору дріжджів та розширення асортименту. Технологія реалізується з урахуванням цифрової хмарної платформи.У банківській сфері
Потреба у надійній обробці даних, розвиток мобільних технологій, доступність інформації та розповсюдження програмного забезпечення з відкритим вихідним кодом роблять ІІ затребуваною технологією у банківському секторі. Дедалі більше банків залучають позикові кошти за допомогою компаній-розробників мобільних додатків. Нові технології покращують обслуговування клієнтів, і, як передбачають аналітики, вже через п'ять років ІІ в банках прийматиме більшість рішень самостійно.
На транспорті
Розвиток технологій ІІ – драйвер транспортної галузі. Моніторинг стану доріг, виявлення пішоходів чи об'єктів у недозволених місцях, автономне водіння, хмарні послуги в автомобілебудуванні - лише деякі приклади застосування ІІ на транспорті.
У логістиці
Можливості ІІ дозволяють компаніям більш ефективно прогнозувати попит та вибудовувати ланцюги постачання з мінімальними витратами. ІІ допомагає скоротити кількість використовуваних транспортних засобів, необхідних для перевезення, оптимізувати час доставки, знизити експлуатаційні витрати транспорту та складських приміщень.
На ринку предметів та послуг розкоші
Люксові бренди також звернулися до цифрових технологій для аналізу потреб клієнтів. Одне із завдань, що ставиться перед розробниками в цьому сегменті, - управління емоціями клієнтів та вплив на них. Dior вже адаптує ІІ для управління взаємодією клієнта та бренду за допомогою чат-ботів. Люксові бренди конкуруватимуть у майбутньому, і вирішальним буде рівень персоналізації, якого вони зможуть досягти за допомогою ІІ.
У держуправлінні
Державні апарати багатьох країн поки що не готові до викликів, які заховані у технологіях ІІ. Згідно з прогнозами експертів, багато з існуючих урядових структур і процесів, що розвивалися протягом останніх кількох століть, ймовірно, стануть неактуальними в найближчому майбутньому.
У криміналістиці
Різні підходи ІІ застосовуються виявлення злочинців у громадських місцях. У деяких країнах, наприклад, у Голландії, поліція використовує ІІ для розслідування складних злочинів. Цифрова криміналістика - наука, що розвивається, яка вимагає інтелектуального аналізу величезних обсягів дуже складних наборів даних.У судовій системі
Розробки в галузі штучного інтелекту допоможуть кардинально змінити судову систему, зробити її більш справедливою та вільною від корупції. Одними з перших ІІ в судовій системі став застосовувати Китай. Можна припустити, що роботи-судді згодом зможуть оперувати великими даними зі сховищ державних служб. Машинний інтелект аналізує безліч даних, і він не відчуває емоції, як суддя-людина. ІІ може вплинути на обробку інформації та збір статистики, а також прогнозувати можливі правопорушення виходячи з аналізу даних.
В спорті
Застосування ІІ у спорті стало звичайним явищем останніми роками. Спортивні команди (бейсбол, футбол і т.д.) аналізують індивідуальні дані про продуктивність гравців з огляду на різні фактори при доборі. ІІ може передбачити майбутній потенціал гравців, аналізуючи техніку гри, фізичний станта інші дані, а також оцінити їхню ринкову вартість.
У медицині охорони здоров'я
Ця сфера застосування швидко розвивається. ІІ використовується у діагностиці захворювань, клінічних дослідженнях, при розробці ліків та при створенні медичних страховок. Крім того, зараз спостерігається бум інвестування в численні медичні програми та пристрої.
Аналіз поведінки громадян
Спостереження за поведінкою громадян широко застосовується у сфері безпеки, у тому числі відстежується поведінка на сайтах (у соціальних мережах) та у месенджерах. Наприклад, у 2018 році китайським ученим вдалося виявити 20 тисяч потенційних самогубців та надати їм психологічну допомогу. У березні 2018 року Володимир Путін доручив активізувати дії державних органівборотьби з негативним впливом деструктивних рухів у соціальних мережах.У розвитку культури
Алгоритми ІІ починають генерувати художні твори, які складно відрізнити від створених людиною. ІІ пропонує людям творчих професій безліч інструментів для втілення задумів. Саме зараз змінюється розуміння ролі художника у сенсі, оскільки ІІ дає масу нових методів, а й ставить перед людством багато нових питань.
Живопис
Мистецтво здавна вважалося винятковою сферою людської творчості. Але виявилося, що машини можуть зробити набагато більше у творчій сфері, ніж люди можуть собі уявити. У жовтні 2018 року Christie's продав першу картину, створену ІІ, за 432 500 доларів. Використовувався алгоритм генеративної змагальної мережі, який аналізував 15 000 портретів, створених між XV та XX століттям.
Музика
Розроблено декілька музичних програм, які використовують ІІ для створення музики. Як і в інших областях, ІІ у цьому випадку також імітує розумове завдання. Помітною особливістю є здатність алгоритму ІІ вчитися на основі отриманої інформації, такої як технологія комп'ютерного супроводу, яка здатна слухати та слідувати за людиною-виконавцем. ІІ також керує так званою інтерактивною композиційною технологією, в якій комп'ютер складає музику у відповідь на виступ живого музиканта. На початку 2019 року Warner Music уклала перший в історії контракт із виконавцем – алгоритмом Endel. За умовами контракту протягом року нейромережа Endel випустить 20 унікальних альбомів.
Світлина
ІІ швидко змінює наше уявлення про фотографію. Усього через кілька років більшість досягнень у цій сфері будуть орієнтовані на ІІ, а не на оптику чи сенсори, як раніше. Прогрес у технології фотографії вперше не буде пов'язаний із фізикою та створить абсолютно новий спосібфотодумки. Вже зараз нейромережа розпізнає найменші зміни під час моделювання осіб у фоторедакторах.
Відео: заміна осіб
2015 року Facebook почала тестувати на сайті технологію DeepFace. У 2017 Reddit-користувач DeepFakes придумав алгоритм, що дозволяє створювати реалістичні відео із заміною обличчя, використовуючи нейромережі та машинне навчання.
ЗМІ та література
У 2016 році ІІ Google, проаналізувавши 11 тисяч невиданих книг, почав писати свої перші літературні твори. Дослідники Facebook AI Research у 2017 році вигадали систему нейромереж, яка вміє писати вірші на будь-яку тему. У листопаді 2015 року напрямок підготовки автоматичних текстів відкрила російська компанія «Яндекс».
Ігри го, покер, шахи
У 2016 році ІІ обіграв людину в го (гра, в якій понад 10 100 варіантів). У шахах суперкомп'ютер переміг людину-гравця через можливість зберігання в пам'яті колись зіграних людьми ходів та програмування нових на 10 кроків уперед. У покер зараз грають боти, хоча раніше вважалося, що комп'ютер майже неможливо навчити грати в цю гру. З кожним роком розробники дедалі більше удосконалюють алгоритми.Розпізнавання осіб
Технологія розпізнавання облич застосовується як для фото-, так і для відеопотоків. Нейронні мережі вибудовують векторний, або «цифровий» шаблон обличчя, далі відбувається порівняння цих шаблонів усередині системи. Вона знаходить опорні точки на обличчі, що визначають індивідуальні характеристики. Алгоритм обчислення показників різний кожної із систем і є основним секретом розробників.
Для подальшого розвитку та застосування ІІ необхідно навчати насамперед людини
Сергій Ширкін
Декан факультету Штучного інтелекту
Технології штучного інтелекту в такому вигляді, в якому вони застосовуються зараз, існують близько 5–10 років, але для того, щоб їх застосувати, як це не дивно, потрібна велика кількість людей. Відповідно, основні витрати у сфері штучного інтелекту – це витрати на фахівців. Тим більше, що майже всі базові технології штучного інтелекту (бібліотеки, фреймворки, алгоритми) безкоштовні та знаходяться у відкритому доступі. У свій час знайти фахівців з машинного навчання було практично неможливою справою. Але зараз, багато в чому завдяки розвитку MOOC (Massive Open Online Course, масовий відкритий онлайн-курс) їх стає більше. Вищі освітній закладтеж постачають фахівців, але й часто доводиться доучуватися на онлайн-курсах.
Зараз штучний інтелект цілком може розпізнати, що людина задумала змінити роботу, і може запропонувати їй відповідні онлайн-курси, багато з яких можна проходити, маючи лише смартфон. А це означає, що займатися можна навіть перебуваючи в дорозі – наприклад, дорогою на роботу. Одним із перших таких проектів був онлайн-ресурс Coursera, але пізніше з'явилося багато подібних освітніх проектів, кожен із яких займає певну нішу в онлайн-освіті.
Потрібно розуміти, що ІІ, як і будь-яка програма, - це насамперед код, тобто певним чином оформлений текст. Цей код потребує розвитку, обслуговування та вдосконалення. На жаль, звісно ж це не відбувається, без програміста код не може «ожити». Тому всі страхи про всемогутність ІІ не мають підстав. Програми створюються під суворо певні завдання, де вони мають почуттями і устремліннями подібно до людини, де вони роблять дій, які у них заклав програміст.
Можна сказати, що в наш час ІІ має лише окремі навички людини, хоча і може у швидкості їх застосування випереджати середньостатистичної людини. Щоправда, на вироблення кожної такої навички витрачаються багатогодинні зусилля тисяч програмістів. Найбільше, на що поки що здатний ІІ - автоматизувати деякі фізичні та розумові операції, звільняючи цим людей від рутини.
Чи несе застосування ІІ якісь ризики? Швидше зараз існує ризик не розглянути можливість застосування технологій штучного інтелекту. Багато компаній усвідомлюють це і намагаються розвиватися відразу в кількох напрямках для того, що якийсь із них може «вистрілити». Показовий приклад інтернет-магазинів: зараз на плаву залишилися тільки ті, хто усвідомив необхідність застосування ІІ, коли це ще не було в тренді, хоча цілком можна було «заощадити» і не запрошувати навіщо потрібних математиків-програмістів.
Перспектива розвитку штучного інтелекту
Комп'ютери тепер можуть робити багато з того, що раніше могли робити тільки люди: грати в шахи, розпізнавати літери алфавіту, перевіряти орфографію, граматику, розпізнавати обличчя, диктувати, говорити, вигравати ігрові шоу та багато іншого. Але скептики наполягають. Як тільки вдається автоматизувати чергову людську здатність, скептики кажуть, що це лише ще одна комп'ютерна програма, а не приклад самонавчання ІІ. Технології ІІ лише знаходять широке застосування та мають величезний потенціал зростання у всіх сферах. Згодом людство створюватиме все більш потужні комп'ютери, які все більше удосконалюватимуться у розвитку ІІ.
Чи є метою ІІ помістити людський розум у комп'ютер?
Існує лише приблизне розуміння того, як працює людський мозок. Поки що далеко не всі властивості розуму можна імітувати за допомогою ІІ.
Чи зможе ІІ досягти людського рівня інтелекту?
Вчені прагнуть того, щоб ІІ міг вирішувати ще більше різноманітних завдань. Але про досягнення рівня людського інтелекту говорити передчасно, оскільки мислення не зводиться лише одним алгоритмам.
Коли штучний інтелект зможе досягти рівня людського мислення?
на даному етапінакопичення та аналізу інформації, який зараз досягнуто людством, ІІ далекий від людського мислення. Однак у майбутньому можуть виникнути проривні ідеї, які вплинуть на різкий стрибок у розвитку ІІ.
Чи може комп'ютер стати інтелектуальною машиною?
Частина будь-якої складної машини - це комп'ютерна система, і тут можна говорити лише про інтелектуальні комп'ютерні системи. Сам комп'ютер не має інтелекту.
Чи є зв'язок між швидкістю та розвитком інтелекту у комп'ютерів?
Ні, швидкість відповідає лише деякі властивості інтелекту. Самої швидкості обробки та аналізу інформації недостатньо, щоб з'явився інтелект.
Чи можливо створити дитячу машину, яка могла б розвиватися за допомогою читання та самонавчання?
Це обговорюється дослідниками майже сто років. Ймовірно, ідея колись буде реалізована. На сьогоднішній день програми ІІ не обробляють і не використовують стільки інформації, скільки можуть робити діти.
Як пов'язані з ІІ теорія обчислюваності та обчислювальна складність?
Теорія обчислювальної складності фокусується на класифікації обчислювальних завдань відповідно до притаманної їм складності та зв'язування цих класів один з одним. Обчислювальна задача - це завдання, яке вирішується комп'ютером. Завдання обчислення можна розв'язати механічним застосуванням математичних кроків, таких як алгоритм.
Висновок
Штучний інтелект вже вплинув на розвиток нашого світу, що було неможливо передбачити ще сторіччя тому. «Розумні» телефонні мережі маршрутизують дзвінки ефективніше, ніж будь-яка людина-оператор. Автомобілі будуються на безпілотних заводах автоматизованими роботами. Штучний інтелект інтегрується у звичайні побутові предмети, наприклад в пилосос. Механізми ІІ до кінця не вивчені, але експерти прогнозують, що розвиток ІІ ще більше наблизиться до розвитку людського мозку вже найближчими роками.