искусственный разум и человек
«Живой» искусственный разум, человек и проблемы AI
Отличие искусственного и человеческого разума
Многие ученные прошлого делали свои гениальные открытия не в ходе вычислений или многочисленных экспериментов (хотя, конечно же, эксперименты и вычисления отвергать нельзя), а благодаря мгновенному озарению, будь то яблоко Ньютона или таблица химических элементов Менделеева, увиденная им во сне. Нильс Бор который в своем сне сидел на солнце и наблюдал за вращающимися планетами вокруг себя открыл планетарную модель атома, Леонардо да Винчи, который решил создать летательный аппарат по образу и подобию птицы и многие другие.
Но что самое главное — мгновенные озарения характерны не только для великих, но и для каждого из нас. Иногда у нас появляются проблемы связанные с нашей работой, хобби, семьей. И как мы ищем ответ на проблемы? Мы мыслим, воображаем, представляем, но часто ответ находится спонтанно, мы можем подумать вообще о чем-либо, не касающемся нашей проблемы, и найти решение оной.
Но что же нынешние компьютеры? Разумеется, они не могут спонтанно найти решение проблемы, зато компьютеры могут «мыслить» последовательно, выполняя одну за другой операцию процессора (кстати, этому человек иногда может учится у машин). Вследствие этого путь развития к искусственному интеллекту у нынешней архитектуры компьютера закрыт (имеется ввиду фон-неймановская архитектура). Да, вы можете заявить, что есть компьютеры, обладающие неким подобием искусственного интеллекта, которые обыгрывают гроссмейстеров. В нынешнем мире машины с искусственным интеллектом заточены под очень узкие задачи и не способны сделать какое-либо внезапное открытие — так сказать, проявить гениальность или вести «живой» образ жизни. Если верить Тьюрингу и его тесту, то искусственному интеллекту достаточно правильно и «по-живому» отвечать человеку на вопросы. Но станет ли такой интеллект по-настоящему живым? Появятся ли у него какие-либо мысли? Сможет ли он позже рассказать кому-то еще о чем поговорил с предыдущем человеком? А если этот искусственный интеллект будет применен к науке? Сможет ли он сделать открытие, хотя бы не столь великое как понятие силы притяжения? Открытие, которое будет получено благодаря еле уловимым ассоциациям происходящим в его нейронных сетях. Сможет ли он стать чем-то живым в плане хода мышления, а не просто супер навороченной машиной имеющей миллиарды алгоритмов распараллеливания? Этого мы конечно сейчас еще узнать не можем.
1996 год. IBM Deep Blue и гроссмейстер Гарри Каспаров. Впервые машине удалось одержать
победу над человеком
Зависимость человека от машин в настоящее время
Если поразмышлять на эту тему и провести ассоциацию (возможно не столь ясную, но в чем-то правдивую) с взаимоотношениями между людьми и животными, то мы можем увидеть, что люди с начала зарождения самого примитивного общества использовали животных для добычи пищи, шкур, одомашнивали их для своей защиты, а с развитием биохимии мы используем животных для создания лекарств. Не кажется ли вам, что это похоже на то, как мы используем нынешние компьютер? Конечно, мы на них не охотимся, но компьютеры были созданы с целью получения самого ценнейшего в наше время ресурса — информации. И компьютеры выполняют жизненно важные для общества функции. Но эксплуатируем сейчас их мы, а не наоборот. Или все-такие наоборот. Задумались?
Представьте, что однажды по всему миру все компьютеры (нет не восстанут, как в Терминаторе) сломаются. Начнется развал. Сейчас даже холодильники оснащены процессорами, не говоря уже о самолетах, машинах и тд. Никаких телефонов, никакого Интернета. Это будет величайший крах, так как компьютеры в наше время это уже своя экосистема, которая создалась между человеком и миром, с которым он взаимодействует.
А теперь представьте, если все животные нашей планеты в один миг вымрут — естественно это конец, потому что биосферы, как таковой, практически не будет существовать. Мы эксплуатируем животных и компьютерные технологии. Несмотря на это мы от них максимально зависимы.
Все это я вел к более фантастическому заключению.
Если человечество создаст искусственный интеллект, который будет почти естественным
Будет ли он просто копией человеческого (или животного) мозга, состоящей из нейронных сетей, передающих сверхсложные принципы мышления, которые в данный момент развития человечества еще не созданы, или же это будет совсем другая архитектура, непонятная нам сейчас и никак не связанная с принципами передачи сигналов нейронами? Если такой искусственный интеллект появится, что тогда произойдет?
Несколько выше я приводил пример того как люди эксплуатируют животных и компьютеры. А теперь задумайтесь: были ли в истории человечества случаи успешной и долговременной эксплуатации людей как рабов? Все рабства заканчивались восстаниями и кровопролитными войнами. Животные и компьютеры не имеют сознания, а потому и не заявляют о своих правах, хотя животные чувствуют, что они находятся не на воле (например, зоопарк, чем не животное «рабство»?). Так мы, возможно, создадим искусственно-естественный разум, который однажды может понять, что «он» просто инструмент для извлечения ресурсов. Если искусственный разум окажется на одной (а может быть и выше) ступени с разумом человека, то возникнет явление, которое будет первым в истории — это социальный конфликт между органическими и неорганическими (хотя искусственный интеллект может быть и с органикой, кто же знает) обществами.
Но что, если человечество создаст искусственный интеллект не для собственной выгоды, что если оно создаст его как будто они люди, стоящие с нами на ровне? Возможно искусственный интеллект, оформленный в виде робота, сможет получать образование, работать и даже заводить семью.
Такой финал почему-то редко описывается в книгах известных фантастов и фильмах. Может это от того, что человек сам по себе разрушителен и если и создаст разум похожий на свой, то такой же разрушительный как и он сам?
Пять причин почему ИИ не сможет заменить людей, а сделает нас только лучше
Многие говорят, что ИИ с немыслимой скоростью забирает у нас работу. Заменит ли искусственный интеллект людей и создаст ли он неизбежный мировой кризис и породит безработицу? Не думаю, ведь человечество умеет выживать и преуспевать в реальном мире … разве нет? Когда охота и собирательство были нашими единственными потребностями, развитие сельского хозяйства не ознаменовало конец света, а лишь стало одним из многих кирпичиков громоздкой башни человеческой эволюции. Мы адаптировались и развивались. Промышленная революция не привела к апокалиптическому росту безработицы. Напротив, люди создали больше рабочих мест и заново себя переосмыслили с помощью достижений технологий. Появление интернета, экономики и знаний не лишило нас работы. Напротив, каждое из этих нововведений сделало нас более продуктивными, и мы потеряли лишь несколько категорий труда. Технологии и инновации облегчают нашу жизнь и помогают нам лучше выполнять свою работу. Это как раз то, что ИИ приготовил для нас. Он сделает нас эффективнее, по сути, сверхлюдьми.
№1. ИИ освобождает нас от повторяющихся задач
В нашей работе слишком много повторяющихся задач. Например, возьмем найм персонала. Работа HR-менеджера заключается в поиске подходящих специалистов для организаций. Эта роль включает в себя личное взаимодействие, в ходе которого рекрутер строит отношения с клиентами и кандидатами.
Вот на что эйчары тратят слишком много времени: сортировка резюме (часто сотни или тысячи), поиск по сайтам вакансий, планирование встреч и собеседований, телефонные звонки и отправка
электронных писем.
ИИ может легко справляться с этими повторяющимися задачами, и он может выделить лучших кандидатов — тех, кто имеет наибольшие шансы на успех в конкретной организации. Освобождение рекрутера от монотонных задач позволит ему уделять больше времени работе поважнее, например, развитию отношений с лучшими кандидатами и более тщательному подбору.
Это же беспроигрышный вариант!
#2. ИИ недостаточно умен, чтобы заниматься творчеством
ИИ может пролистать миллион учебников по психологии за считанные секунды, а затем рассказать вам все симптомы и методы лечения депрессии. Но только человек может считать состояние по лицу и мгновенно понять, что нужно сказать в этом конкретном случае.
Это так называемый эмоциональный интеллект, которого у ИИ просто нет. И никогда не будет. Наша способность мгновенно реагировать на проблему творческими решениями и сопереживанием не имеет себе равных и не может быть реализована ни на одном компьютере мира.
Функция автоматического предложения (а-ля Т9) на вашем смартфоне использует искусственный интеллект для прогнозирования следующего слова, которое вы хотите ввести. В лучшем случае, если ИИ не заменил вашу случайную опечатку на название какого-нибудь индийского блюда, он помогает вам быстрее набрать сообщение. Но он не способен полностью взять на себя общение с коллегой, чувствуя, понимая и соответствующим образом реагируя на переданные через мессенджер человеческие эмоции.
Даже Google Duplex, который напугал общественность своими выводами о необходимости истребления человечества, предназначен для работы в специфических случаях, таких как запись к парикмахеру, бронирование столика в ресторане и планирование дел на выходные. Ничего сверх разумного.
Искусственный интеллект будет работать и учиться только в рамках заданного набора ограниченных параметров, если не достигнет сингулярности.
ИИ поисковика Google, его алгоритм, превратился в научно-исследовательский процесс. Вам больше не нужно ползать по пыльным библиотекам или знать десятичную систему. Поисковые роботы и алгоритмы Google предоставляют то, что вам нужно, с поразительной точностью. Вы получаете все более подходящие результаты запросов благодаря системе ранжирования, без каких-либо задержек на мозговой штурм или неуклюжих логических строк запроса.
Искусственный интеллект делает нас быстрее. Точнее, он дает нам время, необходимое для творческой работы, включая просмотр результатов поиска и усвоение информации.
#3. ИИ позволяет нам лучше выполнять свою работу, делая нас человечнее
Продавать, например. Продажа — это искусство, которое требует невероятной тонкости, если вы хотите преуспеть. Это самая основная директива маркетолога и это неотъемлемая человеческая функция.
Без автоматизации продавцы тратят время на квалификацию потенциальных клиентов, отправку последующих писем и обновление программного обеспечения для управления взаимоотношениями с клиентами (CRM) вместо того, чтобы быть посвященными человеческому взаимодействию и построению взаимопонимания. Те, у кого есть природная способность к продажам, могут успевать идти в ногу со временем, но остальная часть вашей команды не будет такой продуктивной, какой она могла бы быть.
Когда вы добавляете ИИ к уравнению, работа становится проще, и ваш торговый персонал становится сильнее, потому что теперь у них есть время учиться и перенимать опыт.
Когда мы освобождаемся от рутинной работы, мир вокруг нас замедляется. У нас есть больше времени для разработки стратегии, взаимодействия с клиентами и оптимизации наших процессов для повышения производительности и получения большей отдачи от инвестиций.
#4. ИИ создает новые отрасли промышленности и рабочие места
Кто бы мог предсказать, что Facebook, используя особую породу социофобов, называемых маркетологами социальных сетей, создаст индустрию на 31 миллиард долларов, использующую мемы?
Рабочие места в социальных сетях не существовали каких-то 10 лет назад. Сегодня же админы популярных групп зарабатывают неплохие суммы наравне с лучшими работниками ИТ и инженерами.
Также позвольте мне рассказать вам историю из восемнадцатого века, когда была изобретена прялка Дженни.
Рабочие прядильной фабрики стали сильно переживать за свое будущее. После того, как прялка Дженни приняла на себя основные трудности их профессии, что привело к упрощению процесса производства нити и, соответственно, падению цен на текстиль.
Хлопкопрядильщики настолько боялись потерять работу, что ворвались в дом изобретателя и разбили его машины. Однако сегодня у нас есть дешевая и массовая ткань, ставшая тем самым локомотивом к новой эре текстильной промышленности. А все благодаря тому фундаменту, который был заложен прядильным заводом вопреки опасению простых рабочих.
Учитывая рост уровня жизни, который мы получили после этого технологического перехода, скажите, разве мы не должны быть так же взволнованы развитием ИИ? Увеличение производительности приведёт к тому, что промышленность будет процветать так, как мы даже не могли себе и представить!
Вот что искусственный интеллект уже делает:
#5. ИИ не может решить основные проблемы здравоохранения
Вы, наверное, видели фильм «Черная Пантера», где питаемый вибраниумом искусственный интеллект смог всего за один день вылечить человека, которому прострелили позвоночник. Таким образом, можно предположить, что современный ИИ способен создать лекарство от СПИДа в ближайшие годы, а в затем и вовсе может научиться полностью уничтожать раковые клетки. Но, к сожалению, пока это просто фантастика.
Существуют высокоинтеллектуальные системы искусственного интеллекта, такие как IBM Watson, которые могут запоминать триллион болезней и рекомендовать лечение. Но пройдут десятилетия, прежде чем ИИ найдет лекарство от рака или старости, потому что ему не хватает креативности и спонтанности, которыми обладает человеческий гений.
У нас не будет молниеносных открытий в области здравоохранения или готовых решений глобальных проблем только благодаря ИИ. Испытания, эксперименты, экспертная оценка и многие миллионы строк кода стоят на пути к открытию. Все это делают люди. И поэтому прогресс будет медленным.
Но то, что уже делает ИИ, значительно ускоряет этот процесс. С искусственным интеллектом возможны чрезвычайно детальные модели и симуляции человеческих клеток и других физиологических компонентов. Эти модели позволят поднять эксперименты на новый уровень и сэкономить годы исследований.
ИИ поможет нам работать быстрее, устранит непрактичные решения и сузит круг перспективных альтернатив. Мы сможем снизить смертность и продлить человеческую жизнь!
Искусственный интеллект: что ждет нас в будущем?
Один из самых интересных фактов об ИИ заключается в том, что, в отличие от статического кода, он запрограммирован на обучение. Это означает, что он может развиваться сам по себе. Многие эксперты предсказывают, что когда-нибудь в самом ближайшем будущем ИИ достигнет сингулярности.
На стадии сингулярности ИИ станет умнее людей. Возможно, он даже сможет мыслить, по существу, эволюционируя в новый вид. Если эта фантастика действительно выйдет из научно-фантастических фильмов и станет реальностью, человеческая раса столкнется с серьезной проблемой. Специалисты по этике постоянно спорят, что с этим делать.
Ничто из этого однако не отменяет преимуществ взрывных инноваций в области искусственного интеллекта, происходящих в Силиконовой долине и по всему миру.
IBM Watson попробовал свои силы в нескольких должностях, в их числе оказалась работа профессионального спортивного разведчика, скаута, а также медицинского диагноста. Но большего успеха он добился в шахматах, став чемпионом мира! Каждый из этих сценариев был узкой конструкцией, которая позволила вычислительной машине, с помощью грубой и прямолинейной силы продемонстрировать свой потенциал!
Есть даже технология искусственного интеллекта, которая решает сложные проблемы в финансовых услугах. Одна гонконгская компания назначила своим директором алгоритм 🙂 ИИ-боты также появились в литературной индустрии, создавая интересные работы в поэзии и прозе.
Но не переживайте — скорее всего, мы можем спокойно сидеть и смотреть в будущее, где люди и искусственный интеллект работают вместе, чтобы решить глобальные проблемы в реальном времени.
Искусственный интеллект: правовые последствия и защита интеллектуальной собственности (ИС)
ИИ-это революционная инновация, которая не ограничивается технологическим и деловым секторами. Бизнес начинает понимать, что впереди много сложных ситуаций, особенно связанных с юридическими последствиями действий искусственного интеллекта.
Пионеры ИИ должны защищать свою интеллектуальную собственность.
Вопросы защиты интеллектуальной собственности особенно актуальны для руководителей и топ-менеджеров компаний, которые проектируют и разрабатывают системы искусственного интеллекта. Сегодняшняя гонка технологий конкурентоспособна, а интеллектуальная собственность является ее самым ценным товаром. Индустрия смартфонов, например, показала нам, что интервал между открытием инноваций и их присвоением конкурентами может составлять всего несколько месяцев, отчасти потому, что многие разработки ИИ имеют открытый исходный код.
Компании должны иметь патентную стратегию для защиты своих инноваций, если они хотят сохранить доминирование на рынке — или эволюционировать, чтобы стать доминирующим игроком на своих рынках — с развитием ИИ, получающим так много внимания.
Руководители больше не могут позволить себе обходиться минимальными знаниями в области защиты ИС, в то время как подрывные технологии постоянно развиваются и адаптируются. Целенаправленные стратегии защиты ИС должны быть готовы и реализованы еще до того, как инновация выйдет на рынок. Это единственный способ опередить волну инвестиций в искусственный интеллект.
Патенты, авторские права и товарные знаки обеспечивают правовую защиту. Но может быть трудно определить, какой тип обеспечивает лучшую защиту для каждой инвестиции в бизнес ИИ.
Большой вопрос: как ваша компания дифференцирует себя с вашей технологией? Является ли ваша инновация новым исходным кодом, улучшенной технической функциональностью, сильным брендом или чем-то совершенно другим?
Стартапы часто используют программное обеспечение с открытым исходным кодом (OSS), без бремени устаревших систем, для быстрого развития инноваций в области ИИ. Лицензии опенсорса различаются по своему влиянию на стратегии защиты интеллектуальной собственности.
Некоторые лицензии позволяют защитить ваши инновации с помощью патентов, но ограничивают вас от их применения. Большинство из них не позволяют вам ограничить другие стартапы или существующие компании в использовании исходного кода, который вы разрабатываете поверх OSS.
Даже после того, как вы определились с формой защиты, ее прохождение может представлять серьезные проблемы. Так, получение патента в США обычно занимает от 3 до 5 лет. В то время как патент будет защищать инновацию в течение 20 лет, любое преимущество, которое имеет компания, может быть потеряно, пока они ждут патента. В Силиконовой долине три года — это целая вечность! Лучше, если срок согласования патента составит меньше года.
Процесс получения патента может быть запутанным и потенциально может занять годы. Знаковое решение Верховного Суда США в 2014 году ставит большой знак вопроса о возможности того, что решения ИИ могут быть запатентованы. Это потому, что суд не рассматривает «абстрактные идеи», такие как «бестелесные алгоритмы и формулы», как имеющие право на товарный знак.
Кроме того, очень реальный вопрос о собственности на оригинальные произведения возникнет в ближайшем будущем, когда ИИ поможет с инновациями. На фотографа недавно подали в суд активисты по защите прав животных, которые утверждали, что авторские права на селфи, сделанное на его камеру обезьяной, принадлежат обезьяне, а не ему. Будущая патентная борьба будет не между людьми и обезьянами, а между людьми и ИИ.
Современные методы искусственного интеллекта учат ботов развиваться через машинное обучение. Это означает, что они могут эволюционировать до такой степени, что они будут производить результат, радикально отличающийся от их исходного кода, а в некоторых случаях даже переписывать свой собственный код. Когда это произойдет, кто будет владеть авторским правом, автор кода или бот? Что делать, если улучшение патентоспособно? Неясно.
Наилучший способ решения этих правовых вопросов и вопросов ИС — обратиться к юристу-стратегу на ранней стадии инновационного процесса. Эксперт может помочь вам разработать надежную стратегию защиты интеллектуальной собственности вашей компании.
Бизнес, включая стартапы, не может больше позволить себе откладывать борьбу за авторство. Первый, кто подаст заявку на патент, будет владеть этой инновацией.
Тренды говорят о том, что доминирование в ИИ будет определяться не тем, кто сможет быстрее внедрять инновации, а тем, кто сможет защитить свою ИС в первую очередь.
Вывод
Искусственный интеллект действительно может сократить некоторые рабочие места, но он также создаст новые, и работа, выполняемая людьми, будет более осмысленной, полезной и полноценной. ИИ сделает нас не просто лучше, а, повторимся, вполне способен превратить нас в сверхлюдей.
Мы будем идти вперед и развиваться, потому что это то, что мы делаем. И у нас это хорошо получается 😉
Всё, что вам нужно знать об ИИ — за несколько минут
Приветствую читателей Хабра. Вашему вниманию предлагается перевод статьи «Everything you need to know about AI — in under 8 minutes.». Содержание направлено на людей, не знакомых со сферой ИИ и желающих получить о ней общее представление, чтобы затем, возможно, углубиться в какую-либо конкретную его отрасль.
Знать понемногу обо всё иногда (по крайней мере, для новичков, пытающихся сориентироваться в популярных технических направлениях) бывает полезнее, чем знать много о чём-то одном.
Многие люди думают, что немного знакомы с ИИ. Но эта область настолько молода и растёт так быстро, что прорывы совершаются чуть ли не каждый день. В этой научной области предстоит открыть настолько многое, что специалисты из других областей могут быстро влиться в исследования ИИ и достичь значимых результатов.
Эта статья — как раз для них. Я поставил себе целью создать короткий справочный материал, который позволит технически образованным людям быстро разобраться с терминологией и средствами, используемыми для разработки ИИ. Я надеюсь, что этот материал окажется полезным большинству интересующихся ИИ людей, не являющихся специалистами в этой области.
Введение
Искусственный интеллект (ИИ), машинное обучение и нейронные сети — термины, используемые для описания мощных технологий, базирующихся на машинном обучении, способных решить множество задач из реального мира.
В то время, как размышление, принятие решений и т.п. сравнительно со способностями человеческого мозга у машин далеки от идеала (не идеальны они, разумеется, и у людей), в недавнее время было сделано несколько важных открытий в области технологий ИИ и связанных с ними алгоритмов. Важную роль играет увеличивающееся количество доступных для обучения ИИ больших выборок разнообразных данных.
Область ИИ пересекается со многими другими областями, включая математику, статистику, теорию вероятностей, физику, обработку сигналов, машинное обучение, компьютерное зрение, психологию, лингвистику и науку о мозге. Вопросы, связанные с социальной ответственностью и этикой создания ИИ притягивают интересующихся людей, занимающихся философией.
Мотивация развития технологий ИИ состоит в том, что задачи, зависящие от множества переменных факторов, требуют очень сложных решений, которые трудны к пониманию и сложно алгоритмизируются вручную.
Растут надежды корпораций, исследователей и обычных людей на машинное обучение для получения решений задач, не требующих от человека описания конкретных алгоритмов. Много внимания уделяется подходу «чёрного ящика». Программирование алгоритмов, используемых для моделирования и решения задач, связанных с большими объёмами данных, занимает у разработчиков очень много времени. Даже когда нам удаётся написать код, обрабатывающий большое количество разнообразных данных, он зачастую получается очень громоздким, трудноподдерживаемым и тяжело тестируемым (из-за необходимости даже для тестов использовать большое количество данных).
Современные технологии машинного обучения и ИИ вкупе с правильно подобранными и подготовленными «тренировочными» данными для систем могут позволить нам научить компьютеры «программировать» за нас.
Обзор
Интеллект — способность воспринимать информацию и сохранять её в качестве знания для построения адаптивного поведения в среде или контексте
Это определение интеллекта из (англоязычной) Википедии может быть применено как к органическому мозгу, так и к машине. Наличие интеллекта не предполагает наличие сознания. Это — распространённое заблуждение, принесённое в мир писателями научной фантастики.
Попробуйте поискать в интернете примеры ИИ — и вы наверняка получите хотя бы одну ссылку на IBM Watson, использующий алгоритм машинного обучения, ставший знаменитым после победы на телевикторине под названием «Jeopardy» в 2011 г. С тех пор алгоритм претерпел некоторые изменения и был использован в качестве шаблона для множества различных коммерческих приложений. Apple, Amazon и Google активно работают над созданием аналогичных систем в наших домах и карманах.
Обработка естественного языка и распознавание речи стали первыми примерами коммерческого использования машинного обучения. Вслед за ними появились задачи другие задачи автоматизации распознавания (текст, аудио, изображения, видео, лица и т.д.). Круг приложений этих технологий постоянно растёт и включает в себя беспилотные средства передвижения, медицинскую диагностику, компьютерные игры, поисковые движки, спам-фильтры, борьбу с преступностью, маркетинг, управление роботами, компьютерное зрение, перевозки, распознавание музыки и многое другое.
ИИ настолько плотно вошёл в современные используемые нами технологии, что многие даже не думают о нём как об «ИИ», то есть, не отделяют его от обычных компьютерных технологий. Спросите любого прохожего, есть ли искусственный интеллект в его смартфоне, и он, вероятно, ответит: «Нет». Но алгоритмы ИИ находятся повсюду: от предугадывания введённого текста до автоматического фокуса камеры. Многие считают, что ИИ должен появиться в будущем. Но он появился некоторое время назад и уже находится здесь.
Термин «ИИ» является довольно обобщённым. В фокусе большинства исследований сейчас находится более узкое поле нейронных сетей и глубокого обучения.
Как работает наш мозг
Человеческий мозг представляет собой сложный углеродный компьютер, выполняющий, по приблизительным оценкам, миллиард миллиардов операций в секунду (1000 петафлопс), потребляющий при этом 20 Ватт энергии. Китайский суперкомпьютер под названием «Tianhe-2» (самый быстрый в мире на момент написания статьи) выполняет 33860 триллионов операций в секунду (33.86 петафлопс) и потребляющий при этом 17600000 Ватт (17.6 Мегаватт). Нам предстоит проделать определённое количество работы перед тем, как наши кремниевые компьютеры смогут сравниться со сформировавшимися в результате эволюции углеродными.
Точное описание механизма, применяемого нашим мозгом для того, чтобы «думать» является предметом дискуссий и дальнейших исследований (лично мне нравится теория о том, что работа мозга связана с квантовыми эффектами, но это — тема для отдельной статьи). Однако, механизм работы частей мозга обычно моделируется с помощью концепции нейронов и нейронных сетей. Предполагается, что мозг содержит примерно 100 миллиардов нейронов.
Нейроны взаимодействуют друг с другом с помощью специальных каналов, позволяющих им обмениваться информацией. Сигналы отдельных нейронов взвешиваются и комбинируются друг с другом перед тем, как активировать другие нейроны. Эта обработка передаваемых сообщений, комбинирование и активация других нейронов повторяется в различных слоях мозга. Учитывая то, что в нашем мозгу находится 100 миллиардов нейронов, совокупность взвешенных комбинаций этих сигналов устроена довольно сложно. И это ещё мягко сказано.
Но на этом всё не заканчивается. Каждый нейрон применяет функцию, или преобразование, к взвешенным входным сигналам перед тем, как проверить, достигнут ли порог его активации. Преобразование входного сигнала может быть линейным или нелинейным.
Изначально входные сигналы приходят из разнообразных источников: наших органов чувств, средств внутреннего отслеживания функционирования организма (уровня кислорода в крови, содержимого желудка и т.д.) и других. Один нейрон может получать сотни тысяч входных сигналов перед принятием решения о том, как следует реагировать.
Мышление (или обработка информации) и полученные в результате его инструкции, передаваемые нашим мышцам и другим органам являются результатом преобразования и передачи входных сигналов между нейронами из различных слоёв нейронной сети. Но нейронные сети в мозгу могут меняться и обновляться, включая изменения алгоритма взвешивания сигналов, передаваемых между нейронами. Это связано с обучением и накоплением опыта.
Эта модель человеческого мозга использовалась в качестве шаблона для воспроизведения возможностей мозга в компьютерной симуляции — искуственной нейронной сети.
Искусственные Нейронные Сети (ИНС)
Искусственные Нейронные Сети — это математические модели, созданные по аналогии с биологическими нейронными сетями. ИНС способны моделировать и обрабатывать нелинейные отношения между входными и выходными сигналами. Адаптивное взвешивание сигналов между искусственными нейронами достигается благодаря обучающемуся алгоритму, считывающему наблюдаемые данные и пытающемуся улучшить результаты их обработки.
Для улучшения работы ИНС применяются различные техники оптимизации. Оптимизация считается успешной, если ИНС может решать поставленную задачу за время, не превышающее установленные рамки (временные рамки, разумеется, варьируются от задачи к задаче).
ИНС моделируется с использованием нескольких слоёв нейронов. Структура этих слоёв называется архитектурой модели. Нейроны представляют собой отдельные вычислительные единицы, способные получать входные данные и применять к ним некоторую математическую функцию для определения того, стоит ли передавать эти данные дальше.
В простой трёхслойной модели первый слой является слоем ввода, за ним следует скрытый слой, а за ним — слой вывода. Каждый слой содержит не менее одного нейрона.
С усложнением структуры модели посредством увеличения количества слоёв и нейронов возрастают потенциал решения задач ИНС. Однако, если модель оказывается слишком «большой» для заданной задачи, её бывает невозможно оптимизировать до нужного уровня. Это явление называется переобучением (overfitting).
Архитектура, настройка и выбор алгоритмов обработки данных являются основными составляющими построения ИНС. Все эти компоненты определяют производительность и эффективность работы модели.
Модели часто характеризуются так называемой функцией активации. Она используется для преобразования взвешенных входных данных нейрона в его выходные данные (если нейрон решает передавать данные дальше, это называется его активацией). Существует множество различных преобразований, которые могут быть использованы в качестве функций активации.
ИНС являются мощным средством решения задач. Однако, хотя математическая модель небольшого количества нейронов довольно проста, модель нейронной сети при увеличении количества составляющих её частей становится довольно запутанно. Из-за этого использование ИНС иногда называют подходом «чёрного ящика». Выбор ИНС для решения задачи должен быть тщательно обдуманным, так как во многих случаях полученное итоговое решение нельзя будет разобрать на части и проанализировать, почему оно стало именно таким.
Глубокое обучение
Термин глубокое обучение используется для описания нейронных сетей и используемых в них алгоритмах, принимающих «сырые» данные (из которых требуется извлечь некоторую полезную информацию). Эти данные обрабатываются, проходя через слои нейросети, для получения нужных выходных данных.
Обучение без учителя (unsupervised learning) — область, в которой методики глубокого обучения отлично себя показывают. Правильно настроенная ИНС способна автоматически определить основные черты входных данных (будь то текст, изображения или другие данные) и получить полезный результат их обработки. Без глубокого обучения поиск важной информации зачастую ложится на плечи программиста, разрабатывающего систему их обработки. Модель глубокого обучения же самостоятельно способна найти способ обработки данных, позволяющий извлекать из них полезную информацию. Когда система проходит обучение (то есть, находит тот самый способ извлекать из входных данных полезную информацию), требования к вычислительной мощности, памяти и энергии для поддержания работы модели сокращаются.
Проще говоря, алгоритмы обучения позволяют с помощью специально подготовленных данных «натренировать» программу выполнять конкретную задачу.
Глубокое обучение применяется для решения широкого круга задач и считается одной из инновационных ИИ-технологий. Существуют также другие виды обучения, такие как обучение с учителем (supervised learning) и обучение с частичным привлечением учителя(semi-supervised learning), которые отличаются введением дополнительного контроля человека за промежуточными результатами обучения нейронной сети обработке данных (помогающего определить, в правильном ли направлении движется система).
Теневое обучение (shadow learning) — термин, используемый для описания упрощённой формы глубокого обучения, при которой поиск ключевых особенностей данных предваряется их обработкой человеком и внесением в систему специфических для сферы, к которой относятся эти данные, сведений. Такие модели бывают более «прозрачными» (в смысле получения результатов) и высокопроизводительными за счёт увеличения времени, вложенного в проектирование системы.