Тема разговора: о том, какими путями развивается искусственный интеллект и немного о том, что нам ждать от него в ближайшее время.
С тяжелым физическим трудом люди как-то разобрались. Появились механизмы и устройства.
Постепенно все больше избавляемся от не тяжелого физического труда.
Плата за это - малоподвижный образ жизни, отсутствие физической нагрузки и отсюда букет болезней.
Сейчас мир пытается отказаться от напряженного интеллектуального труда,
даже не столько интеллектуального, а скорее требующего попросту думать.
Пока все больше удается уходить от монотонной и, потому утомительной, не слишком сложной умственной деятельности.
Тоже с помощью машин и устройств.
Но хочется пойти дальше и освободить человечество вообще от всякой умственной деятельности.
Чем придется пожертвовать в этом случае, лучше не думать.
Все дело в том, что человеку хотелось бы избавиться вообще от работы и посвятить всего себя разным играм и развлечениям.
Потому столь велик интерес к системам искусственного интеллекта, который вообще-то возник из желания поиграть с машиной в шахматы.
Заинтересовавшись этой идеей талантливые люди много чего сделали полезного,
что сейчас воспринимается как прорыв человечества к прогрессу.
Хотя от прорыва до отрыва возможно и не так далеко.
Пришлось разбираться с тем как человек думает, и как вообще нужно бы думать и как этому обучить машину.
Действительно, как человек познает мир?
В структуре коры головного мозга главный элемент- нейроны, - клетки, парадоксально реагирующие на раздражение.
Слабое раздражение приводит их в бешенство, а к сильному беспокойству они почти равнодушны.
Сильные реакции одного нейрона подавляют его соседей.
Интересно, что человек столь же парадоксален.
Большой шум не помешает ему спать, а вот сказанное во время сна что-нибудь шепотом заставит его в испуге проснуться.
Сильное потрясение способно обездвижить человека и иные существа, подавив их желание и способность убежать.
Кора головного мозга – это многоэтажное здание,
на верхнем этаже которого располагается технический этаж,
толстый слой «кабелей» - отростков нейронов, связывающих их друг с другом.
При любом внешнем возмущении, поступившем в мозг через эти «кабели» поднимается паника,
которую дополнительно стимулирует или ослабляет химия, выделяемая в кровь.
Возникают очаги возмущений, которые представляют собой отражения различных образов.
При даже частичном совпадении процентов на 60-70 этих образов с запомненными,
дремлющими в памяти картинками происходит их узнавание.
Включаются механизмы моторной реакции.
Неудивительно, что люди захотели создать нечто подобное искусственно.
Идея прибора, который бы узнавал образы, поступающие на его вход,
- это идея персептрона, нейрокомпьютера, нейронной сети.
Началось все с персептрона Франка Розенблатта Марк1,
который уже в 1960 году, немного путаясь, узнавал-таки некоторые буквы алфавита.
Как водится в науке, через десяток лет бывший сокурсник Розенблатта М. Минский
убедительно раскритиковал возможности персептрона, что привело к задержке развития нейрокомпьютеров еще на десяток лет.
Потом люди все-таки решили использовать персептрон по назначению, ибо ничего другого им не пришло за это время в голову.
Нейронная сеть - паутина из нейронов, которую желательно обучить.
Дать ей несколько задач с решениями и подогнать параметры сети так, чтобы она эти решения продемонстрировала.
Хотя существуют сети, которые в обучении не нуждаются. Но и с обучением возникали проблемы.
Если после обучения, тесты показывают, что ошибки убывают, то значит повезло, научили.
А если ошибки на тестовых примерах растут, значит сеть просто запомнила все что ей сообщили
во время обучения, а реально ничему не научилась (это политкорректно назвали переобучением).
Тогда считают ее необучаемой и отказываются от нее.
Человек сначала решился отобрать у высших сил способность прогнозировать догадавшись,
что каждую последовательность операций и действий можно трактовать как вычисление.
А потом захотел создать свое подобие.
Дело в том, что успехи разработчиков искусственного интеллекта снизили планку требований к его уровню.
Теперь признаком искусственного интеллекта стала только его способность самостоятельно находить решения.
И естественный интеллект стал важным, но лишь частным случаем интеллекта
Каждый набор взаимодействующих агентов,
имеющий способность воспринимать внешнюю среду
и реагировать можно рассматривать как интеллектуальную систему.
Результат этого взаимодействия – как получение (или даже иcполнение) решения.
Но есть и иная причина, когда сеть достаточно мощная,
она способна предложить свои решения,
которые экспериментаторы не предполагали.
Для них сеть нарушает сложившуюся картину мира.
Такая сообразительность не приветствуется и от этой излишне умной сети отказываются.
Рациональным выходом может быть увеличение количества и качества обучающих задач для сохранения устойчивости картины мира
Гипотеза «необходимого развития»: Расширяющаяся интеллектуальная система требует увеличения базовых знаний для предотвращения разрушения картины мира.
У людей тоже самое, если после обучения студент, глядя честными глазами рассказывает на «отлично» материал, а решить любую задачу на эту тему не способен,
опытный преподаватель понимает, что перед ним лицо «необучаемое».
Но иной раз экзаменаторы могут ошибиться и принять за неспособного учиться такого студента,
который видит иные продолжения и варианты, скрытые от экзаменатора.
Экзаменатор вполне может быть в плену навязанных программой обучения стереотипов,
или просто оказаться не готовым к участию в обсуждении новых вариантов подходов и решений.
Но пока даже самые продвинутые нейронные сети не способны сравниться даже в малейшей степени с человеческим интеллектом.
Кроме того, М. Минский оказался в какой-то степени прав, ибо нейрокомпьютер,
если у него нет нужного числа нейронов, не способен решать определенный класс задач. Это ограничение снизу.
Но есть и ограничение сверху- слишком увеличивая нейронную сеть, можно добиться нежелательного результата,
такой компьютер будет все время ревизовать результаты, путаться в ответах и вообще окажется не нужен (потеря единственности решения).
У людей тоже такое можно увидеть.
Интеллектуал, которому поручат решать простую задачу, замучает постановщиков сомнениями и рассуждениями,
поэтому все простые задачи лучше поручать «людям действия», не обремененным обширным образованием и интеллектуальными способностями.
Хотя все осознавали, что трудно понять, как там в нейронной паутине создается знание.
Но как всегда людям был нужен результат, вникать в детали без нужды никому не хотелось, кроме заядлых математиков.
Действительно, заказчикам нужен был прибор, который что-то нужное умеет делать.
А разбираться с его устройством им недосуг, пусть им лишь покажут, как им пользоваться.
Потому методом подбора и перебора увлеченные люди, не осознавая,
что происходит в этом черном ящике –нейрокомпьютере,
понаделали множество таких устройств.
Эти нейронные сети узнавали то, что их упорным создателям и требовалось,
а на остальное ни те, ни другие не годились.
Такой апофеоз эмпиризма.
Итак, после позднего увлечения шахматами Алленом Ньюэлом
создавшим действующую программу (1954) на основе методов Клода Шеннона,
массово потянулись энтузиасты-последователи.
Но об математической логике, которая была давно создана благодаря усилиям Фридриха Фреге и его современников,
пока никто не вспоминал, что, впрочем, не удивительно.
Игры показались интереснее.
Однако пригодный метод для решения задачи создания шахматных программ
практически без применения корректного математического формализма предложил настоящий изобретатель Алан Тьюринг.
В результате усилий сотрудников корпорации RAND Джона Шоу и Герберта Саймона,
поддерживаемых де Гротом и его коллегами-психологами был создан язык ИПЛ (IPL,1956),
предшественник языка ЛИСП, который появился позднее в результате усилий Джона Маккарти (1960).
Кстати язык ЛИСП - язык обработки списков, был построен на системе лямбда-вычислений Алонзо Черча.
Использование формальной логики для создания логического программирования Джоном Робинсоном (1965) оказалось революционным.
На основе этого метода, хотя и с целым рядом отличий, был создан язык ПРОЛОГ Алайном Колмрауером, (1971), использующий логику предикатов первого порядка.
Кстати, математический метод резолюции был ранее применен юным математиком Жаком Эрбраном.
То есть, к началу 70 годов были созданы языки программирования искусственного интеллекта ЛИСП, ПРОЛОГ, PLANNER, REDUCE и др. ориентированные на выполнение разных задач.
Используя языки программирования искусственного интеллекта, основанные на математике можно было просмотреть весь ход решения и, если что-то не нравилось- поправить.
Такие системы назвали экспертными.
Это, конечно, отличалось от нейронных систем, где понять, что там творится в этом черном ящике- нейрокомпьютере, было невозможно.
Недостатком экспертных систем логического программирования было то, что они оперировали двумя значениями «истина» и «ложь». В жизни так не бывает, нужно было перейти к структуре размытых понятий.
Поэтому так весьма кстати была предложена человечеству Лотфи Заде теория нечетких множеств и нечеткой логики (1965).
В 1993 году была доказана Бартом Коско важная теорема о том, что любая математическая система может быть аппроксимирована на нечеткой логике.
Объединение сформированных человеком понятий системы нечеткой логики с искусственными нейронными сетями было впервые выполнено Ж-С. Р. Чангом из Тайванского университета.
Это позволяло понять, что происходит со знанием в процессе решения задачи нейронной сетью.
Таким образом произошло историческое объединение искусственных нейронных сетей и экспертных систем принятия решений на основе логики.
Человек заполняет свою базу данных и знаний всю жизнь.
Но когда мы хотим создать искусственную интеллектуальную систему и намерены заполнить ее базу данных и знаний, вот тут-то и возникают проблемы.
Во-первых, у человека масса знаний, которые он полагает известными (по умолчанию), машине все это надо разжевать и пояснить.
Во-вторых, заполнение базы данных машины должны делать эксперты, а их работа - высокооплачиваемая.
В-третьих, время, которое затрачивается на заполнение баз данных, проверки и перепроверки этого заполнения достаточно значительное.
Уже от этого опускаются руки.
Так чем может нам помочь искусственный интеллект?
Нейронные сети вылавливают причины плохой работы автомобильных двигателей.
Ищут подобие во множестве объектов, что тоже надо.
Экспертные системы предупреждают военных пилотов и выдают рекомендации,
что бы такое ему сделать.
Такие системы помогают пилотам, водителям поездов и судов, но окончательное решение обычно отдают человеку.
На некоторых дорогах отчего не пустить автомобили без водителя.
Можно ли надеяться на появление искусственного интеллекта, сравнимого с возможностями природного?
Смущает явное несоответствие скорости реакции природного нейрона и нейрона искусственной сети,
то есть скорости отдельных операций вычислительных систем.
Но скорость получения окончательного решения человеком частенько значительно превосходит скорость достижения конечного результата у современных машин.
Особенно в условиях одновременного решения многих задач.
В чем же дело?
Дело скорее всего в том, что мозг человека – это МЕГАпроцессорная система,
Одновременное подключение этого гигантского числа процессоров ускоряет получение решения в такое же, если не большее число раз.
Поэтому все усилия исследователей полезно применить в области разработки МЕГАпроцессорных систем новых поколений.
Для многих процессоров, понадобится индивидуальная память
и общая память, аналог библиотек в человеческом обществе.
И здесь мы присматриваемся к самим себе.
Cуперкомпьютер Tianhe-2 (Гуанчжоу)- производительность 33.86 петафлопс (Почти 34 квадриллионов (т.е. тысяч триллионов) операций с плавающей запятой в секунду).
В Британии скоро заработает суперкомпьютер Cray XC40TM.
Достижением IBM является нейросинаптический процессор IBM TrueNorth - 16 миллионов цифровых нейронов и 4 миллиарда синапсов. Но мало…
Для реализации интеллектуальной системы нужно обеспечить ее связь с внешним миром и возможность самообучения.
Например, как это делается в компании IBM, где создана интерактивная система искусственного интеллекта суперкомпьютера Watson,
получившая доступ к технологиям облачной системы Watson Developer Cloud.
Интуитивно люди, разбираясь в интеллектуальных системах,
уже сами осознали преимущества сетевой структуры, каждый элемент которой
1.имеет независимый доступ к внешним данным и общей информации,
2.обладает собственной памятью, кроме библиотек,
3. достаточно автономен.
И тоже склонны использовать синергию Примеры- сетевая структура страхового рынка Lloyd's
и интегрирование коллективов в компьютерных фирмах.
Спасибо за внимание
For more infomation >> S.W.A.T. - Jailbreak - Duration: 1:46. 
For more infomation >> Only On 2: LAPD Bodycam Video Appears To Contradict Officer Testimony, Investigation Discovers - Duration: 4:28. 
For more infomation >> Planean demoler la iglesia bautista donde ocurrió la masacre de Texas - Duration: 2:28. 
For more infomation >> Report crimes to police, not social media, says officers in Lompoc - Duration: 1:57. 
For more infomation >> Sonoma County Tourism: We're Still Here After California Wildfires - Duration: 2:14. 
For more infomation >> En video: El maltrato al que son sometidas las vacas lecheras en una granja de Florida - Duration: 2:15. 
For more infomation >> S.W.A.T. - We're Good - Duration: 2:46. 
For more infomation >> BACK AT IT - A Hat in Time - Part 2 [Full Stream] - Duration: 3:19:55. 
For more infomation >> Chinese Affection チャイニーズ・アフェクション by SLAVE V-V-R English Sub - Duration: 5:35. 
For more infomation >> クレヨンしんちゃん アニメ 2017 - クレヨンしんちゃん 映画 Vol 7 - 子供のための新春アニメーション新エピソード - Duration: 2:05. 
For more infomation >> Simplify Your Grocery Shoppi...
For more infomation >> Les 7 bienfaits puissants de la grenade-perdre du ventre - Duration: 6:44. 
For more infomation >> Deux exercices pour réduire la graisse de votre ventre et brûler plus de calories-perdre du ventre - Duration: 4:07. 
For more infomation >> Fiat Punto Evo 1.3 M-Jet Mylife (1STE EIG.!!!/Airco/CPV) - Duration: 0:56. 
For more infomation >> BMW 1 Serie 116ED URBAN , M-Sport, Navipro, Xenon, ECC, H.leer, Full - Duration: 1:02. 
Không có nhận xét nào:
Đăng nhận xét