Обучение тьюринга приведет к прогрессу в области науки и техники!

Neuromation: машинное обучение для майнинга, науки и бизнеса

Ученые много спорят о том, что сегодня представляет собой искусственный интеллект.

Скептики утверждают, что мы научились лишь автоматизировать некоторые социальные роли: фактически отдавать машине на аутсорсинг созданные человеком алгоритмы.

Каждый из них, в свою очередь, может научиться решать конкретную задачу лучше, чем человек. Но в отличие от разума машина пока не может ставить себе задачи самостоятельно и принимает решения по заданным извне алгоритмам.

Обратите внимание

Антропоморфные роботы  boston dynamics успешно выполняют акробатические трюки. и все же эти «машины» следуют заложенному в них набору программ и зависят от человека. Когда состоится революционный скачок к технологической сингулярности (и состоится ли) – вопрос для футурологов и фантастов. А пока искусственный интеллект – это в том числе сильный бренд, который хорошо продается.

Медианные оценки этого рынка, сделанные лучшими исследовательскими компаниями мира и крупными институциональными инвесторами, говорят о потенциальной выручке в размере $5-15 млрд к 2020 году. Самые смелые из них прочат сегменту AI экспоненциальный рост вплоть до триллионов долларов на горизонте десяти лет.

Три волны хайпа искусственного интеллекта

История искусственного интеллекта как науки началась почти 70 лет назад — с теста Тьюринга, главной идеей которого был поиск ответа на вопрос, может ли машина мыслить. В 1956 году состоялся знаменитый Дартмутский семинар, посвященный теме искусственного интеллекта. Собственно, именно на этом семинаре новая наука фактически утвердилась в своих правах и получила свое название.

После Дартмутского семинара стало казаться, что все возможно, и тогда началась первая волна «хайпа» искусственного интеллекта, говорит Сергей Николенко, директор по науке компании Neuromation. «Но очень скоро оказалось, что это не так.

Одним из первых крупных проектов в сфере искусственного интеллекта в конце 50-х был большой государственный проект в США, связанный с машинным переводом. Речь идет о периоде холодной войны, поэтому неудивительно, что переводили с русского на английский.

Конечно, у них ничего не получилось: в 1960-е невозможно было сделать машинный перевод. И когда провалился этот эксперимент, а вместе с ним несколько других, наступила первая зима искусственного интеллекта — The First AI Winter.

Она продлилась до начала 1980-х — в это время началась вторая волна хайпа, связанная с нейросетями. Она тоже столкнулась с определенными препятствиями и закончилась в конце 1980х — начале 1990-х», говорит эксперт.

О нейросетях надолго забыли и вернулись к ним только уже в середине «нулевых», когда появились и данные, и мощные компьютеры, и возможность использовать видеокарты. Этот процесс активно развивается до сих пор и, как считает Сергей Николенко, сейчас мы наблюдаем третью волну хайпа искусственного интеллекта.

От ритейла к биомедицине

Сегодня разработки в сфере искусственного интеллекта в основном связаны как раз с нейросетями и машинным обучением. В этой сфере находятся и интересы компании Neuromation, которая занимается научными исследованиями и созданием прикладных решений для различных сфер бизнеса.

Первым проектом компании стала разработка системы распознавания товаров для супермаркетов с использованием компьютерного зрения.

В партнерстве с компанией OSA HP Neuromation уже тестирует решение на российском рынке ритейла.

Важно

Технологии машинного обучения могут значительно оптимизировать процессы во многих отраслях, считает Сергей Николенко. «Есть огромное количество индустрий, где machine learning до сих пор не используется. Например, мы сейчас начинаем активно сотрудничать с представителями из биомедицинского сегмента.

Кажется, что в этой отрасли уже применяются соответствующие решения, но если копнуть глубже, часто оказывается, что используются модели десятилетней давности. Сейчас мы готовимся начать проект вместе с компанией Insilico Medicine, которая занимается борьбой со старением и разработкой лекарств с помощью машинного обучения.

Без лаборатории невозможно выпустить лекарство, но сейчас процесс выглядит так: биологи сидят и перебирают по тысяче вариантов соединений в надежде на то, что что-то сработает. Машинное обучение может само генерировать различные варианты.

Их, конечно, надо будет проверять в лаборатории, но это существенно сократит список вариантов», говорит Николенко.

Еще одно решение Neuromation разработала для животноводческого сектора, а конкретно — для свиноводства. В этом сегменте главная задача заключается в подборе правильной системы откорма для каждого животного — на корм приходится 75% затрат.

Однако ориентироваться на вес свиней фермеры не могут: животные испытывают стресс при взвешивании, худеют, и полученные данные оказываются непригодными. Neuromation предложила систему неинвазивного «взвешивания» с помощью компьютерного зрения.

В вольерах устанавливаются камеры, по которым можно определить размер свиней и, как следствие, их вес.

Токенсейл

Источник: https://bloomchain.ru/blockchain-fintech/neuromation/

Тест Тьюринга – суть, вопросы и недостатки

Способны ли роботы мыслить? Какой искусственный интеллект стоит признать разумным? Может показаться, что эти вопросы стали актуальны только в нашем веке, тогда как на самом деле научное сообщество решает их уже очень давно. Яркий пример – знаменитый тест Тьюринга, разработанный еще в 1950 году.

Тест Тьюринга: общее описание

За почти 70 лет со времен первой публикации процедура прохождения претерпевала изменения, однако суть теста Тьюринга остается прежней.

Кратко ее можно выразить следующим образом: если, общаясь с человеком и машиной, экспериментатор не сможет определить, кто из них кто, значит, машиной тест пройден.

Иными словами, идея теста заключается в том, что компьютер своими ответами должен убедить собеседника (он же судья) в своей человечности. По мнению Тьюринга, это свидетельствует о способности искусственного интеллекта мыслить и должно стать основанием для признания его разумности.

Совет

Конечно, чтобы тест состоялся, судья не должен видеть собеседника, слышать его голос и т.д. В противном случае эксперимент явно будет провален, но это не будет связано с интеллектуальными возможностями машины. Как правило, формой общения выбирается электронная переписка. В изначальной версии теста человек общался с двумя субъектами – другим человеком и машиной.

Чуть позже Тьюринг видоизменил прохождение – перед ИИ ставилась задача убедить в своей разумности ряд судей, которые, в свою очередь, общались с несколькими людьми и несколькими машинами. Это в том числе позволяет избежать субъективности в оценках и снизить риск простого угадывания.

Количество подопытных машин и людей в современных версиях теста разнится, как и время их общения.

Судья может говорить со своими виртуальными собеседниками о чем пожелает: вопросы теста Тьюринга не имеют ограничений. Для машины это представляет дополнительную сложность.

Чтобы выполнить такое задание, компьютерная программа должна не просто понимать человеческий язык, но и давать естественные ответы по самым разным темам, отделяя важную информацию от несущественной для того или иного направления беседы.

Ответы от собеседника судье приходят через заданные промежутки времени, чтобы по скорости их появления нельзя было сделать никаких выводов.

Интересно, что раньше недостатки программного обеспечения приводили к тому, что машины реагировали медленнее человека, и фора давалась именно компьютеру.

Сейчас же искусственный интеллект, напротив, работает быстрее, и время на размышление нужно уже людям.

Недостатки теста Тьюринга

Одним из главных недостатков теста видится то, что фактически перед машиной ставится задача запутать, обмануть человека.

Говорит ли это о том, что мы может признать мыслящими и разумными только тех, кто умеет обманывать и манипулировать? Этот вопрос, скорее, лежит в области философии.

Тем более что в теории прошедший тест Тьюринга робот должен хорошо имитировать, повторять действия человека, а не запутывать судью. На практике же с тестом лучше других справлялись «манипуляторы» – например, те, кто допускал опечатки в ответах.

Обратите внимание

Машин даже специально этому обучали, чтобы их переписка выглядела «естественнее». Еще одна распространенная уловка компьютера: умолчать о чем-либо, дать неполный ответ на вопрос или вовсе сослаться на незнание. Иначе искусственный интеллект можно вычислить по тому, что он «слишком умный».

Кроме того, несмотря на заявленную цель в определении разумности и способности мыслить, фактически тест оценивает схожесть речевого поведения компьютера и человека.

Это не может быть объективной оценкой ИИ в целом, особенно сегодня, когда компьютеры и роботы по скорости вычислений существенно превосходят человека и могут добиться впечатляющих результатов в самых различных областях.

То есть саму по себе возможность «переписываться, как человек» нельзя признать значительным достижением. Фактически ориентация на тест Тьюринга, отмечают его критики, скорее тормозит развитие прогресса, чем подстегивает его.

Вместо того чтобы создавать что-то еще более совершенное и превосходящее нас, мы прививаем роботу наши нелучшие черты и не даем ему двигаться вперед. Однако здесь надо сделать скидку на то, что, когда тест создавался, способности у компьютеров были существенно ниже.

Прошел ли кто-либо тест Тьюринга?

На данный момент считается, что в своем строгом варианте тест за всю почти 70-летнюю историю пройден не был. Иногда машинам удается убедить собеседника в том, что он разговаривает с человеком, однако часто в таких случаях нельзя говорить именно о прохождении теста Тьюринга.

Например, это распространяется на ситуации, когда «судья» не знает, что общается с машиной и что он вообще участвует в каком-то эксперименте.

Получается, вместо того чтобы наблюдать за собеседником и делать выводы, подневольный «экспериментатор» просто верит, что общается с человеком, потому что изначально нацеливался именно на такой разговор.

Важно

Также тест Тьюринга вроде бы удавался, когда круг тем был ограничен и/или времени на общение давалось мало. Но и здесь не соблюдался важный принцип изначального теста – максимальная естественность беседы. Поэтому в общем и целом последователи теста отмечают, что с ним еще никто не справился.

В 2014 году по СМИ разошлась новость, что тест якобы пройден. Сделал это Евгений Густман (Eugene Goostman), «13-летний мальчик из Одессы».

По крайней мере в такую легенду поверили 10 из 30 судей в рамках конкурса, организованного британским Университетом Рединга в память 60-летия со дня смерти Тьюринга.

В 2012 году, на аналогичном конкурсе в честь 100-летия со дня его рождения, Евгений смог убедить только 29% судей. Однако его результаты не считаются полноценным прохождением теста.

Во-первых, потому что перед нами мальчик, а не взрослый, во-вторых, потому что английский язык для него неродной. Таким образом, логические ошибки и пробелы в репликах, а также уход от ответа на неудобных для машины темах судьи могли объяснять для себя тем, что «он же еще ребенок» и «он еще плохо знает язык».

Премия Лёбнера за прохождение теста Тьюринга

Надо сказать, что большинство разработчиков при создании роботов не ставит себе непременную цель – пройти тест Тьюринга. С практической точки зрения эту задачу вряд ли можно считать первостепенной. В то же время в 1991 году была учреждена ежегодная премия AI Loebner, или Премия Лёбнера.

В ее рамках искусственные интеллекты соревнуются в прохождении этого теста. Она предусматривает три медали – золотую (общение с элементами видео и аудио), серебряную (за текстовую переписку) и бронзовую (вручается той машине, которая в данном году достигла лучшего результата).

Согласно правилам, конкурс будет закрыт, когда кто-либо из участников получит золотую медаль. Пока же ни золотая, ни серебряная вручены не были.

Совет

При этом некоторые машины получали бронзовые медали несколько раз, например, A.L.I.C.E. (Artificial Linguistic Internet Computer Entity, дословно – Искусственное лингвистическое интернет-компьютерное существо).

Обычно на конкурсе представлены проекты, которые изначально ориентированы именно на общение с человеком, в последнее время особенно много чат-ботов.

Учитывая развитие мессенджеров и, соответственно, чат-ботов, можно ожидать, что на премию будет поступать еще больше интересных заявок.

Источник: https://robo-sapiens.ru/stati/test-tyuringa-razumnost-poznaetsya-v-obshhenii/

Читать

Annotation

Алану Тьюрингу через 75 лет после сто смерти, в 2009 году, были принесены извинения от правительства Соединенного Королевства за то, как с ним обошлись при жизни.

Ученого приговорили к принудительной химической терапии, повлекшей за собой необратимые физические изменения, из-за чего он покончил жизнь самоубийством в возрасте 41 года.

Так прервался путь исследователя, признанного ключевой фигурой в развитии компьютеров, автора первой теоретической модели компьютера с центральным процессорным устройством, так называемой машины Тьюринга.

Ученый принимал участие в создании первых компьютеров и использовал их для расшифровки нацистских секретных кодов, что спасло много жизней и приблизило конец войны. Такова, по сути, трагическая история гения, которого подтолкнула к смерти его собственная страна, хотя ей он посвятил всю свою жизнь.

Rafael Lahoz-Beltra

Введение

Глава 1

Глава 2

Глава 3

Глава 4

Глава 5

Список рекомендуемой литературы

Указатель

Rafael Lahoz-Beltra

Наука. Величайшие теории. Выпуск 15: Размышления о думающих машинах. Тьюринг. Компьютерное исчисление

Наука. Величайшие теории Выпуск № 15, 2015 Еженедельное издание

Пер. с йен. — М.: Де Агостини, 2015. — 152 с.

ISSN 2409-0069

© Rafael Lahoz-Beltra, 2012 (текст)

© RBA Collecionables S.A., 2012

Читайте также:  Исследование: большинство людей предпочли бы работать с начальником-роботом

© ООО «Де Агостини», 2014-2015

Введение

Несмотря на короткую жизнь, Алан Тьюринг — одна из самых влиятельных личностей XX века. Вот всего несколько вех его профессионального пути.

Ученый разработал гипотетическую машину, получившую название машины Тьюринга, с помощью которой создал теоретические основы для реализации первых компьютеров, он стал автором одного из самых быстрых компьютеров той эпохи — Pilot АСЕ.

Основным успехом Тьюринга как криптографа стала расшифровка кода «Энигмы» — шифровальной машины, которую немцы использовали во время Второй мировой войны. Кроме того, он стал первопроходцем, заложив основы исследований искусственного интеллекта и математической биологии.

Обратите внимание

Задача нашей книги — объяснить, не отступая от истины и при этом в доступной форме, сущность его фундаментального вклада в развитие современного мира.

Выполняя эту задачу, мы объединили в книге элементы развлекательной науки, а также биографические детали, показав, каким образом некоторые важнейшие открытия Алана Тьюринга стали частью нашей повседневной жизни.

В числе вопросов, на которые наша книга дает ответ, — что такое компьютер? почему компьютеры зависают? в какой стране был изобретен компьютер? все ли виды задач могут решить компьютеры? что такое ката? что такое система оптического распознавания образов (OCR)? могут ли существовать разумные машины? как работает квантовый компьютер?

Разносторонний характер исследований Алана Тьюринга подчеркивает его гениальность. Способность ученого находить новые объекты для исследования, видеть связи между явлениями и вопросами, которые, на первый взгляд, могут показаться совершенно разными, позволяет его сравнить разве что с Джоном фон Нейманом.

Именно с этими двумя именами связано появление в 1940-х годах понятия «междисциплинарный исследователь», то есть ученый, способный с использованием математики и компьютеров выделить общие элементы в биологии, экономике, социологии, физике с целью унификации, казалось бы, различных, но сходных но сути проблем.

Личность Тьюринга, его жизнь и работа никого не могут оставить безразличными. Его научная судьба представляет собой настоящую интеллектуальную авантюру со множеством приключений и открытий.

Личная жизнь ученого наполнена необыкновенными эпизодами, которые говорят о нем как о человеке, далеком от стереотипов. Проблемы с законом вызвали у Тьюринга глубокую депрессию, которая и привела его к самоубийству: ученый принял цианид.

При этом тайна, окутывающая его смерть, вызвала к жизни многочисленные измышления и догадки, в числе которых есть даже версия об убийстве.

Эта книга, раскрывающая Тьюринга как личность и как ученого, состоит из пяти глав.

Важно

В главе 1, после описания его детства и юности до окончания учебы в Кембридже, подробно рассматривается одно из важнейших открытий — различные варианты машины Тьюринга, разработанные как самим британским гением, так и другими учеными, а также описываются попытки создания с помощью программного обеспечения машины Тьюринга или ее аналога. В конце главы мы остановимся на некоторых отдельных вопросах, среди которых — проблема остановки, объясняющая в том числе и почему компьютер «зависает».

Глава 2 описывает, как атаки немцев в годы Второй мировой войны привели британцев к созданию Блетчли-парка, в котором криптографы, включая Тьюринга, смогли расшифровать перехваченные сообщения Третьего рейха. В эти годы талант ученого полностью раскрылся, и он, как и многие его коллеги, получил достойные награды в конце войны.

Именно в Блетчли-парке появился на свет Colossus («Колосс»), который считается первым в мире компьютером. Во Второй мировой войне люди гибли без счета, но также бессчетны и достижения человеческого разума в этот период.

Напряженная работа, ставшая бесценным опытом, подготовила ученого к решающему шагу от абстрактного мира машины, носящей его имя, к созданию реального компьютера Pilot АСЕ («Туз»).

В главе 3 рассматривается вопрос, споры по которому не утихают по сей день: кто изобрел компьютер — британцы или американцы? Согласно принятой версии, ученые Соединенного Королевства благодаря разработке Colossus обеспечили своей стране первенство в создании компьютеров. Но почему же США сегодня занимают лидирующие позиции в этой индустрии?

После описания характеристик Pilot АСЕ и ответов на вышеупомянутые вопросы мы углубимся в архитектуру фон Неймана, то есть принцип, согласно которому компоненты компьютера работают на логическом и функциональном уровне, а закончим рассказом о том периоде, когда Алан Тьюринг посвятил себя программированию компьютеров в Манчестерском университете.

Уже в конце жизни Тьюринг увенчал свои исследования, возможно, самым амбициозным проектом и подготовил теоретическую базу для того, что сегодня называется искусственным интеллектом.

Ученый продолжал работу в Манчестерском университете, задавшись глобальным вопросом: возможно ли существование разумной машины? Именно об этом рассказывается в главе 4.

Совет

Тьюринг создал цепь искусственных нейронов и разработал тест, до сих применяемый для определения того, разумно ли ведет себя машина, например компьютер, когда играет в шахматы, переводит текст или выполняет другие задачи, для решения которых человек использовал бы свой разум.

Последний этап жизни ученого был так же плодотворен с научной точки зрения, как и первый.

Именно в последние годы жизни он впервые использовал компьютер для изучения и моделирования биологических проблем, разработал математические модели роста и формирования живых организмов, пытаясь найти ответ на вопрос, как формируются полоски на шкуре зебры.

В результате этих исследований возникла новая дисциплина — математическая биология. Весной 1954 года, в возрасте 41 года, Алан Тьюринг покончил с собой, съев отравленное яблоко.

В главе 5 детально рассматривается научное наследие Тьюринга. По очевидным причинам мы не говорим о современных компьютерах или суперкомпьютерах — ни о десктопах, ноутбуках, нетбуках или планшетах, ни об аппаратах, в основе которых лежит компьютер, таких как мобильный телефон, электронная записная книжка и другие.

Все эти устройства являются результатом естественной эволюции теоретической машины Тьюринга и первых компьютеров — Colossus, ENIAC, Pilot АСЕ, EDSAC: все их версии можно перечислять бесконечно.

В наследие Тьюринга можно включить не только сто вклад в развитие науки, гениальные находки и работы но информатике, но и все то, что было оставлено без завершения в его бумагах и вдохновило следующие поколения исследователей.

Так, на стадии разработки находились квантовый компьютер, модели искусственных нейронных сетей и их использование в интеллектуальных системах в повседневной жизни, изучение молекулы ДНК с помощью компьютеров (структура ДНК была открыта Уотсоном и Криком за год до смерти Тьюринга).

Источник: https://www.litmir.me/br/?b=558852&p=1

От машины тьюринга к самовоспроизводящимся автоматам гёте докт. техн. наук, профессор, заслуженный деятель науки и техники рф, лауреат премии джона фон. – презентация

1 ОТ МАШИНЫ ТЬЮРИНГА К САМОВОСПРОИЗВОДЯЩИМСЯ АВТОМАТАМ ГЁТЕ Докт. техн. наук, профессор, Заслуженный деятель науки и техники РФ, лауреат премии Джона фон Неймана, Лауреат Премии Правительства РФ в области науки и техники В.В. Александров WWW: sial.iias.spb.susial.iias.spb.su<\p>

2 Машина Тьюринга Саморазвивающийся автомат Гете Рекурсия и самоподобие<\p>

3 ИГРА С ПРИРОДОЙ<\p>

4 МЮРРЕЙ ГЕЛЛ-МАНН Почему НАГЛЯДНОСТЬ элегантность (elegance) и простота (simplicity) САМОПОДОБНАЯ УПОРЯДОЧЕННОСТЬ ЗПК ДНК являются подходящими критериями для описания природы, особенно на фундаментальном уровне? Наука сделала значительный прогресс в объяснении основных законов, которые управляют поведением всей вселенной это законы элементарных частиц и их взаимодействий, которые ответственны за все силы в природе. Также известно, что теория в элементарной молекулярной физике более подходит для описания и предсказания явлений только простых и четких вопросов. Почему так выходит? И что в этом плане на самом деле означают простота, сложность и наглядность (вложенность – луковица, матрешка).<\p>

5 ВЛОЖЕННОСТЬ Постепенное снятие кожуры с лука подобно проникновению на нижележащие уровни структуры вселенной. Математика каждого последующего уровня похожа на математику предыдущего уровня, поскольку математика предыдущего уровня может частично использоваться на следующем уровнеили для другого явления на том же уровне. Временами бывает достаточно и древней математики.<\p>

Обратите внимание

6 ИСААК НЬЮТОН НЬЮТОН не только открыл закон гравитации но и ОБЩИЕ ЗАКОНОМЕРНОСТИ ПРИРОДЫ. «Как большие тела типа Земли, луны, Солнца притягиваются друг к другу? Каковы законы и величины их сил притяжения на всех расстояниях между ними? Как движения этих тел контролируются их гравитацией?» На эти вопросы я ответил в своем труде Mathematical Principles of Philosophy (Математические принципы в философии): И если природа должна быть простой и полностью согласованной (самоподобной) сама с собой, она одинаковым образом регулирует движение меньших тел и больших тел. Этот принцип природы очень отличается от концепций Философов, описанных ранее в этой книге. Поэтому, по меньшей мере, меня могут посчитать проходимцем, что не позволит читателям принять главные идеи этой Книги. …..Природа очень гармонична и прекрасно согласуется сама с собой… Прежде, чем мы зададимся вопросом о возникновении притяжения: Какие тела притягиваются друг к другу, и каковы законы и свойства у притяжения. Притяжение ГРАВИТАЦИОННЫХ, МАГНИТНЫХ, ЭЛЕКТРИЧЕСКИХ СИЛ действует и на очень большом расстоянии, а потому может наблюдаться невооруженным глазом. Могут быть и другие силы, взаимодействующие на таких маленьких расстояниях, что до настоящего времени мы не могли их наблюдать. На очень маленьких расстояниях ВОЗМОЖНО СУЩЕСТВОВАНИЕ ЭЛЕКТРИЧЕСКОГО ПОЛЯ САМОГО ПО СЕБЕ (НЕЗАВИСИМО ОТ СИЛ ТРЕНИЯ).<\p>

7 Предмет может быть проиллюстрирован знаменитой и формально корректной аналогией из ботаники (Формально корректной потому, что морфогенез, как и поведение, несомненно, является предметом обмена сообщениями в контекстах (Bateson, 1971).). Гёте Гёте заметил 150 лет назад, что в анатомии цветущих растений существует что-то вроде синтаксиса или грамматики. “Стебель” – это то, что несет “листья”; “лист” – это то, что имеет почку в своей пазухе (axil); почка – это стебель, который начинается в пазухе листа; и т.д. ФОРМАЛЬНАЯ (т.е. КОММУНИКАТИВНАЯ) ПРИРОДА КАЖДОГО ОРГАНА ОПРЕДЕЛЯЕТСЯ ЕГО КОНТЕКСТУАЛЬНЫМ СТАТУСОМ – КОНТЕКСТОМ, В КОТОРОМ ОН ПОЯВЛЯЕТСЯ, И КОНТЕКСТОМ, КОТОРЫЙ ОН ЗАДАЕТ ДЛЯ ДРУГИХ ЧАСТЕЙ.<\p>

8 Разложение белого света в спектр. Ньютон Опыт с призмой с точки зрения Гете<\p>

9 ВЕЙЕРШТРАСС ВЕЙЕРШТРАСС представил свой контрпример в Берлинской Академии 8 июля 1872 года, но оставил свои записи по этой теме у себя. Они появились в печати только в 1895, в Collected Works, намного позже опубликования его основного открытия в duBois Reymond в 1875, когда он писал: «Метафизика этих функций скрывает много загадок, и я не могу избавиться от мысли, что они приведут к границам нашего интеллекта». Но через сотню лет они стали основой развития искусственного интеллекта и новых областей знаний: фрактализация, самоподобие, рекурсия, генно– программируемая модификация организмов, фрактальная глобула, полимерная нить которой не перепутывается. Математический объект – заполняющая пространство кривая – кривая Пеано. 3D-прототипирование Алгоритм рекурсивного построения заполняющей пространство кривой – ЗПК(SFC) 10×10×10 для 3D-печати Журн. «Техническая кибернетика» 1, 1978 г. Более подробно: pdf printsec=frontcover&redir_esc=y#v=onepage&q&f=false<\p>

10 «…Механизм воздействия таких вненаучных, но по-человечески глубоко понятных соображений на выбор пути исследования хорошо виден из документа, который мы сейчас приведем. Это письмо одного математика своему юному ученику, которому он старался привить интерес к конструктивной математике и теории вычислимых функций. Это письмо явилось ответом на присланные учеником несколько доказательств из области классического анализа. По разрешению автора, просившего не называть никаких имен, мы даем несколько выдержек из этого письма. «Теперь я особенно заинтересован в том, чтобы ты стал знаменитым математиком: твое письмо будет представлять интерес для биографов, и я смогу получить от этого немало удовольствия. Заинтересованность будет заставлять меня изобретать способы содействия твоему прославлению. Я тешу себя надеждой, что один такой способ уже осуществил: познакомил тебя с конструктивным образом мышления. Это мышление, которое постоянно обращается к изучению АЛГОРИФМИЧЕСКИХ ПРОЦЕДУР, стало, я думаю, твоей первой любовью. Это вовсе не значит, что она продлится всю жизнь. Возможно, ты вступишь в благополучный брак; с классической математикой и обзаведешься многочисленными детьми теоремами. Но воспоминание о первой юной любви никогда уже не исчезнет из твоей памяти, и кто знает, может быть в момент полного, казалось бы, довольства своей супругой и нажитым с ней благосостоянием блеснет это яркое воспоминание, и настроение вдруг испортится, засосет под ложечкой, и подумается: а не лучше было бы не прельщаться богатством и могуществом старой леди, а оставаться бедным, но… ЧЕСТНЫМ? Я уверен, что такие угрызения совести обязательно будут преследовать тебя до гроба. И пусть преследуют. Пусть конструктивное мышление будет тем оводом, который не даст тебе зажиреть (правда, один специалист энтомолог сказал мне, что овод не кусается и не имеет даже челюстей, но я все же пользуюсь стандартной интерпретацией слова «овод»). А может быть и в этом как раз состоит моя надежда это мышление поможет тебе создать великие идеи. Что касается меня, то я пришел к конструктивистам совсем окольным путем. Занимаясь другой наукой, из-за которой я потерял так много времени для занятий математикой, я пришел к самостоятельному выводу о том, что классическая трактовка действительных чисел лишена всякого смысла. Кустарно, в одиночестве я стал размышлять над возможностями поправить дела в этой области. Естественно, что когда я узнал, что умные люди давно работают над этой же проблемой, мне захотелось познакомиться с ними и набраться от них ума. И я не разочаровался в этих людях.<\p>

11 Я думаю, что, независимо от конкретных перспектив конструктивного анализа на данный момент, конструктивисты сделали и продолжают делать большое по своей научной важности дело. Значение их работы обусловливается следующим обстоятельством. КРИЗИС ОСНОВ МАТЕМАТИКИ ОТНЮДЬ НЕ ОКОНЧИЛСЯ, ОН ПРОДОЛЖАЕТСЯ! Никакие программные заявления современных формалистов не затушуют того факта, что наивная теория множеств нелепа (это показывают парадоксы), а аксиоматическая теория множеств чрезвычайно искусственна, и наша интуиция полностью молчит в вопросе об ее НЕПРОТИВОРЕЧИВОСТИ. Она создана задним числом, чтобы оправдать ана­лиз (я лично даже не уверен, можно ли построить весь существующий анализ только на аксиоматической теории множеств и формальной арифметике; кроме того, если из аксиоматической теории множеств вытекает теорема Хаусдорфа а ты напишешь мне об этом, то у меня к ней доверие будет столь же ничтожно, как и к «наивной» канторовской теории множеств), и тот факт, что в ней нет рефлексивного парадокса, не есть факт, которым следует так уж гордиться серьезному человеку. Итак, быть богатым теоремами и все же слегка кривить душой, успокаивая себя изгнанием рефлексивного парадокса и молчанием подавляющего большинства, не интересующегося проблемами философии и оснований математики, или же начинать все на голом месте, как Сергий Радонежский, работать, засучив рукава, не получая ни почестей, ни наград, но несокрушимо веря, что твоя работа важна и необходима для будущего? Вот альтернатива, стоящая перед тобой…» «…Конечно, нельзя согласиться со всеми утверждениями этого эмоционального напутствия. Но в нем достаточно верно схвачены особенности конфликта, который возникает в душе ученого, начинающего сомневаться в истинности воспринятой им от своих учителей теории. Если сомнения достаточно сильны, а человек достаточно одарен способностями, то он все же свернет с проторенного…» «Введя эти неизбежные поправки, можно лучше понять внутреннюю жизнь математики, понять то, что создает ее единство и вносит в нее разнообразие, понять этот большой город, чьи предместья не перестают разрастаться несколько хаотическим образом на окружающем его пространстве, в то время как центр периодически перестраивается, следуя каждый раз все более и более ясному плану и стремясь ко все более и более величественному расположению, в то время как старые кварталы с их лабиринтом переулков сносятся для того, чтобы проложить к окраине улицы все более прямые, все более широкие, все более удобные». В.Н.Тростников. Конструктивные процессы в математике (философский аспект). – М.: Наука, 1975 – 256 с.<\p>

12 А.Н. КОЛМОГОРОВ А.Н. Колмогоров откликнулся на этот призыв: «…Для будущей логической теории автоматов существует важный ограничивающий фактор, на который следует обратить внимание… Этот фактор интеллектуального а не ФИЗИЧЕСКОГО порядка (но только развитие квантовой технологии теорию алгоритмической информатики превратило в практику цифровой программируемой коммуникации). Формальная логика имеет дело с жесткими понятиями типа «все или ничего» и весьма мало соприкасается со связанными с непрерывностью понятиями действительного или комплексного числа, т.е. с математическим анализом,…попадает в ту область математики, которая представляет наибольшие трудности, – в область комбинаторики….Необходима детальная математическая теория автоматов и информации». А.Н.Колмогоров обратил внимание на двойственную природу информации, ансамблевой по Шеннону и объектной (персонально идентифицируемой): «…Далеко не все применения теории информации по Шеннону укладываются разумным образом в интерпретацию ее основных понятий. Я думаю, что потребность в придании определенного смысла выражениям в случае индивидуальных объектов (персонально идентифицируемых) x и у, не рассматриваемых как реализации случайных испытаний c определенным законом распределения, была давно понятна многим, занимавшимся теорией информации». Информация, содержащаяся в объекте у относительно объекта х, определяется формально при помощи вычитания: I (х | у) = Н (х) – Н (х | у). Естественно, что при этом I (х х) = Н (х).<\p>

13 А.Н. КОЛМОГОРОВ Вымыслы, легенды и мифы всегда сопровождают ученых, резко изменяющих принятое научно обоснованное знание. Известно, что А.Н. Колмогоров в 50-х годах ХХ века резко переключился с общепринятой парадигмы научного знания на разработку математической теории автоматов и информатики, а также гносеологического принципа (эволюционный эпистемологический принцип). Этот принцип был изложен в письме А.Н. Колмогорова от 27 августа 1963 г. (опубликовано в 2006 г.). Лекция А.Н. Колмогорова 1961 г. – «Автоматы и жизнь».<\p>

14 ИДЕАЛЬНЫЙ БАЙЕСОВСКИЙ НАБЛЮДАТЕЛЬ Теорема Байеса: p(A|X) = p(X|A) p(A) / p(X). Наш мозг, когда он обрабатывает данные, поступающие от органов чувств, ведет себя как настоящий идеальный наблюдатель.<\p>

Важно

15 Если природа создала нечто, чем ты не можешь обладать в большей степени, нежели другие, то это благодаря воздействию мыслительной силы, именуемое идеей, каковая принадлежит человеку лишь до тех пор, пока он хранит ее при себе; но стоит только ее огласить, как она становится всеобщим достоянием, и тот, кому она достанется, уже не может отделять себя от нее. Особенность ее заключается также в том, что каждый обладает не какой-то ее частью, но владеет ею целиком. И тот, кому досталась от меня моя идея, воспринимает ее сам, не умаляя при этом меня; не тень, но отблеск света отбрасывает он на меня. Идеи должны беспрепятственно передаваться от одного к другому по всему земному шару для морального и взаимного наставления человека и улучшения его состояния, кажется, было нарочито благосклонно задумано природой, когда она сделала их распространяющимися, подобно огню, по всему пространству без уменьшения их плотности в любой точке, и подобно воздуху, в котором мы дышим, двигаемся и имеем свое физическое существование и который не может быть ограничен или составлять исключительную собственность. Изобретения по самой своей природе не могут быть предметом собственности. Томас Джефферсон(1743 – 1826)<\p>

16 ПРОГРАММА – КОДОВАЯ МОДЕЛЬ<\p>

17 ПРОГРАММА – КОДОВАЯ МОДЕЛЬ Развитие предполагает материализацию программы кодовой модели. (А не концепцию обратной связи как постулат кибернетики.) «…А эта последняя требует определенного кода, который только и является устойчивым ключом как сохранения вида, так и направленного развития…» [Тринчер К.С. Биология и информация. Элементы биологической термодинамики] Понятие программы действия, закладываемой в автомат или вырабатываемой живым организмом для прокладки пути к требуемой цели, включает в себя, даже филологически, предрешение или предвидение чего-то, относящегося к будущему. Термин «программа» (Пρω + γραμμα = предначертание) прямо подчеркивает, что речь идет не о самом предстоящем событии, а об его описании чертами соответствующего кода.<\p>

Источник: http://www.myshared.ru/slide/925871/

— Прогноз: Технологические инновации ускорят прогресс, но приведут к «мрачному будущему»

Национальный Разведывательный Совет [NIC] США в новом докладе «Глобальные тенденции: Парадокс прогресса» предсказывает «мрачное и сложное будущее», отмечая, что технологические инновации ускорят прогресс, но приведут к «разделению между победителями и проигравшими».

  • Прогноз: «Искусственный интеллект и жизнь в 2030 году»

Большинство крупнейших экономик мира будут бороться с сокращением населения трудоспособного возраста, но все страны столкнутся с проблемой поддержания занятости. Автоматизация, искусственный интеллект, высокотехнологичное производство, а также другие технологические новшества ставят под угрозу целесообразность существующих рабочих мест.

  • Проблема поиск новых путей для повышения производительности труда в крупнейших странах мира будет становиться все более трудной в связи с увеличением возраста трудоспособного населения. Прогресс в области технологий поможет повысить производительность в развитых и развивающихся странах, но повышение качества образования, инфраструктуры, правил и практики управления будет иметь решающее значение.
  • Поскольку технологические инновации все чаще заменяют рабочую силу, налоговые поступления личных доходов населения увеличатся незначительно или даже сократятся в реальном выражении.

Технологии продолжат расширение возможностей отдельных лиц, небольших групп, корпораций и государств, а также ускорят темпы изменений и приведут к появлению новых проблем, разделений и напряженностей.

В частности, развитие и внедрение передовых информационно-коммуникационных технологий, искусственного интеллекта, новых материалов и производственных возможностей от робототехники до автоматизации, достижений в области биотехнологии и нетрадиционных источников энергии приведут к подрыву рынков труда, изменению в здравоохранении, энергетических и транспортных системах.

Технологические инновации уже сейчас поднимают фундаментальные вопросы о том, что значит быть человеком. Такое развитие событий увеличит значение различий в обществе, препятствуя прогрессу в международных правах или нормах. Экзистенциальные риски реальны, особенно в областях синтетической биологии, редактирования генома и искусственного интеллекта.

Информационные и коммуникационные технологии уравновесят расширяющийся спектр методов работы, способов общения и взаимодействия между людьми.

Соответствующие технологии повысят эффективность работы и изменят принципы работы в таких секторах, как транспортные системы, машиностроение, производственные процессы и здравоохранение.

Эти инструменты в будущем станут мейнстримом по мере стремления разработчиков заменить рабочие места автоматизированными процессами и инструментами.

Стремительно растущие инвестиции в искусственный интеллект, увеличение продаж промышленной робототехники и облачных платформ создадут больше возможностей для конвергенции и приведут к подрыву существующих рынков труда в ближайшей перспективе.

Влияние новых информационных и коммуникационных технологий на финансовый сектор может иметь весьма серьезные последствия.

Новые финансовые технологии — цифровые валюты, применение технологии цепочек блоков транзакций [блокчейн] для совершения сделок, а также искусственный интеллект и большие массивы данных для прогнозируемых аналитик — изменят рынок финансовых услуг с потенциально существенным воздействием на стабильность системы и безопасность важнейших элементов финансовой инфраструктуры.

Биотехнологии находятся в переходной стадии, когда достижения в области генетического тестирования и новые методы редактирования генов превращают научную фантастику в реальность.

Совет

Такие методы открывают возможности более адаптированного подхода к повышению человеческого потенциала, лечению заболеваний и продлению продолжительности жизни.

Учитывая, что большинство ранних методов будут доступны только в нескольких странах, доступ к этим технологиям получат те, кто может себе позволить регулярные путешествия и оплату новых процедур.

Дальнейшее развитие прогрессивных материалов для применения в высокотехнологичных изделиях и технологий производства может ускорить преобразование таких ключевых секторов, как транспорт и энергетика. За последние годы мировой рынок нанотехнологий увеличился более чем в два раза.

Революция в альтернативной энергетике увеличивает доступность новых источников нефти и природного газа, в то время как широкий спектр технологических достижений со стороны спроса нарушает связь между экономическим ростом и ростом использования энергии.

К примеру, достижения в области солнечных батарей резко сократили стоимость солнечной электроэнергии, таким образом став конкурентоспособными с розничной ценой на электроэнергию.

С большим количеством новых источников энергии, общие глобальные расходы на энергию будут оставаться низкими.

Новые технологии потребуют тщательного анализа для оценки технологических инноваций и их совокупного воздействия на человечество, общества, государства и планету.

Национальный Разведывательный Совет в качестве основной задачи в краткосрочной перспективе называет создание и установку норм безопасности и общих протоколов для новых информационных и коммуникационных технологий, искусственного интеллекта. биотехнологий и прогрессивных материалов.

Без этих стандартов разработка и развертывание искусственного интеллекта, скорее всего, будут опасны для людей, представляя угрозу неприкосновенности частной жизни граждан.

Источник: https://xage.ru/global-trends-paradox-of-progress-2017/

Тест Тьюринга может быть визуализирован | РОБОТОША

Ученые разработали визуальный тест Тьюринга, в котором компьютеры будут отвечать на все более сложные вопросы, анализируя изображение.

Компьютеры с каждым годом все лучше и лучше справляются с задачами из области искусственного интеллекта, особенно это касается компьютерного зрения — идентификации лица или изображения, содержащее определенный объект.

На самом деле, прогресс был настолько значительным, что некоторые ученые теперь считают, что стандартные тесты, используемые для оценки программ искусственного интеллекта, слишком легко пройти, и нужно разработать более сложные.

Обратите внимание

Речь идет об «общедоступных наборах данных», обычно используемыми исследователями компьютерного зрения в качестве эталона для оценки результатов, такие как LabelMe из MIT или Labeled Faces in the Wild из Массачусетского Университета.

Ранее предлагались фотографии, которые были помечены с помощью краудсорсинга, так что на фото улицы были отмечены машина, дерево и пешеход. Программы компьютерного зрения успешно справлялись с этой задачей и находили объекты, используя методы машинного обучения такие как сверточные нейронные сети, называемые Deep Learning.

Ученые, занимающиеся данной проблемой, говорят, что называть предметы на фотографии стало слишком просто, и в этом нет особой необходимости, то, что компьютеру действительно нужно — это понять , что происходит на картинке.

Так, при поддержке Стюарта Джимена из DARPA, профессора прикладной математики из университета Брауна, был разработан метод для стандартного теста, который мог бы оценить точность программ компьютерного зрения нового поколения.

Исследование было опубликовано на этой неделе в Proceedings of the National Academy of Sciences, соавторами Джимена были ученые из Университета Джона Хопкинса, штат Мэриленд, а также его брат Дональд Джимен, наряду с Нилом Халлонкистом и Лоран Юнес.

Предложенный ими способ требует разработать некий перечень отдельных атрибутов, которые могут быть изображены на картинке, например, если мы говорим об улице, могут ли там находиться люди, могут ли они что-то нести или общаться друг с другом. Сначала фотографии обрабатываются людьми, а затем компьютерными программами, чтобы определить, нашла ли она те атрибуты, которые заметили люди.

Изначально, вопросы были элементарными, например, спрашивалось, есть ли изображение человека на картинке в определенном месте. Но вопросы будут все более сложными по мере того, как программы станут более умными. Например, вопрос может затрагивать характер взаимоотношений между разными людьми на фото.

 Пример изображения и вопросов, предложенных группой ученых, для визуального теста Тьюринга

Номер Вопрос Ответ
1 Есть ли человек в голубой рамке? Да
2 Человек в голубой рамке один? (Отметим, что это человек 1) Да
3 Человек 1 что-то несет? Да
4 Человек 1 – это женщина? Да
5 Человек 1 идет по тротуару? Да
6 Человек 1 взаимодействует с каким-нибудь другим объектом? Нет
 …  …
9 Транспортное средство одно в желтой рамке? (Отметим, что это транспортное средство 1) Да
10 Транспортное средство 1 светлого цвета? Да
11 Транспортное средство 1 движется? Нет
12 Транспортное средство 1 припарковано и это машина? Да
14 У транспортного средства 1 видна одна покрышка? Нет
15 Транспортное средство 1 взаимодействует с каким-нибудь другим объектом? Нет
17 Человек один в красной рамке? Нет
18 Человек в красной рамке — это женщина? Нет
19 Есть ли в красной рамке человек, который стоит? Да
20 Один человек стоит в красной рамке? (Отметим, что это человек 2) Да
 …
23 Человек 2 взаимодействует с каким-нибудь другим объектом? Да
24 Человек 1 выше человека 2? Неопр.
25 Человек 1 ближе (к камере) человека 2? Нет
26 Есть человек в красной рамке? Да
27 Человек один в красной рамке? (Отметим, что это человек 3) Да
 …
36 Есть ли взаимодействие между человеком 2 и человеком 3? Да
37 Человек 2 и человек 3 разговаривают? Да

В конце концов, разработчики теста могли бы оценить уровень здравого смысла и понимание процессов компьютерными программами, задав, например вопрос: «Что произойдет с человеком на переднем плане картинки, на которого вот-вот упадет рояль»?

Джимен говорит, что одним из преимуществ предлагаемого подхода является то, что иерархия информации, разработанная для картинки станет все более сложной. Она могла бы послужить основой для простых автоматических тестов.

Из-за ограничения наборов данных, исследователи компьютерного зрения создавали системы, которые могли определить, есть ли на фотографии кошка или нет. «Пришло время поднять планку», — говорит он.

Важно

Джимен признал, что в настоящее время ни одна из программ не смогла бы пройти предложенного испытания и ответить даже на рудиментарные вопросы. Но являются ли методы DeepLearning достаточно эффективными, чтобы в один прекрасный день компьютерные программы смогли научиться обрабатывать более сложные контексты? Судит пока рано.

На недавно прошедшей конференции в Остине, штат Техас, ученые пытались придумать замену для хорошо известного теста Тьюринга. Они планируют продолжить это обсуждение в июле в Буэнос Айресе на Международной конференции по искусственному интеллекту.

Гарри Маркус, ученый из Университета Нью-Йорка, говорит, что пока ни один тест на может определить уровень интеллекта, подход Джимена является «шагом в правильном направлении» в области, где нужны новые решения, которые приведут к более сложным системам.

Источник:IEEE Spectrum

Источник: http://robotosha.ru/no-rubric/visual-turing-test.html

Тест Тьюринга: в чем заключается и почему его так сложно пройти? Алан Тьюринг :

Словосочетание «тест Тьюринга» правильнее использовать для обозначения предложения, которое касается вопроса о том, могут ли машины мыслить. По мнению автора, такая постановка «слишком бессмысленна», чтобы заслуживать обсуждения.

Однако если рассмотреть более конкретный вопрос о том, способен ли цифровой компьютер справиться с некоего рода игрой в имитацию, то появляется возможность точного обсуждения.

Более того, сам автор считал, что пройдет не слишком много времени – и появятся вычислительные устройства, которые будут в этом очень «хороши».

Выражение «тест Тьюринга» иногда используется в более общем смысле для обозначения некоторых поведенческих исследований присутствия разума, мысли или интеллекта у предположительно разумных субъектов. Так, например, иногда высказывается мнение, что прообраз теста описан в «Дискурсе о методе» Декарта.

Кто придумал тест Тьюринга?

В 1950-м увидела свет работа «Вычислительные машины и интеллект», в которой впервые была предложена идея игры в имитацию.

Тот, кто придумал тест Тьюринга, – английский ученый в области информатики, математик, логик, криптоаналитик и биолог-теоретик Алан Мэтисон Тьюринг.

Его модели позволили формализовать концепции алгоритма и вычислений, а также внесли вклад в теории искусственного интеллекта.

Игра в имитацию

Тьюринг описывает следующий вид игры. Предположим, есть человек, машина и лицо, задающее вопросы. Интервьюер находится в комнате, отделенной от остальных участников, которые проходят тест Тьюринга.

Цель теста состоит в том, чтобы задающий вопросы определил, кто является человеком, а кто машиной. Интервьюеру оба испытуемых известны под метками X и Y, но по крайней мере в начале ему неизвестно, кто скрывается за меткой Х.

В конце игры он должен сказать, что Х – это человек, а Y – это машина, или наоборот. Интервьюеру разрешено задавать испытуемым вопросы теста Тьюринга следующего вида: «Ну будет ли Х любезен сказать мне, играет ли Х в шахматы?» Тот, кто является Х, должен отвечать на вопросы, адресованные Х.

Совет

Цель машины состоит в том, чтобы ввести в заблуждение спрашивающего, и тот ошибочно сделал вывод о том, что она – человек. Человек же должен помочь установить истину.

Об этой игре Алан Тьюринг в 1950 году сказал: «Я считаю, через 50 лет можно будет запрограммировать компьютеры с объемом памяти около 109 таким образом, что они успешно смогут играть в имитацию, и средний интервьюер с вероятностью, превышающей 70%, за пять минут не будет в состоянии угадать, кто является машиной».

Эмпирический и концептуальный аспекты

Существует как минимум два вида вопросов, которые возникают относительно предсказаний Тьюринга.

Во-первых, эмпирический – правда ли, что уже есть или вскоре появятся компьютеры, способные играть в имитацию настолько успешно, что средний интервьюер с вероятностью, не превышающей 70%, сделает правильный выбор в течение пяти минут? Во-вторых, концептуальный – правда ли, что если бы средний интервьюер после пяти минут допроса с вероятностью менее 70% правильно идентифицировал человека и машину, то мы должны сделать вывод, что последняя демонстрирует некоторый уровень мышления, интеллекта или разума?

Конкурс Лебнера

Мало кто сомневается, что Алан Тьюринг был бы разочарован положением дел с игрой в имитацию к концу ХХ века.

Участники конкурса Лебнера (ежегодного мероприятия, в ходе которого компьютерные программы подвергаются тесту Тьюринга) далеки от стандарта, представленного основоположником информатики.

Беглый взгляд на протоколы участников за последние десятилетия показывает, что машину можно легко обнаружить с помощью не очень изощренных вопросов.

Более того, наиболее успешные игроки постоянно заявляют о сложности конкурса Лебнера по причине отсутствия компьютерной программы, которая бы могла вести достойный разговор в течение пяти минут. Общепризнанным является факт, что конкурсные приложения разрабатываются исключительно с целью получения малого приза, присуждаемого лучшему участнику года, и на большее они не рассчитаны.

Тест Тьюринга: прохождение затягивается?

К середине второго десятилетия XXI века ситуация почти не изменилась. Правда, в 2014 г. возникли претензии на то, что компьютерная программа Eugene Goostman прошла тест Тьюринга, когда она обманула 33% судей в соревновании 2014 г. Но были и другие разовые соревнования, в которых были достигнуты аналогичные результаты.

Еще в 1991 году PC Therapist ввел в заблуждение 50% судей. И в демонстрации 2011 г. Cleverbot имел даже более высокий показатель успеха. Во всех этих трех случаях продолжительность процесса была очень мала, и результат не был надежен.

Ни один из них не дал веских оснований полагать, что средний интервьюер с вероятностью более 70% правильно идентифицирует отвечающего в течение 5-минутного сеанса.

Метод и прогноз

Кроме того, и это гораздо важнее, необходимо различать тест Тьюринга и предсказание, которое он сделал о его прохождении к концу ХХ века.

Вероятность правильной идентификации, интервал времени, в течение которого происходит испытание, и количество необходимых вопросов являются регулируемыми параметрами, несмотря на их ограничение конкретным прогнозом.

Даже если основоположник информатики был очень далек от истины в предсказании, которое он сделал о ситуации с искусственным интеллектом к концу ХХ века, вполне вероятна справедливость предложенного им метода. Но прежде чем одобрить тест Тьюринга, следует рассмотреть различные возражения, которые необходимо учесть.

Обязательно ли уметь говорить?

Некоторые люди считают тест Тьюринга шовинистическим в том смысле, что он признает разум только в объектах, которые способны поддерживать беседу с нами.

Почему не могут существовать разумные объекты, неспособные вести разговор, или, во всяком случае, беседу с людьми? Возможно, мысль, стоящая за этим вопросом, верна.

Обратите внимание

С другой стороны, можно предположить наличие квалифицированных переводчиков для любых двух интеллектуальных агентов, говорящих на разных языках, позволяющих вести любой разговор. Но в любом случае обвинение в шовинизме совершенно к делу не относится.

Тьюринг утверждает лишь то, что если что-то может вести беседу с нами, то у нас есть веские основания полагать наличие у него сознания, подобного нашему. Он не говорит, что только способность вести беседу с нами свидетельствует о потенциальном обладании разумом, похожем на наш.

Почему так легко?

Другие считают тест Тьюринга недостаточно требовательным. Существуют анекдотичные доказательства того, что совершенно бестолковые программы (например, ELIZA) могут казаться обычному наблюдателю обладателями интеллекта в течение достаточно продолжительного времени.

Кроме того, за такое короткое время, как пять минут, вполне вероятно, что почти все интервьюеры могут быть обмануты хитрыми, но совершенно неразумными приложениями. Однако важно помнить, что программа тест Тьюринга не может пройти, обманув «простых наблюдателей» в иных условиях, чем те, в которых проверка должна происходить.

Приложение должно быть в состоянии выдержать допрос того, кто знает, что один из двух других участников беседы является машиной. Кроме того, программа должна выдерживать такой допрос с высокой степенью успешности после многократного числа испытаний. Тьюринг не упоминает о том, какое конкретно количество тестов потребуется.

Однако можно смело предположить, что их число должно быть достаточно большим, чтобы можно было говорить о среднем значении.

Если программа способна на это, то кажется правдоподобным утверждение, что мы, по крайней мере предварительно, будем иметь основания предполагать присутствие интеллекта.

Возможно, стоит подчеркнуть еще раз, что может существовать умный субъект, в том числе и умный компьютер, тест Тьюринга пройти не сумевший. Можно допустить, например, существование машин, которые отказываются лгать по моральным соображениям.

Поскольку предполагается, что участник-человек должен делать все возможное, чтобы помочь интервьюеру, то вопрос «Вы – машина?» позволит быстро отличить таких патологически правдивых субъектов от людей.

Почему так сложно?

Есть и сомневающиеся в том, что машина когда-либо сможет пройти тест Тьюринга. Среди выдвигаемых ими аргументов – различие времени распознавания слов на родном и иностранном языке у людей, способность ранжировать неологизмы и категории и наличие других особенностей человеческого восприятия, которые трудно симулировать, но которые несущественны для наличия разума.

Почему дискретная машина?

Еще одним спорным аспектом работы теста Тьюринга является то, что его обсуждение ограничено «цифровыми компьютерами». С одной стороны, очевидно, что это важно лишь для прогноза, а не касается подробностей самого метода.

Действительно, если тест достоверный, то он подойдет для любой сущности, в том числе для животных, инопланетян и аналоговых вычислительных устройств. С другой стороны, весьма спорно утверждение о том, что «думающие машины» должны быть цифровыми компьютерами. Также вызывает сомнения то, что так полагал сам Тьюринг.

В частности стоит отметить, что седьмое возражение, рассматриваемое им, касается возможности существования машин непрерывных состояний, которые автор признает отличными от дискретных. Тьюринг утверждал, что даже если мы являемся автоматами непрерывных состояний, то дискретная машина сможет хорошо подражать нам в игре в имитацию.

Важно

Однако кажется сомнительным, что его соображения достаточны для того, чтобы установить, что при наличии машин непрерывных состояний, прошедших тест, можно сделать дискретный конечный автомат, который также успешно справится с этим испытанием.

В целом, важным моментом представляется то, что хотя Тьюринг признавал наличие значительно более обширного класса машин, помимо дискретных конечных автоматов, он был уверен в том, что правильно спроектированный дискретный автомат может преуспеть в игре в имитацию.

Источник: https://www.syl.ru/article/305841/test-tyuringa-v-chem-zaklyuchaetsya-i-pochemu-ego-tak-slojno-proyti-alan-tyuring

Ссылка на основную публикацию
Adblock
detector