Чем отличается сильный искусственный интеллект от слабого

Сильный искусственный интеллект уже создан

Принимаю поздравления по поводу создания сильного искусственного интеллекта, реализованного в виде библиотеки на Java — LibVMR, а также основания теории обобщающей способности.

С реализацией LibVMR на Java вместе с описанием алгоритма и теорией можно ознакомиться на моём блоге, созданном на blogspot.com. А в моём блоге на mql5.com впоследствии будет опубликована портированная на mql5 библиотека LibVMR вместе с её описанием.

Определение алгоритма, обладающего обобщающей способностью:

  1. Алгоритм машинного обучения, обладающий обобщающей способностью, невозможно переобучить. Т.е. проблема переобучения для таких алгоритмов отсутствует, а потому теорией обобщающей способности даже не рассматривается (для переобучающихся алгоритмов есть теория распознавания образов и статистическая теория обучения, разработанные Владимиром Вапником и Алексеем Червоненкисом).
  2. Алгоритм машинного обучения, обладающий обобщающей способностью, можно только недообучить.
  3. Причиной недообучения алгоритмов обладающих обобщающей способностью является непредставительная обучающая выборка.
  4. Обучающая выборка может быть непредставительной из-за того, что в ней недостает необходимого и достаточного для полного обучения: значимых факторов или обучающих  примеров или  степеней свободы для значимых факторов.
  5. Алгоритмы машинного обучения, обладающие обобщающей способностью, игнорируют избыточные факторы, обучающие примеры и степени свободы для факторов, если обучающая выборка представительна.

Как отличить алгоритм обладающий обобщающей способностью от алгоритма с переобучением? Для этого нужно взять большую представительную выборку и разделить её на две части: обучающую с достаточным для полного обобщения количеством примеров и тестовую.

После чего добавить в обе части непредставительные факторы со случайными значениями и избыточные степени свободы, например, с помощью ядерных преобразований. Обучаем алгоритм на первой части выборки. Если алгоритм обладает обобщающей способностью, то его результативность на тестовой части выборки не ухудшится.

Если алгоритм склонен к переобучению, то будет заметно значительное ухудшение его обобщающей способности на тестовой части выборки.

Обратите внимание

Впрочем, даже если обучающая часть выборки не является полностью представительной, то увеличение степеней свободы в случае обучения на ней алгоритма обладающего обобщающей способностью может привести к увеличению результативности на тестовой части. В случае обучения  переобучающегося алгоритма на обучающей части выборки, даст заметное ухудшение обобщающей способности на тестовой части.

Таким образом, разделив выборку на две части: обучающую и тестовую и обучив на первой части выборки алгоритм машинного обучения, обладающий  обобщающей способностью, можно определить насколько представительна обучающая часть выборки.

Ядерные преобразования для повышения степеней свободы

Наибольшее распространение ядерные преобразования получили в машине опорных векторов (SVM). Основная причина тому, что SVM также, как и векторная машина Решетова (VMR) – это метод обучения одного единственного искусственного нейрона.

Но поскольку машина опорных векторов в отличие от VMR слишком склонна к переобучению и не обладает свойством автопонижения размерности входов, то применение ядер там было чрезмерно осторожным.

А точнее, прежде чем задействовать слабый искусственный интеллект машины опорных векторов с ядерными преобразованиями, необходимо было приложить сильный естественный интеллект биологических специалистов.

Более того, из-за склонности к переобучению SVM, увеличение размерности входов с помощью ядер приводило к «проклятию размерности», а сами ядерные преобразования  для  неё были ограниченными, а именно применялись в основном только двухвекторные варианты.

Это ограничение было связано с тем, что специалист визуально разглядывал многочисленные двумерные диаграммы с на которых проецировались классы в виде разноцветных точек, с целью обнаружения хоть какой либо сепарабельности с помощью ядер. И только после того, как человек с помощью естественного интеллекта находил подходящее ядро, можно было применить интеллект искусственный.

С появлением VMR положение дел изменилось. Искусственный интеллект стал сильным, но не по определению Тьюринга, а гораздо сильнее. Ведь по Тьюрингу «сильным» признавался тот искусственный интеллект, который сравнивался с человеческим (неотличим от человеческого). Но VMR уже гораздо сильнее человека.

Важно

Ведь, если ранее биологическому специалисту по ядерным преобразованиям приходилось выполнять огромную работу с помощью своего естественного интеллекта, чтобы обнаружить какое нибудь подходящее двувекторное или максимум трёхвекторное ядро, то VMR за более короткий промежуток времени может подобрать не одно, а комбинации подходящих многовекторных ядер в более чем трёхмерном пространстве для решения задач бинарной классификации. Естественный интеллект теперь отдыхает. Да впрочем, и пусть отдыхает. Интеллектуальные задачи должны решаться с помощью интеллекта искусственного . Ведь основная задача человечества в том, чтобы освободить самих себя от рутинной деятельности, а не быть рабом обстоятельств.

Источник: https://www.mql5.com/ru/blogs/post/219729

Стоит ли боятся искусственный интеллект который уже среди нас?

Искусственный интеллект уже давно перестал быть фантастикой и проник во многие сферы нашей жизни.

Но большинство людей даже не подозревают, что сталкиваются с ИИ каждый день, например, используя популярные интернет-сервисы.

На что способен современный ИИ и чем ограничены его возможности? Разберемся вместе с Романом Меркуловым, специалистом в сфере машинного обучения компании InData Labs и экспертом на хакатонах AI.Hack.

При словах «искусственный интеллект» многие вспоминают пугающие фильмы и книги, в которых слишком умные машины порабощают человечество и не делают ничего хорошего. На самом деле, все совсем иначе, и важно понимать различия между сильным и слабым искусственным интеллектом.

Системы на основе слабого ИИ нужны для выполнения узкопрофильных задач.

Они не имитируют человека, хотя и справляются со многими вещами гораздо лучше обычных людей: слабый ИИ может распознавать голос или объекты на изображениях, анализировать информацию или играть в шахматы.

Сильный ИИ – все то, чем пугают людей в популярных фильмах. Такая система должна не просто решать поставленные задачи, а понимать суть происходящего, как человек.

Искусственный интеллект знает о вас все

Сегодня ИИ используют для анализа соцсетей и поведения пользователей.

Специально обученные системы выявляют закономерности, влияющие на восприятие контента, находят наилучшее время для публикации того или иного материала, прогнозируют отклик на пост с определенным содержанием и возможные тренды. Но за любой такой системой стоит человек, а ИИ – только инструмент, который помогает ему принять решение.

Соцсети — учебник для изучения человечества

Можно ли манипулировать общественным мнением, обладая такой технологией? Нет, ведь искусственный интеллект — не магия, а простая математика.

ИИ может понять, например, какой бренд одежды вы любите, и затаргетировать на вас рекламу конкурирующего бренда.

Но ему не хватит креативности для создания материала, после прочтения которого вы измените свои предпочтения.

Некоторые онлайн-сервисы уже активно используют ИИ. Например, ролики на YouTube рекомендует сложная многоуровневая модель, изучившая ваши интересы и интересы миллионов других пользователей.

Но ИИ — «игрушка» не для всех. Для разработки хорошей модели необходимо дорогое железо, время и опытные специалисты. А самое главное – данные для обучения ИИ. Именно поэтому в небольших онлайн-магазинах мы сталкиваемся только с ботами, которые делают вид, что помогают в покупке, а на самом деле просто хотят узнать ваш номер телефона.

Соцсети – огромный источник данных, где люди сами рассказывают о себе все необходимое. Многие компании поощряют авторизацию через социальные сети на своих платформах, чтобы собрать больше данных о пользователях, но полноценные системы анализа на основе ИИ используют только крупные сервисы.

Нас будет одевать искусственный интеллект

ИИ не скоро выйдут «в массы», но быстрее всего это может произойти, как ни странно, в фэшн-индустрии.

Вскоре могут появиться системы для онлайн-примерки одежды — представьте, что вы сможете по одному клику узнать, как сидит вещь, просто зайдя на сайт магазина.

Находить подходящие модели тоже станет проще – ИИ сможет посоветовать именно то, что вы ищите, проанализировав ваш гардероб по фотографиям или предыдущим покупкам.

Совет

Эти джинсы вам точно подойдут, я все измерил!

Говоря про искусственный интеллект, который помогает делать покупки в интернете, возникает вопрос – полезна ли такая помощь? Может, ИИ – только хитрый маркетинговый ход для наживы на покупателях?

Конечно, любая компания хочет в первую очередь получить прибыль, а уже во вторую — помочь клиенту. Но хороший алгоритм будет предлагать те вещи, похожие на то, что уже искали вы или люди, похожие на вас. А если рекомендательная система станет рекламировать только дорогие или не нужные вам товары, это лишь навредит репутации бренда.

Машина напишет симфонию, но без смысла

Можно ли создать ИИ, который сможет скопировать человека и полностью заменить его в интернете? Современные технологии позволяют имитировать стиль общения определенного человека – таким же образом искусственный интеллект может подстроиться под стиль художника или композитора. Но все это основано на схожести формы, а не содержания.

Ансамбль электронной музыки

Например, робот сможет написать стихи слогом Маяковского, но любой человек, знакомый (или даже не знакомый) с его творчеством, почувствует подвох. ИИ не сможет вложить в свое произведение столько смысла, как автор-человек.

Также и в интернете: даже если алгоритм будет копировать поведение пользователя в соцсетях, любой собеседник догадается, что это не человек. Так что о появлении человекоподобного ИИ пока можно не волноваться – нас никто не заменит.

Для контроля роботов нужен робокоп

Как ни странно, один из главных вопросов в развитии ИИ – как защитить конечного пользователя от ошибок со стороны интеллектуальных систем.

ИИ умеют практически все: ставить диагнозы, подбирать одежду, убирать урожай… Но если что-то пойдет не так, важно знать, кто виноват, и кто должен отвечать за последствия.

Чтобы не тормозить развитие технологий, необходимо как можно скорее решить эти вопросы.

Не надо документов, я уже все о вас знаю!

Чем быстрее появятся стандарты, законодательно и финансово регулирующие ответственность за ошибки ИИ (особенно в областях с высокими рисками, например, в медицине), тем быстрее такие технологии получат реальное применение в жизни, а люди окажутся в том самом «мире будущего», где всю работу выполняют роботы.

Ии все еще достаточно глуп, но уже умнее человека

Но есть сферы, в которых ИИ не сможет заменить человека. Скорее всего, искусственный интеллект не превзойдет нас в творчестве – от литературы и качественного маркетинга до прорывных открытий в научной сфере.

Даже в простом живом общении нельзя обойтись одним лишь накопленным опытом, и никакой ИИ не сможет справиться с теми вещами, которые выходят за рамки механического обучения, требуют осознанного понимания проблемы и взгляда в будущее.

ИИ может сгенерировать песню, но ее смысл не повлияет на сознание человека. Пока такие разработки – только развлечение и попытки научить ИИ чему-то забавному.

Читайте также:  Робот перекати-поле на службе у ученых

После захватывающих фильмов про Скайнет и восстание машин простым обывателям будет сложно доверять ИИ. Но после продуманной стандартизации мы сможем использовать роботизированные системы так же легко, как обычную бытовую технику.

Источник: https://itcrumbs.ru/stoit-li-boyatsya-ii_28114

Программируемое мышление. Искусственный интеллект vs. человеческий разум

Как-то раз Джон Серл летел в самолете, и в руки ему попалась книга Роберта Шэнка и Роберта Эбелсона, в которой рассказывалось о специальных программах, понимающих рассказы. И тут Серл подумал: «Да это же смешно! Есть простое опровержение.

Пусть это будет рассказ и пусть я буду китайским компьютером. Я все равно не буду понимать рассказ».

[1] Так, в 1980 году появился знаменитый мысленный эксперимент «Китайская комната», в котором Серл утверждает, что разум по отношению к мозгу не то же самое, что программа по отношению к аппаратуре компьютера. [2]

Даже, если искусственный интеллект (далее — ИИ) проходит тест Тьюринга [3], то это еще не значит, что он обладает сознанием и способностью к мышлению.

Это лишь доказывает, что машина умеет хорошо апеллировать своими символами в сложных комбинациях, запрограммированных человеческим разумом.

Таким образом, если довериться Серлу, то ИИ может быть только «слабым» [4] и служить в качестве помощника человека в решении практических задач.

С другой стороны, в статье «Кока-кола и секрет Китайской комнаты» Вадим Васильев доказывает, что «Слабый ИИ» не в состоянии пройти тест Тьюринга лишь благодаря синтаксическим средствам.

Если поставить перед началом теста перед ИИ банку Кока-колы и спросить его элементарный вопрос: «Скажите, что находится прямо перед вами?», он не сможет дать ответа просто потому, что он не был запрограммирован на подобный вопрос. Значит, он провалит тест Тьюринга.

Обратите внимание

И, следовательно, «Слабый ИИ» в данном случае несостоятелен. К тому же, если задать еще более сложный вопрос ИИ: «Нравится ли вам Кока-кола?», он ответит только в том случае, если его ментальное состояние можно будет соотнести с физическим.

[5] То есть нужно сделать ИИ чувствующей машиной, в которой «умственные» запрограммированные процессы будут релевантны его ощущениям. Таким образом, чтобы пройти расширенный тест Тьюринга, нужно обладать качествами «Сильного ИИ» [6].

Кадр из фильма «Бегущий по лезвию» (Реж. Ридли Скотт, 1981). Процесс прохождения теста Тьюринга.  

Вопрос создания «Сильного ИИ» интересовал не только философов, но и, в частности, кинематографистов.

Взять, к примеру, фильм 1981 года «Бегущий по лезвию» Ридли Скотта, снятый буквально через год после публикации статьи Серла. Все персонажи этого фильма поделены на людей и созданных ими репликантов, не отличающихся внешне от людей.

Чтобы отличить одних от других, люди используют тот самый тест Тьюринга, в котором задаются вопросы, нацеленные на эмоциональное восприятие тестируемого. Примечательно, что в этом фильме есть девушка, которая не знала, что она репликант.

То есть здесь ИИ доходит практически до такого уровня, что его невозможно отличить от человека ни по физическим параметрам, ни по ментальным.

В самом деле, можно представить, что в ИИ будет изначально встроена способность к развитию чувственного опыта путем соотнесения ментальных и физических процессов, где каждый внешний фактор способен внедряться в ИИ и воспроизводить в нем определенные эмоции и ощущения, формируя в нем его собственные личностные качества. Накапливание в себе множества таких взаимосвязанных ощущений, где одно восприятие влияет на формирование другого, походит на процесс взросления человека. Если предположить, что такой вариант возможен, то, скорее всего, даже тестом Тьюринга будет невозможно выявить, человек это или ИИ.

К тому же, если брать за модель тестирования тот опрос, который был проведен в «Бегущем по лезвию», то его вполне мог бы не пройти и сам человек.

Вопросы в духе: «Какова ваша реакция на лежащую на спине, беспомощную и не способную самостоятельно перевернуться черепаху?» необязательно должны вызывать сострадание или вообще какие-либо эмоции у человека.

Важно

С таким же успехом внедренная или уже сформированная повышенная чувствительность к умирающим черепахам и другим существам могла бы вызвать у ИИ куда более сильный эмоциональный отклик.

Весь наш процесс взросления и становления происходит за счет памяти. И именно то, как мы интерпретируем те события, которые происходили с нами на протяжении всей жизни, делают из нас тех, кем мы являемся.

Этот эмоциональный опыт складывается из набора внешних воздействий, которые постоянно откладывают на нас отпечаток.

Человек программируется внешними факторами, однако это происходит не в одностороннем порядке, так как он пропускает их через себя и выдает результат их воздействия. Этот результат в каждом человеке проявляется по-разному.

Разница в полученных результатах и есть индивидуальность каждого человека. Его личность — это всего лишь случайная совокупность внешних факторов. В то время, как «личность» предполагаемого совершенного ИИ — совокупность заранее сконструированных факторов.

Можно согласиться с Серлом насчет того, что компьютерное моделирование и ментальные процессы человека — это совершенно разные по своей сути вещи.

Разница по большому счету заключается в том, что компьютерное мышление на данный момент программируется человеком и апеллирует только синтаксисом (определенным набором символов), а человеческое мышление программируется эмоциональной памятью, которой присуща семантическая составляющая. Но и компьютер, и человек являются объектами программирования кого-то или чего-то, в этом и заключается их общий аспект. Скажем, некий абстрактный робототехник занимается разработкой нового ИИ — он его программирует; в то же время у него есть маленький сын, которого он воспитывает, то есть внедряет в него понятия «хорошо/плохо», «правильно/неправильно» и т.п. — и это тоже своего рода программирование.

В излюбленных сюжетах фантастических фильмов «продвинутый» ИИ всегда выходит из–под контроля и пытается захватить мир. Вообще все более и более становится актуальной всеобщая паранойя — порабощение человека техникой. Якобы не человек теперь хозяин машины, но машина хозяин человека.

Совет

Хотя это «порабощение» носит не прямой смысл, так как тут, все–таки, имеется ввиду психологическая зависимость от всевозможных гаджетов и пр.

То есть теперь прогресс самого человека в усовершенствовании ИИ встречается одновременно и с восхищением, и с настороженностью: как бы не случилось чего-нибудь такого, о чем писал в свое время Рэй Брэдбери [7].

Это может казаться абсурдным, но у нас нет никаких доказательств, что все окружающие нас люди и мы сами не являемся ИИ. Однако, какое, в конце концов, это имеет значение для нас самих же, каким образом нас запрограммировали.

Убеждение в том, что человеческий разум абсолютно свободен и волен делать самостоятельный выбор, в отличие от даже самого совершенного ИИ, которому заложены всевозможные действия изначально — всего лишь заблуждение. Человеческое сознание не свободно, оно забито моральными принципами, социальными установками, родительским воспитанием, количеством потрясений в жизни и т.д.

 Именно из–за этого набора факторов человек поступает именно так, и никак иначе. Но только благодаря этим «внедрениям» наше сознание существует в таком виде, в каком оно есть у нас сейчас.

Примечания

[1] См. статью В. Васильева «Кока-кола и секрет Китайской комнаты». С. 2-3.

[2] См. текст Дж. Серла «Разум мозга».

[3] Тест Тьюринга заключается в том, что, если компьютер способен демонстрировать поведение, которое эксперт не сможет отличить от поведения человека, обладающего определенными мыслительными способностями, то компьютер также обладает этими способностями. Следовательно, цель заключается в том, чтобы создать программы, способные моделировать человеческое мышление таким образом, чтобы выдерживать тест Тьюринга.

[4] «Слабый ИИ» — подход, при котором компьютерная модель не обладает способностью мыслить; такой подход предполагает наличие синтаксиса, но отсутствие семантики.

[5] См. статью В. Васильева «Кока-кола и секрет Китайской комнаты». С. 5, 11.

[6] «Сильный ИИ» — подход, при котором компьютеры могут обладать способностью мыслить; такой подход предполагает наличие семантики.

[7] Например, в рассказе «Вельд» Брэдбери повествует о полностью автоматизированном доме, где машины делают абсолютно всю работу за человека вплоть до завязывания шнурков.

В этом доме есть так же детская комната, способная воспроизводить любое желаемое место пребывания.

Заканчивается все это тем, что сами родители стали жертвой этой комнаты, так как дети, как оказалось, очень часто представляли дикую Африку с хищными львами, пожирающими их родителей.

Источник: https://syg.ma/@mariia-maksimova/proghrammiruiemoie-myshlieniie-iskusstviennyi-intielliekt-vs-chieloviechieskii-razum

Исследования

Публикации.

До разработки Тьюрингом универсальной машины, нашедшей свое воплощение в компьютерах, каждый алгоритм приходилось воплощать в виде отдельного устройства. Универсальность компьютеров заключается в их способности превращаться в любое такое устройство, эмулировать его по описанию.

Назначение искусственного интеллекта не просто в воспроизводстве алгоритмов, но в их синтезе при решении различных задач.

Традиционные методы ИИ (слабого ИИ) подобны автоматам, создававшимся до изобретения компьютера, в том, что они способны порождать лишь решения из фиксированных, ограниченных классов.

Обратите внимание

Сильный ИИ должен соотноситься со слабым ИИ так же, как компьютеры соотносятся с теми старыми автоматами, то есть он должен быть универсальным в своей способности синтезировать любой алгоритм.

Существующие технологии, даже такие продвинутые, как глубокое обучение, на это не способны. Также и от попыток построения AGI в форме когнитивных архитектур, собранных из слабых компонент, сложно ожидать неожиданного синергетического эффекта, достаточного для достижения указанной универсальности.

В то же время существующая теория универсального алгоритмического интеллекта является математической абстракцией, не имеющей эффективного практического воплощения.

Наша цель заключается в разработке эффективного универсального интеллекта, не обладающего ограничениями, свойственными методам слабого ИИ.

При этом мы трактуем универсальный интеллект не как один метод, единообразно решающий все проблемы, но как самообучающуюся систему синтеза слабых методов путем специализации (построения эффективной проекции) универсальных методов на конкретные задачи.

Такая система нами разрабатывается как система вероятностного программирования, расширенная методами метавычислений и обладающая чертами когнитивных архитектур, которые трактуются как эвристики, существенно повышающие эффективность системы для функционирования в нашем мире без нарушения ее универсальности.

Наша цель

Наша цель — создание сильного искусственного интеллекта, требующее решения фундаментальных научных проблем достижения универсальности воплощенными системами машинного обучения и принятия решений.

Чем мы отличаемся?

В отличие от других проектов, в которых производится попытка создать сильный искусственный интеллект на основе существующих слабых методов, реализующих те или иные когнитивные функции, мы развиваем модели интеллектуального поведения, для которых вполне обосновано свойство универсальности, повышая их практическую реализуемость.

Наш подход

Мы отталкиваемся от моделей универсального предсказания на основе алгоритмической вероятности, используемой для выбора оптимальных действий, разрабатывая элементы когнитивных архитектур как эвристики, существенно повышающие эффективность моделей для функционирования в нашем мире без нарушения их универсальности.

Нерешенные проблемы

Детальный анализ и реализация когнитивных функций в рамках универсального алгоритмического интеллекта для достижения возможности его практического воплощения далеки от завершения. Основной нерешенной проблемой (которая пока не решается и в других подходах, а зачастую и просто игнорируется) остается организация работы в алгоритмически полном пространстве моделей и решений без выполнения обширного поиска.

Источник: http://aideus.ru/?page_id=5

Сильный искусственный интеллект против слабого

Читайте также:

  1. CRM – технологии и интеллектуальный анализ данных в управлении маркетингом.
  2. II. Интеллигенты и интеллектуалы. «Интеллигенция» с точки зрения «веховцев».
  3. II.Противовоспалительные медиаторы( медиаторы пролиферации)
  4. IV. Генетическая сила породила все органические об разования на Земле, а климат лишь содействует или противодействует этой силе
  5. IV. Противоречие причины и следствия. Принцип детерминизма
  6. IX. Противоречие возможности и действительности
  7. Rival 45 //Противник 45
  8. VI. Противоречие сущности и явления
  9. А) для пресечения сопротивления оказываемого сотруднику полиции
  10. Абсолютные и относительные противопоказания к трансфузии
  11. Августин, А. Против Юлиана / А. Августин // Мир философии. Книга для чтения : в 2 ч. – М., 1991. – Ч. 1. – С. 14.
  12. Автоматизированные консультативные системы для помощи в принятии решений на основе интеллектуального (экспертного) подхода

Гипотеза о том, что машины можно запрограммировать для демонстрации интеллектуального поведения, известна как слабый искусственный интеллект и считается нормальной (до определенных пределов) большей частью человечества.

Однако предположение, что в машинах можно запрограммировать реальную мыслительную деятельность, то есть фактически сознание, что известно под названием сильного искусственного интеллекта, широко оспаривается.

Оппоненты сильного искусственного интеллекта утверждают, что машина по своему существу отличается от человека и поэтому никогда не сможет чувствовать любовь, отличать правду от лжи и думать о себе так же, как это делает человек.

Важно

Защитники же сильного интеллекта считают, что человеческий разум составлен из небольших компонентов, которые по отдельности не являются людьми и не обладают сознанием, но все вместе образуют разумного человека. Почему же, спрашивают они, то же самое невозможно с машинами?

Проблема с разрешением спора о сильном искусственном интеллекте, как можно понять из текста, состоит в том, что разум и сознание — это внутренние характеристики, которые невозможно распознать явно.

Как говорил Алан Тьюринг, мы считаем других людей разумными, потому что они ведут себя разумно — хотя мы не можем увидеть их внутреннее ментальное состояние.

Тогда готовы ли мы допустить подобную самостоятельность мышления машины, если она выказывает внешние признаки разумности? Почему да? Почему нет?

Можно разгадать загадку потенциальной реакции человечества на машины, интеллект которых сравним с нашим, рассмотрев отношение общества к IQ-тестам в середине двадцатого века. Эти тесты должны были выявлять уровень интеллекта детей. Дети в США зачастую классифицировались по результатам тестов и в соответствии с ними направлялись на обучение по соответствующим образовательным программам.

Таким образом, возможность обучаться была у тех детей, которые хорошо справились с тестом, а дети, получившие низкие оценки, направлялись на корректирующие программы обучения. Вкратце, если есть шкала, по которой можно измерить уровень интеллекта человека, то общество начинает пренебрегать возможностями тех, кто оказался на нижнем конце шкалы.

Что же будет делать общество, если «интеллектуальные» способности машин станут сравнимыми или хотя бы будут выглядеть сравнимыми с человеческими способностями? Будет ли общество избавляться от тех представителей, которые показали себя «глупее» машин? Если да, то каковы будут последствия для этих членов общества? Должно ли человеческое чувство собственного достоинства зависеть от того, насколько человека можно сравнить с машиной?

Мы уже начали замечать, что интеллектуальной мощи людей в определенных областях противопоставляются способности машин.

Совет

Сейчас машины могут победить экспертов в шахматах, компьютеризированные экспертные системы могут давать медицинские советы, а эффективность портфелей, которые формируют простые программы, часто превосходит результативность портфелей специалистов по инвестициям.

Как подобные системы влияют на самомнение вовлеченных в проблему людей? Что произойдет с самооценкой человека, если машины начнут превосходить его все в новых и новых областях?

Многие утверждают, что интеллект, демонстрируемый машинами, по своей сущности всегда будет отличаться от человеческого разума, так как люди являются биологическими индивидуумами, а машины — нет.

Поэтому, считают они, машины никогда не смогут воспроизвести процесс принятия решения человеком. Машины могут придти к тем же выводам, что и люди, но они будут сделаны на основе совершенно других знаний и схем, чем у людей.

До какого же предела простираются различия между этими видами разума и будет ли этично для общества следовать путями, предложенными не человеческим разумом?

Мы завершим обсуждение следующей цитатой из книги Джозефа Вайзенбау-ма «Computer Power and Human Reason», в которой он выступает против непроверенных приложений компьютерных технологий:

Компьютеры могут выносить судебные решения, компьютеры могут делать психиатрические заключения. Они могут подбрасывать монетку куда более изощренными способами, чем самый настойчивый человек. Дело в том, что им не следует задавать подобные задачи. Временами они могут даже находить «правильные» решения, но всегда и обязательно путями, с которыми не сможет согласиться ни один человек.

Много споров велось и ведется о «компьютерах и разуме». Я хочу сказать, что подобные исследования не являются ни технологическими, ни даже математическими; они относятся к вопросам этики.

Такие проблемы нельзя решать, задавая вопросы, которые начинаются с «можно». Ограничения приложений компьютеров всегда необходимо формулировать в терминах моральных обязательств.

Даже элементарная интуиция говорит нам о том, что если мы не обладаем возможностями сделать компьютеры умными, мы не должны давать им задачи, требующие ума.

ТЕОРИЯ ВЫЧИСЛЕНИЙ

Обратите внимание

В этой главе мы обсудим, что компьютеры умеют делать и что им недоступно. Мы увидим, как простые машины, например машина Тьюринга, применяются для поиска границы между задачами, которые машины могут решить, и задачами, неподвластными им.

Также мы рассмотрим определенную задачу, известную как проблема останова, решение которой находится за пределами способностей алгоритмических систем и, следовательно, вне диапазона возможностей сегодняшних, да и завтрашних компьютеров.

Кроме того, мы узнаем, что даже среди задач, которые могут быть решены машинами, есть несколько проблем, решение которых настолько сложно, что с практической точки зрения оно невозможно. В завершение мы обсудим, как эту сложность можно использовать в конструировании систем шифрования с открытым ключом.

Источник: http://refac.ru/silnyj-iskusstvennyj-intellekt-protiv-slabogo/

Искусственный интеллект, сильный и не очень

Это принято называть делением искусственного интеллекта на сильный и слабый. Но ИИ и сам будет разумен, получше людей. Нет, здесь ему люди тоже окажутся не нужны. Так что рабство у ИИ нам не очень угрожает.

Искусственный интеллект , сильный и не очень — www.pvsm.ru

С 4 по 7 апреля в Сан-Хосе прошла конференция, организованная компанией NVIDIA, посвященная параллельным вычислениям и искусственному интеллекту . Далее я хотел бы поделиться своими мыслями о состоянии и перспективах разработок в области ИИ

Сильный и слабый искусственные интеллекты — Википедия — ru.wikipedia.org

Сильный и слабый искусственные интеллекты — гипотеза в философии искусственного интеллекта , согласно которой некоторые формы искусственного интеллекта могут действительно обосновывать и решать проблемы. теория сильного искусственного

Искусственный интеллект , сильный и не очень — it-technology.complexdoc.ru

Это принято называть делением искусственного интеллекта на сильный и слабый. Это был очень сложный случай, восемь предыдущих врачей не смогли поставить диагноз больной. Моему учителю хватило одного взгляда на эту женщину, он сразу назначил анализ на реакцию

Чем отличается сильный искусственный интеллект от слабого — neuronus.com

Сильный же искусственный интеллект сможет понимать смысл переводимых фраз. Если человек, общаясь по анонимному каналу связи с ИИ , не сможет понять, что с ним разговаривает робот

OLAP.RU: Искусственный интеллект , сильный и не очень — www.olap.ru

Это принято называть делением искусственного интеллекта на сильный и слабый. Автопилот же как раз может быть очень хорошо обучен именно для таких случаев. 1 200 000 смертей на дорогах ежегодно — такая статистика по планете Земля.

Искусственный интеллект , сильный и не очень — Программные — www.interface.ru

Это принято называть делением искусственного интеллекта на сильный и слабый. Автопилот же как раз может быть очень хорошо обучен именно для таких случаев. 1 200 000 смертей на дорогах ежегодно — такая статистика по планете Земля.

Искусственный интеллект , сильный и не очень , Разное — www.sdteam.com

Это принято называть делением искусственного интеллекта на сильный и слабый. Автопилот же как раз может быть очень хорошо обучен именно для таких случаев. 1 200 000 смертей на дорогах ежегодно — такая статистика по планете Земля.

Возможно ли создать сильный искусственный интеллект , не — www.pvsm.ru

Все это звучит очень красиво. Но что насчет ИИ , который значительно превзойдет человеческий разум ? Искусственный сверхразум (ASI), или сильный искусственный интеллект (СИИ)

Искусственный интеллект , сильный и не очень — www.NanoNewsNet.ru

Это принято называть делением искусственного интеллекта на сильный и слабый. Автопилот же как раз может быть очень хорошо обучен именно для таких случаев. 1 200 000 смертей на дорогах ежегодно – такая статистика по планете Земля.

Возможно ли создать сильный искусственный интеллект , не — habrahabr.ru

Все это звучит очень красиво. Но что насчет ИИ , который значительно превзойдет человеческий разум ? Искусственный сверхразум (ASI), или сильный искусственный интеллект (СИИ)

Так что такое искусственный интеллект и и почему его не стоит — rb.ru

Пока люди боятся чего-то, что сильнее их — будущее искусственного интеллекта очень печальное. Наверное, главная сегодняшняя задача — позволить технологиям развиваться и не тормозить этот процесс.

2. Искусственный интеллект — это очень широкое понятие. — habrahabr.ru

Фильмы заставляют воспринимать Искусственный интеллект , как фантастику. 2. Искусственный интеллект — это очень широкое понятие. Иногда называют сильным ИИ или Интеллектом человеческого уровня.

Zillion — Прогресс — Искусственный интеллект : что это на самом — zillion.net

Американский информатик, автор термина « искусственный интеллект », изобретатель языка Lisp, основоположник функционального программирования. Очень интересный и важный момент: слово « интеллект » в этом понятии метафорично, поскольку ИИ : сильный и слабый.

Дорога от слабого искусственного интеллекта к сильному . — www.MirPrognozov.ru

2) Сильный Искусственный Интеллект (AGI), также известный как ИИ человеческого уровня, — это компьютер, способный решить Профессор Линда Готтфредсон описывает интеллект как « очень общую психическую способность, которая, помимо всего прочего, включает в себя

Взгляд хорошо информированного скептика на искусственный — www.pvsm.ru

Начнём с провокации: я не верю, что искуственный интеллект будет создан в обозримом будущем; то, что сейчас принято называть искусственным интеллектом , не имеет ничего общего с настоящим интеллектом . Искусственный интеллект , сильный и не очень .

Нас не догонит! Так ли умён и опасен искусственный интеллект ? — newizv.ru

Вероятность технологической сингулярности есть, ведь мы очень мало знаем о том, что интеллект и самосознание из себя представляют. К концу 21 века искусственный интеллект будет настолько силен , что изменит все в нашей жизни.

Сильный и слабый искусственный интеллект — Студопедия — studopedia.ru

На Студопедии вы можете прочитать про: Сильный и слабый искусственный интеллект . Очень важно отдавать себе отчет в том, что именно было доказано с помощью этого рассуждения и что нет.

Искусственный интеллект , сильный и не очень — PCNEWS.RU — pcnews.ru

Искусственный интеллект , сильный и не очень 16.04.2016 03:51. С 4 по 7 апреля в Сан-Хосе прошла конференция, организованная компанией NVIDIA, посвященная параллельным вычислениям и искусственному интеллекту .

Люди с усиленным интеллектом могут быть эффективнее ИИ — hi-news.ru

Почему вместо попыток разработать общий искусственный интеллект (ОИИ) или же даже искусственный сверхинтеллект (ИСИ), не Ведь физически сильный человек может быть при этом быть больным, так и очень умный человек может обладать некими интеллектуальными

Источник: http://odnako.su/hi-tech/pc-hardware/-501961-iskusstvennyj-intellekt-silnyj-i-ne-ochen/

Революция искусственного интеллекта (Часть 1) — Мир прогнозов

Дорога к сверхинтеллекту

Что такое ИИ?

Если вы похожи на меня, то для вас искусственный разум — это выдумка из мира фантастики, и вы не до конца понимаете суть, когда слышите, как это обсуждают серьезные ученые. Есть несколько причин, по которым людей смущает термин ИИ.

1) Мы связываем его с фильмами. Звездные войны, Терминатор, Космическая одиссея–2001 с вымышленными персонажами — роботами, которые заставляют нас думать об ИИ как о каком–то художественном вымысле.

2) ИИ — очень широкая тема. Он может быть представлен как в виде калькуляторов, так и в виде самоуправляемых автомобилей или даже чего–то, что в будущем сильно изменит нашу жизнь. ИИ относится ко всем этим вещам, что и приводит к путанице.

3) Мы пользуемся им в повседневной жизни, не осознавая того, что это искусственный интеллект. Джон Маккарти, который в ввел термин «искусственный интеллект» в 1956 году, жаловался: «Стоит ему действительно заработать, как все сразу перестают называть его ИИ.

» Из–за этого феномена термин звучит больше как нечто из разряда фантастики. В тоже время это звучит и как популярная концепция, которая так и не была реализована.

Курцвейл говорил, что часто слышит, как люди говорят что идея ИИ изжила себя еще в 80–х, таких людей он сравнивает с теми, кто утверждает, что интернет умер с пузырем доткомов.

Итак, давайте внесем некую ясность. Первым делом перестаньте думать о роботах. Робот — это всего лишь оболочка ИИ, которая иногда подражает человеческому образу, но ИИ — это только компьютер внутри робота. ИИ – это мозг, а робот — это тело, если оно вообще есть.

Например, помощник в iOS Siri (которая, кстати, скоро заговорит по–русски — прим. пер. ) — это ИИ, а женский голос — это персонификация ИИ, и при этом нет никакого робота. Во–вторых, вы наверное слышали термин «сингулярность» или «технологическая сингулярность».

Важно

Этот термин используется в математике, чтобы описать ситуацию, при которой обычные законы уже не действуют. В физике он используется для того, чтобы описать феномены вроде черной дыры или состояния, в котором пребывала Вселенная до Большого Взрыва.

В 1993–м году Вернор Виндж использовал этот термин в своем знаменитом эссе, чтобы описать поворотный момент в истории, когда искусственный интеллект превысит человеческий, то есть жизнь изменится, и обычные правила будут неприменимы.

Рэй Курцвейл потом еще немного запутал все, определив сингулярность как момент, когда ускоряющаяся отдача достигнет такого пика, при котором технологический прогресс начнет происходить в бесконечном темпе, после чего мы будем жить в совершенно ином мире.

Как я заметил, сегодняшние исследователи ИИ не особо прибегают к этому термину, в любом случае он всех запутывает, так что я не буду приводить его здесь часто (хотя мы сосредоточим наше внимание на этой идее на протяжении всего текста).

Наконец, существует множество различных видов и форм ИИ, и, как мы уже решили — это в целом очень широкое понятие. Критические категории, которыми нам следует мыслить в вопросах ИИ, можно разделить на три основных уровня:

1) Слабый Искусственный Интеллект (ANI) — это такой ИИ, который специализируется в одной области. Есть ИИ, способный победить в чемпионате мира по шахматам, но это все, что он умеет. Скажи ему организовать информацию на жестком диске удобным способом, и он посмотрит на тебя пустым 1010101–взглядом.

2) Сильный Искусственный Интеллект (AGI), также известный как ИИ человеческого уровня, — это компьютер, способный решить любую умственную задачу, которую способен решить человек. Создать AGI намного сложнее, чем ANI, и нам это только предстоит сделать. Профессор Линда Готтфредсон описывает интеллект как «очень общую психическую способность, которая, помимо всего прочего, включает в себя способность рассуждать, планировать, решать проблемы, мыслить абстрактно, понимать сложные идеи, быстро учиться и учиться на опыте» AGI будет справляться со всем этим с такой же легкостью, как и вы.
3) Искусственный сверхинтеллект (ASI). Оксфордский философ и ведущий мыслитель в области ИИ Ник Бостром определяет ASI как «интеллект, который намного умнее лучших человеческих умов практически в любой сфере, в том числе научного творчества и социальных навыков». ASI, в свою очередь, варьируются от компьютеров, которые немного умнее человека, до тех, которые превышают возможности человеческого разума по всем направлениям в триллионы раз. ASI – причина по который ИИ — настолько острая тема, что в этом посте скоро появятся слова «аморальность» и «вымирание». На сегодняшний день люди покорили ИИ только самого мелкого калибра, ANI, и теперь они повсюду. Революция Искусственного интеллекта – это путь от ANI через AGI к ASI. Дорога, которую мы переживем, а может и нет, но в любом случае она изменит абсолютно все. Давайте внимательно посмотрим на то, каким видят этот путь ведущие мыслители в этой области и почему эта революция может произойти намного раньше, чем вы могли бы себе представить:

Сейчас весь мир работает на ANI

Источник: http://www.MirPrognozov.ru/prognosis/science/doroga-k-sverhintellektu/

Сильный и слабый искусственный интеллект

Базовые понятия, чтобы разобраться в связи между анализом больших данных и разработкой искусственного интеллекта

Информация и данные, алгоритмы и структуры данных

Строго говоря, у информации (information) нет общепринятого конструктивного определения, любая ее формализация упирается в проблему герменевтического круга: она определяется только через себя рекурсивным уточнением. Зато есть много дистинктивных определений.

Например, Норберт Винер в 1948 году постулировал, что информация — это не материя и не энергия! А данные (data) — это информация, представленная в форме, пригодной для обработки человеком или компьютером (в нашем случае именно компьютером).

Совет

Данные, предназначенные для управления конкретными компонентами системы обработки информации для реализации определенного алгоритма, называют программами. Алгоритм (algorithm) в простейшем определении — это четкое описание последовательности элементарных действий исполнителя над исходными данными для достижения некоторой цели.

Интересно, что все сложнейшее поведение современных компьютеров, включая основные формы искусственного интеллекта, построено на классических детерминированных алгоритмах, а вот о том, как реализовано интеллектуальное поведение, свойственное человеку, до сих пор продолжаются споры.

По ссылке можно посмотреть прекрасное введение в проблематику алгоритмизации и рассказ о сложности ответа на вопрос «Что такое алгоритм?».

Большие данные (Big Data)

Объемные, быстро растущие в количестве и многообразные по структуре и типам информации данные. Также под этим термином понимается совокупность технологий для работы с большими массивами данных. В бытовом смысле большими данными часто считают то, что принципиально не помещается на отдельный «сервер».

Термин появился в 2008 году благодаря статье редактора Nature Клиффорда Линча и сразу был подхвачен маркетологами. Всплеск интереса к большим данным во многом связан с ростом вычислительных мощностей, позволяющих их обрабатывать.

Одни из наиболее важных источников больших данных — интернет вещей и социальные медиа.

Эксплицитное и имплицитное знание

Исторически у знания (knowledge) даже больше определений, чем у информации. Можно сказать, что знания — это данные вместе с методами применения этих данных либо знания — это данные, объясняющие, как использовать другие данные.

Можно долго обсуждать необходимость учета субъекта, обладающего знаниями и применяющего знания, — человека. Задачу усложняет формализация в информатике понятия метаданных (metadata), то есть данных, описывающих другие данные.

Метаданные участвуют в определении классической тройки «формат — интерфейс — протокол».

Обратите внимание

Особо важным в связи с развитием искусственного интеллекта стало различение явного (эксплицитного) и неявного (имплицитного) знания.

Это различие связано с ответом на вопросы «Можно ли передать знание от одного субъекта другому и насколько полно?» и «Сможет ли субъект применить переданное ему знание для решения задачи?».

Сейчас эти вопросы обсуждаются сразу в нескольких областях, из которых выделим онтологическое моделирование, где онтологией называются такие знания, которые Том Грубер в 1993 году определил как «эксплицитную спецификацию концептуализации».

Сильный и слабый искусственный интеллект

Предполагается, что искусственный интеллект может быть способен мыслить и осознавать себя, пусть и не так, как это делает человек, — такой искусственный интеллект называют сильным (Strong AI или True AI).

Сильный искусственный интеллект может принимать решения, действовать в условиях неопределенности, решать головоломки, и, что особенно важно, у него есть общая система знаний, представлений о мире и реальности, что позволяет ему обучаться, планировать и общаться на любую тему.

Слабый искусственный интеллект (Weak AI или Narrow AI) на это не способен, но позволяет решать задачи, которые традиционно считались творческими. Большинство сегодняшних разработок относятся к слабому ИИ.

С его помощью мы пытаемся автоматизировать некоторые процессы принятия решения, задачи распознавания и генерации образов. В частности, традиционно к слабому ИИ относят классическое машинное обучение.

Тест Тьюринга

Тест, предложенный Аланом Тьюрингом в 1950 году. Цель теста — определить, может ли машина мыслить неотличимо от человека. Предполагается, что программа, поддерживая диалог с экспериментатором в текстовом режиме, должна ввести его в заблуждение и убедить, что он беседует с настоящим человеком.

Важно

Тест проводится в форме разговоров как с человеком, так и с компьютером. Тест считается пройденным, если экспериментатор примерно в половине случаев верно отвечает на вопрос «Говорите ли вы с компьютером?».

У теста Тьюринга существует множество вариантов, а также проводится конкурс на премию Лёбнера (Loebner prize), на котором разработчики представляют свои программы для прохождения теста Тьюринга.

Зима AI

Термин впервые появился в 1984 году и означает период спада интереса к разработке искусственного интеллекта. Выделяется две «зимы»: 1974–1980 годы и 1987–1993 годы.

С первым периодом связан первый неудачный опыт машинного перевода (1966), неудачи в развитии идей коннекционизма (моделирование мыслительных или поведенческих явлений как процессов становления в сетях из связанных между собой простых элементов) и в целом спад количества исследований на эту тему в ведущих международных центрах.

В 1987 году резко снизился интерес к Лисп-машинам (в том числе из-за закона Мура), хотя десятилетием ранее они считались перспективной платформой для разработки искусственного интеллекта, а к 1993 году из активного обращения вышло первое поколение так называемых экспертных систем, основанных на текстовом человеко-машинном интерфейсе: их вытеснили графические системы. Одной из наиболее пострадавших областей считается область исследования нейронных сетей. Многими исследователями обсуждается приход в начале 2020-х годов новой зимы AI.

Поддержи проект ai-news рублем. Машины верят в тебя! >>

Источник: http://webbtc.ru/silnyi-i-slabyi-iskysstvennyi-intellekt.html

Ссылка на основную публикацию