Ученые создали компьютер, способный обучать другие компьютеры

Квантовый компьютер замахнулся на искусственный интеллект

Квантовые компьютеры можно использовать не только для проведения сложнейших и неподъемных расчетов, недоступных для обычных компьютеров, но и для создания уникальных систем машинного обучения и искусственного разума, говорится в обзорной статье, опубликованной в журнале Nature.

Фото: Sk.ru.

«Наша команда дискутировала по скайпу до поздней ночи, к какой области науки отнести наше исследование.

Мы многократно переписывали нашу статью, меняли основную мысль, в конечном счете написали три версии за 8 месяцев, не имеющие между собой ничего общего, кроме названия — и итоге отправили конечный вариант в журнал Nature», — рассказывает Якоб Биамонте (Jacob Biamonte), сотрудник Сколтеха и специалист в области квантовой физики, чьи слова приводит пресс-служба института.

Стремительный рост объема данных, вырабатываемых и используемых человечеством в повседневной жизни, заставляет сегодня программистов, инженеров, физиков и представителей других наук искать новые способы обработки информации.

Обратите внимание

Самые большие надежды сегодня возлагаются на две вещи – квантовые компьютеры, способные обрабатывать космически большие объемы данных, и на системы машинного обучения и искусственного интеллекта, умеющие искать полезную «иголку» в «стоге сена» бесполезной информации, не тратя на это много ресурсов.

Сегодня многие IT-компании и простые ученые, как рассказывает Биамонте, часто задумываются о том, можно ли объединить эти две вещи и как это стоит сделать, если это возможно.

В настоящее время ученые «Сколтеха» и их зарубежные коллеги пытаются сформулировать «дорожную карту» развития систем машинного обучения на базе квантовых компьютеров.

Для этого инженеры проанализировали то, как различные алгоритмы, используемые сегодня в работе систем искусственного интеллекта, могут быть ускорены, если перевести их с языка «обычных» компьютеров на язык их квантовых аналогов.

«О квантовом компьютинге, о конце эры силикона, кремния и переходе на оптику в компьютерах говорят уже лет 20. Первые 10 лет это всем казалось научной фантастикой, а сейчас мы фактически стоим на пороге компьютерной революции.

Что такое ИИ, о котором нам все время рассказывают? Это фактически возможность по определенному алгоритму перебирать кучу комбинаций и задавать не жесткие связи «если — то», а задавать вариативные сценарии, при помощи которых компьютер мог выбирать лучшую альтернативу из имеющихся хороших», —говорит о принципе работы ИИ эксперт в области информационной безопасности Александр Власов.

Собеседник ФАН утверждает, что будущее за ИИ, созданным на основе квантовых компьютеров. Дело в том, что квантовые вычислительные машины по быстродействию максимально приближены к работе человеческого мозга.

«И туда действительно можно загнать кучу связей, позволяющих создавать прогнозы. Да, у ИИ не будет человеческой интуиции, не будет способности совершать необдуманные поступки, рожать прорывные идеи. Я думаю, что лет через 5-10 мы сможем увидеть результат такой кооперации. Интернациональный коллектив «Сколтеха» позволит ускорить движение в данном направлении», — продолжает эксперт.

Власов поясняет, что новые вычислительные системы могут ускорить работу фактически всех существующих алгоритмов и операций, начиная от молекулярного, финансового моделирования и криптографии, заканчивая прогнозированием погоды, развитием физики частиц и разработкой новых технологий практически во всех сферах жизнедеятельности человека.

Напомним, 1 сентября миллионы российских школьников увидели телевизионное обращение президента России Владимира Путина, который заявил что «искусственный интеллект — это будущее не только России, это будущее всего человечества. А тот, кто станет лидером в этой сфере, будет властелином мира».

Источник: 1neof.ru

Источник: http://sk.ru/news/b/press/archive/2017/09/26/kvantovyy-kompyuter-zamahnulsya-na-iskusstvennyy-intellekt.aspx

Квантовые компьютеры могут использовать в машинном обучении

Обычно мы рассматриваем информацию как некий абстрактный или виртуальный объект. Однако храниться эта информация должна на физическом носителе.

Поэтому работа устройств, предназначенных для ее обработки, регулируется законами физики. Физические пределы способности машин к обучению также подчиняются этим законам.

Самая известная физическая теория – квантовая, и при определении абсолютных пределов способностей компьютера к обучению нужно обращаться именно к ней.

Важно

Квантовый алгоритм – это многоступенчатая процедура, выполняемая на квантовом компьютере для решения той или иной проблемы, например поиска в базе данных.

Программное обеспечение для квантового машинного обучения использует квантовые алгоритмы для обработки информации, и делает это способом, недоступным для классического компьютера.

Это открывает совершенно новые возможности и перспективы, которые могут превзойти самые известные классические алгоритмы, использующиеся в машинном обучении. Эффект, которого удается достичь с помощью квантовых компьютеров, называется «квантовым ускорением машинного обучения».

Методы машинного обучения используют математические алгоритмы для поиска определенных паттернов в больших массивах данных. Машинное обучение широко используется в биотехнологиях, фармацевтике, практической физике и многих других областях.

Благодаря способности адаптироваться к новым данным, машинное обучение сильно превосходит способности людей. Несмотря на это, с некоторыми сложными задачами машинное обучение пока справиться не может.

Ожидается, что квантовое ускорение станет возможным для множества задач машинного обучения, начиная от оптимизации и заканчивая глубинным обучением нейронных сетей.

В статье, опубликованной в журнале Nature, международная группа ученых под руководством сотрудника Сколтеха Якоба Биамонте (Jacob Biamonte) рассказывает о том, какие шаги надо предпринять, чтобы квантовое ускорение машинного обучения стало возможным на практике.

Согласно мнению ученых квантовое машинное обучение может увеличить скорость и точность ряда базовых алгоритмов классического машинного обучения.

Дело в том, многие модели классического машинного обучения  (в частности,  глубинное обучение) основаны на классической симуляции систем, состоящих из большого количества двухуровневых подсистем (каждая из таких подсистем может находиться в одном из двух состояний).

Совет

У этой математической конструкции есть прямой физический аналог – спиновые системы Изинга, хорошо известные  в квантовой и статистической физике. Квантовая механика позволяет увеличить производительность систем Изинга (т.н. больцмановских машин или машин глубинного обучения). 

Возможность использования  квантовых компьютеров в машинном обучении привлекает в последнее время  все больше внимания на фоне быстрорастущей мощности квантовых компьютеров. Эта возможность оказалась довольно неожиданной для физиков.

Многие ученые полагают, что одной из основных задач квантового компьютера будет моделирование процессов химической физики для фармацевтической промышленности с целью открытия новых лекарств. Сейчас становится ясно, что определенные модели машинного обучения, в особенности глубинного обучения, имеют свой квантовый эквивалент.

Квантовое машинное обучение может быть использовано в тандеме с уже известными в квантовой теории информации методами, применимыми в квантовой химии. Это откроет новые возможности в наступающей эре квантовых технологий.

«Наша команда дискутировала по скайпу до поздней ночи, к какой области науки отнести наше исследование. Мы многократно переписывали нашу статью, меняли основную мысль, в конечном счете написали три версии за 8 месяцев, не имеющие между собой ничего общего, кроме названия – в итоге отправили конечный вариант в журнал Nature», – рассказывает Якоб Биамонте.

Источник: https://naked-science.ru/article/column/kvantovye-kompyutery-mogut-byt

Активность мозга слишком сложна для расшифровки — для нас это сделают компьютеры

За последние несколько лет лаборатория нейробиологии Джека Галланта извела кучу бумаги на исследования, выводы из которых звучат абсурдно.

В 2011 году лаборатория показала, что возможно воспроизвести видеоклипы, опираясь лишь на наблюдения за активностью мозга людей, которые их смотрят.

Используя компьютер для воссоздания образов фильма и сканируя для этого мозг человека, который смотрит этот фильм, в каком-то смысле можно заниматься чтением мыслей.

Подобным же образом в 2015 году команда ученых под руководством Галланта смогла определить, какие известные картины люди, чья мозговая активность наблюдалась, рисовали в уме.

В этом году команда объявила в журнале Nature, что они создали «атлас», в котором зафиксировали, где в мозгу располагаются более 10 000 отдельных слов — просто изучая, как участники эксперимента слушают подкасты.

Как им все это удалось? С помощью возможностей машинного обучения — можно сказать, искусственного интеллекта, который смог вскрыть огромную сокровищницу информации головного мозга и определить паттерны его активности, позволяющие угадывать, что происходит у нас в сознании.

Цель построить машину для чтения мыслей не стояла (хотя часто так думают). Нейробиологи не собираются красть пароли прямо у вас из головы. Ваши страшные тайны их тоже не интересуют. Настоящая цель гораздо величественнее.

Обратите внимание

Превратив нейробиологию в науку о «больших данных» и используя машинное обучение для изучения этих данных, Галлант с коллегами вступили на путь возможной революции в наших представлениях о мозге.Ведь все-таки человеческий мозг — это самый сложноустроенный объект, известный нам во вселенной, и мы едва знаем его.

Безумная идея лаборатории Галланта — идея, которая могла бы помочь нейробиологии «вырасти» из детского возраста и встать на ноги — состоит вот в чем: может быть, нам стоит создать специальные машины, которые объяснят нам наш собственный мозг.

Есть надежда, что если мы сможем расшифровать невероятно затейливые узоры активности мозга, то тогда сможем и понять, как исправлять последствия его болезней.

Функциональная МРТ — основной инструмент изучения и анализа функций мозга и его анатомии — была изобретена только в 90-х и она дает нам лишь очень приблизительную картину.

Нейроны мозга

Для сравнения: самый маленький элемент активности мозга, который может зафиксировать фМРТ, — это так называемый воксел. Обычно такие вокселы чуть меньше, чем куб со стороной один миллиметр. А в одном вокселе может быть 100 000 нейронов.

Как мне объяснил нейробиолог Техасского университета Тал Яркони (Tal Yarkoni), фМРТ «напоминает полет над городом в поисках зажженных фонарей».Снимки традиционной фМРТ могут показать, где находятся обширные зоны, связанные с поведением, — например, где у нас рождаются негативные эмоции или какие зоны активизируются, когда мы видим знакомое лицо.

Но при этом мы не знаем, какую именно роль та или иная зона играет в нашем поведении, и имеют ли решающее значение также и менее активные зоны. Наш мозг — это не набор конструктора «Лего», где каждая из деталей имеет конкретное назначение. Это целая система активностей. «Каждая область мозга имеет 50%-ный шанс оказаться связанной с любой другой областью», — говорит Галлант.

Поэтому простые эксперименты по поиску в мозге, например, «зоны голода» или «зоны внимания» фактически не могут дать удовлетворительного результата.

«Последние 15 лет мы разглядывали эти очаги активности и размышляли о том, что это и есть вся информация здесь — сами очаги», говорил мне в июле Петер Бандеттини, руководитель отделения методики фМРТ в Национальном институте психического здоровья.

«А оказывается, что каждый нюанс каждого очагаа, малейшее изменение в его колебаниях содержит информацию о деятельности мозга, мы в этом еще даже не до конца разобрались. Вот почему нам нужны эти технологии машинного обучения. Наши глаза видят эти очаги, но не различают их структуру. Структура слишком сложна».Вот пример.

Традиционное представление о том, как мозг использует язык, заключается в том, что процесс происходит в левом полушарии и двух специальных зонах — зоне Брока и зоне Вернике — центрах языковой активности. Если эти зоны буду повреждены, вы станете неспособны к лингвистической деятельности.

Но Алекс Хут (Alex Huth), постдокторант Лаборатории Галланта, недавно показал, что такое понимание слишком упрощенно. Хуту хотелось знать, участвует ли в использовании языка весь мозг.

В одном его эксперименте несколько участников слушали двухчасовой подкаст, в котором рассказывалась история под названием «Мотылек», в то время как он с коллегами записывал их мозговую активность с помощью сканеров фМРТ. Цель была установить связь между активностью определенных зон мозга и прослушиванием конкретных слов.

Читайте также:  В сша пчелы будут заменены на роботов

Это дало огромный объем информации, больше, чем какой-либо человек в состоянии обработать, рассказал Галлант. Но компьютерная программа, обученная поиску паттернов, может их определять. И с помощью программы, которую создал Хут, оказалась возможным нарисовать «атлас», показывающий где то или иное конкретное слово «живет» в мозгу.«Исследование Алекса показало, что огромные части мозга участвуют в семантическом осмыслении», — говорит Галлант. Кроме того, он показал, что слова со смежными значениями — типа «пудель» и «собака» — располагаются в мозгу рядом друг с другом.Так в чем же значение подобного проекта? В сфере науки прогнозирование означает власть. Если ученые объяснят, как ошеломляющий шквал мозговой активности отражает лингвистическую активность, они смогут построить лучшую модель работы мозга. А если они создадут рабочую модель, то смогут лучше понять, что случается, когда переменные изменяются — когда мозг нездоров.

Что такое машинное обучение?

Источник: https://inosmi.ru/science/20170110/238494303.html

Почему мы всегда позади: как в России создали первый компьютер и что из этого вышло

Русские были пионерами и в области разработки вычислительных устройств, электронных вычислительных машин (ЭВМ), математических основ информатики. В последние годы существования Российской империи русские инженеры и ученые сделали важные шаги на пути развития вычислительных устройств.

В советский период целая групп математиков, среди них Владимир Котельников, Андрей Колмогоров, Израиль Гельфанд и другие, внесли существенный вклад в развитие теории информации. Советские ученые и инженеры создали первую цифровую электронную вычислительную машину в континентальной Европе.

Когда американские и советские инженеры начали сотрудничать в области освоения космоса, в некоторых случаях советские инженеры «считали» задачи гораздо быстрее своих американских коллег. Однако в последующие годы интерес к ЭВМ все больше переходил в коммерческую плоскость, и Советский Союз не выдержал конкуренции.

Важно

Советские ученые, работавшие в области вычислительных технологий, были вынуждены оставить свои разработки и принять стандарты IBM. Сегодня на международном рынке не представлено ни одного значительного компьютерного производителя из России.

Русские довольно рано начали проявлять научную активность в области разработки вычислительных машин, теории информации и компьютеров. Еще до революции 1917 года русские инженеры и ученые существенно продвинулись в этой области. Русский морской инженер и математик Алексей Крылов (1863–1945) интересовался применением математических методов в судостроении.

В 1904 году он создал автоматическое устройство для решения дифференциальных уравнений. Другой молодой инженер, Михаил Бонч-Бруевич (1888–1940), также работавший в Санкт-Петербурге, занимался вакуумными лампами и их применением в радиотехнике.

Около 1916 года он изобрел одно из первых двухпозиционных реле (так называемое катодное реле) на основе электрической цепи с двумя катодными трубками.

Одним из пионеров теории информации на Западе был Клод Шеннон. В 1937 году в Массачусетском технологическом институте он защитил магистерскую диссертацию, в которой продемонстрировал, что комплексы реле в совокупности с двоичной системой счисления могут применяться для решения проблем булевой алгебры.

Результаты научных работ Шеннона составляют основу теории цифровых сетей для ЭВМ. Но немногие на Западе знают, что двумя годами ранее, в 1935-м, русский логик Виктор Шестаков выдвинул похожую теорию релейно-контактных схем, основанную на булевой алгебре, но опубликовал он свою работу только в 1941 году, через четыре года после Шеннона.

Ни Шеннон, ни Шестаков ничего не знали о работах друг друга.

Первая электронная вычислительная машина в континентальной Европе была создана в обстановке секретности в 1948–1951 годах в местечке под названием Феофания возле Киева. До революции здесь был монастырь, окруженный дубравами и цветущими лугами, изобиловавшими ягодами, грибами, здесь водились дикие звери и птицы.

В ранние годы советской власти в монастырских зданиях разместилась психиатрическая лечебница. Превращение религиозных учреждений в исследовательские или медицинские заведения было довольно частой практикой в советском государстве.

Во время Второй мировой войны все пациенты лечебницы были убиты или пропали без вести, а здания разрушены. Весной и осенью дорогу к этому местечку развозило так, что по ней было невозможно проехать. Да и в хорошую погоду приходилось трястись по кочкам.

В 1948 году полуразрушенные здания были переданы инженеру-электротехнику Сергею Лебедеву для создания электронной вычислительной машины.

В Феофании Лебедев, 20 инженеров и 10 помощников разработали Малую электронно-счетную машину (МЭСМ) — одну из самых быстрых ЭВМ в мире, обладавшую многими интересными характеристиками. Ее архитектура была полностью оригинальна и не походила на архитектуру американских ЭВМ, которые единственные в мире превосходили ее на тот момент.

Алиса Григорьевна Лебедева о жизни своего супруга, основоположника вычислительной техники в СССР Сергея Лебедева, в Москве в 1941 году во время бомбежек немецкой авиации.

Совет

Сергей Лебедев родился в 1902 году в Нижнем Новгороде (позднее переименованном в Горький, не так давно ему было возвращено прежнее историческое имя). Его отец был школьным учителем, его часто переводили с места на место, так что детство и юность Сергея прошли в разных городах, в основном на Урале.

Затем отца перевели в Москву, и там Сергей поступил в Московское высшее техническое училище имени Баумана, известное сегодня как Московский государственный технический университет имени Н.Э. Баумана.

Там Лебедев заинтересовался техникой высоких напряжений — областью, требовавшей хорошей математической подготовки. По окончании учебы он работал преподавателем в Бауманском университете, занимался исследовательской работой в Лаборатории электрических сетей.

Лебедев был заядлым альпинистом и позднее назвал один из своих компьютеров в честь высочайшей вершины Европы Эльбруса, которую он успешно покорил.

В конце 1930-х годов Лебедев заинтересовался двоичной системой счисления.

Осенью 1941 года, когда Москва погружалась в полную темноту, спасаясь от налетов фашистской авиации, его супруга-музыкант вспоминала, что «обычно он уносил свои бумаги и свечу в ванную комнату, где часами рисовал единицы и нули».

Позднее во время войны его перевели в Свердловск (ныне Екатеринбург), где он работал на военную промышленность.

Лебедеву требовалась вычислительная машина, способная решать дифференциальные и интегральные уравнения, и в 1945 году он создал первую в России электронную аналоговую вычислительную машину. При этом у него уже была идея создания цифровой ЭВМ на основе двоичной системы счисления. Что интересно, насколько нам известно, в то время он не был знаком с научными разработками в этой области ни своего соотечественника Шестакова, ни американца Клода Шеннона.

В 1946 году Лебедева перевели из Москвы в Киев, где он начал работу над ЭВМ. В 1949 году Михаил Лаврентьев, ведущий математик, член Академии наук УССР, который был знаком с работами Лебедева, написал Сталину письмо с просьбой поддержать работы в области вычислительной техники, подчеркнув при этом их важность для обороны страны.

Обратите внимание

Сталин поручил Лаврентьеву создать лабораторию моделирования и вычислительной техники. Возглавить эту лабораторию Лаврентьев пригласил Лебедева. У Лебедева появились финансирование и статус.

В то же время приказ Сталина демонстрировал роль политической власти — а фактически значимость одного человека — в продвижении технологий в Советском Союзе.

Лебедев разработал МЭСМ всего через три или четыре года после создания первого в мире электронного компьютера ENIAC в США и одновременно с британским EDSAC. К началу 1950-х годов МЭСМ использовалась для решения задач в области ядерной физики, комических полетов, ракетостроения, а также передачи электроэнергии.

В 1952 году вслед за созданием МЭСМ Лебедев разработал еще одну вычислительную машину — БЭСМ (сокращение от Большая (или Быстродействующая) электронно-счетная машина). Это была самая быстродействующая ЭВМ в Европе, по крайней мере в течение некоторого периода, способная составить конкуренцию лучшим мировым разработкам в этой области. Это был триумф.

БЭСМ-1 была выпущена в единственном экземпляре, но уже следующие модели, особенно БЭСМ-6, производились сотнями и использовались для разных целей. Производство БЭСМ-6 было прекращено в 1987 году. В 1975-м в ходе совместного космического проекта «Союз — Аполлон» советские специалисты обработали параметры орбиты «Союза» на БЭСМ-6 быстрее американцев.

Но после столь многообещающего старта в области вычислительной техники Россия сегодня отстает от лидеров отрасли. Понять причину этого провала можно, только проанализировав историю развития отрасли, принимая во внимание социальные и экономические факторы, повлиявшие на ее трансформацию.

В ведущих западных странах область вычислительной техники после Второй мировой войны формировалась под действием трех главных движущих сил: научного сообщества, государства (в части военного применения) и деловых кругов. Роль научного сообщества и правительства была особенно важна на начальном этапе, роль бизнеса проявилась позднее.

Область вычислительной техники в Советском Союзе была успешна до тех пор, пока разработка этих устройств преимущественно зависела от достижений научной мысли и государственной поддержки.

Поддержка вычислительных технологий со стороны государства была безграничной, если они использовались для нужд противовоздушной обороны или исследований в области ядерного оружия. Однако затем главной движущей силой на Западе стал бизнес.

Символически этой переходной точкой является решение компании General Electric в 1955 году закупить вычислительные машины IBM 702 для автоматизации работ с платежными ведомостями и другими документами на своем заводе в Скенектади и решение Bank of America в 1959 году автоматизировать процессы (с использованием компьютера ERMA, созданного в Стэнфордском научно-исследовательском институте).

Важно

Эти решения ознаменовали начало масштабной компьютеризации банковской и деловой сферы. В 1960–1970-х годах электронные вычислительные машины стали коммерческими продуктом, это повлекло за собой снижение их стоимости, усовершенствования в части простоты использования, которых требовал рынок.

Советский Союз со своей плановой экономикой, централизованным неконкурентным рынком не мог идти в ногу с происходящими технологическими усовершенствованиями. В результате в 1970-х годах СССР отступил от изначально впечатляющей попытки развиваться собственным независимым курсом в области вычислительной техники и принял стандарты компании IBM.

С этого момента в области компьютерных технологий русские оказались и продолжают оставаться на позициях догоняющих и никогда больше не выбивались в лидеры. Сергей Лебедев умер в 1974 году. Другой ведущий ученый, разработчик первых советских ЭВМ Башир Рамеев, глубоко сожалел о решении перенять архитектуру IBM вплоть до своей смерти в 1994 году.

Советскую отрасль вычислительной техники подвел не недостаток знаний в этой области, ее подкосила неодолимая сила рынка.

Еще одним фактором, хотя в данном конкретном случае и не определяющим, была идеология. В 1950-х годах советские идеологи относились к кибернетике очень скептически, называли ее «наукой мракобесов».

В 1952 году один из философов-марксистов заклеймил эту область знаний как «псевдонауку», подвергнув сомнению утверждение, что компьютеры могут помочь объяснить человеческую мысль или социальную деятельность.

Еще в одной статье, опубликованной через год и озаглавленной «Кому служит кибернетика?», анонимный автор, выступивший под псевдонимом «Материалист», заявил, что концепция кибернетики противоречит теории диалектического материализма Маркса, и охарактеризовал компьютерную науку как особенно вредоносную попытку западных капиталистов извлечь больше прибыли, заменив рабочих, которым надо платить жалованье, машинами.

Хотя подобные идеологические обвинения теоретически могли оказать негативное влияние на развитие вычислительной техники в СССР, разработка ЭВМ, учитывая заинтересованность в них военно-промышленного комплекса, продолжалась теми же темпами8.

Совет

Как сказал мне в 1960 году один из советских ученых в этой области, «мы занимались кибернетикой, просто не называли ее кибернетикой».

Более того, в конце 1950-х — начале 1960-х годов в Советском Союзе произошел поворот на 180 градусов в отношении кибернетики, ее начали превозносить как науку, служащую целям советского государства.

В 1961 году даже вышел сборник под названием «Кибернетику — на службу коммунизму». Во многих российских университетах открылись факультеты кибернетики. Более серьезная политическая угроза для развития вычислительной техники в СССР возникла с появлением персональных компьютеров.

Советскому руководству нравились компьютеры, пока они были огромными блоками в центральных правительственных, военных и промышленных ведомствах, но с гораздо меньшим энтузиазмом оно отнеслось к тому, что компьютеры переместились в частные квартиры и обычные граждане получили возможность использовать их для бесконтрольного распространения информации. В попытке осуществить контроль над передачей информации государство уже давно запретило простым гражданам иметь в собственности принтеры и копировальные аппараты. Персональный компьютер с принтером был равнозначен маленькому печатному станку. Но что могли поделать с этим советские власти?

Самые острые дебаты среди членов советского руководства по поводу компьютеров происходили в середине и конце 1980-х годов. В 1986-м я обсуждал эту проблему с ведущим советским ученым в этой области Андреем Ершовым.

Он был откровенен, согласившись, что стремление Коммунистической партии обладать контролем над информацией препятствует развитию компьютерной отрасли.

Затем сказал следующее: «Наше руководство еще не определилось, на что похож компьютер: на печатный станок, печатную машинку или телефон, — и многое будет зависеть от этого решения.

Обратите внимание

Если они решат, что компьютеры похожи на печатные станки, то захотят продолжить контролировать отрасль так же, как сейчас они контролируют все печатные станки. Гражданам запретят их покупать, они будут только в учреждениях.

Читайте также:  Искусственный интеллект позволяющий автомобилю настраивать опыт вождения

С другой стороны, если наше руководство решит, что компьютеры похожи на печатные машинки, их позволят иметь гражданам, власти не будут стремиться контролировать каждый аппарат, хотя могут попытаться взять под контроль распространение информации, которая производится с их помощью. И в конце концов, если руководство решит, что компьютеры похожи на телефоны, они появятся у большинства граждан, и те смогут делать с ними все, что захотят, но онлайновая передача данных будет время от времени проверяться.

Я убежден, что в итоге государству придется позволить, чтобы граждане владели персональными компьютерами и сами их контролировали. Более того, станет очевидно, что персональные компьютеры не похожи ни на какие предыдущие коммуникационные технологии: ни на печатные станки, ни на печатные машинки, ни на телефоны.

Наоборот, они являются абсолютно новым видом технологий. Вскоре наступит время, когда любой человек в любой точке мира сможет практически беспрерывно общаться с любым другим человеком в любой точке мира. Это будет настоящей революцией — не только для Советского Союза, но и для вас тоже.

Но здесь ее последствия будут самыми значительными».

Это высказывание наглядно подтверждает, какой сложной проблемой для советского государства были компьютеры. Однако этот вопрос быстро потерял свою актуальность.

Через пять лет после этого нашего разговора с Ершовым Советский Союз распался, а вместе с этим прекратился и контроль над коммуникационными технологиями (однако это не коснулось контроля над средствами массовой информации, в частности над телевидением).

В современной России компьютерная отрасль так и не наверстала отставание, которое она переживала в последние годы советского государства. Как мы видели, это отставание было вызвано в большей степени неспособностью конкурировать в условиях рынка, нежели политическим контролем, хотя последний и сыграл определенную роль.

Сегодня в России нет ни одной компании — производителя вычислительной техники, которая являлась бы значительным игроком на международном рынке, несмотря на то что русские могут с полным правом утверждать, что были в числе пионеров в области развития вычислительных технологий.

Источник: https://theoryandpractice.ru/posts/8683-pechkaibm

Компьютер, «зараженный» шизофренией в целях эксперимента

Скорее всего, человечество так никогда и не сможем создать полноценный искусственный интеллект. Но все же люди достаточно близки к тому, чтобы произвести на свет нечто подобное. Когда Кен Дженнингс и Брэд Раттер,  победители викторины «Jeopardy!», сразились с компьютером IBM Watson, он с легкостью их обыграл.

Научная фантастика не раз предупреждала нас о том, насколько опасен может быть искусственный разум. Один из лучших примеров этого – HAL 9000 в фильме «2001: Космическая одиссее». В реальности совместный проект исследователей из Техасского и Йельского университета университете тоже показал, насколько опасными могут быть компьютеры.

Желая лучше изучить шизофрению и понять ее, ученые создали компьютеризированную «нейронную сеть», способную имитировать избыток гормона дофамина в мозгу человека.

Важно

Их гипотеза заключалась в том, что чрезмерное количество дофамина вызывает своего рода «мысленное гипер-ускорение», которое не позволяет человеку думать кратко и по существу – а значит, и «функционировать» должным образом.

Переполненный дофамином мозг больного шизофренией создает ложные ассоциации и «бомбардирует» своего хозяина таким количеством информации сразу, что отфильтровать самое важное становится просто невозможно.

Исследователи назвали свою сеть DISCERN.

Они запрограммировали ее на понимание человеческого языка так, как это делают люди – не в виде битов данных, которые нужно сохранять, а в виде взаимосвязанной информации.

Ученые «кормили» DISCERN разными историями, пока сеть не научилась «понимать» их. Затем, чтобы имитировать человеческий мозг, до отказа заполненный дофамином, они повысили скорость обучения компьютера.

DISCERN отреагировал как настоящий шизофреник, создав свой собственный искаженный набор взаимосвязей.

Он ответил на запросы беспорядочными, бессмысленными рядами слов, «представляя» себя в странных, безумных ситуациях, которые он почерпнул из усвоенных им историй.

Это напоминало то, как человек с шизофренией искаженно воспринимает действительность, составляя свой собственный извращенный рассказ. Один раз компьютер даже взял на себя ответственность за теракт.

Результаты исследования, безусловно, выглядят интригующе. Однако они не могут полностью доказать связь шизофрении с переизбытком дофамина. Ведь существуют и другие вещества, способные вызвать это заболевание – такие, как глутаминовая аминокислота. Она в изобилии вырабатывается при приеме рекреационных лекарств, таких, как ПХФ, виновный в бесчисленных случаях временного психоза.

Совет

Если мы и можем сделать какой-либо вывод из экспериментов с DISCERN, то он заключается только в том, что за технологиями нужно тщательно следить. А то они запросто могут выйти из-под контроля.

Источник: https://facte.ru/science/kompyuter-s-shizofreniey

Создан первый в мире биологический суперкомпьютер

Воспользовавшись белками и химическими соединениями, питающими энергией клетки растений и животных, ученые построили биологический суперкомпьютер.

По размерам он с книгу. По словам ученых Университета Макгилла, биокомпьютеру нужно гораздо меньше энергии, чем обычному, поэтому он выделяет меньше тепла и работает более эффективно. «Нам удалось создать очень сложную сеть очень малых размеров», — заявил Дэн Николау, заведующий кафедрой биоинженерии.

Николау работает над этой проблемой уже больше десяти лет, а со временем к нему присоединились ученые из Германии, Швеции и Голландии. Их совместное исследование стало продолжением работ других ученых в области биологических компьютеров, которые идут уже много лет.

В мае прошлого года ученые Калифорнийского университета в Санта-Барбаре сообщили, что работают над электронной схемой, имитирующей участок человеческого мозга, который содержит около ста синапсов. Однако биологические компоненты в ней не использовались.

Почти десять лет тому назад ученые сделали прогноз о том, что в течение 15 лет появятся гибридные компьютеры, состоящие из электроники и живого органического материала. За прошедшее с тех пор время были исследовательские проекты, в которых мозг мотылька и обезьяны заставляли управлять роботами.

Теперь же ученые делают следующий шаг.

«Это потрясающе, учитывая, что сам замысел кажется неосуществимым, почти научной фантастикой, — признается Патрик Мурхед, главный аналитик Moor Insights & Strategy. — Если создадут, к примеру, полноценный квантовый компьютер, то биологический, возможно, и не понадобится, но расширять число возможных вариантов важно. Если их будет много, то какой-нибудь в итоге добьется успеха».

Биологический компьютер обрабатывает данные в параллельном режиме, как и традиционные суперкомпьютеры. Процессор биокомпьютера имеет площадь всего 1,5 см2 . В нем вытравлены каналы, переносящие вместо электронов короткие белковые нити. Двигаться их заставляет аденозинтрифосфат (АТФ), химическое соединение, обеспечивающее перенос энергии между живыми клетками.

Ученые Университета Макгилла называют АТФ «источником жизненной силы».

Проект доказал, что биосуперкомпьютер способен решать сложные математические задачи путем параллельных вычислений, но, по словам исследователей, чтобы превратить его в полноценный компьютер, понадобится еще много работы.

«Теперь, когда существует данная модель, способная успешно решать определенный класс задач, нужно будет создать многие другие, чтобы далее развивать возможности системы, — отметил Николау. — Одна из возможностей — использовать разные варианты биоагентов. Сейчас трудно сказать, сколько времени пройдет, прежде чем появится полномасштабный биосуперкомпьютер».

Он добавил, что для того, чтобы заставить биокомпьютер решать более сложные задачи, можно будет, например, скомбинировать биомашину с традиционным компьютером, создав гибридное устройство.

«Сейчас мы готовим несколько вариантов дальнейших исследований», — сообщил он.

Обратите внимание

Зевс Керравала, главный аналитик ZK Research, назвал работу ученых большим шагом вперед на пути создания полезных биосуперкомпьютеров. «Поскольку биологический суперкомпьютер выполняет вычисления нетрадиционным образом, есть вероятность, что с его помощью можно будет находить альтернативные способы решения некоторых важных задач», — добавил он.

Мурхед считает работу прорывом: «Сам факт того, что биокомпьютер в состоянии выполнять расчеты, это грандиозный шаг вперед».

Источник: https://www.dgl.ru/articles/sozdan-pervyy-v-mire-biologicheskiy-superkomputer_9314.html

Что такое искусственный интеллект?

Суть искусственного интеллекта в формате вопросов и ответов. История создания, технологии исследования, связан ли искусственный интеллект с IQ и можно ли его сравнить с человеческим. На вопросы отвечал профессор Стэнфордского университета Джон Маккарти.

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект — это область науки и инжиниринга, занимающаяся созданием машин и компьютерных программ, обладающих интеллектом. Она связана с задачей использования компьютеров для понимания человеческого интеллекта. При этом искусственный интеллект не должен ограничиваться только биологически наблюдаемыми методами.

Да, но что такое интеллект?

Интеллект – способность приходить к решению при помощи вычислений. Интеллект разного вида и уровня есть у людей, многих животных и некоторых машин.

Разве нет определения интеллекта, которое не зависит от соотнесения его с человеческим интеллектом?

До настоящего времени нет понимания, какие виды вычислительных процедур мы хотим назвать интеллектуальными. Мы знаем далеко не обо всех механизмах интеллекта.

Является ли интеллект однозначным понятием, чтобы на вопрос «Обладает ли данная машина интеллектом?» можно было ответить «да» или «нет»?

Нет. Исследования ИИ показали, как использовать лишь некоторые из механизмов. Если для выполнения задачи требуются только хорошо изученные модели, получаются очень впечатляющие результаты. Такие программы обладают «небольшим» интеллектом.

Является ли искусственный интеллект попыткой имитировать человеческий интеллект?

Иногда, но далеко не всегда. С одной стороны, мы узнаем, как заставить машины решать задачи, наблюдая за людьми или за работой наших собственных алгоритмов. С другой стороны, исследователи ИИ используют алгоритмы, которые не наблюдаются у людей или требуют гораздо больших вычислительных ресурсов.

У компьютерных программ есть iq?

Нет. IQ основан на темпах развития интеллекта у детей. Это отношение возраста, в котором ребенок обычно набирает определенный результат, к возрасту ребенка. Данная оценка подходящим образом распространяется и на взрослых людей. IQ хорошо коррелирует с различными показателями успеха или неудачи в жизни.

Но создание компьютеров, которые могут набрать высокий балл в тестах IQ, будет слабо связано с их полезностью. Например, способность ребенка повторять длинную последовательность цифр хорошо коррелирует с другими интеллектуальными способностями. Она показывает, какое количество информации ребенок может запомнить за один раз.

При этом удержание в памяти цифр является тривиальной задачей даже для самых примитивных компьютеров.

Как сравнить человеческий и компьютерный интеллекты?

Артур Р.

Дженсен, ведущий исследователь в области человеческого интеллекта, в качестве «эвристической гипотезы» утверждает, что обычные люди имеют одни и те же механизмы интеллекта и интеллектуальные различия связаны с «количественными биохимическими и физиологическими условиями». К ним относятся скорость мышления, краткосрочную память и способность формировать точные и извлекаемые долгосрочные воспоминания.   

Независимо от того, правильна ли точка зрения Дженсена в отношении человеческого интеллекта, ситуация в ИИ на сегодняшний день является противоположной.

Читайте также:  Роботы способны будут помогать людям в ближайшем будущем

Компьютерные программы имеют большой запас скорости и памяти, но их способности соответствуют интеллектуальным механизмам, которые разработчики программ хорошо понимают и могут вложить в них.

Некоторые способности, которые дети обычно не развивают до подросткового возраста, внедряются. Другие, которыми владеют двухлетние дети, все еще отсутствуют. Дело еще более усугубляется тем фактом, что когнитивные науки до сих пор не могут точно определить, каковы человеческие способности.

Скорее всего, организация интеллектуальных механизмов ИИ выгодно отличается от таковой у людей.

Когда человеку удается решить задачу быстрее, чем компьютеру, это говорит о том, что разработчикам не хватает понимания механизмов интеллекта, необходимых для эффективного выполнения данной задачи.

Когда началось исследование ИИ?

После Второй мировой войны несколько человек начали независимо работать над интеллектуальными машинами. Английский математик Алан Тьюринг, возможно, был первым из них. Он прочитал свою лекцию в 1947 году.

Тьюринг одним из первых решил, что ИИ лучше всего исследовать путем программирования компьютеров, а не конструирования машин.

К концу 1950-х годов было много исследователей ИИ, и большинство из них основывали свою работу на программировании компьютеров.

Является ли целью ИИ поместить человеческий разум в компьютер?

У человеческого разума есть много особенностей, вряд ли реально имитировать каждую из них.

Что такое тест Тьюринга?

В статье А. Алана Тьюринга 1950 года «Вычислительная техника и разум» обсуждались условия обладания машиной интеллектом. Он утверждал, что если машина может успешно притворяться человеком перед разумным наблюдателем, то вы, конечно же, должны считать ее разумной.

Этот критерий удовлетворит большинство людей, но не всех философов. Наблюдатель должен взаимодействовать с машиной или человеком через средство ввода-вывода для исключения необходимости имитации машиной внешнего вида или голоса человека.

Задача как машины, так и человека состоит в том, чтобы заставить наблюдателя считать себя человеком.

Важно

Тест Тьюринга является односторонним. Машина, успешно проходящая тест, определенно должна считаться разумной, даже если она не обладает знаниями о людях, достаточными, чтобы их имитировать.

Книга Дэниела Деннета «Brainchildren» содержит прекрасное обсуждение теста Тьюринга и его различные части, которые были реализованы успешно, т. е. с ограничениями на знание наблюдателем об ИИ и предмете обсуждения. Оказывается, некоторых людей довольно легко убедить в том, что достаточно примитивная программа является разумной.

Является ли целью ИИ достижение человеческого уровня интеллекта?

Да. Конечной целью является создание компьютерных программ, которые могут решать проблемы и достигать целей так же, так и человек. Однако ученые, проводящие исследования в узких областях, ставят гораздо менее амбициозные цели.

Насколько далек искусственный интеллект от достижения человеческого уровня? Когда это произойдет?

Интеллект человеческого уровня может быть достигнут путем написания большого количества программ, и сбора обширных баз знаний о фактах на языках, которые сегодня используются для выражения знаний. Тем не менее, большинство исследователей ИИ считает, что необходимы новые фундаментальные идеи. Поэтому невозможно предсказать, когда будет создан интеллект человеческого уровня.

Является ли компьютер машиной, которая может стать интеллектуальной?

Компьютеры могут быть запрограммированы для имитации любого типа машины.

Скорость компьютеров позволяет им обладать интеллектом?

Некоторые люди думают, что требуются как более быстрые компьютеры, так и новые идеи. Компьютеры и 30 лет назад были достаточно быстрыми. Если бы мы только знали, как их программировать.

Что насчет создания «детской машины», которая могла бы улучшиться путем чтения и обучения на собственном опыте?

Эта идея неоднократно предлагалась с 1940-х годов. В конце концов, она будет реализована. Тем не менее, программы ИИ еще не достигли уровня, позволяющего узнать многое из того, чему ребенок учится в ходе жизнедеятельности. Существующие программы недостаточно хорошо понимают язык, чтобы многому научиться посредством чтения.

Являются ли теория вычислимости и вычислительная сложность ключами к ИИ?

Нет. Эти теории актуальны, но не затрагивают фундаментальные проблемы ИИ.

В 1930-х годах математические логики Курт Гёдель и Алан Тьюринг установили, что не существует алгоритмов, которые гарантировали бы решение всех задач в некоторых важных математических областях.

Например, ответы на вопросы в духе: «является ли предложение логики первого порядка теоремой» или «имеет ли полиномиальное уравнение в одних переменных целочисленные решения в других».

Так как люди способны решать задачи такого рода, данный факт было предложен в качестве аргумента в пользу того, что компьютеры по своей сути неспособны делать то, что делают люди. Об этом говорит и Роджер Пенроуз. Однако люди не могут гарантировать решения произвольных задач в этих областях.

В 1960-х годах ученые-программисты, в числе которых были Стив Кук и Ричард Карп, разработали теорию областей NP-полных задач. Задачи в данных областях разрешимы, но, по-видимому, их решение требует времени, растущего экспоненциально с размерностью задачи.

Простейшим примером области NP-полной задачи служит вопрос: какие утверждения логики высказываний являются выполнимыми? Люди часто решают проблемы в области NP-полных задач в разы быстрее, чем это гарантируется основными алгоритмами, но не могут решать их быстро в общем случае.

Для ИИ важно, чтобы при решении задач алгоритмы были такими же эффективными, как и человеческий разум. Определение подобластей, в которых существуют хорошие алгоритмы, является важным, но многие программы, решающие задачи ИИ, не имеют отношения к легко идентифицируемым подобластям.

Теория сложности общих классов задач называется вычислительной сложностью. До сих пор эта теория не взаимодействовала с ИИ настолько, насколько можно было надеяться. Успех в решении проблем людьми и программами ИИ, по-видимому, зависит от свойств задач и методов решения задач, которые ни исследователи сложности, ни сообщество ИИ не могут определить точно.

Также актуальной является теория алгоритмической сложности, разработанная независимо друг от друга Соломоновым, Колмогоровым и Чайтиным. Она определяет сложность символьного объекта как длину наиболее короткой программы, которая сможет его сгенерировать.

Доказательство того, что программа-кандидат является самой короткой или близкой к таковой, является неразрешимой задачей, но представление объектов генерирующими их короткими программами иногда может прояснять ситуацию, даже если вы не можете доказать, что ваша программа является самой короткой.

Стэнфордский университет

Источник: https://neurohive.io/ru/osnovy-data-science/iskusstvennyj-intellekt-voprosy-i-otvety/

Когда компьютер станет умнее человека?

Специалисты из американского агентства ДАРПА, специализацией которого является разработка сверхсовременных «умных» технологий для военной индустрии и армии США, начали уникальный проект. Цель данного проекта — создать программные алгоритмы, на основе которых будет происходить самообучение новейших компьютеров.

Следующий шаг

Уполномоченные лица ДАРПА — агентства инновационных исследований Министерства обороны США — имеют однозначный ответ на этот вопрос: цель ученых — это создание такой программы, при помощи которой станет проще обучить компьютер, нежели его запрограммировать.

Машинное обучение — это уникальная способность современных компьютеров самостоятельно (но, конечно же, по разработанной и заложенной программе) работать с предоставленной им информацией. Такие компьютеры могут распознавать поступающие данные так, как это делает наш мозг, и делать выводы, основанные на этих данных.

Совет

Это и есть та цель, к которой нужно стремиться в рамках прогресса в сфере вычислительной и компьютерной техники.

Сегодня некоторые такого рода технологии уже используются, например спам-фильтры в е-mail, которые распознают информацию, содержащую рекламу.

Probabilistic Programming for Advanced Machine Learning

PPAML (Probabilistic Programming for Advanced Machine Learning) — это программа, которая должна намного увеличить возможности компьютеров к самообучению.

Дословный перевод названия программы — «Вероятностное программирование для углубленного машинного изучения».

Суть проекта заключается в разработке и внедрении новой парадигмы компьютерного программирования, а именно — получение машинами более точной информации.

Если любой компьютер при помощи PPAML получить возможность обучаться более эффективно, то на Земле значительно увеличится количество тех людей, которые способны успешно создавать разного рода компьютерные приложения и сделать работу машины во много раз эффективней.

Также, данная программа призвана создать намного более экономичные, мощные и надежные компьютерные приложения, нежели те, что существуют сегодня. Таким приложениям будет необходимо меньшее количество исходных данных для того, чтобы получить более точные результаты.

Разработка PPAML будет проводится учеными в течение 4 лет. Она будет включать в себя 3 основные фазы активности — с 2013 по 2017 год. Успешным решением поставленной специалистами задачи будет считаться:

  • совершенно новые вероятностные и статистические модели программирования;
  • уникальные алгоритмы обучения;
  • качественно новые языки программирования;
  • программное обеспечение с невероятно высокой производительностью.

Как бы там ни было, сегодня увидеть перспективы развития компьютеров можно при помощи известного многим закона Мура.

К чему ведет закон мура

Многим известно, что развитие технологии происходит экспоненциально. Все новые компьютеры способны работать намного быстрее их предшественников.

Стоит отметить, что как учеными, так и фантастами неоднократно были высказаны гипотезы о том, что для компьютеров существует так называемый «предел сложности кибернетической системы».

Преодолев данный барьер, в компьютерной системе произойдет переход количества в качество, так называемая «спонтанная самоорганизация самосознания» (Формула Лимфатера).

Обратите внимание

Ученые утверждают, что если такой предел существует, то он точно находится ниже производительности человеческого мозга.

Но какая производительность нашего мозга? Для этого необходимо просто перемножить количество мозговых нейронов на усредненное количество межнейронных связей и на усредненную частоту химико-электронных импульсов, которые проходят через эти связи.

 В результате такой операции умножения можно увидеть производительность 10^(15 — 18) операций за секунду. Какие же это операции? Если учитывать точность вычислений, то этот вопрос является несущественным, поскольку ошибка в подсчете производительности влечет за собой временную погрешность максимум в 10 лет.

Так, откладываем по горизонтали время, по вертикали — производительность системы (производительность обычного персонального компьютера).

Поскольку рост технологий экспоненциальный, то логарифмическая шкала роста будет представлять из себя восходящую прямую (синяя линия).

Что касается производительности мозга, то предположим, что она в ближайшие несколько десятилетий существенно не изменится. На графике изобразим ее горизонтальной прямой линией голубого цвета.

Из созданного таким образом графика видно, что в районе 4-го десятилетия 21 века производительность привычного всем персонального компьютера может легко достичь производительности человеческого мозга.

Также необходимо помнить о том, что каждая уважающая себя страна уже изготавливает или планирует изготавливать мощные суперкомпьютеры.

Важно

Поскольку для таковых закон Мура также работает, то зеленая прямая роста производительности будет проходить параллельно синей (первой).

Источник: https://gridder.ru/technologies/computers/kogda-kompjuter-stanet-umnee-cheloveka/

Ссылка на основную публикацию
Adblock
detector