Искусственный интеллект на большой сцене

Искусственный интеллект покоряет Голливуд

Возможно, если вы когда-то соберётесь посмотреть кино, алгоритм службы потокового видео порекомендует блокбастер, сценарий которого написан искусственным интеллектом (ИИ), актёрами выступают роботы, а анимация и рендеринг выполнены алгоритмом глубокого обучения. Возможно даже, что сценарий этого фильма прочитал ИИ и посоветовал студии приобрести его.

Можно легко представить, как алгоритмы и роботы отправят киноиндустрию туда же, куда уходят работники промышленности и сферы услуг, и что артистическое кинопроизводство находится в предсмертной стадии. Однако это не применимо к киноиндустрии, наоборот — ИИ усиливает творческие возможности Голливуда, а не подавляет их.

Верно то, что некоторые профессии и занятия устаревают, по мере того, как компьютеры всё лучше справляются с ними.

Обратите внимание

Специалисту по видеоэффектам больше не надо носить берет и уметь рисовать задник — студиям требуются инженеры, сведущие в тренировке алгоритмов глубокого обучения для выполнения рутинной работы, такой как доработка видеоэффекта или придание реалистичности цифровому персонажу.

При этом творческие работники тратят меньше времени за компьютером на тщательное покадровое редактирование и могут заняться более интересными вещами, объясняет Даррен Хендлер, руководитель цифровой группы компании Digital Domain.

Так же, как компьютеры избавили мультипликаторов от необходимости вручную рисовать каждый кадр, продвинутые алгоритмы способны в автоматическом режиме применять сложные видеоэффекты. И в том и в другом случае аниматоры не остаются без работы.

«Мы обнаружили, что существует очень много рутинных задач, доступных ИИ, который способен выполнять их намного быстрее, высвобождая людям время для творческих задач, — говорит Хендлер.

— Полагаю, появится много технологий, облегчающих актёрам представление фантастичных персонажей.

Всё чаще актёры, играющий в групповых сценах, будут затем заменяться в этих сценах на аватаров, созданных с помощью компьютера».

Недавно группа Хендлера применила ИИ и другое изощрённое программное обеспечение, чтобы в фильме «Мстители: Война бесконечности» превратить актёра Джоша Бролина в персонаж Танос.

Точнее, они использовали алгоритм ИИ, обученный на сканах лица Бролина в высоком разрешении, для отслеживания его мимики с точностью до морщинок, а затем с помощью другого алгоритма наложили отрисованное лицо на тело Таноса.

Такой подход позволяет объединить лучшее — высокое разрешение, получаемое с помощью кинокамеры, и более тонкую игру как результат работы актёра в окружении других актёров, а не в одиночку перед зелёным экраном. И хотя наложение лица обычно занимает недели, алгоритм машинного обучения компании Digital Domain справляется с этим почти в реальном времени, создав для Бролина как бы цифровое зеркало.

«Уже в первый день съёмок Бролин мог увидеть, как будет выглядеть и действовать его персонаж», — говорит Хендлер.

Да, эти алгоритмы способны быстро справляться с задачами, для выполнения которых требовались команды специалистов.

Важно

При эффективном применении они способны обеспечить наилучшую производительность, точное редактирование, и самые продвинутые видеоэффекты из имеющихся на сегодня.

И хотя самые продвинутые (то есть, дорогие) алгоритмы пока что ограничены применением только в блокбастерах студии Диснея, Хендлер считает, что со временем они станут нормой.

«Думаю, это найдёт повсеместное применение. Главное препятствие в том, что это требует совершенно другого подхода и образа действий, и люди пока определяются с тем, как заставить это работать». Но по мере того, как люди приобретают опыт тренировки машин на выполнение задач анимации, логично ожидать появления всё большего числа областей в кинопроизводстве, где найдёт применение ИИ.

«Машинное обучение пока ещё не нашло широкого применения, потому что у продюсеров пока нет достаточного понимания технологии, — говорит Хендлер. — Но мы уже видим проникновение глубокого и машинного обучения в весьма специфичные области. Это очень ново, и отлично от всего, что мы делали ранее».

Многие такие приложения уже появились. В январе Кристен Стюарт (да, та самая Белла Свон из «Сумерек») режиссировала короткометражный фильм в партнёрстве с корпорацией Adobe, задачей которой было создать нейронную сеть, делающую видеоряд похожим на импрессионистские картины, которые рисовала Стюарт.

Подпись к изображению: Тонкая настройка параметра u меняет степень сходства фильма с картиной в стиле импрессионизма

Между тем, студия Диснея создала роботов-акробатов, которых можно подбрасывать высоко в воздух, чтобы потом редактированием (возможно, с привлечением ИИ) придать им сходство с актёрами. Теперь актёры могут расслабиться, и сконцентрироваться на менее опасных эпизодах. Вот тут мы подробно обсуждали роботов-каскадеров.

Но скоро ИИ в кинопроизводстве сможет продвинуться за пределы областей актёрской игры и редактирования — он сможет участвовать в принятии решения о производстве фильма. Бельгийская компания Scriptbook создала алгоритм, который по её утверждениям способен предсказать, проанализировав сценарий, окажется ли фильм коммерчески успешным.

Обычно работа со сценарием проводится силами киностудии — ассистентами и практикантами, причём последним по законам Калифорнии даже не надо платить.

Чтобы оправдать расход $5000 против зачастую бесплатной работы людей, компания заверяет, что её алгоритм в три раза лучше предсказывает кассовый успех, чем читающие сценарий люди.

Также компания заявляет, что она не рекомендовала бы Sony Pictures снять 22 из их самых заметных кассовых провалов за последние три года, что сэкономило бы компании миллионы долларов.

Совет

Scriptbook пока не отвечает на вопросы, касающиеся их технологии и ограничений алгоритма, но известно, что ИИ способен предсказать рейтинг MPAA (возрастное ограничение), определить, кем являются персонажи и какие эмоции они выражают, а также обрисовать целевую аудиторию сценария.

Также он может определить, пройдёт ли сценарий тест Бекдел — минимальное требование к представлению женщин в произведениях. Также алгоритм способен определить, достаточно ли разнообразен подбор персонажей фильма, хотя следует отметить, что многие сценарии не упоминают расу персонажа.

Конечно, всё это могут делать и люди, читающие сценарий. И написанный человеком отчёт о сценарии включает обстоятельное резюме и рекомендации, стоит ли конкретной студии, в зависимости от её специфики и аудитории брать этот сценарий в работу.

При имеющихся у ИИ сложностях в эмоциональных аспектах, маловероятно, что Scriptbook обеспечит такой же уровень всестороннего анализа, как и человек.

Но всё же компания сама предположила использовать систему для помощи рецензентам сценариев, а не как их замену.

Алгоритм поможет людям основать анализ сценария на безэмоциональных, надёжных данных. Хотя может показаться, что здесь в большой мере необходим творческий подход человека, инструменты наподобие Scriptbook помогут студиям принимать лучшие финансовые решения.

Автоматизированное будущее Голливуда не означает устранение человека из процесса (разве что такое решение будет принято власть предержащими). Скорее, Хендлер ожидает будущее, в котором творческие работники продолжают творить, работая совместно с экономящими их время машинами, выполняющими рутину и упрощающими работу.

«Мы всё ещё вырабатываем пути приложения машинного обучения к различным задачам, — говорит Хендлер. — В ближайшие два-три года мы ожидаем резкий рост скорости операций в области видеоэффектов, как и улучшение качества».

А вот вам роботы в кино лет пять назад:

[источники]Источники: http://gearmix.ru/archives/42783

Это копия статьи, находящейся по адресу http://masterokblog.ru/?p=6162.

Источник: https://masterok.livejournal.com/4631505.html

Искусственный интеллект и его влияние на машинное зрение

Когда в 1950-х гг. появилось понятие «думающая машина» (вычислительная машина с элементами искусственного интеллекта), возникла и большая озабоченность касательно возможностей и путей развития этой новой области.

С тех пор в массовой культуре часто разыгрываются сцены восстания наделенных интеллектом машин.

Начало было положено выходом культового фильма «Космическая одиссея 2001 года» Стенли Кубрика («2001: A Space Odyssey», Stanley Kubrick, 1968), а одной из последних кинокартин на эту тему стала «Из машины» Алекса Гарленда («Ex Machina», Alex Garland, 2014).

Обратите внимание

Несмотря на то, что искусственный интеллект (ИИ) еще не охватил все сферы нашего общества, достигнутые улучшения в области хранения и обработки данных уже позволили разработать когнитивные системы, такие как IBM Watson, которые призваны убрать интуитивные догадки из действий людей, принимающих важные решения. Однако в большинстве случае ИИ применяют для выполнения гораздо более скромных задач, например, распознавания объектов и образов.

Использование ИИ в системах машинного зрения предполагает, что машина сможет принимать более сложные решения, выходящие за пределы современных возможностей. Но возникает вопрос – готова ли сама технология к появлению таких систем в промышленности?

Возможности ИИ в системах машинного зрения

Применение ИИ в системах машинного зрения требует глубокого обучения машин. В широком понимании ИИ – это способность компьютера имитировать человеческий интеллект. Глубокое машинное обучение позволяет компьютерам действовать без явного программирования, т.е. они могут учиться на собственном опыте.

Благодаря нескольким знаковым событиям, произошедшим за последнее десятилетие, глубокое обучение систем машинного зрения из возможности  превратилось в реальность. «Новые методы построения нейронных сетей, наличие достаточной вычислительной мощности в графических процессорах (англ.

Graphics Processing Unit, GPU), а также возможность использования «больших данных» открыли нам путь к применению ИИ для обработки изображений (образов)», – говорит Оливье Деспонт (Olivier Despont), отвечающий за развитие бизнеса в компании ViDi Systems, швейцарского создателя программного обеспечения для глубокого обучения машин.

Глубокое обучение является весьма многообещающей технологией по сравнению с традиционными подходами, используемыми в системах машинного зрения. В отличие от традиционных методов с применением программного обеспечения для обработки изображений, в новых системах используется подход, основанный на правилах.

«ИИ – это следующий шаг, который мы предпринимаем, когда имеем дело с тем, что нелегко охарактеризовать с достаточной точностью и однозначностью, или с нелинейным процессом.

В таких случаях для достижения следующего уровня повторяемости в принятии решений мы должны внедрить ИИ в машины, – считает Уоллес Латимер (Wallace Latimer), директор по продажам специализированных оптических систем в компании FISBA LLC.

Читайте также:  Роботизированная корзина

– В то время как линейные алгоритмы создают очень узкое пространство для маневра, сочетание ИИ с глубоким обучением расширяет границы применения, поскольку оно может предоставить нам намного больше вариаций.

Благодаря этому можно усложнить оценку: осуществлять ее не только по принципу «что такое хорошо или что такое плохо», но и «почему это хорошо или плохо». С большими возможностями в части гибкости вы сможете сосредоточиться на том, что дает наиболее эффективный результат в принятии решений, и уменьшить число изменений по входным параметрам».

В настоящее время на рынке систем машинного зрения существует, по крайней мере, одна система с глубоким обучением – ViDi Suite от компании ViDi Systems.

Эта система является первым коммерчески доступным программным обеспечением, которое выполнено на основе глубокого обучения, предназначено для анализа изображений и адаптировано для использования в промышленности.

Программное обеспечение, которое интегрируется со стандартными библиотеками обработки изображений, в части «познания мира» действует так, как бы это делал ребенок.

«Вы не учите ребенка, используя подход, основанный на четких правилах, т.е. объясняя ему, что такое дом, – говорит Деспонт. – Основываясь всего лишь на нескольких примерах, наш мозг даже в раннем возрасте может получить информацию о том, что делает дом именно домом. Наша система работает так же, как и человеческий мозг».

Программное обеспечение ViDi Suite состоит из трех инструментов. Первый, ViDi Blue, находит и обнаруживает отдельный объект или сразу несколько внутри общего изображения. Этот инструмент локализует и идентифицирует сложные и простые объекты, изучая их с помощью имеющихся в его распоряжении аннотированных изображений.

Важно

Другой инструмент, ViDi Red, обнаруживает аномалии, анализируя нормальный внешний вид объекта, включая его вариации, а также сегментирует определенные области в изображениях. Наконец, третий из них, ViDi Green, используется для классификации объектов.

Он обучается разделять объекты в различные классы на основе базы собранных и уже описанных изображений.

Еще одним важным преимуществом использования технологии глубокого обучения по сравнению с традиционными решениями, применяемыми в системах машинного зрения, является то, что она может сократить время, необходимое для разработки программ машинного зрения.

«При использовании подхода с классическим видением многие приложения нуждаются как минимум в двух месяцах разработки и отладки их программного обеспечения, – отмечает Деспонт.

– Использование продуктов ViDi позволяет завершить всю разработку буквально за считанные часы».

Источник: https://controlengrussia.com/tehnicheskoe-zrenie/iskusstvennyj-intellekt-i-mashinnoe-zrenie/

Искусственный интеллект. Вчера, сегодня, завтра, послезавтра и после-послезавтра

Научный аспект ИИ касается объяснения работы естественного интеллекта и имитации решения задач человеком.

Область ИИ стала развиваться после возникновения компьютеров. Сегодня элементы ИИ используются во множестве областей, от бытовой техники до управления атомными станциями. Развитие ИИ идёт параллельно с ускорением компьютеров и прогрессом в области когнитивной науки. Ожидается, что через несколько десятков лет ИИ достигнет уровня человека, а затем и превзойдёт его. 

Вчера Первые автоматы (прообразы роботов) были созданы ещё в Древней Греции более 2000 лет назад. Сложные механические куклы, способные выполнять причудливые действия, создавались и в средние века. Однако, в этих устройствах программа действий устройства была фиксирована механически и задавалась человеком, обратная связь со средой отсутствовала . 

Прототип Аналитической Машины

Рене Декарт заложил философскую основу ИИ, предположив, что все живые существа и даже люди — это машины. Первые же конкретные теоретические идеи были предложены Адой Лавлейс, помошницей Чарьза Бэббиджа и первым программистом.

Например, Ада предположила, что Аналитическая Машина Бэббиджа может быть запрограммирована правилами гармонии и сможет создавать «научную» музыку.  В 1950 британский математик Алан Тьюринг в своей статье «Вычислительная техника и разум» предположил, что сознание — это вычисления.

Он же предложил первый и наиболее известный критерий разумности ИИ — Тест Тьюринга. Это позволило поставить задачу о практическом создании машинного разума. 

Unimate — первый промышленный робот

Первоначальные прогнозы развития этой области были очень оптимистичны, прежде всего, благодаря ранним успехам. В 1960-х годах удалось продемонстрировать первого промышленного робота (Unimate, 1962), программу, способную проходить IQ тест (ANALOGY, 1963), компьютерного собеседника (ELIZA, 1965), множество программ, способных решать задачи на логику, алгебру, интегральное исчисление. 

HAL 9000, ИИ из фильма Космическая одиссея 2001»

Вызванные этими успехами ожидания отражены в фильме Стенли Кубрика «Космическая Одиссея 2001» (1962), обещавшем появление разумного компьютера HAL всего через 40 лет.

Совет

Но оказалось, что хотя самые сложные для человека (логические) проблемы для ИИ являются довольно простыми, научить ИИ распознаванию образов, пониманию языка и другим лёгким для человека вещам очень сложно. Это вызвало определённое разочарование в обществе и несколько охладило пыл исследователей.

  Сегодня можно сказать, что данная ошибка — переоценка скорости прогресса после того, как ясна принципиальная возможность решения, и недооценка возможных практических трудностей — была довольно типичной для предсказаний будущего.

Тем не менее, прогресс в области ИИ не прекращался: разрабатывались всё новые технологии, находившие применение в самых разных сферах.  Системы классического ИИ (до 1985) были направлены на решение логически сложных задач в простой внешней среде и имели монолитную централизованную архитектуру. 

С SHRDLU можно было беседовать о геометрических фигурах

Поиск решения задачи был направлен на нахождение правильной последовательности изначально доступных операций. С 1985 на основе практики робототехники начал развиваться поведенческий (behavior-based systems) подход. Эти системы уже были направлены на решение логически простых задач в реальной сложной физической среде.

Такие системы многослойны, а каждый слой является относительно автономным и представляет собой «поведение»; все слои (поведения) работают параллельно, но более высокие слои (поведения) имеют больший приоритет.

Акцент делается на проведении экспериментов в реальной физической среде, а не в абстрактной умозрительной, как это было в классических системах ИИ (например, игра в шахматы). 

Сегодня

Сегодня технологии искусственного интеллекта включают в себя множество различных подходов. Среди них: 

  • нейронные сети, работающие на принципах, схожих с работой мозга. Они используются для распознавания речи и рукописного текста, для постановки диагнозов, в финансовых программах и т. п.
  • эволюционные алгоритмы — предполагают создание популяции программ, их мутации, скрещивание (обмен частями программ) и тестирование на выполнении целевой задачи. Программы, работающие лучше всего, выживают и после множества поколений получается наиболее эффективная программа.
  • нечёткая логика — позволяет компьютеру работать с объектами из реального мира и их взаимоотношениями. С помощью нечёткой логики компьютер может понять такие термины как «близко», «теплее», «почти» и т. д. Поэтому нечёткая логика активно используется в бытовой технике, такой, как кондиционеры и стиральные машины.

MTran способен менять конфигурацию и генерировать программы движения 
с помощью эволюционных алгоритмов

 Выведение программы полёта с помощью эволюционных алгоритмов

C 90-х годов произошел отказ от монолитной архитектуры, теперь, в отличие от классической схемы последовательной обработки информации, решение принимается коллективно (нейронные сети, многоагентные системы, распределенные системы — distributed processing systems) агентами, которые сосуществуют параллельно и взаимодействуют между собой. 

Под управлением ИИ эта машина проехала
200 км по пустыне за 7 часов
 

Значительная часть используемых сегодня роботов обладает зачатками искусственного интеллекта. Они могут немного ориентироваться в окружающей обстановке, распознавать нужные им объекты.

В 2005 году четыре управляемых ИИ автомобиля успешно преодолели путь в 200 км по сложнейщей трассе в пустыне Мохаве со средней скоростью 30 км/ч. Самолёты уже могут выполнить весь рейс, от взлёта и до посадки, полностью на автопилоте.

Обратите внимание

В Японии, Франции и других странах работают автоматические поезда, использующие ИИ, чтобы сделать поездку максимально комфортной для пассажиров. Искусственный интеллект используется в современных бионических протезах, таких, как протез ноги от Ossur.

Технологии машинного зрения и распознавания образов применяются в камерах слежения и системах безопасности. Экспертные системы используются для поиска полезных ископаемых, диагностики заболеваний. Юридические программы выносят решения по мелким правонарушениям и дают консультации по сложным законам.

Технологии искусственного интеллекта используются для перевода текстов, распознавания речи. Системы на основе ИИ управляют промышленными объектами — заводами, атомными станциями, транспортом. Крупнейшие финансовые организации используют ИИ для сверхбыстрого принятия эффективных решений на фондовых и валютных рынках. 

Каждый из компьютерных бойцов в батальных сценах «Властелина Колец» 
обладал искусственным интеллектом

Искусственный интеллект широко используется в компьютерных играх, чтобы населить виртуальные миры персонажами с реалистичным и разумным поведением. Компьютерные актёры с искусственным интеллектом используются для съёмок батальных сцен в таких фильмах, как «Властелин колец» или «Хроники Нарнии».

  Не все компьютерные системы можно охарактеризовать как искусственный интеллект, более простые, скорее, напоминают искусственную нервную систему. Например, в современных автомобилях множество умных элементов, контролирующих разные аспекты работы машины. Более сложный ИИ напоминает отдельные элементы интеллекта животных.

Сегодня по уровню сложности используемых систем мы находимся примерно на уровне насекомых, в чём-то (в том, что можно алгоритмизировать) — выше.

По количеству элементов и скорости вычислений человеческий мозг ещё впереди, но если будет действовать закон Мура, то не долго осталось до того времени, когда способности ИИ сравняются с нашими.  В разработке ИИ всё больше используются знания по психофизиологии, полученные с помощью наблюдения за поведением животных и человека.

В соответствии с этими представлениями формирование поведенческого акта осуществляется параллельной работой функциональных систем, каждая из которых соответствует некоторому поведенческому акту, сформированному при научении и включенному в структуру индивидуального опыта.

Важно

  Уже начаты первые проекты по моделированию на компьютере человеческого мозга. Так, проект IBM Blue Brain ставит цель научиться к 2007-2009 гг. точно симулировать работу колонн неокортекса, той части мозга, которая в человеке отвечает за восприятие, моторные функции, пространственное воображение, язык и сознание. 

Читайте также:  Искусственный интеллект: в космосе роботам придется думать самостоятельно

Мы находимся в самом начале революции в ИИ и когнитивной науке. Но мы уже примерно понимаем, как устроены человеческое сознание и интеллект. Сканирование мозга во множестве экспериментов показало, что у любых мыслей и чувств есть совершенно реальное физическое выражение.

Нет оснований полагать, что человеческий мозг содержит что-то загадочное — души, квантовых эффектов или ещё чего-нибудь подобного там нет. Любая мысль — это процесс последовательной активации цепи нейронов в человеческом мозгу. Такой процесс можно изучать, им можно управлять и его можно вопроизводить в компьютерной симуляции.

Уже существуют точные компьютерные модели нейронов животных и человека. Удалось описать работу нервной системы простых животных, таких как кальмары. Сегодня существуют первые примеры соединения нейронных систем и кремниевой электроники в единые системы.

Некоторые протезы получают команды от мозга, кохлеарные имплантанты, наоборот, передают информацию в мозг. Подобная киборгизация будет развиваться. 

Завтра

Кибернетическая рука обезьяны, использующая нейрокомпьютерное
соединение

По мере распространения компьютерных технологий, работа с информацией и компьютерными агентами станет занимать всё большую часть человеческой жизни. ИИ-агенты будут помнить за человека, помогать ему в поиске и обработке информации. Подобное «усиление разума» (intelligence amplification) — один из путей к сверхразуму.

Развитие носимых и вживляемых компьютеров приведёт к тому, что большинство людей станет окружено «экзокорой», сонмом компьютеров, по сути выполняющих часть мыслительной работы и хранящих часть памяти своего хозяина. Дополненная реальность будет стирать границы между внутренним миром (воображением, памятью) и миром реальным.

Человек будет воспринимать реальность уже насыщенной дополнительной информацией — имена незнакомых людей, аргументы собеседника, сведённые в единую систему, справочная информация, любопытные идеи, подсказанные ИИ-агентами. Дальнейшая миниатюризация микрочипов сделает возможной прямой интерфейс между мозгом и компьютером, обеспечивая примитивное считывание и запись мыслей.

Совет

Появление совершенных нанотехнологий и создание субклеточных нанороботов сделает возможным считывание и запись информации на уровне отдельного нейрона. Это даст человеку полный контроль над собственным мозгом.  Параллельно будет развиваться ИИ, используемый в роботах.

К 2010-2015 году роботы получат достаточно эффективные программы машинного зрения, которые позволят им работать в естественной обстановке. К этому времени совершенного уровня достигнут и программы распознавания и синтеза речи, позволяя роботам общаться с человеком напрямую.

К 2015-2020 годам искусственный интеллект возьмёт на себя производство на множестве полностью автоматизированных заводов, значительной будет и его роль в управлении предприятиями. В большинстве кораблей, самолётов и автомобилей управление будет частично или полностью передано ИИ.  К 2015 году многие люди будут постоянно общаться с ИИ на работе.

Искусственный интеллект будет обладать способностями, достаточными для письменного или устного общения с человеком на обычном языке, будет понимать смысл информации из баз данных о клиентах, корпоративных правил и т. п. Многие профессии в сфере услуг, должности клерков, продавцов, специалистов из центров поддержки, будут автоматизированы с помощью искусственного интеллекта.

  Примерно к 2030 году компьютеры достигнут вычислительной мощности, достаточной для полной симуляции мозга человека во всей его сложности. Это сделает практически возможной загрузку человеческого сознания (считанного нанороботами) в компьютер. Ещё более вероятно, что уже к 2020 году будут заложены теоретические основы создания чисто машинного разума. В любом случае, где-то между 2020-2035 компьютерный разум сравняется по силе с человеческим и вскоре превзойдёт его. 

Разумный робот (будущее)

На данный момент еще не выработан удовлетворительный критерий «разумности». Критерий Теста Тьюринга говорит, что «система может считаться разумной, если наблюдатель, общаясь с ней достаточное время, не отличает ее от человека».

По мере того как разумный ИИ воплощается в реальности, мы будем вырабатывать более убедительные критерии, которые не столь антропоцентричны.

В какой-то момент мы просто придём к консенсусу о том, что созданный нами машинный разум уже разумен, хотя мы и не сможем точно указать, в какой момент это произошло.

Обратите внимание

Ханс Моравек как-то заметил, что «вопрос о том, может ли машина мыслить, имеет не больше смысла, чем вопрос о том, может ли подводная лодка плавать». Спор о тонких деталях не имеет практического смысла — когда мы увидим сильный ИИ, он сам сможет убедить нас в своей разумности. 🙂 

Послезавтра и после-послезавтра По мере развития нейротехнологий и когнитивных технологий будут все больше использоваться прямые интерфейсы мозг-компьютер, чипы и внешние программы (экзокора), дополняющие мозг человека. В то же время, в искусственном интеллекте будут использоваться системы, созданные по аналогии с биологическими нейронными системами.

Элементы человеческого интеллекта будут встраиваться в ИИ. Загруженные в компьютер личности будут свободно заменять существующие блоки своего сознания на искусственно созданные или эволюционировавшие с помощью генетических алгоритмов (т. е. перепрограммировать себя). Люди и ИИ будут объединяться в единые системы.

Всё это приведёт к стиранию грани между человеческим разумом и искусственным интеллектом. В какой-то момент останутся просто «разумные существа».  Существующие в 2005 году компьютеры достаточно примитивны. В рамках наших современных технологий мы используем лишь малую часть вычислительного потенциала материи.

Оценки максимальной мощности компьютеров (в расчёте на грамм материи) показывают, что их скорость может быть увеличена на 10-30 порядков по сравнению с сегодняшним состянием дел. 

Рождение планетарного сверхразума 
может занять всего несколько лет

Вот уже 40 лет учёные и инженеры удваивают скорость компьютеров каждые 1,5-2 года — закономерность известная как Закон Мура. Скорость работы людей остаётся постоянной.

Но если поручить разработку новых вычислительных технологий ИИ, то в результате своей работы сам ИИ станет работать ещё быстрее. И чем дальше он продвинется в создании новых компьютеров, тем быстрее он будет работать над следующим этапом.

Кроме разработки новых компьютеров, ИИ может заняться собственным программированием, создавая более умные и эффективные алгоритмы.

Подобное саморазвитие может привести к тому, что в течение всего нескольких лет мощность ИИ увеличится на много порядков, коренным образом изменив жизнь человека. Этот переломный момент в развитии человечества принято называть технологической сингулярностью. 

Элемент механического нанокомпьютера

Важно

Искусственный интеллект не долго будет «заперт» в компьютерах и роботах. По мере увеличения вычислительной мощности, искусственным интеллектом будут наделены практически все устройства, создаваемые человеком (и ИИ).

А с развитием нанотехнологий станет возможно использование ИИ в нанокомпьютерных комплексах. Это будет означать, что каждая частичка материи, превращенная в сложную наносистему, будет разумна. Различие между материей и сознанием будет практически стёрто.

  Суперинтеллект будет развиваться предельными темпами. Даже ресурсы Земли (материя для нанокомпьютеров, водород для термоядерного синтеза) достаточны для создания сверхразума с возможностями, превосходящими человеческие на десятки порядков.

Представить себе действия подобной Силы (пусть даже эта Сила и вырастет из нас самих) практически невозможно. 

Структура Мозгов-Матрёшек

Эта умная планета (ноосфера Вернандского, «планетарный супермозг» Яна Корчмарюка) даст одновременно и расширенные связи между разумами, и возможность их объединения, и огромные возможности для индивидуализации.

В мозгу человека каждый нейрон сохраняет свою индивидуальность, но вместе они порождают сознание. Примерно так же каждый отдельный разум сможет развиваться самостоятельно, в то же время добровольно участвуя в планетарном сознании.

Это нельзя будет назвать обществом, поскольку связи между разумами будут намного более тесными, чем привычное общение. 

Можно предположить, что в дальнейшем планетарный сверхразум использует для своего роста ресурсы Солнечной системы, путём строительства Юпитерианских Мозгов, Сферы Дайсона или Мозгов-Матрёшек, а затем перейдёт к галактической экспансии (или даже экспансии в новые Вселенные), но представить себе качественные (а не количественные) изменения, происходящие в подобном сверхразуме, мы сейчас не мож

Источник: https://infuture.ru/article/82

Искусственный интеллект озвучил «немые» видео

Andrew Owens et al / ArXiv

Ученые из Массачусетского технологического института и Стэнфордской лаборатории искусственного интеллекта создали систему искусственного интеллекта, которая способна озвучить «немое» видео, генерируя звуки на основе предсказанных свойств объектов. Исследование авторов будет представлено на ежегодной конференции по машинному зрению и распознаванию образов (CVPR), также оно выложено на сайте ArXiv.

Для своей работы ученые использовали систему искусственного интеллекта на основе сверточной и рекуррентной нейросети. Они создали 977 видеороликов, в которых люди с помощью барабанной палочки бьют и царапают объекты из разных материалов, — в сумме было совершено 46577 действий.

Исследователи вручную разметили видеоряд, указав тип материала, место удара, характер действия (удар или царапина), а также ответную реакцию на удар (разбрасывание, деформация или всплеск). Эти метки использовались только для того, чтобы оценить работу системы, а не для ее обучения.

Совет

Материалы и характер взаимодействия, использовавшиеся для обучения искусственного интеллекта Andrew Owens et al / ArXivИскусственный интеллект анализировал громкость и высоту звуков, соответствовавших разным типам взаимодействий.

Чтобы предсказать, как звучит видео, он изучал отдельные кадры и звуки в них, а потом сопоставлял их с наиболее похожими из базы данных. 

После тренировки система научилась самостоятельно генерировать разнообразные звуки, начиная с глухих стуков и заканчивая шуршанием плюща.

Звуки из базы данных в дальнейшем не использовались.

«Существующие подходы к искусственному интеллекту фокусируются только на одном из пяти органов чувств — например, специалисты по машинному зрению используют изображения, исследователи в области распознавания речи используют аудиодорожки. Эта работа приближает нас к имитации процесса обучения у человека, объединяя звук и зрение», — комментирует один из авторов работы.

https://www.youtube.com/watch?v=EFd1uWNT0AU

Сравнение сгенерированного и настоящего звука Andrew Owens et al / ArXivЭффективность системы исследователи проверили, проведя онлайн-исследование на Amazon Mechanical Turk.

Читайте также:  Прыгающий робот, имитирующий возможности приматов

Добровольцы должны были сравнить два варианта «озвучки» видеоролика и решить, какой из представленных вариантов соответствует настоящему звуку. В итоге в 40 процентах случаев искусственный интеллект смог обмануть людей.

Наиболее реалистичными оказались звуки листьев и грязи (последний назвали истинным приблизительно в 62 процентах видеороликов), а наименее — дерева и металла (металл звучал натурально только в 18 процентах случаев).

Кроме того, искусственный интеллект научился определять твердость материала.

Для этого ученые разделили все видео на две группы (твердые и мягкие материалы) и натренировали систему с помощью реальных звуков. В результате алгоритм смог определить по предсказанному звуку тип материала с точностью до 67 процентов.

Тем не менее, созданная учеными система еще требует доработки. Она умеет генерировать звуки, которые получаются при соприкосновении с объектом, однако, например, для шума ветра прямого контакта не требуется. Кроме того, алгоритм ошибается, когда объекты движутся слишком быстро, и не «попадает» в нужный момент.

Кристина Уласович

Источник: https://nplus1.ru/news/2016/06/14/ai-silent-videos

Как создать искусственный интеллект? (Почти) исчерпывающее руководство

На этой неделе вы могли прочитать крайне мотивирующей кейс от ученика GeekBrains Валерия Турова, который изучил профессию «Программист Java», где он рассказал об одной из своих целей, которая привела в профессию — желанию познать принцип работы и научиться создавать самому игровых ботов.

А ведь действительно, именно желание создать совершенный искусственный интеллект, будь то игровая модель или мобильная программа, сподвигла на путь программиста многих из нас.

Обратите внимание

Проблема в том, что за тоннами учебного материала и суровой действительностью заказчиков, это самое желание было заменено простым стремлением к саморазвитию.

Для тех, кто так и не приступил к исполнению детской мечты, далее краткий путеводитель по созданию настоящего искусственного разума.

Стадия 1. Разочарование

Когда мы говорим о создании хотя бы простых ботов, глаза наполняются блеском, а в голове мелькают сотни идей, что он должен уметь делать. Однако, когда дело доходит до реализации, оказывается, что ключом к разгадке реальной модели поведения является математика. Да-да, искусственный интеллект куда сложнее написания прикладных программ — одних знаний о проектировании ПО вам не хватит.

Математика — этот тот научный плацдарм, на котором будет строиться ваше дальнейшее программирование. Без знания и понимания этой теории все задумки быстро разобьются о взаимодействие с человеком, ведь искусственный разум на самом деле не больше, чем набор формул.

Стадия 2. Принятие

Когда спесь немного сбита студенческой литературой, можно приступать к практике.

Бросаться на LISP или другие функциональные языки пока не стоит — сначала стоит освоиться с принципами проектирования ИИ.

Как для быстрого изучения, так и дальнейшего развития прекрасно подойдёт Python — это язык, чаще всего используемый в научных целях, для него вы найдете множество библиотек, которые облегчат ваш труд.

Стадия 3. Развитие

Теперь переходим непосредственно к теории ИИ. Их условно можно разделить на 3 категории:

  • Слабый ИИ – боты, которых мы видим в компьютерных играх, или простые подручные помощники, вроде Siri. Они или выполняют узкоспециализированные задачи или являются незначительным комплексом таковых, а любая непредсказуемость взаимодействия ставит их в тупик.
  • Сильный ИИ – это машины, интеллект которых сопоставим с человеческим мозгом. На сегодняшний день нет реальных представителей этого класса, но компьютеры, вроде Watson очень близки к достижению этой цели.
  • Совершенные ИИ – будущее, машинный мозг, который превзойдёт наши возможности. Именно об опасности таких разработок предупреждают Стивен Хоккинг, Элон Маск и кинофраншиза «Терминатор».

Естественно, начинать следует с самых простых ботов. Для этого вспомните старую-добрую игру «Крестики-нолики» при использовании поля 3х3 и постарайтесь выяснить для себя основные алгоритмы действий: вероятность победы при безошибочных действиях, наиболее удачные места на поле для расположения фигуры, необходимость сводить игру к ничьей и так далее.

Сыграв несколько десятков партий и анализируя собственные действия, вы наверняка сможете выделить все важные аспекты и переписать их в машинный код. Если нет, то продолжайте думать, а эта ссылка здесь полежит на всякий случай.

К слову, если вы всё-таки взялись за язык Python, то создать довольно простого бота можно, обратившись к этому подробному мануалу. Для других языков, таких как C++ или Java, вам также не составит труда найти пошаговые материалы. Почувствовав, что за созданием ИИ нет ничего сверхъестественного, вы сможете смело закрыть браузер и приступить к личным экспериментам.

Стадия 4. Азарт

Теперь, когда дело сдвинулось с мёртвой точки, вам наверняка хочется создать что-то более серьёзное. В этом вам поможет ряд следующих ресурсов:

  • Diffbot;

Источник: https://tproger.ru/sponsored/ai-guide/

Пять мифов об искусственном интеллекте14.04.2017 13:54

Директор по маркетингу Fast Forward Lab Кэтрин Хьюм рассказала о том, как СМИ нагнетают обстановку вокруг разработок учёных.

В избранное

Израильский историк Юваль Ной Харари в книге «Sapiens.

Краткая история человечества» пишет, что люди, в отличие от других живых существ, могут действовать сообща, объединяясь в гигантские группы по системам, которые сами же для себя придумали.

Примеры таких систем — боги, нации, деньги, человеческие права, которые строго поддерживаются религиями, политическими структурами, торговыми сетями и законами.

Как предприниматель я восхищаюсь силой коллективных систем. Построить технологическую компанию трудно. Проигранные сделки, неугомонное эго, импульсивные решения, ошибки в коде, сорванные сроки, гонки за клиентами, ошибки в реализации: что угодно может спустить вас с небес на землю. Миссия — это возможность держать команду в тонусе в трудных ситуациях.

До тех пор, пока миссией компании управляют харизматичные лидеры, бизнес вовлекается в систему, которая гораздо больше него. В этой системе возможно всё, границы гибкие, и это вдохновляет команду.

Безумно интересно работать в компании, которая создает программное обеспечение с искусственным интеллектом (ИИ). Искусственный интеллект умеет обобщать информацию о продукте, чтобы дать человеку новые данные. Однако если бы ИИ просто собирал статистику, вокруг него не было бы столько шума.

Нас соблазняют идеи о том, как искусственный интеллект перевернет жизнь человечества. Мы восхищаемся искусственным интеллектом, когда думаем, что его можно научить делать то, на что способен только человек: говорить, писать и создавать предметы искусства. Или избавить нас от необходимости «гуглить» или работать в Excel.

Проблема в том, что пока мы мечтаем, мы не знаем реальных способностей, возможностей и угроз новой технологии. В этой статье я рассмотрю пять популярных заблуждений об искусственном интеллекте.

Миф №1: Нам больше не придется работать

Каждый раз, когда мой отец слышит, что искусственный интеллект заменит людей, он вспоминает фильм «Кабинетный гарнитур»— романтическую комедию 1957 года с участием Спенсера Трейси и Кэтрин Хэпберн.

Это фильм о библиотекарях, которые боятся потерять работу, потому что в компании установили электронный мозг «Эмерак» (назван так в честь компьютера компании IBM ЭНИАК). Он знает ответы на все, даже самые пустяковые вопросы клиентов. Фильм добрый и предсказуемый, наверняка, если вы воображали себе мир без работы, то это были бы сцены из «Кабинетного гарнитура».

Руководство не опровергает сплетни о том, что машина заменит людей, и просит сотрудников держать информацию в секрете. Все это для того, чтобы акции не упали перед большой секретной сделкой по слиянию с другой компанией.

Важно

В лучшей сцене примитивный электронный мозг не справляется с блестящим интеллектом героини Кэтрин Хэпберн, в неё влюбляется герой Трейси. Фильм заканчивается тем, что машина, которой все боялись, ошибается и отправляет всем сотрудникам извещения об увольнении.

Только в тот день руководство компании сообщает, что «Эмерак» не должен был заменить людей, а лишь помочь им лучше работать.

«Кабинетный гарнитур» преподносит нам урок. 1950-е были бумом разговоров об искусственном интеллекте. В 1952 году Клод Шеннон разработал Theseus — искусственную мышь, которая умеет проходить лабиринты.

В 1957 году Франк Розенблатт построил компьютер Mark I Perceptron, предшественника современных нейросетей.

В 1958 году Ганс Питер Лун написал статью об искусственном интеллекте, который управляет информационными системами.

Кадр из фильма «Кабинетный гарнитур»

Мы до сих пор работаем над тем, чтобы создать такую систему. В 1959 году Артур Сэмюэл ввел в употребление термин «машинное обучение», после того как создал программу по игре в шашки. Профессор университета Carnegie Mellon Том Митчелл написал манифест о машинном обучении в современном мире.

Общество волновалось и предвкушало изменения: что работа, как мы её себе представляем, просто закончится или коренным образом изменится с приходом искусственного интеллекта. Но этого не произошло. Мы попали в ловушку искусственного интеллекта. Исследования не пригодились.

Технологии повлияли на то, как мы работаем и живем, но совсем не так, как представляли себе люди в 1950-х. Несмотря на прогнозы, мы создали много новых рабочих мест.

И в 1950 году никто не мог себе представить Сан-Франциско, полный кремниевых транзисторов и подростков, которые зарабатывают миллионы на мобильных приложениях. Никто не представлял себе Марка Цукерберга.

Никто не представлял себе Питера Тиля.

Чтобы искусственный интеллект реально повлиял на что-то в бизнесе, мы должны постоянно над ним работать. За последние два года я увидела больше сотни предприятий, и скажу вам, что нам предстоит немало работы, чтобы искусственный интеллект заменил человека.

Совет

Чем больше мы соберем аналитики, тем точнее будет информация от искусственного интеллекта. Как сказал ученый Амос Тверски: «Человек — это точное устройство, выброшенное во вселенную вероятностей».

Люди ошибаются, они предпочитают чёткие инструкции неопределённости. Маура Гроссман и Гордон Кормак — профессоры по исследованиям, David R.

Cheriton School of Computer Science at the University of Waterloo, потратили годы, собирая доказательства, что люди не такие внимательные, какими привыкли себя считать.

Джон Холл, глава компании Intapp, объясняет, что юридические департаменты компаний по-прежнему страдают, пытаясь обнаружить конфликт интересов или потенциальные улики. Наши убеждения должны измениться, чтобы искусственный интеллект стал по-настоящему эффективным.

Я обожаю статью, в которой описывается отчаянное волнение президента США Барака Обама, узнавшего о местонахождении террориста Усамы Бен Ладена в 2011 году.

Прежде чем рассуждать, как искусственный интеллект заменит человека, давайте научимся работать со статистикой и теорией вероятностей. На это потребуется время.

Управленцы должны быть готовы рисковать и принимать решения в условиях неопределенности.

Руководители должны решить, где нужна информационная прозрачность — это ситуации, в которых важно знать логику принятия решения, например при выдаче потребительских кредитов.

Обратите внимание

А также ситуации, в которых точность и аккуратность нужнее: самоуправляемые автомобили, где важнее спасти жизнь, чем знать причины принятия решений.

Задача в том, чтобы разделить работу человека и машины. Для этого нужны консультанты, которые помогут соединить работу человека и искусственного интеллекта.

Миф № 2: Чат-бот решит все проблемы клиента

Источник: https://pcnews.ru/news/pat_mifov_ob_iskusstvennom_intellekte-763116.html

Ссылка на основную публикацию