Учёные нашли новые методы развития искусственного интеллекта

Искусственный интеллект: что о нем думают ученые

Сегодня об искусственном интеллекте не пишет только ленивый.

Например, в Autodesk считают, что искусственный интеллект может учитывать гораздо больше факторов, чем человек, и, таким образом, давать более точные, логичные и даже более креативные решения сложных проблем.

В Оксфордском университете вообще высказывают предположения о том, что искусственный интеллект в недалеком будущем может заменить штатных журналистов и писать за них обзоры и статьи (и того и гляди выиграет Пулитцеровскую премию).

Общее увлечение темой искусственного интеллекта давно вышло за рамки научных конференций и будоражит умы писателей, кинематографистов и широкой общественности. Кажется, что от будущего, в котором роботы (или Скайнет) правят миром или, как минимум, решают большую часть повседневных задач, рукой подать. Но что по этому поводу думают сами ученые?

Обратите внимание

Для начала стоит разобраться с термином «искусственный интеллект»: слишком много существует на эту тему домыслов и художественных преувеличений.

В этом вопросе лучше всего обратиться к автору этого термина (и по совместительству создателю языка Лисп и лауреату множества премий) – Джону Маккарти.

В статье с одноименным названием («Что такое искусственный интеллект?») Маккарти приводил следующее определение:

Получается, что искусственный интеллект и интеллект «человеческий» тесно связаны? Не совсем так – сам Маккарти подчеркивал: если интеллект «вообще» – это «вычислительная» составляющая того, что помогает субъекту достигать заданных целей, тогда интеллект человека, животных и машин будет работать по-разному.

Выходит, что искусственный интеллект – это не подобие человеческого, хотя многим футуристам, писателям и даже ученым хочется верить в то, что это не так. Об этом часто повторяет Майкл Джордан, почетный профессор Калифорнийского Университета в Беркли. Он считает, что недостаточное понимание того, что же представляет из себя искусственный интеллект, приводит не просто к созданию «красивых образов», не связанных с реальной наукой, а к самой настоящей дезинформации и разного рода мифам, процветающим в этой области.

Миф первый: для создания или усовершенствования искусственного интеллекта надо разобраться с тем, как работает человеческий мозг

Джордан утверждает, что это вовсе не так. Работа искусственного интеллекта, как правило, не имеет ничего общего с тем, как устроен интеллект человека. Этот «миф» глубоко укоренился из-за пристрастия общественности к «красивым идеям»: авторам научно-популярных статей об искусственном интеллекте пришлись очень по душе метафоры, взятые из нейробиологии.

На самом деле нейробиология имеет очень опосредованное отношение (или вообще не имеет никакого отношения) к работе искусственного интеллекта.

Для Майкла Джордана идея о том, что «для глубинного обучения нужно понимание того, как обрабатывает информацию и учится человеческий мозг», звучит как откровенная ложь.

«Нейроны», задействованные в глубинном обучении – это метафора (или, выражаясь языком Джордана, вообще «карикатура» на работу мозга), которая применяется только для краткости и удобства.

В действительности же работа механизмов того же глубинного обучения гораздо ближе к процедуре построения статистической модели логистической регрессии, чем к работе настоящих нейронов. При этом, никому не приходит в голову для «краткости и удобства» использовать метафору «нейрона» в статистике и эконометрике.

Миф второй: искусственный интеллект и глубинное обучение – последние достижения современной науки

Важно

Мнение о том, что «думающие как человек» компьютеры будут сопровождать нас в недалеком будущем, напрямую связано с идеей, согласно которой искусственный интеллект, нейронные сети, глубинное обучение являются достоянием исключительно современной науки.

Ведь если допустить мысль о том, что все это было придумано десятилетия назад (а роботы к сегодняшнему дню так и не захватили мир), «порог ожиданий» от научных достижений вообще и скорости их развития в частности придется серьезно снизить.

К сожалению, СМИ стараются сделать все возможное, чтобы подогреть интерес к своим материалам, и очень избирательно относятся к выбору тематик, которые, по мнению редакторов, вызовут интерес у читателей.

В итоге описываемые ими достижения и их перспективы оказываются гораздо более внушительными, чем реальные открытия, а часть информации просто «аккуратно опускается», чтобы не снижать накала страстей.

Многое из того, что сейчас преподносят «под соусом» искусственного интеллекта, является просто переработанной информацией о нейронных сетях, которые известны человечеству с 80-х годов.

Миф третий: искусственная нейронная сеть состоит из тех же элементов, что и «реальная» На самом деле специалисты, занятые вопросами разработки вычислительных систем, оперируют нейробиологическими терминами и формулировками гораздо смелее, чем многие нейробиологи.

Интерес к работе мозга и устройству интеллекта человека стал питательной средой для развития такой теории как «невральный реализм». В системах искусственного интеллекта нет ни спайков, ни дендритов, более того, принципы их работы далеки не только от работы головного мозга, но и от пресловутого «неврального реализма».

Фактически, в нейронных сетях ничего «нейронного» нет. Более того, идея «неврального реализма», основанная на уподоблении работы систем искусственного интеллекта работе мозга, по мнению Джордана, не выдерживает критики. По его словам, к прогрессу в сфере искусственного интеллекта привел не «невральный реализм», а использование принципов, совершенно не согласующихся с тем, как работает мозг человека. В качестве примера Джордан приводит популярный алгоритм глубинного обучения, основанный на «обратной передаче ошибки обучения». Его принцип работы (а именно передача сигнала в обратном направлении) явно противоречит тому, как работает человеческий мозг.

Миф четвертый: ученые хорошо понимают, как работает «человеческий» интеллект

И это снова далеко от истины. Как утверждает все тот же Майкл Джордан, глубинные принципы работы мозга не просто остаются нерешенной проблемой нейробиологии – в этой области ученых отделяют от решения вопроса десятки лет.

Совет

А попытки создать работающую имитацию мозга так же не приближают исследователей к пониманию того, как устроен человеческий интеллект.

Джон Маккарти, в свою очередь, подчеркивал: проблема не только в том, чтобы создать систему по образу и подобию человеческого интеллекта, а в том, что сами ученые не придерживаются единого мнения по поводу того, что он (интеллект) из себя представляет и за какие конкретно процессы отвечает.

На этот вопрос ученые пытаются ответить по-разному. В своей книге «Нейронные сети и глубинное обучение» Майкл Нилсен приводит несколько точек зрения. Например, с позиции коннектомики наш интеллект и его работа объясняются тем, сколько нейронов и глиальных клеток содержит наш мозг, и сколько соединений наблюдается между ними.

Учитывая, что в нашем мозге насчитывается порядка 100 млрд нейронов, 100 млрд глиальных клеток и 100 трлн соединений между нейронами, говорить о том, что мы можем «в точности воссоздать» эту архитектуру и заставить ее работать, в ближайшем будущем крайне маловероятно.

А вот молекулярные биологи, изучающие геном человека и его отличия от близких родственников людей по эволюционной цепочке, дают более обнадеживающие прогнозы: оказывается, геном человека отличается от генома шимпанзе на 125 миллионов пар оснований.

Цифра большая, но не бесконечно огромная, что дает Нилсену повод надеяться, что на основании этих данных группа ученых сможет составить если не «работающий прототип», то как минимум сколь бы то ни было адекватное «генетическое описание» человеческого мозга или скорее базовые принципы, лежащие в основе его работы.

Стоит сказать, что Нилсен придерживается «общепринятого человеческого шовинизма» и полагает, что значимые принципы, определяющие работу человеческого интеллекта, лежат в тех самых 125 миллионах пар оснований, а не в остальных 96% генома, которые у человека и шимпанзе совпадают.

Так сможем ли мы создать искусственный интеллект, равный по возможностям человеческому? Получится ли у нас в обозримом будущем понять, как именно работает наш собственный мозг? Майкл Нилсен, считает, что это вполне возможно – если вооружиться верой в светлое будущее и в то, что многие вещи в природе работают по более простым законам, чем это кажется на первый взгляд. А вот Майкл Джордан дает более близкий к практической работе исследователей совет: не поддаваться на провокации журналистов и не искать «революционные» решения. По его мнению, привязываясь к человеческому интеллекту как отправной точке и конечной цели своих исследований, ученые, работающие над проблемой искусственного интеллекта, излишне ограничивают себя: интересные решения в этой области могут лежать в направлениях, никак не связанных с тем, как устроен наш мозг (и как нам представляется его устройство).

P.S. Мы в 1cloud рассматриваем самые разные темы в нашем блоге на Хабре – пара примеров:

Источник: https://habr.com/company/1cloud/blog/281282/

Основные этапы развития искусственного интеллекта



В статье описываются основные этапы развития области искусственного интеллекта. Несмотря на недолгую историю своего существования, она насыщена событиями и оказала огромное влияние на культуру двадцатого века.

В статье рассматривается история развития искусственного интеллекта начиная со времён Спинозы и до наших дней. Описаны основные периоды взлета и падания интереса к данной области.

Начало искусственного интеллекта

Предпосылки для создания искусственного интеллекта были заложены классическими философами — Лейбницем, Спинозой и Декартом, основателями рационализма, которые полагали, что в мышлении существуют основные принципы, подобные аксиомам геометрии, и из них знание можно выводить чисто логически дедуктивным методом. Эти философы начали формулировать гипотезу о физической символьной системе, которая станет основой для исследований в области искусственного интеллекта.

Технологическими предпосылками к возникновению отрасли знания об искусственном интеллекте послужила первая механическая вычислительная машина — считающие часы Вильгельма Шикарда, сконструированные им в 1623 г., а также созданные впоследствии суммирующая машина Блеза Паскаля (1643 г), и арифмометр Лейбница (1671 г).

Обратите внимание

В 1832 году коллежский советник С. Н. Корсаков предложил новый принцип разработки научных методов и устройств для усиления возможностей человеческого разума и представил серию «умных машин», в конструкции которых впервые были применены перфорированные карты.

В 1928 году немецкий математик Давид Гильберт формулирует так называемую «Проблему разрешения» [1, с.

45]: найти алгоритм, который бы принимал в качестве входных данных описание любой проблемы разрешимости (формального языка и математического утверждения «S» на этом языке) — и, после конечного числа шагов, останавливался бы и выдавал один из двух ответов: «Истина» или «Ложь», — в зависимости от того, истинно или ложно утверждение «S».

1936 году Алан Тьюринг, считающийся отцом интуитивного подхода к изучению искусственного интеллекта, и Алонзо Чёрч независимо друг от друга публикуют работы, опровергающие возможность существования алгоритма решающего проблему разрешения. Это утверждение известно как «теорема Чёрча-Тьюринга».

В этой же статье «On computable numbers, with an application to the entscheidungsproblem» [2] Алан Тьюринг также впервые употребляет понятие «А-машина», сейчас известная как «Машина Тьюринга».

Машина Тьюринга — это абстрактная вычислительная машина, созданная для формализации понятия алгоритма.

Машина Тьюринга является расширением конечного автомата и, согласно тезису Чёрча-Тьюринга [3], способна имитировать всех исполнителей (с помощью задания правил перехода), каким-либо образом реализующих процесс пошагового вычисления, в котором каждый шаг вычисления достаточно прост.

В состав машины Тьюринга входит неограниченная в обе стороны лента (возможны машины Тьюринга, которые имеют несколько бесконечных лент), разделённая на ячейки, и управляющее устройство, способное находиться в одном из множества состояний. Число возможных состояний управляющего устройства конечно и точно задано.

Важно

Управляющее устройство может перемещаться влево и вправо по ленте, читать и записывать в ячейки символы некоторого конечного алфавита. Выделяется особый пустой символ, заполняющий все клетки ленты, кроме тех из них (конечного числа), на которых записаны входные данные.

Управляющее устройство работает согласно правилам перехода, которые представляют алгоритм, реализуемый данной машиной Тьюринга. Каждое правило перехода предписывает машине, в зависимости от текущего состояния и наблюдаемого в текущей клетке символа, записать в эту клетку новый символ, перейти в новое состояние и переместиться на одну клетку влево или вправо.

Читайте также:  Искусственный интеллект может стать более умным

Некоторые состояния машины Тьюринга могут быть помечены как терминальные, и переход в любое из них означает конец работы, остановку алгоритма.

То есть, всякий интуитивный алгоритм может быть реализован с помощью некоторой машины Тьюринга. Машина Тьюринга была первой попыткой автоматизировать логические и математические вычисления, которые на том момент мог выполнять только человек.

В своей следующей статье «Computing machinery and intelligence» [4] (1950) Тьюринг задаётся вопросом «А может ли машина мыслить?».

Эта абстрактная формулировка заменяется на «может ли машина, путем общения с человеком посредством письма, обмануть его и заставить человека думать, что он также имеет дело с человеком?». Отсюда берет свое начало знаменитый тест Тьюринга.

Принято считать, что именно в этой работе впервые освещается вопрос искусственного интеллекта. Работу критикуют, так как до сегодняшнего дня ни одна машина не прошла Тест Тьюринга.

1943 году Уорен Мак-Каллох и Уолтер Питтс публикуют статью «A Logical Calculus of the Ideas Immanent in Nervous Activity» [5], в которой нейроны упрощенно рассматриваются как устройство, оперирующее двоичными числами. Так они основали новое направление в науке об искусственном интеллекте — нейронные сети.

Совет

В 1954 году Нильсом Ааном Баричелли был основан еще один подход в области искусственного интеллекта — эволюционное моделирование. При этом подходе решение задач оптимизации и моделирования осуществляется путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, аналогичных естественному отбору в природе (генетический алгоритм).

Этот период становления науки о искусственном интеллекте завершает Дартмутский семинар, ставший катализатором для научных исследований в этой области, т. к. именно на нём познакомились многие учёные. На этом же семинаре было утверждено появление новой отрасли науки, окрещённой «Artificial Intelligence» — «Искусственный интеллект».

Золотой век искусственного интеллекта

1956–1976 годы считаются золотым веком искусственного интеллекта, так как на тот момент не было накоплено никакой научной базы, что делало каждое открытие особенно важным. Искусственный интеллект развивался по двум основным направлениям: математическая логика и нейронные сети.

Американский ученый Фрэнк Розенблатт в 1962 году предложил принцип обучения нейронных сетей — обучение на примерах [6]. Также он создал первый нейрокомпьютер, с помощью которого ему удалось распознать рукописный текст.

1965 году Джон Алан Робинсон сформулировал правило резолюций [7] — правило вывода, восходящее к методу доказательства теорем через поиск противоречий.

Его работы были решающими в развитии языка логического программирования Пролог, который был создан в 1972 году Аленом Колмероэ и Филиппом Русселем.

С помощью этого языка стало возможным описывать различные задачи на языке логики с последующим решением на ЭВМ путем перебора всех возможных вариантов.

В это же время появилось понятие нечёткого множества, которое сформулировал Лютфи Заде в своей работе «Fuzzy sets» [8] (1965).

Заде расширил классическое понятие множества, допустив, что характеристическая функция множества может принимать любые значения в интервале от «0» до «1», а не только значения «0» или «1».

Вместе с понятием нечёткого множества возникла нечёткая логика, которая применяется в нейронных сетях (нейро-нечёткие системы).

Первая зима искусственного интеллекта

Обратите внимание

С 1969 по 1980 годы изучение нейронных сетей приостановилось. Это связано с публикацией книги Мартина Лии Мински и Сэймура Паперта «Perceptrons: an introduction to computational geometry» [9]. В данной книге авторы подвергли нейронные сети жесткой критике.

Одной из самых известных претензий является то, что в процессе исследования вычислительных способностей персептрона они пришли к выводу, что персептрон не может реализовать простейшую логическую функцию XOR (либо-либо).

Что, в свою очередь, заставило усомниться в нейросетевом подходе в целом.

Период с 1975 по 1980 годы называют первой зимой искусственного интеллекта. Кризис нейронных сетей оказался лишь предвестником грядущих неудач.

Причин кризиса было несколько: громко заявленный американским правительством полностью автономный военный вездеход так и не увидел свет; японский проект по созданию супер-компьютера пятого поколения, который, как обещалось, был бы способен вести с человеком полноценный разговор, был закрыт без всяких объяснений. Неудачи постигли множество проектов, связанных с автоматическими переводчиками и системами работы с текстом.

Также в это время был открыт комбинаторный взрыв. В 1972 г. Ричард Карп доказал, что при увеличении числа входных данных время решения задачи должно расти экспоненциально.

Это значит, что сложные задачи со множеством входных данных на сегодняшний день решить невозможно.

Открытие комбинаторного взрыва очень сильно ударило по всему комбинаторно-логическому подходу к искусственному интеллекту, на который в то время возлагали самые большие надежды.

Возвращение интереса кискусственному интеллекту

В результате развития экспертных систем в 1980–1984 годы наблюдается возвращение интереса к искусственному интеллекту.

Важно

Экспертная система — это программа, использующая базу знаний для решения задач в некоторой предметной области.

В 80-е экспертные системы начали внедряться в медицине, юриспруденции и других областях, и они стали первым коммерчески успешным направлением искусственного интеллекта.

Вторым фактором увеличения интереса к искусственному интеллекту стало развитие нейронных сетей. Были разработаны многослойные нейронные сети, которые, в частности, позволяли реализовать логическую функцию XOR. Благодаря Полу Уэрбосу появились средства обучения многослойных нейронных сетей [10].

Вторая зима искусственного интеллекта

Затем наступает вторая зима искусственного интеллекта (1984–1993 годы). Она была вызвана завышенными ожиданиями по отношению к экспертным системам, которые, в конце концов, заняли все возможные для их применения области и их распространение остановилось. Инвестирование этой области снизилось.

Но основной причиной начала второй зимы считается появление персональных компьютеров, ставшее причиной возникновения потребности в большом количестве программных продуктов. Возникло новое направление развития — компьютерные науки.

Компьютерные науки включают большое количество различных направлений, которые ранее изучались в рамках искусственного интеллекта, таких как: теория графов, символьные вычисления, комбинаторика и прочие.

В результате множество ученых из области искусственного интеллекта интеллектом перешли работать в новую область.

Новая эра

С 1993 года и по наше время длится новая эра искусственного интеллекта. Искусственный интеллект в том виде, в котором он существовал до текущего периода, прекратил свое существование.

Совет

Если раньше целью ученых, работавших в этой области, было воссоздание человеческого мышления техническими методами, то сейчас цели стали менее амбициозными и более реалистичными.

Сегодня термин искусственный интеллект практически не используется, существуют более конкретные термины, такие как: машинное обучение, интеллектуальные системы, конечные автоматы, эволюционные алгоритмы и многие другие.

Направления, ранее входившие в область искусственного интеллекта: искусственные нейронные сети, эволюционные вычисления и системы логического вывода, теперь являются самостоятельными направлениями, больше нет той объединявшей их сверхцели — построения искусственного разума.

На сегодняшний день наибольший ажиотаж вызывает технология нейронных сетей, лежащая в основе современных беспилотных автомобилей, систем автоматического распознавания голоса и перевода, систем идентификации личности, систем прогнозирования, систем фильтрации и многих других. Оправдают ли они ожидания учёных или мы на пороге очередной зимы искусственного интеллекта покажет время.

Литература:

  1. С. Л. Эдельман, Математическая логика. — Москва, Высшая школа, 1975. — стр. 45
  2. A. M. Turing, On computable numbers, with an application to the entscheidungsproblem, 1936
  3. [Электронный ресурс] // https:// ru.wikipedia.org/wiki/Тезис_Чёрча_—_Тьюринга (Дата обращения: 30.11.2017)
  4. A. M. Turing, Computing Machinery and Intelligence, 1950
  5. Warren S. Mcculloch and Walter Pitts, A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biology Vol. 52, No. l/2. стр. 99–115.
  6. F. Rosenblatt: Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms. Brain Theory 1962. P. 245–248

Источник: https://moluch.ru/archive/206/50536/

Участники «Технопрома» — о развитии и применении искусственного интеллекта

Глубинное обучение (Deep Learning) — область машинного обучения, которая активно развивается последние годы. Конечно, это не тот искусственный интеллект, который представляют себе фантасты, но уже сегодня многие алгоритмы решают задачи биомедицины, машиностроения, обработки естественного языка.

Участники Международного форума технологического развития «Технопром-2017» обсудили перспективы искусственного интеллекта на стратегической сессии.

Машинное обучение занимается множеством задач, для которых не создано традиционных алгоритмов решения, и некоторые российские разработки в этой области достигают мирового уровня.

Заведующий лабораторией Федерального исследовательского центра «Информатика и управление» РАН кандидат физико-математических наук Иван Валентинович Смирнов отметил, что существующие алгоритмы направлены на получение новых данных: современные методы, например нейронные сети, представляют собой некий «черный ящик», они не имитируют рассуждения человека (как индукция или дедукция), а решают задачу собственным путем. Сейчас такого рода технологии активно развиваются: чат-боты, к примеру, начинают все лучше имитировать разговор человека (некоторые из них могут пройти не только тест Тьюринга, но и более сложные испытания). Со временем алгоритмы машинного обучения станут частью повседневной жизни, но для того, чтобы оно развивалось как научное направление нужен заказ рынка.

Младший научный сотрудник Сколковского института науки и технологий Алексей Зайцев рассказал о том, как глубинное обучение может помочь в авиакосмической индустрии.

Дело в том, что при строительстве летательных аппаратов производится множество расчетов, каждый из которых занимает по несколько часов работы суперкомпьютера, а это не только долго, но и дорого.

Технология суррогатного моделирования создает специальные модели — они позволяют решить эту проблему и сократить время расчетов до миллисекунд. Такой подход уже уменьшил время разработки самолетов на 5 %.

О том, как машинное обучение развивается в научно-исследовательских институтах, рассказал директор Института систем информатики им. А. П. Ершова СО РАН, сотрудники которого работают в этой области с 1969 года, доктор физико-математических наук Александр Гурьевич Марчук.

— По всему спектру технологий машинного обучения инженерия опережает теоретические исследования, — рассказал ученый. — Специалисты уже задним числом пытаются научно обосновать работу тех или иных алгоритмов, хотя и это не просто. Например, все еще не существует четкого объяснения технологии нейронных сетей.

Наш институт хочет энергично развернуть не только фундаментальные, но и прикладные исследования в области искусственного интеллекта. Вместе с Институтом математики им. С. Л.

Обратите внимание

Соболева СО РАН и Институтом вычислительной математики и математической геофизики СО РАН мы пытаемся сформировать программу большей технологической направленности: думаю, мы в состоянии доводить исследования не только до теории, но и до создания прототипов, реальных технологических решений.

Источник: http://www.sib-science.info/ru/institutes/iskusstvennyy-intellekt-21062017

Проблема искусственного интеллекта

Никто не может предсказать, как поведут себя системы, созданные с помощью совершенного искусственного интеллекта. Тем не менее предположений много, рассмотрим в чем же заключается проблема искусственного итнеллекта.

Философская проблема искусственного интеллекта

Основная философская проблема в области искусственного интеллекта заключается в доведении возможности и целесообразности моделирования процесса мышления человека.

Существует опасность тратить время на изучение того, что невозможно создать, в частности, на современном этапе развития человечества. Примером подобного времяпрепровождения может быть занятие научным коммунизмом — наукой, что на протяжении десятилетий изучала то, чего нет, и в обозримом будущем быть не может.

Рассмотрим ряд доказательств, которые подводят к положительному ответу на вопрос возможности создания искусственного интеллекта.

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

Первое доказательство выходит из области схоластики и говорит о непротиворечия искусственного интеллекта и Библии.

Об этом говорят слова священного писания: «И создал Господь Бог человека по своему образу и подобию».

Исходя из этих слов, можно утверждать, что, поскольку люди по своей сути подобные Творцу, то они вполне могут искусственным путем создать несколько по собственному образу и подобию.

Второй довод вытекает из успехов человечества, достигнутых в области создания нового разума биологическим путем. В 90-х годах прошлого столетия появилась возможность клонирования млекопитающих, начиная с овечки Долли.

Дальнейшие достигнутые успехи в данном направлении заключаются в создании форм искусственной жизни, не имеющие никакого естественного экземпляра, к которому бы они были похожи. Например, кролики с дополнительным геном, что создает эффект светлячка.

Читайте также:  Япония планирует совершить революцию роботов к 2020 году

В отличие от клонов, эти формы в полной мере представляют собой искусственную жизнь. Вместе с тем, такие существа можно считать интеллектуальными, учитывая их способности к элементарному обучению.

Поэтому они могут называться системами искусственного интеллекта, хотя несотворенным на основе использования средств вычислительной техники, которые представляют наибольший интерес для человечества.

Важно

Третий довод — это доказательство возможности самовоспроизведения объектов, состоящих из неживой материи.

Способность к самовоспроизводству, как признак наличия интеллекта, долгое время считалась прерогативой живых организмов.

Однако некоторые явления, происходящие в неживой природе, например, рост кристаллов, синтез сложных молекул через копирования, во многом идентичны самовоспроизводству.

Исследование искусственного интеллекта

В начале 50-х годов прошлого столетия Дж. фон Нейман занялся основательным изучением самовоспроизведения и заложил основы математической теории автоматов, «самовоспроизводящихся».

Он также доказал теоретическую возможность управляемой инициализации самовоспроизведению.

На сегодня, существует много различных неформальных доказательств возможности самовоспроизведения объектов, но для программистов наиболее существенный довод заключается в существовании компьютерных вирусов.

Четвертое доказательство — это существование принципиальной возможности автоматизации решения интеллектуальных задач с помощью вычислительной техники. Она обеспечивается ее свойством алгоритмической универсальности.

Алгоритмическая универсальность вычислительных машин означает, что на них можно программно реализовывать любые алгоритмы преобразования информации: вычислительные алгоритмы, алгоритмы управления, поиска доказательства теорем и т.д.

При этом, подразумевается, что процессы, порождаемые этими алгоритмами, являются потенциально осуществимыми, то есть, что они осуществляются в результате проведения конечного количества элементарных операций.

Практическая реализация алгоритмов зависит от существующих вычислительных мощностей, которые изменяются с развитием техники. В частности, вследствие появления быстродействующих компьютеров, стало практически возможным создание программных систем, способных реализовывать такие алгоритмы, которые ранее считались лишь потенциально осуществимыми.

Совет

Для обозначения программных систем, использующих искусственный интеллект, сложился общий срок — интеллектуальная система.

Целесообразность создания интеллектуальных систем заключается в необходимости решения задач, которые не решаются на достаточном уровне эффективности программными системами, созданными на жесткой алгоритмической основе.

К таким задачам относятся задачи, имеющие, как правило, следующие особенности:

  • у них неизвестный алгоритм решения — такие задачи носят названия интеллектуальных задач;
  • в них используется, помимо традиционных форматов данных, информация в виде графических изображений, рисунков, звуков;
  • в них предполагается наличие свободы выбора — то есть, отсутствие единого алгоритма решения задачи обусловливает необходимость сделать выбор между вариантами действий в условиях неопределенности.

Приведенный перечень задач формирует особенности интеллектуальных систем, предназначенных для их решения.

Источником такого определения особенностей фактически является известный тест Тьюринга, предложенный британским математиком и одним из первых исследователей в области компьютерных наук Аланом Тьюрингом (Alan Turing).

В данном тесте экспериментатор, обмениваясь сообщениями с подопытным объектом, пытается определить, кем он является на самом деле: человеком или компьютерной программой.

Интеллектуальная система, успешно прошла такой тест, считается сильным искусственным интеллектом. Термин «сильный искусственный интеллект» пропагандируется специалистами, которые считают, что искусственный интеллект должен базироваться на строгой логической основе.

В отличие от сильного, слабый искусственный интеллект, по их мнению, базируется исключительно на одном из методов решения интеллектуальных задач (искусственных нейронных сетях, генетических алгоритмах, эволюционных методах).

В наши дни стало очевидным, что ни один из методов искусственного интеллекта не позволяет успешно решить приемлемое количество задач — лучше проявляет себя использование комбинации методов.

Первая программа, прошедшая тест Тьюринга, была написана в ходе проведения психологических экспериментов Стивеном Вейценбаум (Steven Weizenbaum) в 1967 году.

С тех пор уровень знаний в этой области значительно возрос, а способы взаимодействия экспериментатора с объектом исследования стали гораздо совершеннее.

В наши времена проводятся отдельные соревнования с призовым фондом в сотни тысяч долларов США под названием: «Соревнование за приз Лебнера», в ходе которых определяется лучшая программа.

Обратите внимание

Не следует думать, что интеллектуальные системы могут, решать любые задачи. Математиками было доказано существование таких типов задач, для которых невозможен единый алгоритм, чтобы воспроизводил их эффективные решения.

В этом контексте определяется невозможность решения задач такого типа с помощью интеллектуальных систем, разработанных для вычислительных машин.

Кроме того, утверждение про алгоритмическую невозможность решения некоторого класса задач является одновременно и прогнозом на будущие времена, согласно которому алгоритмы их решения не будут найдены никогда.

Этот факт способствует лучшему пониманию того, где в современном мире могут найти свое практическое применение системы искусственного интеллекта.

В частности, для решения задачи, не имеет универсального алгоритма решения, целесообразно ее сужение до уровня, когда она решается только для определенного подмножества начальных условий.

Такие решения по силам интеллектуальным системам, а их результат способен сузить, для человека, область вариантов интуитивного выбора.

(1

Источник: https://LibTime.ru/expertsystems/problema-iskusstvennogo-intellekta.html

Совершенный искусственный интеллект — мифы и заблуждения

Термин искусственный интеллект (ИИ) появился относительно недавно, но уже сейчас невозможно представить себе мир без него. Чаще всего мы не замечаем ИИ или не задумываемся о его присутствии.

Но, если бы вдруг его не стало, наша жизнь уже была бы другой.

Области, в которых используется искусственный интеллект, постоянно расширяются, например, сначала это были программы для игры в шахматы, потом появилась роботизированная техника, сейчас алгоритмы способны самостоятельно проводить торги на биржах.

Данное технологическое направление сформировалось на основании утверждения, что человеческий интеллект может быть детально изучен и описан, а впоследствии, успешно сымитирован машиной.

Важно

За годы создания различных видов техники, обладающей ИИ, люди уверовали, что искусственный интеллект сможет решить многие проблемы лучше человека.

Но ошеломляющие успехи в области создания ИИ, вызвали так же и определённые опасения – многие учёные считают, что совершенный искусственный интеллект (СИИ), в конечном счёте, вытеснит людей, которые не обладают высокими интеллектуальными способностями.

Об этом предупреждает английский физик-теоретик Стивен Хокинг, который в своём недавнем заявлении предположил, что ИИ возможно в скором времени перестанет обращать внимание на людей, став могущественнее и умнее человека, а человек станет чем-то наподобие муравья.

Основатель компаний SpaceX и Tesla миллиардер Илон Маск неоднократно в своих выступлениях подчёркивает, что с искусственным интеллектом нужно быть крайне осторожным и считает, что ИИ может быть для человечества опаснее ядерного оружия.

Как видим, все вопросы, которые касаются развития искусственного интеллекта, невероятно сложны. К чему, в конечном счёте, приведёт развитие ИИ – к огромным преимуществам или к страшным и необратимым последствиям? Пока на этот вопрос нет ответа. Но, сейчас мы можем попытаться разобраться в заблуждениях и мифах по поводу искусственного интеллекта, которые существуют.

Невозможно создать ИИ с человекоподобным интеллектом

В мире есть много людей, скептически настроенных, которые уверены в том, что создать искусственный интеллект, равный интеллекту человека, не реально.

Но, наш мозг – это та же, в своём роде, «машина», только биологическая. Он так же, как всё на Земле подчиняется законам физики.

По мнению учёных, занимающихся исследованиями в сфере ИИ, создание искусственного интеллекта, превосходящего по «разуму» человека, это только вопрос времени. Известный американский изобретатель Рэй Курцвейл уверен, что это даже произойдёт в ближайшие несколько десятков лет.

Ии будет обладать самосознанием

Человеческий разум состоит не только из интеллекта, но еще и сознания, чувств, подсознания, воображения и т.д. Поэтому многие учёные, работающие в области создания ИИ, считают, что в конечном итоге, машины с искусственным интеллектом будут размышлять, так же, как человек. Как выразился профессор Имперского колледжа Лондона Мюррей Шанахан:

Но, существуют и критики такого утверждения. Например, соучредитель корпорации Microsoft Пол Аллен пока сомневается в этом, так как на настоящий момент учёные ещё не создали даже общий искусственный интеллект, способный выполнять любые задачи интеллектуального уровня.

Когда будет создан совершенный искусственный интеллект, обладающий не только интеллектом, как таковым, но и сознанием, мы, возможно, станем думать, что человекоподобный ИИ обладает самосознанием. Однако, сама «умная» машина будет осознавать себя, так же, как осознаёт себя любой неодушевлённый предмет.

Ии не представляет опасность для человека

Источник: https://zumim.com/sovershennyiy-iskusstvennyiy-intellekt-mifyi-i-zabluzhdeniya.html

Зарождение и развитие искусственного интеллекта: характеристика исследовательских направлений

САУЛИН Е. С.

ЗАРОЖДЕНИЕ И РАЗВИТИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА: ХАРАКТЕРИСТИКА ИССЛЕДОВАТЕЛЬСКИХ НАПРАВЛЕНИЙ

Аннотация. В статье представлена периодизация базовых направлений исследований в области искусственного интеллекта. Подробно рассматриваются первые примеры систем, создаваемых для выполнения интеллектуальных задач. Описано значение экспериментальной работы для последующего создания интеллектуальных машин.

Ключевые слова: интеллектуальная машина, искусственный интеллект, лабиринтный поиск, машинный перевод, распознавание визуальных образов.

SAULIN E. S.

HISTORY OF ARTIFICIAL INTELLIGENCE: RESEARCH BACKGROUND

Совет

Abstract. The article presents a background of basic research fields of artificial intelligence. The first systems created to perform intelligent tasks are described in detail. The value of experimental work for the subsequent creation of intelligent machines is considered.

Keywords: intelligent machine, artificial intelligence, labyrinthine search, machine translation, recognition of visual images.

С появлением вычислительных машин первого поколения, аппаратная часть которых была выстроена на базе электронных ламп, активное развитие получают исследования в области искусственного интеллекта (ИИ). Изначально, создавая первые компьютеры, ученые не задумывались о реализации интеллектуальных функций.

Самые ранние образцы были предназначены для выполнения сложных вычислительных задач.

Однако впоследствии, с увеличением производительности, стало ясно, что в ЭВМ скрыт огромный потенциал, с помощью которого возможно не только упростить трудозатраты и увеличить эффективность человеческой деятельности, но и выстроить систему, аналогичную человеческому разуму, а, следовательно, понять, каким образом осуществляется мыслительная деятельность.

Впервые теорию о том, что возможности электронных вычислительных машин в определенный момент сравняются с возможностями человеческого мозга, предложил английский математик, логик, криптограф Алан Тьюринг. В 1947 г.

в докладе «Интеллектуальные машины» Тьюринг размышлял, может ли механизм обнаруживать разумное поведение. В 1950 г. в свет выходит работа «Вычислительные машины и разум», в которой им был представлен метод определения «разумного поведения» машины, впоследствии называемый «игра в имитацию» или «тест Тьюринга».

Стандартная интерпретация этого теста звучит так: «Человек взаимодействует с одним компьютером и

Обратите внимание

одним человеком. На основании ответов на вопросы в течение пяти минут он должен определить, с кем разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор». Тьюринг утверждал, что к 2000 г. компьютерные системы будут свободно проходить его тест, однако этого не случилось [6, с. 12].

Американский ученый Марвин Ли Мински наряду с Аланом Тьюрингом считается одним из основоположников ИИ. В основе его теории лежит идея о том, что «мозг — это не что иное, как сложная машина, свойства которой могут быть скопированы компьютерами». В 1951 г. М. Мински и Д.

Эдмондс создали первый сетевой компьютер на основе нейронной сети — устройство, построенное по принципу организации и функционирования нервных клеток живого организма. Образец был назван «Snarc» (Stochastic Neural Analog Reinforcement Calculator — «стохастический нейронный аналоговый усиленный калькулятор»).

Это была первая самообучающаяся компьютерная система, моделирующая сеть из 40 нейронов [7, с. 253].

С 1952 г. Артур Сэмюэл, пионер в области компьютерных игр и машинного обучения, создает ряд программ для игры в шашки.

Важнейшим результатом его работы является программа «Checkers-playing» — одна из первых, в которой реализованы функции самообучения и наглядно демонстрируются базовые принципы ИИ.

В ходе своих исследований Сэмюэл опроверг утверждение, что компьютеры способны выполнять только то, чему их учили: одна из его программ «научилась» играть в шашки лучше, чем ее создатель. Разработки А. Сэмюэла принято считать основополагающими в данном направлении [5, с. 225].

Читайте также:  На параде победы на красной площади будут продемонстрированы боевые роботы

В это же время американский исследователь Аллен Ньюэлл занялся разработкой программы игры в шахматы.

Важно

В состав рабочей команды вошли аналитики корпорации RAND (компания, занимающаяся разработкой новых методов решения стратегических проблем), а также группа голландских психологов под руководством Де Гроота, изучавших стили игры выдающихся шахматистов.

Результатом двухлетней работы стал язык программирования «IPL» — первый символьный язык обработки списков.

Через некоторое время на этом языке была написана интеллектуальная программа «Логик-Теоретик», предназначенная для автоматического доказательства теорем в исчислении высказываний. С ее помощью было заново доказано 38 из 52 теорем одного из разделов математической логики — исчисления высказываний. Впоследствии на ЭВМ с большим быстродействием удалось вывести все 52 теоремы» [2, с. 141].

1952 г. отмечен и разработкой американского математика, кибернетика и криптолога Клода Шенона. Он создал «электронную мышь» — обучаемую машину поиска выхода из

лабиринта, управляемую сложной релейной схемой. Устройство самостоятельно исследовало лабиринт и находило выход из него. По своей сути это была программная реализация модели лабиринтного поиска [4, с. 4].

В 1954 г. была проведена демонстрация работы устройства, представляющего отдельное направление в исследованиях ИИ, а именно машинного перевода с одного естественного языка на другой с сохранением семантических отношений при помощи специальной компьютерной программы. Идея была предложена ещё в 1947 г. специалистом по криптографии Уорреном Уивером, а 7 января 1954 г.

корпорация IBM совместно с Джорджтаунским университетом продемонстрировала IBM Mark II, осуществившее полностью автоматический перевод более 60 предложений с русского языка на английский. Событие было названо «джорджтаунским экспериментом».

Оно дало мощный старт в развитии данного направления, вызвав широкий резонанс в научном сообществе и положительно повлияв на разработку подобных систем в дальнейшем [1, с. 4].

Совет

В 1956 г. исследования в области ИИ оформляются в виде самостоятельного научного направления. В американском городе Ганновере на базе Дартмутского колледжа была проведена конференция по вопросам ИИ, на которой присутствовали все видные американские исследователи, занимающиеся разработками в указанной области.

Именно на этой конференции информатик Джонн Маккарти ввел в научный оборот термин «Artificial Intelligence» («искусственный интеллект»).

Согласно Маккарти, под интеллектом понимается «вычислительная составляющая способности достигать цели, причем исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем, как в конструировании машины, так и в работе алгоритмов» [8].

В 1958 г. Джон Маккарти также внес существенный вклад в разработку нового языка программирования высокого уровня «Lisp». Этот язык до сих пор остается одним из главных инструментов при написании программной части интеллектуальных систем.

Следующим открытием Маккарти, обусловленным нехваткой средств на увеличение мощности компьютерных ресурсов, стал «режим разделения времени» (одновременный доступ нескольких пользователей к одной ЭВМ).

Этот режим позволил раскрыть потенциал вычислительных машин и в разы увеличить производительность работ.

В том же году Маккарти описал гипотетическую программу «Advice Taker», основным назначением которой явилось использование знаний, в том числе и общих представлений об окружающем мире, при решении поставленных задач.

Основывая свои действия на наборе аксиом, программа, в зависимости от условий, способна расширять набор фундаментальных установок, тем самым воплощая принципы представления знаний и проведения рассуждений [5, с. 228].

Обратите внимание

В 1959 году М. Мински в Массачусетском технологическом институте основал Лабораторию искусственного интеллекта и спроектировал робот, способный воспринимать окружающие объекты и манипулировать ими. Устройство было снабжено оптическими сканерами и тактильными датчиками, управлялись ЭВМ [3].

C 1960 г. ИИ как самостоятельное направление распространилось по всему миру. В работу включились СССР, Япония, страны Европы. Период с 1945 по 1960 гг. был первым шагом развития новой науки.

В это время появились основные направления исследований ИИ, результаты которых породили огромное количество разнообразных идей, порождая как междисциплинарные связи, так и принципиально новые идеи.

Экспериментальные интеллектуальные системы стали отправной точкой в развитии таких направлений исследований, как нейронные сети, игровые программы, лабиринтный поиск, машинный перевод, автоматическое доказательство теорем, распознавание визуальных образов и внешних воздействий.

Следует сказать, что робототехника не рассматривается в данной статье, так как к 1945 г. уже имелось большое количество автоматических машин, а развитие компьютерных технологий и появление теории ИИ ознаменовали новый этап исследований в данном направлении.

Впоследствии, подчиненные тенденциям удешевления аппаратных компонентов ЭВМ и увеличения их мощностей, представленные направления исследований ИИ трансформируются и переплетаются с исследованиями в области философии, психологии, культурологии. Возникают теории «слабого» и «сильного» ИИ.

Литераторы и кинематографисты в своих фантастических произведениях пытаются показать возможные варианты взаимодействия человека и машины, затрагивая проблемы этики, морали, религии. Исследования ИИ, а также само понимание и использование теории разумных машин коммерциализируются.

На мировой рынок ИИ выходит не только как высокопроизводительная компьютерная информационная система, но и как глобальная общекультурная идея, породившая в умах людей как новые надежды, так и новые фобии.

Важно

На данный момент каждый специалист, так или иначе связанный с компьютерными технологиями, слышал об ИИ. Мир в последние 70 лет пытается использовать компьютерные технологии для решения проблем, актуальных на протяжении всей истории человечества, — понимания и воссоздание жизни, разума, способности воспринимать, понимать и объяснять окружающий мир.

Возможно, эта задача будет решена в процессе создания ИИ, возможно ИИ после своего появления решит эту проблему. Однако с уверенностью можно утверждать, что ИИ, как и любое научное направление, продуктивное развитие получит только в результате приложения совместных активных усилий мирового научного сообщества.

Выделенные в данной работе идеи ИИ важны, потому что они являются основополагающими. Это первые попытки воплощения возможностей разума, воссоздаваемые отдельными техническими системами, чтобы впоследствии объединиться в полноценную интеллектуальную среду.

С другой стороны, именно эти направления исследований были выбраны для рассмотрения, в первую очередь, по той причине, что они олицетворяют собой наиболее общие способы познания и понимания окружающего мира -начиная от восприятия действительности (распознавание образов) до попыток описания и приспособления к среде существования (перевод, лабиринтный поиск, игра).

Таким образом, определенные в ходе культурно-исторического развития общества концепции обучения, игры, поиска чего-либо нового и его приспособления для улучшения человеческого существования нашли свое отражение в теории и практике ИИ.

Реализованные с помощью компьютерных средств компоненты сложной идеи (искусственного разума), описанные в данной статье, положили начало новой эпохе компьютерной культуры, целиком и полностью охватившей большую часть нашей планеты, обозначив особенности сегодняшней исторической эпохи.

ЛИТЕРАТУРА

1. Воронович В. В. Машинный перевод. — Минск: Изд. центр БГУ, 2013. — 39 с.

2. Знатнов С. Ю. О программном обеспечении компьютерных доказательств // Логические исследования. — 2004. — Т. 11. — С. 139-149.

3. Круглински С. Интервью с Марвином Мински [Электронный ресурс] // Discover. -2007. — № 1. — Режим доступа: http://www.myrobot.ru/articles/rev_marvin_minsky.php.

Совет

4. Муромцев Д. И. Введение в технологию экспертных систем. — СПб.: СПбГУ ИТМО, 2005. — 93 с.

5. Сэмюэл А. Некоторые исследования в машинном обучении, используя игру шашек // IBM Journal. — 1959. — № 3. — С. 210-229.

6. Тьюринг А. Могут ли машины мыслить? — М.: Физматлит, 1960. — 67 с.

7. Хоган Д. Конец науки: взгляд на ограниченность знания на закате Века Науки. -СПб.: Амфора, 2001. — 479 с.

8. McCarthy J. What is Artificial Intelligence? [Электронный ресурс] // Stanford University. — 2007. — Режим доступа: http://www-formal.stanford.edu/jmc/whatisai.

Источник: https://cyberleninka.ru/article/n/zarozhdenie-i-razvitie-iskusstvennogo-intellekta-harakteristika-issledovatelskih-napravleniy

Российский ученый рассказал, чем грозит искусственный интеллект человечеству

Человечество оказалось на пороге новой эпохи, у которой пока нет названия. Происходящее можно назвать «неуправляемыми интеллектуальными системами», которые генерируют сами себя и совсем скоро начнут проникать в нашу жизнь, считает академик Александр Кулешов, глава Сколковского института науки и технологий.

Александр Кулешов, специалист в создании нейросетей, искусственного интеллекта и сложных систем обработки информации, рассказывая о последствиях вмешательства разумных машин в жизнь человечества, отметил, что их появление имеет закономерный характер. Компьютерные программы, обрабатывающие гигантские массивы информации, существенно облегчает работу сложных предприятий, снижает шансы возникновения ошибок и проблем. 

Большая часть дискуссий вокруг этих технологий, как отмечает академик, произрастает из того факта, что существует разница между русским словом «интеллект» с английским словом intelligence, которая заставляет многих участников этих споров считать, что искусственный интеллект должен быть некой антропоморфной конструкцией, напоминающей и имитирующей свойства интеллекта человека. 

На самом деле, по словам Кулешова, последние 25-30 лет исследований показывают, что подобный подход ошибочен и не ведет к значимым результатам, применимым на практике, передает РИА «Новости».

Все неудачные попытки сделать рукотоворные аналоги нейронов и соединить их в некое подобие мозга, а также прочие подходы, имитирующие работу нервной системы человека и то, как мы принимаем решения и анализируем информацию, привели к тому, что в 90-х годах прошлого века фраза «искусственный интеллект» среди математиков стала ругательным словом из-за тех необоснованных ожиданий, которые за собой несли антропоморфные представления о нейросетях и искусственном интеллекте.

Фактически, ренессанс разработок «искусственного интеллекта» начался в конце 2000 годов, когда ряд американских и российских математиков и программистов предложили и реализовали алгоритмы ИИ, которые в последствии стали называться методами «глубинного обучения» и методами «обучения на базе многообразий».

Как оказалось, простые нейронные сети, объединенные в каскады и сложные системы из различно устроенных сетей, ведут себя не так, как ожидали ученые, и способны решать те задачи, которые раньше искусственному интеллекту не были под силу, в том числе распознавание речи, фотографий людей, различных объектов и даже предсказание поломок и катастроф.

«Дальнейшее развитие этих технологий радикально поменяет жизнь человека.

Представьте себе, вы выходите из зарубежной гостиницы, вас случайно фотографируют туристы, этот снимок попадает в поисковую систему, она вас «вычисляет» на этих снимках и через пять минут ваш начальник об этом узнает. В результате вам будет очень сложно убедить его в том, что вы поехали в «местную» командировку», — объясняет Кулешов.

В качестве примера он приводит систему ИИ AlphaGo, обыгравшую в этом году чемпиона мира по Го. Как объясняет Кулешов, она является первым примером уникального класса машин, способных решать невычислимые задачи и совершенствовать самих себя.

Рождение AlphaGo и его победа, как считает академик, открывает дверь в совершенно новое пространство, в которое человечество вступит очень быстро. И не все в этом мире будет полезным и приятным для человечества в целом и отдельных людей в частности.

 

«Совершенно очевидно, что социальные сдвиги от этого будут громадными. Число работников средней квалификации уже сегодня сокращается как шагреневая кожа, и появление ИИ, способных решать эти задачи, лишит их работы.

Все эти инженеры, таксисты, пилоты, медсестры, рабочие – миллионы людей – должны будут исчезнуть, и только 1%, как показывают текущие исследования, может приспособиться к новым реалиям и переучиться», — рассказывает ученый.

 

По его мнению, «деньги сейчас нужно срочно вкладывать в образование, так как люди средней квалификации становятся совершенно ненужными».

Человек просто не успевает «эволюционировать» вслед за ИИ — поколения людей сменяются каждые 25 лет, а технологические революции происходят с интервалом в 5-6 лет.

Поэтому число «ненужных» людей будет постоянно расти, и только массовое образование может помочь избежать социального взрыва и появления новой волны луддитов.

Источник: https://www.moya-planeta.ru/news/view/rossijskij_uchenyj_rasskazal_chem_grozit_iskusstvennyj_intellekt_chelovechestvu_26349/

Ссылка на основную публикацию