Що таке штучний інтелект питання. Штучний інтелект, розробка та області застосування

Вступ

Шукаючи витоки ідей штучного інтелекту, можна навести безліч фактів і міфів. Починаючи від давньогрецького робота Талоса, створеного Зевсом для охорони острова Крит, або Чарльза Беббіджа з Адою Лавлейс і їх Аналітичним Двигуном середини 19 століття і закінчуючи ідеями Мінскі і МакКартні, які створили сучасне визначення ІІ як будь-якої дії, виконаного програмою або машиною, про яке, якщо б його виконував чоловік, ми б сказали, що йому потрібно проявити інтелект або кмітливість.

Мені ж витоки зародження ІІ бачаться в книзі Галілео Галілея 1683 року «Бесіди і математичні докази двох нових наук».

У цій книзі Галілей, зокрема, написав, що все в світі, в тому числі природні явища, може бути виражено мовою математики. Виходить, що для будь-якого явища або дії можна придумати алгоритм. Таким чином, штучний інтелект - це набір алгоритмів на всі випадки життя. А однією з головних здібностей ІІ стане вміння на основі наявних даних самостійно синтезувати нові алгоритми.

У усіченому вигляді це вже можливо. Наприклад, AlphaGo від Google, проаналізувавши базу даних з 30 мільйонів ходів і потренувавшись з самим собою кілька тисяч разів, зміг перемогти кращого гравця в світі по грі в го.

А IBM натаскує свій суперкомп'ютер Watson на допомогу лікарям. Завдання - навчити комп'ютер шукати відповіді на питання, задані природною мовою, тобто Watson вчиться проводити медичний опитування. Свого роду гра в диференціальну діагностику, тільки комп'ютер замість доктора Хауса. Власне, на цьому закінчимо з історією. У головах обивателів штучний інтелект - це Джарвіс з коміксів про «Залізної людини», Термінатор або, на худий кінець, Робокоп (у фільмі саме доданий ІІ допомагає киборгу дуже швидко і точно стріляти). Такий варіант, звичайно, має місце бути, але давайте почнемо з того, що є сьогодні.

Які типи ІІ є сьогодні?

В цілому, всі типи ІІ можна розділити на дві категорії - слабкий, або обмежений ІІ і загальний, або сильний ІІ.

слабкий ІІ

Власне, назви говорять самі за себе. ІІ сьогодні представляють собою перший тип - обмежений, тобто інтелект заточений на певні завдання. Наприклад, коли Samsung обіцяє, що до 2020 року кожне його пристрій буде мати ІІ, то мається на увазі саме обмежений варіант. Прикладами можуть служити Siri або Аліса, які вміють робити рівно те, що в них запрограмували. Аліса навіть так і відповідає, коли чогось не знає або не вміє: «Програміст обіцяв навчити мене цьому пізніше».

До цього ж типу відносяться Google і Yandex карти, аналізують пробки і прокладають маршрути, фотокамери, що розпізнають сцени, інтелектуальна піч, самостійно регулює рівень спека, і робот-пилосос, який, як йому не пояснюй, вміє тільки пилососити, а тапочки не подасть.

І поки що це обмежений ІІ - це єдиний тип штучного інтелекту, який освоїло людство. Слабкий ІІ можна розділити по ключовим завданням, над якими і працюють фахівці сьогодні. це:

• розпізнавання мови;
• комп'ютерний зір;
• обробка природної мови;
• пошук патернів, або аналіз даних;
• робототехніка.

Домогтися вирішення цих завдань, тобто навчити якийсь ІІ розуміти ваші слова і дізнаватися картинки, можна двома способами.

1. Символьний підхід.

   Такий підхід був провідним починаючи з кінця 40-х і закінчуючи початком 90-х. Метод грунтується на тому, що вважалося, що найкращий спосіб «навчити» ІІ - це згодувати йому якомога більше знань. Наприклад, якщо говорити в контексті медицини, то в ІІ завантажують всілякі підручники і бази знань. І відповіді ІІ шукає тільки на основі наявної інформації, обробляючи знання лише за тими правилами, які створив програміст.

   Відповідно, такий тип ІІ хороший для вирішення статичних проблем. Наприклад, в нього можна завантажити всі підручники з російської мови, і ІІ зможе добре перевіряти твори, знаходячи орфографічні, пунктуаційні помилки, а орієнтуючись на орфоепічні норми, навіть зможе виокремлювати мовні помилки і недоліки. Однак робитиме це, тільки грунтуючись на правилах, тобто не розуміючи контекст, а виокремлюючи правильний порядок слів і написання.

   Ще один приклад - це машинний переклад. Символьно-навчений ІІ озброєний всілякими словниками та розмовниками. І якщо запропонована йому на переклад фраза є в одному з них, то він її переведе добре, а якщо ні, то просто підставить слова, прийменники і структуру пропозиції на основі закладених правил.

2. Машинне навчання, або несімвольний ІІ.

   На відміну від символьного, цей варіант навчання має на увазі, що штучного інтелекту показали, як вирішувати певну проблему, після чого пустили у вільне плавання. Так діють нейронні мережі. Пам'ятаю, читав про приклад, де програміст підключив ІІ до управління поливалки і навчив відганяти водою сусідську кішку, яка внадилася ходити в туалет на газон. Програміст показав ІІ безліч фотографій з кішками, після чого у штучного інтелекту виробився рефлекс включати поливалку кожен раз, коли йому здавалося, що він бачить щось, схоже на кішку. Система не завжди працювала гладко. Здається, вона якось включилася, коли ІІ прийняв тінь на асфальті за кішку.

   Якщо ж говорити про приклад з перекладом, то натренований ІІ може спробувати усвідомити контекст фрази і підставити в перекладі не перше відповідає базовим вимогам слово, а то, що, на його погляд, краще відображає стиль, емоцію, сленг або щось ще, на чому його тренували.

Сьогодні більшість програмістів вважають за краще використовувати другий тип - машинне навчання, тому він вміє, якщо так можна висловитися, імпровізувати. Наприклад, якщо автономну машину натренувати по першому типу, то вона буде їздити за правилами, але якщо на дорозі виникне непередбачена ситуація, то машина виявиться в скруті. А автомобіль, натренований машинним навчанням, може діяти за обставинами, синтезуючи ідеї на основі згодованих раніше інформації.

Тут же виникає і проблема. Одна з ключових важливих особливостей символьного ІІ в тому, що система завжди може пояснити, чому прийняла те чи інше рішення. А ось у випадку з машинним навчанням все непросто. Саме тому ті ж UBER або Tesla довго розбираються, намагаючись зрозуміти, чому їх машини взяли те чи інше рішення, що спричинило аварію.

Однак для тих же автомобілів символьне навчання не підходить, так як всі правила для ІІ заносять вручну, тобто, умовно кажучи, потрібно прописати всі варіанти дії для автомобіля - на дорогу вибіг чоловік, викотилася коляска, вилетіла коробка і т.д. Щось забув прописати, і несподівано з'ясувалося, що машина збила лося, тому що про нього нічого не було сказано в зводі правил, в той час як машинний ІІ зможе здогадатися, що не можна збивати всіх чотириногих.

У слабкої ІІ, як бачите, не дивлячись на його обмеженість, безліч способів застосування - це і розумна техніка, і самостійні автомобілі, і обробка даних зі спробами пророкувань майбутнього. До слова, Google Duplex, вміє замовляти столики в ресторані, - це теж обмежений ІІ, так як вміє він рівно те, чого його навчили.

Сильний ІІ (самостійний)

Тут вже починається область гіпотез, так як нічого подібного людство ще не бачило. Можливо, тільки в надрах Google або IBM живе щось напіврозумні. На останній конференції Google I / O дуже розумна китайська жінка Фей Фей Лі (Fei Fei Li), найголовніша в департаменті Машинного навчання і Штучного Інтелекту в Google Cloud, сказала, що, хоч і минуло вже більше 60 років з моменту досліджень в галузі ШІ , але наука досі знаходиться на початковому етапі, і поки можна говорити тільки про те, щоб досягти майстерності в розробках обмеженого ІІ.

Однак пропоную трохи пофантазувати про сильний ІІ і спробувати визначити, що він з себе повинен представляти і що вміти. Вважається, що сильний ІІ - це по уму як середньостатистична людина, тобто в теорії він може вирішити будь-яку проблему .. І якщо перед першим стояло завдання будь-якими способами знищити Джона Коннора, то другий жадає максимальної ентропії. Термінатор, якщо закрито метро, ​​поїде вбивати Джона Коннора на автобусі, а якщо зламається автобус, то піде пішки або викличе таксі, а недоброзичливець буде писати, що все реклама, що автор нічого не розуміє, буде намагатися займатися демагогією і софизмами. Власне, найбільше розжитися сильним ІІ мріють уряди по всьому світу для ведення військових дій і саботажу виборів в США армією комп'ютерних ботів-тролів.

У Google говорять, що якщо все буде добре, то до 2050 року, можливо, відбудеться прорив і з'явиться перший сильний ІІ.

Основна слабкість такого ІІ полягає в тому, що він, незважаючи на всі свої здібності, як і раніше залишається відносно недалеким, як і середньостатистична людина, але, на відміну від людини, сильний ІІ все пам'ятає і краще орієнтується в пошуках і обробці інформації.

Суперсильний інтелект

Це вже зовсім з області фантастики. Наприклад, до просто сильному інтелекту можна віднести і П'ятницю / Джарвіса з «Залізної людини».

Якщо пам'ятаєте, то в одному з фільмів головний герой Тоні Старк намагався винайти якийсь новий нетоксичний джерело енергії, щоб помістити його собі в груди. Джарвіс йому асистував, але вирішити задачу міг все одно тільки Тоні Старк, тому що у ІІ не вистачало «соображалкі». Суперсильний інтелект зможе самостійно вирішувати навіть найскладніші завдання. Саме йому людство поставить питання, на який він відповість «42», а потім суперсильний ІІ помістить усіх людей в чани з рідинами і створить феномен обраного (це не нісенітниця, а алюзії на книгу «Автостопом по Галактиці» і фільм «Матриця»).

Чи потрібно боятися ІІ?

Незважаючи на всі фантастичні фільми, побоюватися не потрібно, принаймні, до появи останнього типу ІІ. Однак потрібно боятися людей, які займаються розробками, так як внаслідок помилки або свідомо в той же обмежений ІІ може бути закладено правило «вбити всіх чоловіків» замість «вчити всіх чоловіків». А далі для ІІ справа за малим - лише уточнити в словнику значення всіх слів і приступити до справи.

Однак розвиток навіть обмеженого ІІ вже призвело і ще призведе до безлічі проблем в сучасному суспільстві.

проблема перша

Одна з проблем - це руйнування традиційної кар'єрних сходів, так як розвиток ІІ призводить до відмови від робочих місць, що потребують середнього рівня кваліфікації. Поясню докладніше. Потрібна дешева робоча сила, щоб заносити дані в комп'ютер, так як, умовно кажучи, розпізнавати «капчу» людей як і раніше вміє краще. Також потрібні і ті, хто буде приймати рішення на основі оброблених комп'ютером даних. А от пересічні аналітики вже не потрібні, тому що вони аналізують і вивчають дані на основі вивчених алгоритмів. Наприклад, коли я був аналітиком я мав на озброєнні 42 різних варіанти обробки даних для створення прогнозів. Всі ці варіанти були впорядковані в акуратну презентацію, до якої я регулярно звертався, щоб прикинути, який спосіб краще використовувати в тій чи іншій ситуації. Заміна мене на ІІ представляється логічною і обґрунтованою, тому що він з завданнями прогнозування впорається набагато швидше. Відповідно, виходить розрив, коли відпадає традиційна кар'єрна драбина від молодшого аналітика до керівника, так як в нижній точці кар'єри практично немає маневру для демонстрації інтелекту.

проблема друга

Також через ІІ поступово відбудеться відмова від базових професій, які можна алгоритмизировать, тобто звести до простих дій. Щось подібне зараз можна спостерігати в «Ашан» і «Стрічка», де відбувається поступова заміна касирів на апарати самообслуговування, а також одного співробітника, який допомагає вирішити виникаючі проблеми, і охоронця, що стежить за порядком. Надалі охоронця замінять камери спостереження, що стежать за порядком. Виходить, що відбудеться зниження цінності людей.

Професії, які з великою часткою ймовірності замінить ІІ: листоноші, ювеліри, лісоруби, фермери, робітники на заводах, страховики

Прочитав, що Сан-Франциско в якійсь мірі може служити ілюстрацією даної проблеми. Це місто в США облюбувала технологічна еліта. Відповідно, економіка міста спрямована на задоволення потреб еліти, а ось люди, які не мають відношення до економіки технологій, відчувають колосальні проблеми. Вони заробляють набагато менше, а все цінники в місті виставлені як для IT-стартаперів. Звичайні люди не можуть потягнути такі витрати, тому або переїжджають, або поповнюють і без того величезну армію бомжів.

Однак тут є ключова особливість, яка збереже деякі професії. Штучного інтелекту для роботи потрібні створені умови. Наприклад, робот-пилосос вміє їздити тільки по гладенькій підлозі і долати невеликі нерівності. Відповідно, багато базові професії зможуть протриматися до тих пір, поки буде надто складно і дорого створювати їх штучну заміну. Наприклад, в приміщенні, де багато дверей, роботу-прибиральникові потрібно мати або маніпулятори, щоб крутити дверні ручки, або потрібно, щоб всі двері відкривалися автоматично. І то і то досить дорого, а ось у приїжджого Сархат із Середньої Азії є руки і мізків вистачає, щоб впоратися зі шваброю і дверною ручкою, але немає реєстрації і знижені вимоги до зарплати.

проблема третя

Навіть обмежений ІІ сильно простимулював таке явище, як фріланс. Платформи з підбору і найму віддалених співробітників з кожним роком процвітають все більше і більше. Наприклад, за останніми статистичними даними, в США, першої економіці світу, 55 мільйонів чоловік працює на фрілансі.

І це в поточному поколінні, зверніть увагу на ілюстрацію. Підростаюча робоча сила не любить сидіти в офісі. Відповідно, відбудеться зсув в організації праці. Компанії зіткнуться з проблемами по набору і утриманню співробітників, адже навіщо присвячувати життя однієї компанії, коли ти доступний онлайн і можна шукати роботу по всьому світу.

проблема четверта

Досить серйозна проблема - це соціальна нерівність, яка вже згадав в проблемі номер 2. Воно буде посилюватися. Вважаю, зі статті ви здогадалися, що щоб бути успішним в новому світі, потрібно бути кмітливим і на «ти» з сучасними технологіями. Не секрет, що у бідних людей гірше з доступом до освіти. Відповідно, бідні не зможуть вирватися на новий рівень, так як у них просто не буде шансу навчитися чомусь корисному, так як, щоб добре думати, потрібні роки посилених тренувань, а де їх взяти, коли потрібно шукати їжу.

Новому суспільству потрібна або дешева робоча сила, або інтелектуали, які приймають рішення.

проблема п'ята

Її можна сформулювати коротко - хто біля керма? На людей, що займаються розробкою систем ІІ, буде накладатися особлива відповідальність, так як вони навчають ІІ, на основі яких даних ІІ буде приймати рішення. Будуть це закони робототехніки від Азімова чи інші правила, що захищають певний прошарок людей.

Чому штучний інтелект - це благо?

Перераховані вище проблеми виглядають в якійсь мірі лякає, але ІІ - це двосічний меч, який може і допомагати.

благо 1

Штучний інтелект стане потужним поштовхом для розвитку багатьох сфер. Хороший приклад - це медицина. Сьогодні в 21 столітті лікарі продовжують лікувати так само, як і сотню років тому. Вони зубрять підручники. Це найгірший варіант, так як жоден лікар не може пам'ятати напам'ять всі симптоми усіх хвороб. Наслідки таких помилок можуть бути фатальними. Місцевий лікар до останнього запевняла, що причини нездужання моєї матері полягають в застуді і втоми, так як всі основні симптоми в наявності. І тільки коли вже було пізно, пролунав правильний діагноз - гострий лейкоз, захворювання, яке досить складно розпізнати. І в даній ситуації наявність ІІ, який пам'ятає всі хвороби і симптоми і який ніколи не втомлюється, було б виходом.

Такі ж зрушення можуть відбутися в області права, де юристам і суддям потрібно тримати в пам'яті всі закони, прецеденти і безліч доказів.

благо 2

ІІ допоможе створити персоналізований досвід. Найкраще це твердження можна проілюструвати на прикладі навчання. Сьогодні вчителі перевантажені, і вони фізично не можуть приділити увагу всім учням. Але ж у кожного свій темп освоєння нового матеріалу. Системи навчання, засновані на ШІ, стежать за швидкістю навчання, бачать, добре або погано учень запам'ятовує матеріал, читає уважно або відволікається. На основі цього вибудовується індивідуальний темп навчання і відбувається підбір вправ для закріплення.

При цьому є факт, що людям простіше осягати новий матеріал за допомогою ІІ, так як в такому випадку значно знижується страх помилки. Можу погодитися з цим твердженням. Морально легше отримати обурений біп від комп'ютера, що приклад вирішене невірно, ніж витримати погляд Ольги Степанівни, мого викладача з математики.

ІІ зможе приділяти рівну увагу всім людям. Сюди відносяться всі області, від освіти та медицини до підбору модного іміджу (відповідно до типу фігури, формою обличчя і трендами сезону) і тренувань у спортзалі.

благо 3

Уже сьогодні наш світ переповнений інформацією. Будь-які дані збираються звідусіль, починаючи від погодних умов і закінчуючи тим, скільки кроків пройшла людина.

Штучний інтелект з доступом до великим даними зможе аналізувати ці дані і шукати кореляцію, як впливає кількість кроків на здоров'я, але не абстрактно, а з урахуванням певної погоди. Аналіз переміщення пасажиропотоків допоможе знизити завантаженість, зменшити кількість транспортних колапсів в години пік. Коротше кажучи, ті дані, які можна проаналізувати, будуть проаналізовані, і ІІ представить свої висновки.

висновок

Сьогодні штучний інтелект продемонстрував, що непогано вміє вирішувати тільки ті завдання, яким його навчили, і навіть бути краще в них, ніж звичайні люди. Смартфон легко обіграє гросмейстера навіть без ферзя, японський ІІ, який написав невеликий роман, пройшов до фіналу літературного конкурсу, а його побратими пишуть і виконують непогану музику.

Однак, на жаль, ІІ досі перебуває в стадії зародження. Він вміє тільки те, чого його навчили - проаналізувати безліч літературних або музичних творів і синтезувати щось своє або запам'ятати мільйони ходів і вибирати кращий.

Головні проблеми, що стоять на шляху розвитку обмеженого ІІ, полягають у відсутності універсальних алгоритмів пізнання навколишнього світу і інфраструктури (для збору даних потрібно безліч датчиків, для безпілотних авто -Дороги з ідеальною розміткою, для розуміння запитів господаря голосовим асистентам потрібні більш якісні алгоритми).

Для появи же сильного штучного інтелекту потрібні принципово інші обчислювальні потужності і алгоритми обробки інформації, що імітують те, що у людей називається інтуїцією. Ймовірно, в найближчому майбутньому ми будемо спостерігати різні варіанти обмеженого ІІ з закладеними алгоритмами поведінки на всілякі умови.

З моменту винаходу комп'ютерів, їх здатність виконувати різні завдання продовжують рости в геометричній прогресії. Люди розвивають потужність комп'ютерних систем, збільшуючи виконання завдань і зменшуючи розмір комп'ютерів. Основною метою дослідників в області штучного інтелекту - створення комп'ютерів або машин таких же розумних як людина.

Автором терміна «штучний інтелект» є Джон Маккарті, винахідник мови Лісп, основоположник функціонального програмування і лауреат премії Тьюринга за величезний внесок в області досліджень штучного інтелекту.

Штучний інтелект - це спосіб зробити комп'ютер, комп'ютер-контрольованого робота або програму здатну також розумно мислити як людина.

Дослідження в галузі ШІ здійснюються шляхом вивчення розумових здібностей людини, а потім отримані результати цього дослідження використовуються як основа для розробки інтелектуальних програм і систем.

Філософія ІІ

Під час експлуатації потужних комп'ютерних систем, кожен ставилося запитання: «А чи може машина мислити і вести себе також як людина? ».

Таким чином, розвиток ІІ почалося з наміри створити подібний інтелект в машинах, схожий з людським.

Основні цілі ІІ

• Створення експертних систем - систем, які демонструють розумна поведінка: вчитися, показувати, пояснювати і давати поради;
• Реалізація людського інтелекту в машинах - створення машини, здатну розуміти, думати, вчити і вести себе як людина.

Що сприяє розвитку ІІ?

Штучний інтелект - наука і технологія, заснована на таких дисциплінах, як інформатика, біологія, психологія, лінгвістика, математика, машинобудування. Одним з головних напрямків штучного інтелекту - розробка комп'ютерних функцій, пов'язаних з людським інтелектом, таких як: міркування, навчання і рішення проблем.

Програма з ІІ і без ІІ

Програми з ІІ і без відрізняються наступними властивостями:

Додатки з ІІ

ІІ став домінуючим в різних областях, таких як:

Ігри - ІІ грає вирішальну роль в іграх пов'язаних з стратегією таких як, шахи, покер, хрестики - нулики і т.д., де комп'ютер здатний прораховувати велика кількість всіляких рішень, заснованих на евристичних знаннях.

Обробка природної мови - це можливість спілкуватися з комп'ютером, який розуміє природну мову, якою розмовляють люди.

Розпізнавання мови - деякі інтелектуальні системи здатні чути і розуміти мову, на якому людина спілкується з ними. Вони можуть обробляти різні акценти, сленг і т.д.

Рукописний текст - програмне забезпечення читає текст, написаний на папері за допомогою ручки або на екрані за допомогою стилуса. Він може розпізнавати форми букв і перетворити його в редагований текст.

Розумні роботи - роботи здатні виконувати завдання, поставлені людиною. Вони мають датчики, для виявлення фізичних даних з реального світу, такі як світло, тепло, рух, звук, удар і тиск. Вони мають високо продуктивні процесори, кілька датчиків і величезну пам'ять. Крім того вони здатні навчатися на власних помилках і адаптуватися до нового середовища.

Історія розвитку ІІ

Ось історія розвитку ІІ протягом 20-го століття

Штучний інтелект - одна з найбільш захоплюючих тем фантастики XX століття - робить неймовірні успіхи. Ми постійно використовуємо ІІ в повсякденному житті, часто самі того не підозрюючи. Проте і сьогодні штучний розум не сходить зі сторінок фантастичних романів і екранів кінотеатрів. Хтось із авторів малює страшні картини поневоленого машиною людства, а інші, навпаки, бачать в ІІ вірного помічника і друга людини.

Де істина і що таке насправді штучний інтелект? Чи перевершить він коли-небудь можливості людського розуму? Або це вже сталося? GeekBrains готовий відповісти на найпопулярніші питання про штучний інтелект і перспективи його використання.

Що таке штучний інтелект?

Штучний інтелект (скорочено - ІІ) - розмите поняття, і загальноприйнятого визначення у нього до цих пір немає. В середині XX століття, коли на Дартмутського семінарі вперше прозвучав цей термін, автори вкладали в нього значення, істотно відрізняється від сучасних. Тоді вчені вважали, що штучний інтелект - це система, яка буде здатна перекладати тексти з однієї мови на іншу, розпізнавати об'єкти по фото або відео, вловлювати зміст вимовлених фраз і адекватно на них відповідати. Нинішні ІІ вміють все це! Але чи можемо ми вважати, що мети досягнуто і штучний інтелект вже створено?

Деякі вчені будують складні теорії на стику філософії та інформатики, намагаючись визначити, що ж таке ІІ і які повинні бути характеристики системи, щоб вважати її розумною. Не вдаючись в подробиці, можна сказати, що інтелект визначається як здатність до навчання, усвідомлення і застосування знань на практиці. Отже, від штучного інтелекту ми теж маємо право очікувати вміння вчитися, усвідомлювати свої знання і використовувати їх. З першої і останньої завданнями сучасні ІІ цілком справляються!

Коли почалися розробки ІІ?

Влітку 1956 року в Дартмуті вчені зібралися на семінар, присвячений питанням штучного інтелекту (там і був сформульований цей термін), а вже в наступному році з'явилася концепція першої штучної нейромережі - перцептрон. У 1960 році Френк Розенблат створив на основі цієї концепції комп'ютер «Марк-1». Перший в світі нейрокомп'ютер вчили розпізнавати літери латинського алфавіту. Але недосконалість техніки 60-х і складність процесів не дозволили довести технологію до розуму, а її розробник незабаром загинув. Про нейрокомп'ютер забули на 20 років.

Лише в 1980-е концепції нейромереж знову взялися вивчати всерйоз. Техніка вже була досить потужною, так і критиків поменшало: розумна електроніка швидко робила успіхи. Те, що два десятиліття тому здавалося мрією, стало виглядати цілком реальним і досяжним. Втім, щоб знайти правильні підходи до навчання нейромереж, треба було ще 20 років. Тільки в середині 2000-х вчені намацали вірний шлях і штучні нейромережі почали свою переможну ходу по планеті.

Але перш ніж описувати їх успіхи, розберемося, як влаштовані ці мережі.

Опис штучного нейрона

Штучні нейронні мережі створювалися як математична модель людського мозку. Для цього вченим Уоррену Мак-Каллока і Уолтеру Піттс довелося виробити теорію діяльності людського мозку.

У ньому окремі нейрони являють собою живі клітини зі складним пристроєм. У кожного нейрона є дендрити - розгалужені відростки, здатні обмінюватися сигналами з іншими нейронами через синапси, а також один аксон - більший відросток, який відповідає за передачу імпульсу від нейрона. Частина синапсів відповідає за збудження нейрона, частина - за гальмування. Від того, які сигнали і через які синаптичні зв'язки прийдуть на «вхід» нейрона, будуть залежати і ті імпульси, які він передасть іншим нейронам.

Для штучного нейрона фізичний носій не потрібен. За великим рахунком, він являє собою математичну функцію. Її завдання - отримати інформацію (наприклад, сигнали від безлічі інших штучних нейронів), обробити її певним чином, а потім видати результат на «аксон» - вихід. У штучної мережі нейрони прийнято ділити на три типи:

• вхідні - кожен з цих нейронів отримує на «вхід» елемент вихідної інформації (наприклад, одну точку зображення, якщо мережа розпізнає фотографії);
• проміжні - обробляють інформацію;
• вихідні - видають результат (при розпізнаванні фото результатом може бути ідентифікатор зображеного об'єкта).

Сама нейросеть створюється шарами, як пиріг. Один із зовнішніх шарів містить вхідні нейрони, інший - вихідні, а між ними можуть розташовуватися один або кілька проміжних. Кожен нейрон проміжної мережі з'єднаний з безліччю нейронів з двох навколишніх шарів. Спілкування між нейронами забезпечується за допомогою ваг - числових значень, які кожен нейрон обчислює на основі даних, отриманих від попереднього шару мережі.

Створюючи штучні нейронні мережі, вчені орієнтувалися на пристрій людського мозку. Тому принципи поведінки рукотворних нейронів не так вже сильно відрізняються від справжніх, живих. Може бути, і розум, який зможе розвинутися на основі таких нейромереж, буде наближений до людського?

Відмінність штучного інтелекту від природного

Питання, чим ІІ відрізняється від природного інтелекту, насправді лежить швидше в філософській площині, ніж в строго наукової. І справа навіть не в тому, що ми не можемо уявити собі, на що буде схожий (або не схожий) штучно створений розум. Уявити ми якраз здатні що завгодно - і письменники-фантасти багаторазово це довели. Справа в тому, що жоден штучний інтелект, який існує на сьогоднішній день, не досяг досить високого рівня розвитку, щоб змагатися з людиною на рівних.

Існує точка зору, висловлена ​​філософом Джоном Серлом ще в 1980-і роки. Він ввів терміни «сильний ІІ» і «слабкий ІІ». Сильний штучний інтелект, на думку вченого, може усвідомлювати себе і мислити подібно до людини. Слабкий на це не здатний.

Сьогоднішні ІІ, якщо класифікувати їх за Серлом, однозначно відносяться до слабких, оскільки ні у одного з них поки не зародилося самосвідомості. Наші штучні нейромережі розпізнають обличчя і малюють дивовижні, неймовірні картини, читають рукописний текст і навіть складають вірші - але вони і створювалися виключно для цих цілей. Жодна з цих нейромереж не здатна передумати і вибрати для себе іншу «спеціальність». Вони роблять лише те, чому їх навчили, і в деякому сенсі їх можна вважати запрограмованими на виконання цих завдань. Справжнього розуміння, що стоїть за цими речами, у них немає. Серл стверджував, що побудова сильної ІІ в принципі неможливо.

Ще один філософ, Х'юберт Дрейфус, також вважав, що комп'ютерні системи ніколи не зможуть зрівнятися з людиною - так як у своїй розумної діяльності він спирається не тільки на засвоєні знання, а й емпіричний досвід. Комп'ютери їм не володіють по визначенню - отже, не судилося їм розвинути власний розум.

Але ці самовпевнені твердження були зроблені за часів, коли нейромережі робили тільки перші кроки. Сьогодні, дивлячись на їх успіхи в навчанні, неважко повірити в реальність ІІ, який зможе стати рівним людині, а то й перевершити його.

Як порівняти людський і комп'ютерний інтелекти?

Стривайте, а як ми взагалі можемо визначити, чи досяг штучний інтелект людського рівня чи ні?

Можна припустити, що один з критеріїв - наявність почуттів і емоцій, а також креативність. Якщо машина почала відчувати страх або любов, якщо вона раптом вирішила написати вірш або намалювати картину - хіба це не буде проявом розуму?

Цілком можливо. Однак почуття є і у тварин, і у птахів. При цьому на питання про їх розумності (тим більше - рівність їх розуму людському) ми частіше відповідаємо негативно. До того ж, почуття можна і запрограмувати - в більшості вони є реакцією на конкретні зовнішні подразники. Нарешті, у нас просто немає даних про те, чи зможуть комп'ютери коли-небудь відчувати емоції, які можна порівняти з людськими. Але чи повинні їх почуття бути схожими на наші?

Може, більше надійний критерій - самосвідомість? Якщо машина задається питанням «Хто я?» - це і є момент появи розумності? Але самосвідомість присутня і у тварин. При цьому більшість людей цілком здатні прожити свій вік, не вникаючи в глибокі філософські питання.

Чи існують більш точні і строгі методи для порівняння інтелектів? Адже є ж коефіцієнт IQ, за допомогою якого можна оцінити розумові здібності людини. Чому б не використати його для машини?

У комп'ютерних програм є IQ?

Виміряти інтелект навіть у людини неймовірно складно - до когнітивних і розумовим здібностям не можна прикласти лінійку. Більш того, IQ - показник не абсолютний, а відносний. Деякі вчені взагалі вважають, що тести IQ вимірюють не інтелект як такої, а здатність проходити такі тести. Її можна натренувати і отримати блискучий результат - але інтелект при цьому, зрозуміло, не зміниться. Так що показник IQ - не більше ніж число, яке пов'язане з інтелектом, але не може дати його об'єктивну оцінку.

У деяких IQ-тестах переважають завдання на спостережливість або логіку, в інших - на комбінаторики, по-третє - на математичне мислення. Результат буде залежати від того, що дається людині легше і в чому він компетентніше. Значення мають швидкість проходження тестів і спеціалізація завдань.

ІІ теж можна «натискати» на рішення певних класів задач, і на IQ-тест у машини піде куди менше часу, ніж у людини. Так що нейросеть зможе набирати немислимі для геніальних людей бали, але при цьому буде не здатна відповісти на найпростіші питання, до яких її при навчанні не підготували.

Так чи існують взагалі критерії, за якими можна об'єктивно судити про машинному інтелекті? Одним з перших дослідників, які спробували виробити їх, став відомий британський математик Алан Тьюринг.

Що таке тест Тьюринга?

У 1950 році Тьюринг опублікував статтю «Обчислювальні машини й розум», в якій обговорював питання теоретичної можливості мислення у машин. Це було не перше дослідження на тему штучного інтелекту і навіть не перша подібна робота Тьюринга, але саме вона стала відправною точкою серйозних наукових дискусій і суперечок.

Тьюринг почав з визначень, щоб уточнити питання про те, чи може машина думати, - він здався йому занадто розмитим. Що за машина мається на увазі? Що взагалі означає «думати»? .. Було очевидно, що таке питання спочатку несе в собі ірраціональне зерно, яке не дозволить дати на нього правильну відповідь. Результатом роздумів вченого став тест Тьюринга - експеримент, в якому людині ( «судді») пропонується спілкуватися з двома співрозмовниками: людиною і комп'ютером. Завдання судді - зрозуміти, хто є хто. Якщо в результаті він не впевнений, який з його співрозмовників - програма, або помилився в оцінці, вважається, що машина пройшла тест.

Суть тесту Тьюринга не в створенні «машини-обманщика», здатної прикинутися людиною. Він допомагає переконатися в тому, що конкретна машина або програма має розум, який важко відрізнити від людського. Такий комп'ютер Тьюринг назвав «інтелектуальним» - цим визначенням вже більше 60 років, і воно залишається актуальним.

Процесори для ІІ

Технології ІІ не обмежуються програмними рішеннями. Сьогодні активно розробляються електронні чіпи, в які підтримка ІІ вбудована на апаратному рівні. Мікропроцесори такого типу називають нейронними процесорами. Вони застосовуються в безпілотних автомобілях і літальних апаратах (Дронов), промислових роботів і автоматах, а також для вирішення спеціалізованих завдань - розпізнавання голосу або зображень, створення пошукових систем і машинних перекладачів.

Серед таких девайсів - тензорний процесор Google (TPU), створений спеціально для систем машинного навчання. У вільному продажу цього пристрою поки немає: його використовує тільки сама компанія Google - для оптимізації пошукової видачі і обробки фотографій. TPU оперує 8-бітними числами (що надзвичайно мало для точних обчислень), і має трохи більше десятка команд (інші сучасні процесори можуть мати у своєму розпорядженні сотнями). Але це не заважає тензорному процесору ефективно виконувати розрахунки, пов'язані зі штучним інтелектом і нейросетями. Процесор швидко розвивається - Google щороку викочує нову версію.

Тензорний процесор Google Tensor Processing Unit 3.0 (TPU)

Є й інші розробки подібних чіпів. Багато з них - вузькоспеціалізовані: наприклад, призначені прискорювати програми ІІ для комп'ютерного зору.

Ринок технологій штучного інтелекту

Технології штучного інтелекту застосовуються практично у всіх сферах людської діяльності, так що у штучного інтелекту велике майбутнє. Ринок продуктів, які використовують ІІ, стрімко зростає.

Світовий ринок

До 2022 року прогнозований обсяг ринку ІІ досягне 52 мільярдів доларів. Можливо, це не така вже й велика цифра - наприклад, ринок комп'ютерних ігор до цього ж року перевищить 130 мільярдів, а ринок смартфонів вже в 2018 був в 10 разів більше - 520 млрд.

Але ринок ІІ показує нечувано високий зріст - за деякими оцінками, він збільшується приблизно на 30% щорічно (аналогічні показники для ігор і смартфонів - близько 5%). Якщо такі темпи впровадження технологій збережуться ще кілька років, можна очікувати, що скоро штучний інтелект буде буквально всюди.

Свій внесок в розвиток ІІ вносять найбільші світові IT-компанії: Google, IBM, Intel, Nvidia. Серед країн лідирують США, Китай і Великобританія.

В Росії

Якщо в 2017 році проектів з використанням ІІ в Росії було всього кілька десятків, то в 2018 - вже сотні. За прогнозами експертів, до 2020 року обсяг ринку досягне 28 мільярдів рублів (приблизно 450 мільйонів доларів). Найактивніше нові технології використовуються у фінансовій сфері, а також телекомунікації, ритейлі й енергетиці. Деякі компанії наймають команди фахівців, що займаються виключно питаннями розробки та впровадження систем ШІ.

Незважаючи на те, що зростання ринку йде в цілому навіть швидше, ніж в світі, є проблеми. Головною бідою залишається нестача фахівців по машинному навчання. Значить, саме час зайнятися вивченням ІІ, щоб отримати затребувану спеціальність і високооплачувану роботу.

Вплив штучного інтелекту на ринок праці

Вже сьогодні існують області, де ІІ може замінити людину. Наприклад, додатки можуть відповідати клієнтам по телефону або в чаті на нескладні питання. Це дозволяє оптимізувати навантаження операторів call-центрів і навіть скоротити їх штат.

На виробництві ІІ здатний управляти автоматикою і промисловими роботами. Штучна нейросеть, постійно контролює показники безлічі датчиків, зуміє швидше людини зреагувати на позаштатну ситуацію і вжити правильних заходів - відключити конвеєр або зупинити механізми. У багатьох випадках такі системи можуть заздалегідь передбачити неполадки і запобігти ПП.

ІІ буде витісняти людей з робочих місць. Він обходиться дешевше і допускає менше помилок. Не вміє лінуватися, прокрастініровать і зависати в фейсбуці, не потребує відпочинку, сні і відпустці, чи не сумує і не втомлюється. Ідеальний працівник.

В першу чергу штучні нейромережі потіснять людини в виконанні рутинних операцій, візьмуть на себе складні розрахунки, оцінку ризиків, збір інформації, моделювання ситуацій по заданих параметрах. ІІ можна задіяти на небезпечних і шкідливих виробництвах.

Але люди як і раніше будуть потрібні там, де роботи ще довго не зможуть скласти їм конкуренцію. І мова не тільки про творчій сфері. ІІ поки здатний виконувати тільки вузькоспеціалізовані завдання, на які його натренували, тому замінити людей можуть в тій же мірі, що калькулятор - математика. При цьому розвиток технологій ІІ відкриває величезний ринок праці для фахівців, пов'язаних з машинним навчанням і обслуговуванням інтелектуальної техніки.

Де використовується ІІ?

Кажучи коротко - майже скрізь!

Не так вже й багато залишилося сфер людської діяльності, зовсім не порушених технологіями ІІ. Розглянемо лише найважливіші області, де ІІ вже використовується.

ІІ в інтернеті

Всякий раз, коли ви вимовляєте «Окей, Гугл» або «Привіт, Сірі», ви звертаєтеся до штучного інтелекту в вашому смартфоні. Він здатний розпізнати в сигналі з мікрофону звернену до неї мову. Він записує ваше запитання і пересилає на сервери Google або Apple. Там до справи підключається другий ІІ, який розпізнає мову і переводить питання в зрозумілий комп'ютеру формат. А потім третій виконує пошук відповіді по гігантським базам даних. Нарешті, відповідь повертається на ваш смартфон, де ІІ, що генерує людський голос, озвучує його для вас. І все це за частки секунди.

ІІ на транспорті і в логістиці

Вражаюче застосування штучних нейромереж - безпілотні автомобілі. За останнє десятиліття розробляти машину, яка була б здатна самостійно переміщатися по дорогах, взялися багато автовиробників - General Motors, Nissan, BMW, Honda, Volkswagen, Audi, Volvo, а також компанії Google і Tesla. Безпілотники поки не стали масовим явищем на вулицях наших міст, але вони явно роблять успіхи.

Компанія Amazon з 2013 року розробляє ідею доставки товарів і поштових відправлень за допомогою дронів. Вперше посилка прибула до одержувача з безпілотним літальним апаратом ще в грудні 2016. У деяких регіонах дронамі доставляють їжу, ліки і навіть портативні дефібрилятори. Система поки не ідеальна, але вона продовжує розвиватися. На жаль, дрони можуть служити і протизаконним цілям: зафіксовані випадки доставки заборонених предметів до в'язниць за допомогою безпілотників, а також використання дронів для перевезення наркотиків.

ІІ в фінансах

У фінансовій сфері ІІ застосовують для прогнозування ризиків, виявлення шахрайства. Корпорація MasterCard, яка створила міжнародну платіжну систему, кілька років тому запровадила сервіс Decision Intelligence. Він покликаний підвищити точність підтвердження справжніх транзакцій і знизити ймовірність помилкових відхилень платежів - це помилкове спрацьовування вбудованої системи безпеки, яка не дозволяє здійснити коректну транзакцію, прийняту за шахрайську. Подібні помилки завдають шкоди як продавцеві, який втрачає клієнта, так і покупцю, який не отримує товар. Збитки виходять навіть вище, ніж збитки від шахрайства.

Система, що працює на штучній нейромережі, використовує інформацію з багатьох джерел, щоб на льоту оцінювати, наскільки транзакція «нормальна». Враховується не тільки надійність і історія транзакцій продавця, але навіть типовість покупки для покупця і його місце розташування, а також час доби. Все це допомагає надійніше захистити людей від шахрайства і мінімізувати помилкові спрацьовування.

ІІ в медицині

В охороні здоров'я ІІ розвивається в першу чергу в області діагностики захворювань. Штучні нейромережі навчилися розпізнавати ракові пухлини на рентгенівських знімках, КТ, мамографії та МРТ. Досвідченому лікареві на вивчення знімка потрібно близько 20 хвилин, а нейромережі - лічені секунди. Так що пацієнт може дізнатися результати обстеження практично миттєво. Особливо приємно, що такі розробки ведуться і в Росії.

Діагностують ІІ здатні виявляти не лише рак, а й ранні стадії хвороби Альцгеймера, пневмонію та інші захворювання.

В обороні і військовій справі

У 2018 році стало відомо, що в армії США розробляється ІІ, здатний розпізнавати людські обличчя в темряві і навіть крізь стіни - за допомогою тепловізора. Очікується, що технологія допоможе виявляти ватажків банд в місцях військових дій.

Інший ІІ - ALPHA - створений для управління безпілотними винищувачами і ведення повітряного бою. В одному з боїв на симуляторах комп'ютер переміг, керуючи одночасно чотирма літаками проти двох супротивників-людей.

Розробляються також системи прицілювання для танків, здатні помітити закамуфльовані мети.

У військово-промисловому комплексі ІІ допоможе підвищити обороноздатність країн, але може стати і зброєю терору.

У бізнесі і торгівлі

У рітейлі ІІ проводить революцію. Штучні нейромережі покращують якість сервісу і забезпечують індивідуальний підхід до кожного споживача. Розумні технології виявляють шахрайства з банківськими картами, дають персональні поради та допомагають підібрати товар.

Згідно з даними TAdviser, в 2018 році понад третину всіх доходів рітейлу було отримано завдяки рекомендаціям на основі ІІ!

ІІ в спорті

Тут ІІ-технології використовують для прогнозування результатів матчів - такі системи створені компаніями UBS, Commerzbank і Microsoft. Враховується досвід команди і окремих гравців. Часом прогнози виявляються вірними, але часто штучний інтелект серйозно прораховується. Людський фактор здатний спростувати будь-які передбачення.

ІІ в культурі

Машина не може займатися творчістю, тому що у неї немає уяви! Або все ж може?

Як не дивно, штучні нейромережі здатні проявити креативність, і навіть досягають певних висот у сфері культури.

музика

Як звучала б флейта, якби була ситаром? Синтезатор NSynth Super від Google використовує нейронну мережу, щоб створювати абсолютно нові звуки на основі різних інструментів.

Alice, розроблена в рамках стартапу Popgun, вміє «підігравати» людині, створюючи музичні імпровізації. Американська співачка Терін Саузерн випустила альбом в співавторстві з нейромережею Amper. А проект Endel здатний після натискання однієї кнопки створювати композиції, співзвучні настрою користувача.

живопис

Нейросеть DeepDream створювали з прицілом на розпізнавання осіб, а у неї виявилися здібності до сюрреалістичної живопису. Розробники відкрили сайт, на якому будь-який бажаючий може у співпраці з іноземними інвестиціями створити дивовижне полотно. Нейросеть пише картини в різних стилях.

Правда, придумувати сюжети вона поки не вміє - просить допомоги людини.

Відео

За допомогою ІІ, розроблених Google і Facebook, можна «змусити» людини на екрані вимовити будь-які слова, зобразити весь спектр емоцій. І відрізнити такі ролики від справжніх буває непросто. Нейросети можуть навіть замінити одного актора на іншого в знятому кіно. А це відкриває можливості не тільки для кінематографістів, а й для творців фальшивок.

література

Нейросеть від Facebook вміє писати вірші, ідеально витримуючи розмір і ритм, підбираючи гарні рими. Читачі лише в половині випадків зуміли розпізнати згенеровані комп'ютером рядки, але до справжніх поетів ІІ далеко. Машина поки не навчилася передавати емоції і вкладати сенс в віршовані твори.

Яндекс теж запустив «Автопоета», який створював вірші з пошукових запитів користувачів. Деякі неможливо читати без посмішки. Важко повірити, що їх створила нейросеть, позбавлена ​​почуття гумору!

А компанія Narrative Science розробила електронного журналіста. Поки статті, написані ІІ, прості за змістом, але керівництво компанії з оптимізмом дивиться в майбутнє і вірить, що до 2025 року до 90% текстів в інтернеті будуть написані за допомогою машинного інтелекту.

У 2016 році книга «День, коли комп'ютер напише роман» вийшла в фінал японської літературної премії імені Хосі Сін'їті. Цей твір майже повністю створив штучний інтелект.

ігри

У комп'ютерних іграх нейромережі використовуються для управління противниками і ігровими ботами. Але ІІ можна навчити грати і «по інший бік екрану» - тобто зчитувати візуальну інформацію з екрану і керувати ігровим персонажем, як це робить людина.

У 2016 році між ІІ навіть проводився чемпіонат по Doom. А система Deep-Q-Network навчена грати на класичних аркадних автоматах Atari. Найчастіше вона показує результати до 30% вище, ніж у досвідчених гравців.

У XX столітті вважалося, що штучний інтелект можна буде вважати досить потужним і розвиненим, коли він зуміє обіграти чемпіона світу з шахів. Цей етап комп'ютери пройшли вже давно - ще в 1997 році Deep Blue здобув перемогу над Гаррі Каспаровим (причому це була алгоритмічна програма, а не штучний інтелект).

Після цього увагу публіки звернулося до більш складним тактичним іграм, наприклад го. Складність обчислень ходу тут на порядок вище, ніж в шахах, тому створити алгоритми, які перебирали б можливі варіанти, практично неможливо. Але навчені нейромережі зуміли впоратися і з цією грою. Уже в 2015 році розроблена Google мережу AlphaGo виграла матч у професійного гравця в го.

Перспективи розвитку штучного інтелекту

Наукові дослідження ІІ ведуться понад півстоліття, але до сих пір далеко не всі розуміють суть технології. У фантастичних романах і фільмах письменники і режисери зображують, яким небезпечним може бути штучний інтелект. І у багатьох уявлення про штучний розум формується саме таким.

Відповімо раціонально на питання, пов'язані з далекими перспективами розвитку ІІ.

Мета ІІ - помістити людський розум в комп'ютер?

Ні це не так. Навіть теоретично подібна ситуація не така вже неймовірна. Штучні нейромережі створюються за образом людського мозку, хоча і в дуже спрощеному вигляді. Може бути, одного разу стане можливо просканувати всі розділи мозку живої людини, скласти «карту» його нейронів і синаптичних зв'язків і відтворити її копію в комп'ютері. Від такої скопійованої нейромережі можна очікувати не тільки розумного поведінки - вона буквально буде двійником людини, зможе усвідомлювати себе, приймати рішення і робити вчинки, як він. Скопійовано навіть спогади. Теоретично, можна буде помістити таку нейросеть в штучне тіло (в робота), і тоді людина - копія його свідомості - зможе жити практично вічно.

На практиці здійснити таке перенесення буде неймовірно складно: немає технологій, які дозволили б «прочитати» живий мозок і створити його «карту». І ми поки дуже далекі від створення штучної нейромережі, яка була б настільки ж потужною, як мозок.

ІІ прагне досягти людського рівня інтелекту?

Мета ІІ - допомагати людям і брати на себе складні або рутинні завдання. Для цього йому зовсім не обов'язково підтримувати бесіди на філософські теми або складати поеми.

Проте, якщо штучний інтелект одного разу зможе досягти рівня людського мислення, це буде важливою віхою для цивілізації. Ми отримаємо ділового та розумного помічника - і зможемо по праву пишатися тим, що це творіння наших рук.

Коли штучний інтелект досягне людського рівня?

Ми успішно створюємо порівняно невеликі нейромережі, здатні розпізнати голос або обробити зображення. Ніякої ІІ поки не володіє такою ж пластичністю, як наш мозок.

Людина може сьогодні займатися музикою, а завтра взятися за програмування на C ++ - завдяки неймовірній складності мозку. У ньому 86 мільярдів нейронів і незліченна кількість синаптичних зв'язків між ними.

Штучним нейромереж поки далеко до цих показників: у них від кількох тисяч до мільйонів нейронів. Є технічні обмеження на розміри нейромереж: навіть суперкомп'ютери не "потягнуть» нейросеть, яку можна порівняти за масштабами з людським мозком. Не кажучи про те, що її навчання буде нетривіальним завданням.

Швидкість комп'ютерів дозволяє їм володіти інтелектом?

«Потужність» інтелекту пов'язана не зі швидкістю обчислень, а зі складністю нейронної мережі. Людський мозок поки перевершує по потужності будь-яку штучну нейромережа, незважаючи на те що швидкість процесів в ньому істотно нижче, ніж в комп'ютерах.

Штучні нейронні мережі складаються з окремих нейронів, які групуються в шари. Два зовнішніх шару служать «входом», на який подається вихідна інформація, і «виходом», з якого зчитується результат. Між ними можуть розташовуватися від одного до декількох десятків, а то і сотень, проміжних шарів з нейронів. Причому кожен нейрон в шарі з'єднаний з безліччю інших в попередньому і наступному шарах.

Чим складніше влаштована мережа, чим більше в ній шарів і нейронів, тим масштабніші і серйозні завдання вона може виконувати.

Чи може нейросеть розвиватися природним шляхом?

Розберемося, чи можливо, що ІІ зможе отримувати досвід і навчатися природно, як дитина. Людський розум формується під впливом багатьох чинників. Ми отримуємо інформацію про навколишній світ завдяки органам сприйняття - спостерігаючи, сприймаючи, пробуючи на смак. Взаємодіючи з навколишнім середовищем, отримуємо життєвий досвід, знання про властивості світу, соціальні навички. Наш мозок постійно вдосконалюється і фізично змінюється, нарощуючи нові синаптичні зв'язки і «прокачувати» існуючі.

Якщо ми зуміємо створити нейронну мережу, досить складну, щоб вона могла розвиватися подібним чином, і забезпечимо її «органами почуттів» - відеокамерою, мікрофоном і подібним, - можливо, через деякий час вона зможе придбати «життєвий досвід». Але це справа далекого майбутнього.

Ризик для людської цивілізації - чи є він?

Ризики, пов'язані з новими технологіями, завжди існують. Питання - в чому вони полягають.

Може виявитися, що штучні нейромережі, досягнувши певного порогу, вийдуть на «плато» ефективності і не будуть розвиватися далі. Або не виправдають надій, якщо виявиться, що ІІ в принципі не здатний впоратися з тим чи іншим класом задач, наприклад творчого характеру. Це може обернутися втратами трудовитрат і фінансових вкладень.

Якщо ж під ризиком розуміти техногенні катастрофи або повстання машин - поки це нам навряд чи загрожує. Говорячи простими словами, сучасні нейромережі не здатні обернутися проти творців - як нейрони в мозку, що керують рухом руки, не здатні усвідомити себе як особистість і нанести удари по власному тілу.

Проте ми повинні пам'ятати, що ІІ - наша розробка. Ми їх проектуємо, створюємо, навчаємо, вкладаємо «думки». Значить, і відповідальність за їх поведінку - на нас.

четверта революція

Як би ми не ставилися до штучного інтелекту, доведеться прийняти той факт, що він вже існує. Відмовитися від нього - означає зробити крок назад у розвитку. Адже ІІ - це важлива частина нашого прогресу. Багато вчених пов'язують з штучними нейросетями початок четвертої промислової революції і заявляють про те, що гряде нова епоха - коли поруч з нами з'явиться рукотворний розум, завжди готовий прийти на допомогу.

Все нове лякає і викликає недовіру - це нормальна людська реакція, і багато людей з побоюванням ставляться до ІІ. Про жахи, які принесе нам штучний розум, не говорив хіба що лінивий фантаст. Але подібне свого часу складали про кожному технологічному нововведенні. Люди боялися паровозів, тому що вони «розполохають корів, отруять птахів димом, а при швидкості понад 15 миль в годину пасажирів розірве на частини». Ймовірно, нащадки теж будуть сміятися над нашими страхами, про яких дізнаються з фільмів і книг XX і XXI століть.

Найвідоміший спосіб визначити, чи є у машини інтелект - це тест Тьюринга, запропонований в 1950 році математиком Аланом Тьюрингом. Під час тесту людина розмовляє з комп'ютером і має визначити, хто веде бесіду - машина або людина. Якщо машина здатна імітувати розмову - значить, вона має інтелект. Сьогодні тест Тьюринга вже: минулого літа його пройшов чат-бот Eugene Goostman, та й тест постійно критикують. Look At Me зібрав вісім інших способів визначити, чи є у машини інтелект.

Тест Лавлейс 2.0

Цей тест названий на честь Ади Лавлейс, математика з XIX століття, яку вважають першим в історії програмістом. Він покликаний визначити наявність інтелекту у машини через здатність її до творчості. Спочатку тест запропонували в 2001 році: тоді машина повинна була створити твір мистецтва, яке розробник машини прийняв би за створене людиною. Так як чітких критеріїв успіху немає, тест виходить занадто неточним.

У минулому році професор Марк Рейдель з Технологічного інституту Джорджії оновив тест, щоб зробити його менш суб'єктивним. Тепер машина повинна створити твір у певному жанрі і в певних творчих рамках, заданих людиною-суддею. Простіше кажучи, це повинно бути твір мистецтва в конкретному стилі. Скажімо, суддя повинен змусити машину намалювати маньеристской картину в дусі Параміджаніно або написати джазове твір в дусі Майлза Девіса. На відміну від оригінального тесту, машини працюють в заданих рамках, і тому судді можуть оцінювати результат більш об'єктивно.

випробування IKEA

Машині показують картинку і запитують, наприклад, де на ній знаходиться чашка, - і дають кілька варіантів відповіді. Всі варіанти відповідей правильні (На столі, на підстилці, перед стільцем, зліва від лампи), Але деякі з них можуть бути більш людськими, ніж інші (Скажімо, з усього перерахованого людина швидше відповість «на столі»). Здається, що це просте завдання, але насправді здатність описати, де знаходиться об'єкт по відношенню до інших об'єктів - найважливіший елемент людського розуму. Тут грають роль безліч нюансів і суб'єктивних суджень, від розміру об'єктів до їх ролі в конкретній ситуації - в загальному, контекст. Люди роблять це інтуїтивно, а машини стикаються з проблемами.

схеми Винограду

Чат-боти, що проходять тест Тьюринга, вміло обманюють суддів і змушують повірити, що вони - люди. За словами Гектора левеск, професора інформатики в Університеті Торонто, такий тест лише показує, як легко обдурити людину, особливо в короткій текстової листування. Але з тесту Тьюрінга неможливо зрозуміти, чи є у машини інтелект або хоча б розуміння мови.

«Хочу займатися ІІ. Що варто вивчити? Які мови використовувати? У яких організаціях вчитися і працювати? »

Ми звернулися за роз'ясненням до наших експертів, а отримані відповіді представляємо вашій увазі.

Це залежить від Вашої базової підготовки. Перш за все, необхідна математична культура (знання статистики, теорії ймовірностей, дискретної математики, лінійної алгебри, аналізу та ін.) І готовність багато чому швидко вчитися. При реалізації методів ІІ буде потрібно програмування (алгоритми, структури даних, ООП і ін.).

Різні проекти вимагають володіння різними мовами програмування. Я б рекомендував знати як мінімум Python, Java і будь-який функціональний мову. Незайвим буде досвід роботи з різними базами даних і розподіленими системами. Щоб швидко вивчати кращі підходи, що застосовуються в індустрії, потрібне знання англійської мови.

Вчитися рекомендую в хороших російських вузах! Наприклад, в МФТІ, МДУ, ВШЕ є відповідні кафедри. Велика розмаїтість тематичних курсів є на Coursera, edX, Udacity, Udemy і інших MOOC майданчиках. Деякі провідні організації мають власні програми підготовки в області ІІ (наприклад, Школа аналізу даних у Яндекса).

Прикладні завдання, які вирішуються методами ІІ, можна знайти в найрізноманітніших місцях. Банки, фінансовий сектор, консалтинг, ритейл, e-commerce, пошукові системи, поштові сервіси, ігрова індустрія, індустрія систем безпеки і, звичайно, Avito - все потребують фахівців різної кваліфікації.

підвищити Знизити

У нас є проект по Фінтех, пов'язаний з машинним навчанням і комп'ютерним зором, в якому перший його розробник писав все на C ++, далі прийшов розробник, який все переписав на Python. Так що мова тут не найголовніше, тому що мова - це перш за все інструмент, і від вас залежить, як його використовувати. Просто на якихось мовах завдання вирішувати швидше, а на інших більш повільно.

Де вчитися, сказати складно - всі наші хлопці вчилися самі, благо є інтернет і Google.

підвищити Знизити

Можу порадити з самого початку готувати себе до того, що вчитися доведеться багато. Незалежно від того, що мається на увазі під «займатися ІІ» - робота з великими даними або нейромережі; розвиток технології або підтримка і навчання якоїсь певної вже розробленої системи.

Давайте заради конкретики візьмемо трендовую професію Data Scientist. Що робить ця людина? У загальному і цілому - збирає, аналізує і готує до вживання великі дані. Саме ті, на яких росте і тренується ІІ. А що повинен знати і вміти Data Scientist? Статичний аналіз і математичне моделювання - за замовчуванням, причому на рівні вільного володіння. Мови - скажімо, R, SAS, Python. Також добре б мати такий-сякий досвід розробки. Ну і, взагалі кажучи, хороший дата-сайнтіст повинен впевнено себе почувати в БД, алгоритміки, візуалізації даних.

Не сказати, щоб такий набір знань можна було отримати в кожному другому технічному вузі країни. Великі компанії, у яких в пріоритеті розробка ІІ, це розуміють і розробляють під себе відповідні навчальні програми - існує, наприклад, Школа аналізу даних від Яндекса. Але ви повинні віддавати собі звіт, що це не той масштаб, де ти приходиш на курси «з вулиці», а виходиш з них готовим Джуніором. Пласт великий, і йти вчитися з дисципліни має сенс тоді, коли вже охоплена база (математика, статистика) хоча б в рамках вузівської програми.

Так, часу піде порядно. Але це того варте, тому що хороший Data Scientist - це дуже перспективно. І дуже дорого. Є ще й інший момент. Штучний інтелект - це, з одного боку, вже не просто об'єкт ажіотажу, а цілком собі вийшла на виток продуктивності технологія. З іншого боку, ІІ все ще тільки розвивається. Для цього розвитку потрібно багато ресурсів, багато навичок і багато грошей. Поки це рівень вищої ліги. Я зараз скажу очевидну річ, але, якщо ви хочете опинитися на вістрі атаки і своїми руками рухати прогрес, цільтеся в компанії рівня Facebook або Amazon.

У той же час в ряді областей технологію вже застосовують: в банківській сфері, в телекомі, на промислових підприємствах-гігантах, в ритейлі. І там уже потрібні люди, здатні її підтримувати. Gartner прогнозує, що до 2020 року 20% усіх підприємств в розвинених країнах будуть наймати спеціальних співробітників для тренування нейронних мереж, що використовуються в цих компаніях. Так що поки ще є трохи часу, щоб підучитися самому.

підвищити Знизити

ІІ зараз активно розвивається, і пророкувати на десять років вперед складно. На найближчі два-три роки будуть домінувати підходи на базі нейромереж і обчислень на основі GPU. Лідером в цій області є Python з інтерактивним середовищем Jupyter і бібліотеками numpy, scipy, tensorflow.

Є багато онлайн-курсів, які дають базове уявлення про ці технології і загальні принципи ІІ, наприклад курс Andrew Ng. І в плані навчання цій темі зараз в Росії найефективніше самостійне навчання або в локальній групі за інтересами (наприклад, в Москві я знаю про існування як мінімум пари груп, де люди діляться досвідом і знаннями).

підвищити Знизити

підвищити Знизити

На сьогоднішній день найбільш швидко прогресуюча частина штучного інтелекту - це, мабуть, нейронні мережі.
Вивчення нейромереж і ШІ варто почати з освоєння двох розділів математики - лінійної алгебри та теорії ймовірності. Це обов'язковий мінімум, непорушні стовпи штучного інтелекту. Абітурієнтам, які бажають осягнути основи ІІ, при виборі вузу, на мій погляд, варто звернути увагу на факультети з сильною математичної школою.

Наступний крок - вивчення проблематики питання. Існує величезна кількість літератури, як навчальної, так і спеціальної. Більшість публікацій по темі штучного інтелекту і нейромереж написані англійською мовою, проте російськомовні матеріали теж публікуються. Корисну літературу можна знайти, наприклад, в загальнодоступній цифровій бібліотеці arxiv.org.

Якщо говорити про напрямки діяльності, то тут можна виділити навчання прикладних нейронних мереж і розробку абсолютно нових варіантів нейромереж. Яскравий приклад: існує така дуже затребувана зараз спеціальність - «дата-сайентіст» (Data Scientist). Це розробники, які, як правило, займаються вивченням і підготовкою деяких наборів даних для навчання нейромереж в конкретних, прикладних областях. Резюмуючи, підкреслю, що кожна спеціалізація вимагає окремого шляху підготовки.

підвищити Знизити

Перш ніж приступати до вузькопрофільних курсам, потрібно вивчити лінійну алгебру і статистику. Занурення в ІІ я б порадив почати з підручника «Машинне навчання. Наука і мистецтво побудови алгоритмів, які витягують знання з даних », це непоганий посібник для початківців. На Coursera варто послухати вступні лекції К. Воронцова (підкреслю, що вони вимагають доброго знання лінійної алгебри) і курс «Machine Learning» Стенфордського університету, який читає Andrew Ng, професор і голова Baidu AI Group / Google Brain.

Основна маса пишеться на Python, потім йдуть R, Lua.

Якщо говорити про навчальні заклади, краще вчинити на курси при кафедрах прикладної математики та інформатики, які підходять освітні програми є. Для перевірки своїх здібностей можна взяти участь в змаганнях Kaggle, де пропонують свої кейси великі світові бренди.

підвищити Знизити

У будь-якій справі, перш ніж приступати до проектів, добре б отримати теоретичний базис. Є багато місць, де можна отримати формальну ступінь магістра за цим напрямком, або підвищити свою кваліфікацію. Так, наприклад, Сколтех пропонує магістерські програми за напрямами «Computational Science and Engineering» і «Data Science», куди входить курси «Machine Learning» і «Natural Language Processing». Можна також згадати Інститут Інтелектуальних кібернетичних систем НІЯУ МІФІ, Факультет обчислювальної математики і кібернетики МГУ і Кафедру «Інтелектуальні системи» МФТІ.

Якщо ж формальну освіту вже є, є ряд курсів на різних платформах MOOC. Так, наприклад, EDx.org пропонує курси по штучному інтелекту від Microsoft і Колумбійського університету, останній з яких пропонує мікро-магістерську програму за помірні гроші. Хотілося б особливо відзначити, що зазвичай самі знання ви можете отримати безкоштовно, оплата йде тільки за сертифікат, якщо він потрібен для вашого резюме.

Якщо ж ви хочете «глибоко зануритися» в тему, ряд компаній в Москві пропонує тижневі інтенсивні курси з практичними заняттями, і навіть пропонують обладнання для експериментів (наприклад, newprolab.com), правда, ціна таких курсів від декількох десятків тисяч рублів.

З компаній, які займаються розробкою Штучного Інтелекту, ви напевно знаєте Яндекс і Ощадбанк, але є і багато інших різних розмірів. Наприклад, на цьому тижні Міноборони відкрило в Анапі Військовий інноваційний технополіс ЕРА, однією з тем якого є розробка ІІ для військових потреб.

підвищити Знизити

Перш ніж вивчати штучний інтелект, треба вирішити принципове питання: червону таблетку взяти або синю.
Червона таблетка - стати розробником і зануритися в жорстокий світ статистичних методів, алгоритмів і постійного осягнення непізнаного. З іншого боку, не обов'язково відразу кидатися в «кролячу нору»: можна стати управлінцем і створювати ІІ, наприклад, як менеджер проекту. Це два принципово різних шляхи.

Перший відмінно підходить, якщо ви вже вирішили, що будете писати алгоритми штучного інтелекту. Тоді вам треба почати з самого популярного спрямування на сьогоднішній день - машинного навчання. Для цього потрібно знати класичні статистичні методи класифікації, кластеризації та регресії. Корисно буде також познайомитися з основними заходами оцінки якості рішення, їх властивостями ... і всім, що попадеться вам по дорозі.

Тільки після того, як база освоєна, варто простудіювати більш спеціальні методи: дерева прийняття рішень і ансамблі з них. На цьому етапі потрібно глибоко зануритися в основні способи побудови і навчання моделей - вони ховаються за ледь пристойними словами Беггинген, бустінг, стекінг або Блендінг.

Тут же варто пізнати методи контролю перенавчання моделей (ще один «инг» - overfitting).

І, нарешті, зовсім вже джедайский рівень - отримання вузькоспеціальних знань. Наприклад, для глибокого навчання потрібно оволодіти основними архітектурами і алгоритмами градієнтного спуску. Якщо цікаві завдання обробки природної мови, то рекомендую вивчити рекурентні нейронні мережі. А майбутнім творцям алгоритмів для обробки картинок і відео варто гарненько заглибитися в свёрточние нейронні мережі.

Дві останні згадані структури - цеглинки популярних сьогодні архітектур: змагальних мереж (GAN), реляційних мереж, комбінованих мереж. Тому вивчити їх буде незайвим, навіть якщо ви не плануєте вчити комп'ютер бачити або чути.

Зовсім інший підхід до вивчення ІІ - він же «синя таблетка» - починається з пошуку себе. Штучний інтелект породжує купу завдань і цілих професій: від керівників ІІ-проектів до дата-інженерів, здатних готувати дані, чистити їх і будувати масштабовані, навантажені і відмовостійкі системи.

Так що при «менеджерський» підході спочатку варто оцінити свої здібності і бекграунд, а вже потім вибирати, де і чому вчитися. Наприклад, навіть без математичного складу розуму можна займатися дизайном ІІ-інтерфейсів і візуалізаціями для розумних алгоритмів. Але приготуйтеся: вже через 5 років штучний інтелект почне вас тролі і називати «гуманітарієм».

Основні методи ML реалізовані у вигляді готових бібліотек, доступних до підключення на різних мовах. Найбільш популярними мовами в ML сьогодні є: C ++, Python і R.

Є безліч курсів як російською, так і англійською мовами, таких як Школа аналізу даних Яндекса, курси SkillFactory і OTUS. Але перш ніж інвестувати час і гроші в спеціалізоване навчання, думаю, варто «перейнятися темою»: подивитися відкриті лекції на YouTube з конференцій DataFest за минулі роки, пройти безкоштовні курси від Coursera і «Хабрахабр».