Новини за новости в областта на изкуствения интелект се появяват със завидна честота. Така през януари тази година Google обяви плановете си, в партньорство с Movidius, да създаде мобилни процесори с възможности за машинно обучение. Обявените цели на партньорството са да предостави възможности за машинен интелект на хората в техните преносими устройства. И през февруари инженерите на MIT вече представиха процесора Eyeriss, благодарение на който изкуственият интелект може да се появи в преносими устройства. И това е на фона на факта, че обемът на инвестициите в разработването на системи с изкуствен интелект нараства от година на година.

Всичко подсказва, че скоро изкуственият интелект ще проникне в нашите смартфони, които ще станат значително по-умни. Значи не сме далеч от въстанието на машините? Колко по-умни трябва да станат машините, за да поемат властта над хората? И колко реално е?

Изкуствен интелект едно, изкуствен интелект две, изкуствен интелект три

Когато четем или слушаме за изкуствен интелект, много от нас си представят SkyNet и машините от известния филм Терминатор. Какво имат предвид изследователите и разработчиците под това понятие?

Има три типа AI, които трябва или може да се наложи да създадем:

Тясно насочен изкуствен интелект. Точно това ще получим в новите си смартфони в близко бъдеще. Такава интелигентност превъзхожда човешката интелигентност в определени дейности или операции. Компютър със силно насочен изкуствен интелект може да победи световен шампион по шах, да паркира кола или да избере най-подходящите резултати в търсачката.

Силата на такъв изкуствен интелект се крие в изчислителните възможности на процесорите. Колкото по-големи са тези възможности, толкова по-ефективно се решават поставените задачи. И с увеличаването на мощността на процесора сега няма проблеми. Тясно фокусираният AI във философията на изкуствения интелект (има такова нещо) се нарича слаб.

Но сами по себе си изчислителните възможности според учените не са достатъчни за създаването на наистина умни машини. Въпреки че именно фиктивният случай на спонтанен преход от слаб изкуствен интелект към силен е основата на сценария на филмите за Терминатор. SkyNet, суперкомпютър на Министерството на отбраната на САЩ, предназначен да контролира системата за противоракетна отбрана, добива съзнание и започва да взема собствени решения.

Общ изкуствен интелект. Ако вече сме създали системи с тясно насочен AI и сме намерили практически приложения за тях, тогава с General AI всичко е много по-сложно. Този тип AI вече е интелект на човешко ниво. Той е универсален и способен да извършва същите интелектуални операции като човешкия мозък.

Ако през живота си видим напълно хуманоидни роботи, те ще имат точно този тип интелект. Спомнете си андроида Андрю от филма на Крис Кълъмбъс „Двудесетгодишният човек“. Роботите с такъв AI ще могат самостоятелно да учат, мислят и вземат решения като хората. Те ще могат да изградят отношения с хората около тях, ставайки приятели и помощници. Именно този вид изкуствен интелект се нарича силен.

Но има пропаст между силния и слабия изкуствен интелект. За да преминете от едно към друго, не е достатъчно да увеличите изчислителната мощност на компютрите, трябва също да им дадете интелект. Учените все още не са видели ясен начин за това.

Изкуствен суперинтелект. Именно този тип изкуствен интелект привлича всеобщо внимание. До голяма степен защото възможността за създаването му се възприема от много учени като опасност за човечеството. SkyNet е илюстрация на такава заплаха.

Суперинтелигентността ще бъде по-умна от всеки един от хората. Той ще превъзхожда човека в почти всяка област. Ще може да решава сложни проблеми и да прави научни открития. Как ще се държи една интелигентна машина по отношение на човечеството?

Учените предлагат три модела на взаимодействие:

Оракул- можем да получим отговор на всеки сложен въпрос.

Джин- той сам ще направи всичко, от което се нуждаем, като използва за това поне молекулярен асемблер, дори роботизирани лаборатории и фабрики, работещи без човешка намеса.

Суверенен- Той сам ще открие проблема и сам ще го реши.

Както можете да видите, терминът „изкуствен интелект“ съдържа три форми на съществуване на изкуствения интелект. И разликите им помежду им са значителни, както и последствията от прехода от един AI към друг. Можем ли да определим нивото на интелигентност на умните машини, за да разберем с кого си имаме работа?

Как да измерим изкуствения интелект?

Хората се различават един от друг по нивото на интелигентност. За количественото му определяне се използват специални тестове. Тестът за интелигентност е известен на мнозина. Как се измерва интелигентността на машините?

Ако подходим безкритично към медийните съобщения, тогава интелектуалното ниво на съвременните машини варира между IQ на 4-годишно дете и 13-годишен тийнейджър. Тези две числа илюстрират два подхода за измерване на машинния интелект.

През 2015 г. екип от учени от Илинойс тества системата за изкуствен интелект ConceptNet, създадена в Масачузетския технологичен институт, използвайки стандартен IQ тест за деца на възраст от 2,5 до 7 години. Резултатите на машината съответстват на средното представяне на четиригодишно дете.

В допълнение към използването на тестове, предназначени за хора, е широко известен и използван специален тест, предназначен за машини. Тестът на Тюринг е предназначен да определи дали една машина може да мисли.

Тестът е следният. Един човек – съдията – общува с двама събеседници, които не вижда. Цялото взаимодействие се осъществява чрез кореспонденция с помощта на междинен компютър. Единият от събеседниците е човек, а другият е компютърна програма, представяща се за човек. Ако съдията не може със сигурност да каже кой от неговите събеседници е програмата, тогава машината се счита за преминала теста.

Към днешна дата тестът на Тюринг е преминат само веднъж. През 2014 г. програмата Eugene Goostman, която имитира 13-годишен тийнейджър, наречен от разработчиците като Zhenya Goostman, успя да заблуди съдиите и да се представи за човек.

Има обаче много възражения срещу подобни тестове. И компютрите, и техните програми днес са носители на слаб, тясно фокусиран изкуствен интелект. Такава интелигентност може да имитира само лицето, което се явява на теста.

Всичко ще се промени, когато преминем от слаб изкуствен интелект към силен. Машина, надарена с общ изкуствен интелект, който ще бъде подобен на човешкия интелект, вече ще има съзнание и самосъзнание и следователно ще мисли. Такъв компютър би преминал стандартен тест за интелигентност, отговаряйки на въпроси съзнателно, както човек.

Коефициентът на интелигентност на човека варира от 85 до 130. Същите показатели ще бъдат достъпни и за общия AI. Но горното ниво на IQ на изкуствения суперинтелект няма да има ограничения. Може да са 1000 или 10 000. Какво ни очаква с подобряването на AI?

От изобретяването на компютрите способността им да изпълняват различни задачи продължава да расте експоненциално. Хората развиват силата на компютърните системи, като увеличават задачите и намаляват размера на компютрите. Основната цел на изследователите в областта на изкуствения интелект е да създадат компютри или машини, толкова интелигентни, колкото хората.

Създателят на термина „изкуствен интелект“ е Джон Маккарти, изобретател на езика Lisp, основател на функционалното програмиране и носител на наградата Turing за огромния му принос в областта на изследванията на изкуствения интелект.

Изкуственият интелект е начин да се направи компютър, компютърно контролиран робот или програма, способни да мислят интелигентно като човек.

Изследванията в областта на ИИ се извършват чрез изучаване на човешките умствени способности, а след това резултатите от тези изследвания се използват като основа за разработването на интелигентни програми и системи.

AI философия

Докато работеха с мощни компютърни системи, всички задаваха въпроса: „Може ли една машина да мисли и да се държи по същия начин като човека?“ "

По този начин развитието на AI започва с намерението да се създаде подобен интелект в машините, подобен на човешкия интелект.

Основни цели на AI

• Създаване на експертни системи – системи, които демонстрират интелигентно поведение: учат, показват, обясняват и дават съвети;
• Внедряването на човешкия интелект в машините е създаването на машина, способна да разбира, мисли, обучава и се държи като човек.

Какво движи развитието на AI?

Изкуственият интелект е наука и технология, базирана на дисциплини като компютърни науки, биология, психология, лингвистика, математика и машинно инженерство. Една от основните области на изкуствения интелект е разработването на компютърни функции, свързани с човешкия интелект, като разсъждение, учене и решаване на проблеми.

Програма с и без AI

Програмите със и без AI се различават по следните свойства:

AI приложения

AI стана доминиращ в различни области като:

Игри - AI играе решаваща роля в игри, свързани със стратегия като шах, покер, tic-tac-toe и др., където компютърът е в състояние да изчисли голям брой различни решения въз основа на евристични знания.

Обработката на естествен език е способността да се комуникира с компютър, който разбира естествения език, говорен от хората.

Разпознаване на реч – някои интелигентни системи са способни да чуват и разбират езика, на който човек комуникира с тях. Те могат да се справят с различни акценти, жаргон и т.н.

Разпознаване на ръкописен текст - софтуерът разчита текст, написан на хартия с химикал или на екрана със стилус. Може да разпознава форми на букви и да ги преобразува в редактируем текст.

Умните роботи са роботи, способни да изпълняват задачи, възложени от хората. Те имат сензори за откриване на физически данни от реалния свят, като светлина, топлина, движение, звук, удар и налягане. Те имат високопроизводителни процесори, множество сензори и огромна памет. Освен това те са в състояние да се учат от собствените си грешки и да се адаптират към нова среда.

История на развитието на AI

Ето историята на развитието на ИИ през 20 век

Тази година Yandex пусна гласовия асистент Alice. Новата услуга позволява на потребителя да слуша новини и времето, да получава отговори на въпроси и просто да комуникира с бота. "Алиса" понякога става самонадеян, понякога изглежда почти разумна и човешки саркастична, но често не може да разбере какво я питат и се оказва в локва.

Всичко това породи не само вълна от шеги, но и нов кръг от дискусии за развитието на изкуствения интелект. Новини за това какво са постигнали интелигентните алгоритми идват почти всеки ден днес, а машинното обучение се нарича една от най-обещаващите области, на които можете да се посветите.

За да изясним основните въпроси за изкуствения интелект, разговаряхме със Сергей Марков, специалист по изкуствен интелект и методи за машинно обучение, автор на една от най-мощните домашни програми за шах SmarThink и създател на проекта XXII век.

Сергей Марков,

специалист по изкуствен интелект

Развенчаване на митовете за AI

така че какво е "изкуствен интелект"?

Концепцията за „изкуствен интелект“ до известна степен беше нещастна. Възникнал първоначално в научната общност, той в крайна сметка навлиза във фантастичната литература, а чрез нея и в поп културата, където претърпява редица промени, придобива много интерпретации и в крайна сметка е напълно мистифициран.

Ето защо често чуваме твърдения като това от неспециалисти: „ИИ не съществува“, „ИИ не може да бъде създаден“. Неразбирането на същността на изследванията на AI лесно води хората до други крайности - например, съвременните AI системи се приписват на наличието на съзнание, свободна воля и тайни мотиви.

Нека се опитаме да отделим мухите от котлетите.

В науката изкуственият интелект се отнася до системи, предназначени да решават интелектуални проблеми.

От своя страна интелектуалната задача е задача, която хората решават, използвайки собствения си интелект. Обърнете внимание, че в този случай експертите умишлено избягват дефинирането на понятието „интелигентност“, тъй като преди появата на системите с изкуствен интелект единственият пример за интелигентност беше човешкият интелект, а дефинирането на понятието интелигентност въз основа на единичен пример е същото като опит да начертаете права линия през една точка. Може да има произволен брой такива редове, което означава, че дебатът за концепцията за интелигентност може да продължи векове.

„силен” и „слаб” изкуствен интелект

AI системите са разделени на две големи групи.

Приложен изкуствен интелект(използва се и терминът „слаб AI“ или „тесен AI“, в английската традиция - слаб/приложен/тесен AI) е AI, предназначен да решава всеки един интелектуален проблем или малък набор от тях. Този клас включва системи за игра на шах, Go, разпознаване на изображения, реч, вземане на решения за издаване или неиздаване на банков заем и т.н.

За разлика от приложния AI се въвежда концепцията универсален изкуствен интелект(също „силен AI“, на английски - силен AI/Artificial General Intelligence) - тоест хипотетичен (засега) AI, способен да решава всякакви интелектуални проблеми.

Често хората, без да познават терминологията, приравняват AI със силен AI, поради което възникват преценки в духа на „AI не съществува“.

Силният AI наистина все още не съществува. Почти всички напредъци, които видяхме през последното десетилетие в областта на ИИ, са напредък в приложните системи. Тези успехи не трябва да се подценяват, тъй като приложните системи в някои случаи са способни да решават интелектуални проблеми по-добре от универсалния човешки интелект.

Мисля, че сте забелязали, че понятието AI е доста широко. Да кажем, умственото изчисление също е интелектуална задача и това означава, че всяка изчислителна машина ще се счита за AI система. Ами сметките? Абак? Антикитерски механизъм? Всъщност всички те формално са, макар и примитивни, AI системи. Въпреки това, обикновено, като наричаме дадена система AI система, ние подчертаваме сложността на проблема, решен от тази система.

Съвсем очевидно е, че разделянето на интелектуалните задачи на прости и сложни е много изкуствено и представите ни за сложността на определени задачи постепенно се променят. Механичната сметачна машина е била чудо на техниката през 17-ти век, но днес хората, които са се сблъсквали с много по-сложни механизми от детството си, вече не могат да бъдат впечатлени от нея. Когато колите, които играят Go, или самоуправляващите се автомобили престанат да учудват обществеността, вероятно ще има хора, които ще се свият, защото някой ще класифицира подобни системи като AI.

„Отлични роботи“: за способностите за учене на AI

Друго забавно погрешно схващане е, че AI системите трябва да имат способността да се самообучават. От една страна, това не е необходимо свойство на AI системите: има много невероятни системи, които не са способни да се самообучават, но въпреки това решават много проблеми по-добре от човешкия мозък. От друга страна, някои хора просто не знаят, че самообучението е свойство, което много AI системи са придобили преди повече от петдесет години.

Когато написах първата си шахматна програма през 1999 г., самообучението вече беше напълно обичайно място в тази област - програмите можеха да запомнят опасни позиции, да коригират началните вариации според своите нужди и да регулират стила на игра, адаптирайки се към противника. Разбира се, тези програми все още бяха много далеч от Alpha Zero. Въпреки това дори системи, които са научили поведение въз основа на взаимодействия с други системи чрез експерименти в така нареченото „обучение с подсилване“, вече съществуват. Въпреки това, по някаква необяснима причина, някои хора все още смятат, че способността за самообучение е прерогатив на човешкия интелект.

Машинното обучение, цяла научна дисциплина, се занимава с процесите на обучение на машини за решаване на определени проблеми.

Има два големи полюса на машинното обучение - контролирано обучение и неконтролирано обучение.

При обучение с учителмашината вече има определен брой условно правилни решения за определен набор от случаи. Задачата на обучението в този случай е да научи машината, въз основа на наличните примери, да взема правилни решения в други, непознати ситуации.

Другата крайност е учене без учител. Това означава, че машината е поставена в ситуация, в която правилните решения са неизвестни, налични са само данни в сурова, немаркирана форма. Оказва се, че в такива случаи можете да постигнете известен успех. Например, можете да научите машина да идентифицира семантичните връзки между думите в даден език въз основа на анализа на много голям набор от текстове.

Един вид контролирано обучение е обучението с подсилване. Идеята е, че AI системата действа като агент, поставен в някаква симулирана среда, в която може да взаимодейства с други агенти, например със свои копия, и да получава известна обратна връзка от средата чрез функция за възнаграждение. Например програма за шах, която играе сама със себе си, като постепенно настройва параметрите си и по този начин постепенно укрепва собствената си игра.

Обучението с подсилване е доста широко поле с много интересни използвани техники, вариращи от еволюционни алгоритми до байесова оптимизация. Най-новите постижения в AI за игри са свързани с подобряването на AI чрез обучение с подсилване.

Рискове от развитието на технологиите: трябва ли да се страхуваме от „Страшния съд“?

Не съм от алармистите на AI и в този смисъл в никакъв случай не съм сам. Например, създателят на Станфордския курс за машинно обучение, Андрю Нг, сравнява проблема с опасността от ИИ с проблема с пренаселеността на Марс.

Наистина е вероятно хората да колонизират Марс в бъдеще. Също така е вероятно рано или късно да възникне проблем с пренаселеността на Марс, но не е съвсем ясно защо трябва да се занимаваме с този проблем сега? Yann LeCun, създателят на конволюционните невронни мрежи, и неговият шеф Марк Zuckerberg, както и Yoshua Benyo, човек, до голяма степен благодарение на чиито изследвания, съвременните невронни мрежи са в състояние да решават сложни проблеми в областта на обработката на текст, са съгласни с Ng.

Вероятно ще отнеме няколко часа, за да изложа вижданията си по този проблем, така че ще се съсредоточа само върху основните моменти.

1. НЕ МОЖЕТЕ ДА ОГРАНИЧИТЕ РАЗРАБОТВАНЕТО НА ИИ

Алармистите отчитат рисковете, свързани с потенциалното разрушително въздействие на ИИ, като същевременно пренебрегват рисковете, свързани с опитите за ограничаване или дори спиране на прогреса в тази област. Технологичната мощ на човечеството нараства с изключително бързи темпове, което води до ефект, който наричам „поевтиняване на апокалипсиса“.

Преди 150 години, при цялото желание, човечеството не можеше да нанесе непоправими щети нито на биосферата, нито на себе си като вид. За да се реализира катастрофалният сценарий преди 50 години, щеше да е необходимо да се концентрира цялата технологична мощ на ядрените сили. Утре малка шепа фанатици може да са достатъчни, за да предизвикат глобална катастрофа, причинена от човека.

Нашата технологична мощ расте много по-бързо от способността на човешкия интелект да контролира тази сила.

Освен ако човешкият интелект, с неговите предразсъдъци, агресия, заблуди и ограничения, не бъде заменен от система, способна да взема по-добри решения (независимо дали AI или, което според мен е по-вероятно, човешки интелект, технологично подобрен и комбиниран с машини в една система) , може да чакаме глобална катастрофа.

2. създаването на суперинтелект е принципно невъзможно

Има идея, че AI на бъдещето със сигурност ще бъде суперинтелигентност, превъзхождаща хората дори повече, отколкото хората превъзхождат мравките. В този случай се страхувам да разочаровам и технологичните оптимисти - нашата Вселена съдържа редица фундаментални физически ограничения, които очевидно ще направят създаването на суперинтелект невъзможно.

Например, скоростта на предаване на сигнала е ограничена от скоростта на светлината, а в скалата на Планк се появява несигурността на Хайзенберг. Това води до първата фундаментална граница - границата на Бремерман, която въвежда ограничения върху максималната скорост на изчисления за автономна система с дадена маса m.

Друго ограничение е свързано с принципа на Ландауер, според който при обработката на 1 бит информация се генерира минимално количество топлина. Твърде бързите изчисления ще доведат до неприемливо нагряване и разрушаване на системата. Всъщност съвременните процесори са по-малко от хиляда пъти зад лимита на Ландауер. Изглежда, че 1000 е доста, но друг проблем е, че много интелектуални задачи принадлежат към класа на трудност EXPTIME. Това означава, че времето, необходимо за решаването им, е експоненциална функция от размера на проблема. Ускоряването на системата няколко пъти дава само постоянно увеличение на „интелигентността“.

Като цяло има много сериозни причини да се смята, че свръхинтелигентният силен AI няма да работи, въпреки че, разбира се, нивото на човешкия интелект може да бъде надминато. Колко опасно е това? Най-вероятно не много.

Представете си, че изведнъж сте започнали да мислите 100 пъти по-бързо от другите хора. Това означава ли, че лесно ще успеете да убедите всеки минувач да ви даде портфейла си?

3. тревожим се за грешните неща

За съжаление, в резултат на спекулациите на алармистите относно страховете на обществото, повдигнати за „Терминаторът“ и известния HAL 9000 на Кларк и Кубрик, има изместване на акцента в областта на безопасността на изкуствения интелект към анализа на малко вероятното , но ефективни сценарии. В същото време реалните опасности се губят от поглед.

Всяка достатъчно сложна технология, която се стреми да заеме важно място в нашия технологичен пейзаж, със сигурност носи със себе си специфични рискове. Много животи бяха унищожени от парни машини - в производството, транспорта и т.н. - преди да бъдат разработени ефективни разпоредби и мерки за безопасност.

Ако говорим за напредък в областта на приложния AI, можем да обърнем внимание на свързания проблем с така наречения „Цифров таен съд“. Все повече AI приложения вземат решения по въпроси, засягащи живота и здравето на хората. Това включва медицински диагностични системи и например системи, които вземат решения в банките за издаване или неиздаване на заем на клиент.

В същото време структурата на използваните модели, наборите от използвани фактори и други подробности от процедурата за вземане на решения са скрити като търговска тайна от лицето, чиято съдба е заложена.

Използваните модели могат да базират решенията си на мненията на учители експерти, които са допускали систематични грешки или са имали определени предразсъдъци – расови, полови.

ИИ, обучен върху решенията на такива експерти, ще възпроизведе вярно тези пристрастия в своите решения. В крайна сметка тези модели могат да съдържат специфични дефекти.

Малко хора се занимават с тези проблеми сега, тъй като, разбира се, SkyNet започва ядрена война, разбира се, е много по-зрелищно.

Невронните мрежи като „гореща тенденция“

От една страна, невронните мрежи са един от най-старите модели, използвани за създаване на AI системи. Появили се първоначално в резултат на бионичния подход, те бързо избягаха от своите биологични прототипи. Единственото изключение тук са импулсните невронни мрежи (те обаче все още не са намерили широко приложение в индустрията).

Напредъкът през последните десетилетия е свързан с развитието на технологиите за дълбоко обучение - подход, при който невронните мрежи се сглобяват от голям брой слоеве, всеки от които е изграден на базата на определени закономерни модели.

В допълнение към създаването на нови модели на невронни мрежи, важен напредък беше постигнат и в областта на технологиите за обучение. Днес невронните мрежи вече не се преподават с помощта на компютърни централни процесори, а с помощта на специализирани процесори, способни бързо да извършват матрични и тензорни изчисления. Най-разпространеният тип такива устройства днес са видеокартите. Въпреки това активно се развиват още по-специализирани устройства за обучение на невронни мрежи.

Като цяло, разбира се, невронните мрежи днес са една от основните технологии в областта на машинното обучение, на които дължим решението на много проблеми, които преди това бяха решени незадоволително. От друга страна, разбира се, трябва да разберете, че невронните мрежи не са панацея. За някои задачи те далеч не са най-ефективният инструмент.

И така, колко умни са днешните роботи?

Всичко е относително. В сравнение с технологията от 2000 г. сегашните постижения изглеждат като истинско чудо. Винаги ще има хора, които обичат да мрънкат. Преди 5 години те говореха с всички сили за това как машините никога няма да спечелят срещу хората в Go (или поне няма да спечелят много скоро). Те казаха, че една машина никога няма да може да нарисува картина от нулата, докато днес хората практически не могат да различат картини, създадени от машини, от картини на непознати за тях художници. В края на миналата година машините се научиха да синтезират реч, която на практика е неразличима от човешката, а през последните години музиката, създадена от машини, не увяхва ушите.

Да видим какво ще стане утре. Аз съм много оптимист за тези приложения на AI.

Обещаващи насоки: откъде да започнете да се гмуркате в областта на AI?

Бих ви посъветвал да опитате добро нивоовладейте една от популярните рамки за невронни мрежи и един от най-популярните езици за програмиране в областта на машинното обучение (най-популярната комбинация днес е TensorFlow + Python).

След като сте усвоили тези инструменти и в идеалния случай имате силна основа в областта на математическата статистика и теорията на вероятностите, трябва да насочите усилията си към областта, която ще бъде най-интересна лично за вас.

Интересът към предмета на вашата работа е един от най-важните ви помощници.

Нуждата от специалисти по машинно обучение съществува в повечето случаи различни области- в медицината, в банковото дело, в науката, в производството, така че днес един добър специалист има по-голям избор от всякога. Потенциалните ползи от която и да е от тези индустрии ми се струват незначителни в сравнение с факта, че ще се насладите на работата.

„Ние сме на прага на най-големите промени, сравними с човешката еволюция“ – писателят на научна фантастика Върнър Стефан Винге

Как бихте се почувствали, ако знаехте, че сте на ръба на огромна промяна като малкия човек в графиката по-долу?

Вертикалната ос е развитието на човечеството, хоризонталната ос е времето

Вълнуващо, нали?

Ако обаче скриете част от графиката, тогава всичко изглежда много по-прозаично.

Далечното бъдеще е точно зад ъгъла

Представете си, че се намирате през 1750 г. В онези дни хората все още не бяха чували за електричество, комуникацията от разстояние се осъществяваше с помощта на факли и единственото транспортно средство трябваше да се храни със сено преди пътуването. И така решавате да вземете „човека от миналото“ със себе си и да му покажете живота през 2016 г. Невъзможно е дори да си представим какво би почувствал, ако се озове на широки равни улици, по които бързат коли. Вашият гост ще бъде невероятно изненадан, че съвременните хора могат да общуват, дори ако са от различни страни на земното кълбо, да следят спортни събития в други страни, да гледат концерти отпреди 50 години и също така да запазят всеки момент във времето в снимка или видео. И ако разкажете на този човек от 1750 г. за Интернет, Международната космическа станция, Големия адронен колайдер и Теорията на относителността, неговият възглед за света вероятно ще рухне. Може дори да умре от изобилие от впечатления.

Но ето какво е интересно: ако вашият гост се е върнал в своя „роден“ век и е решил да проведе подобен експеримент, като вземе човек от 1500 г. на разходка с машина на времето, тогава въпреки че посетител от миналото също може да бъде изненадан от много Нещо, неговият опит не би бил толкова впечатляващ - разликата между 1500 и 1750 не е толкова забележима, колкото между 1750 и 2016.

Ако човек от 18 век иска да впечатли гост от миналото, тогава ще трябва да покани някой, живял през 12 000 г. пр. н. е., преди Великата аграрна революция. Той наистина можеше да бъде „издухан“ от развитието на технологиите. Виждайки високите камбанарии на църквите, корабите, плуващи в океаните, градовете с хиляди жители, той припадаше от надигащите се емоции.

Темпът на развитие на технологиите и обществото непрекъснато се увеличава. Известният американски изобретател и футурист Реймънд Кърцвейл нарича това понятието „Законът за ускоряване на историята“. Това се случва, защото въвеждането на нови технологии позволява на обществото да се развива с все по-бързи темпове. Например хората, които са живели през 19-ти век, са имали по-напреднали технологии от тези от 15-ти. Затова не е изненадващо, че 19-ти век донесе повече постижения на човечеството от 15-ти.

Но ако технологията се развива все по-бързо и по-бързо, трябва да очакваме много най-велики изобретения в бъдещето, нали? Ако Kurzweil и неговите съмишленици са прави, тогава през 2030 г. ще изпитаме същите емоции като човек, дошъл от 1750 г. до нас. И до 2050 г. светът ще се е променил толкова много, че едва ли ще можем да различим чертите на предишните десетилетия.

Всичко по-горе не е научна фантастика - то е научно потвърдено и съвсем логично. Мнозина обаче все още са скептични относно подобни твърдения. Това се случва поради редица причини:

1. Много хора смятат, че развитието на обществото става равномерно и праволинейно. Когато мислим за това какъв ще бъде светът след 30 години, си спомняме какво се случи през последните 30 години. В този момент допускаме същата грешка като човека от примера по-горе, който е живял през 1750 г. и е поканил гост от 1500 г. За да си представите правилно напредъка напред, трябва да си представите, че развитието се случва с много по-бързи темпове, отколкото в далечното минало.

2. Неправилно възприемаме траекторията на развитие на съвременното общество. Например, ако погледнем малък сегмент от експоненциална крива, той може да ни изглежда като права линия (точно както ако гледаме част от кръг). Експоненциалният растеж обаче не е плавен и плавен. Kurzweil обяснява, че прогресът следва s-образна крива, както е показано на графиката по-долу:

Всеки „кръг“ на развитие започва с внезапен скок, който след това се заменя с постоянен и постепенен растеж.

И така, всеки нов „кръг“ на развитие е разделен на няколко етапа:

1. Бавен растеж (ранна фаза на развитие);
2. Бърз растеж (втората, "експлозивна" фраза за развитие);
3. "Подравняване", когато нова технологиядоведени до съвършенство.

Ако погледнем последните събития, може да стигнем до заключението, че не сме напълно наясно колко бързо напредват технологиите. Например, между 1995 и 2007 г. можехме да видим появата на Интернет, Microsoft, Google и Facebook, социални мрежи, мобилни телефони и след това смартфони. Но периодът между 2008 и 2016 г. не беше толкова богат на открития, поне в областта на високите технологии. Така вече сме на етап 3 от S-образната линия на развитие.

3. Много хора са заложници на собствения си житейски опит, който изкривява представата им за бъдещето. Когато чуем каквото и да е предсказание за бъдещето, което противоречи на нашата гледна точка въз основа на предишен опит, ние смятаме тази преценка за наивна. Например, ако днес ви кажат, че в бъдеще хората ще живеят 150-250 години или , тогава най-вероятно ще отговорите: „Това е глупаво, защото е известно, че всеки е смъртен. Наистина, всички хора, които някога са живели в миналото, са умрели и продължават да умират днес. Но си струва да се отбележи, че никой не е летял със самолети, докато най-накрая не са били изобретени.

Всъщност много неща ще се променят през следващите няколко десетилетия и промените ще бъдат толкова значителни, че е трудно дори да си ги представим сега. След като прочетете тази статия до края, можете да научите повече за това, което се случва сега в света на науката и високите технологии.

Какво е изкуствен интелект (AI)?

1. Свързваме AI с филми като „Междузвездни войни“, „Терминатор“ и т.н. В тази връзка ние го третираме като измислица.

2. AI е доста широко понятие. Прилага се както за джобни калкулатори, така и за самоуправляващи се автомобили. Такова разнообразие е объркващо.

3. Използваме изкуствения интелект в ежедневието си, но не го осъзнаваме. Ние възприемаме AI като нещо митично от света на бъдещето, така че ни е трудно да осъзнаем, че той вече е около нас.

В тази връзка е необходимо веднъж завинаги да се разберат няколко неща. Първо, изкуственият интелект не е робот. Роботът е вид AI обвивка, която понякога има очертанията на човешко тяло. Изкуственият интелект обаче е компютър в робот. Може да се сравни с мозъка в човешкото тяло. Например женският глас, който чуваме, е просто персонификация.

Второ, вероятно вече сте се сблъскали с понятието „уникалност“ или „технологична уникалност“. Този термин се използва за описание на ситуация, в която обичайните закони и правила не се прилагат. Тази концепция се използва във физиката за описание на черни дупки или момента на компресия на Вселената преди Големия взрив. През 1993 г. Върнър Виндж публикува известното си есе, в което използва сингулярността, за да идентифицира момент в бъдещето, когато изкуственият интелект ще надмине нашия. Според него, когато този момент настъпи, светът с всичките му правила и закони ще престане да съществува както преди.

И накрая, има няколко вида изкуствен интелект, сред които могат да бъдат разграничени три основни категории:

1. Ограничен изкуствен интелект (ANI, Artificial Narrow Intelligence). Това е AI, който е специализиран в една конкретна област. Например, той може да победи световния шампион по шах в шахматна партия, но това е всичко, което може да направи.

2. Общ изкуствен интелект (AGI, Artificial General Intelligence). Такъв AI е компютър, чийто интелект наподобява този на човека, тоест той може да изпълнява всички същите задачи като човек. Професор Линда Готфредсън описва този феномен по следния начин: „Общият AI въплъщава генерализирани мисловни способности, които включват също способността да разсъждаваме, планираме, решаваме проблеми, мислим абстрактно, сравняваме сложни идеи, учим бързо и използваме натрупания опит.“

3. Изкуствен суперинтелект (ASI, Artificial Superintelligence). Шведският философ и професор в Оксфордския университет Ник Бостром определя суперинтелигентността като „интелигентност, която превъзхожда тази на хората в почти всички области, включително научни изобретения, общи знания и социални умения“.

В момента човечеството вече успешно използва ограничен AI. Ние сме на път да овладеем AGI. Следващите раздели на статията ще обсъдят подробно всяка от тези категории.

Свят, управляван от ограничен изкуствен интелект

Ограниченият изкуствен интелект е машинен интелект, който е равен или превъзхожда човешкия интелект при решаването на тесни проблеми. По-долу са някои примери:

• самоуправляваща се кола от Google, която разпознава и реагира на различни препятствия по пътя си;
• е "убежище" различни формиограничен AI. Когато се движите из града с помощта на съвети за навигация, получавате препоръки за музика от Pandora, проверявате прогнозата за времето, говорите със Siri, вие използвате ANI;
• спам филтри във вашия имейл - първо те се научават да разпознават спам, а след това, анализирайки предишния си опит и вашите предпочитания, преместват писмата в специална папка;
• преводачът на Google Translate е класически пример за ограничен AI, който се справя достатъчно добре с тясната си задача;
• в момента, в който самолетът каца, специална система, базирана на изкуствен интелект, определя през коя врата трябва да излязат пътниците.

Ограничените системи с изкуствен интелект не представляват никаква заплаха за хората. В най-лошия случай повреда в такава система може да причини локална катастрофа, като например пренапрежение на тока или малък срив на финансовия пазар.

Всяко ново изобретение в областта на ограничен AI ни приближава една стъпка по-близо до създаването на общ изкуствен интелект.

Защо това е толкова трудно?

Ако се опитате да създадете компютър със същия интелект като човешкия, ще започнете наистина да цените способността си да мислите. Проектирането на небостъргачи, изстрелването на ракети в космоса, изучаването на теорията за Големия взрив - всичко това е много по-лесно за изпълнение, отколкото изучаването на човешкия мозък. В момента нашият ум е най-сложният обект в наблюдаваната Вселена.

Най-интересното е, че трудностите при създаването на общ AI възникват в най-простите на пръв поглед неща. Например създаването на устройство, което може да умножава десетцифрени числа за части от секундата, не е трудно. В същото време е невероятно трудно да се напише програма, която да разпознае кой е пред монитора: котка или куче. Създайте компютър, който може да победи човек на шах? Лесно! Накарайте машина да чете и разбира какво пише в детска книжка? Google харчи милиарди долари, за да реши този проблем. Неща като математически изчисления, създаване на финансови стратегии, превод от един език на друг вече са решени с помощта на AI. Въпреки това зрението, възприятието, жестовете и движението в пространството все още остават нерешени проблеми за компютрите.

Тези умения изглеждат прости за хората, защото са се развили в продължение на милиони години еволюция. Когато протегнете ръка, за да вземете предмет, вашите мускули, връзки и кости извършват серия от операции, които са в съответствие с това, което виждат очите ви.

От друга страна, умножаването на големи числа и играта на шах са напълно нови действия за биологичните същества. Ето защо е много лесно компютърът да ни победи в това. Помислете коя програма бихте предпочели да създадете: такава, която може бързо да умножава големи числа или просто да разпознава буквата B от хиляди други, написани с различни шрифтове?

Друг забавен пример: като гледате изображението по-долу, и вие, и компютърът можете безпогрешно да разпознаете, че представлява правоъгълник, състоящ се от квадрати с два различни нюанса:

Но веднага щом премахнем черния фон, пред нас ще се отвори пълната, скрита преди това картина:

Няма да е трудно човек да назове и опише всички фигури, които вижда на тази снимка. Компютърът обаче няма да се справи с тази задача. И след като анализира изображението по-долу, той ще заключи, че пред него е комбинация от много двуизмерни обекти от бял, черен и сив цвят. В този случай човек може лесно да каже, че снимката показва черен камък:

Всичко, което беше споменато по-горе, се отнасяше само до възприемането и обработката на статична информация. За да достигне нивото на интелигентност на човека, компютърът трябва да се научи да разпознава изражението на лицето, жестовете и т.н. Но как да постигнем всичко това?

Първата стъпка към създаването на общ AI е увеличаването на мощността на компютъра

Очевидно, ако ще създаваме „умни“ компютри, те трябва да имат същите мисловни способности като хората. Един от начините да се постигне това е да се увеличи броят на операциите в секунда. За да направите това, е необходимо да изчислите колко операции в секунда извършва всяка структура на човешкия мозък.

Рей Кърцвейл направи някои изчисления и успя да стигне до число от 10 000 000 000 000 000 операции в секунда. Човешкият мозък има приблизително същата производителност.

В момента най-мощният суперкомпютър е китайският Tianhe-2, чиято производителност е 34 квадрилиона операции в секунда. Размерът на този суперкомпютър обаче е впечатляващ - той покрива площ от 720 квадратни метраи струва $390 000 000.

Така че, ако погледнете от техническа страна, вече имаме компютър, сравним по производителност с човешкия мозък. Не е достъпен за масовия потребител, но до десет години ще стане такъв. Производителността обаче не е единственото нещо, което може да даде на компютъра интелигентност като човека. Следващият въпрос е: как да направим мощен компютър интелигентен?

Втората стъпка към създаването на общ AI е да се даде на машината интелект

Това е най-трудната част от процеса, защото никой наистина не знае как да направи компютъра интелигентен. Все още има дебат за това как да се даде възможност на машина да различава котки от кучета или да разпознава буквата B. Има обаче няколко стратегии, някои от които са описани накратко по-долу:

1. Копиране на човешки мозък

В момента учените работят върху така нареченото обратно инженерство на човешкия мозък. Според оптимистичните прогнози тази работа ще бъде завършена до 2030 г. След като проектът бъде създаден, ние ще можем да научим всички тайни на нашия мозък и да извлечем нови идеи от него. Пример за такава система е изкуствена невронна мрежа.

Друга по-екстремна идея е да се имитират напълно функциите на човешкия мозък. По време на този експеримент се планира мозъкът да се нареже на много тънки слоеве и да се сканира всеки от тях. След това, като използвате специална програма, ще трябва да създадете 3D модел и след това да го внедрите в мощен компютър. След това ще получим устройство, което официално ще притежава всички функции на човешкия мозък – остава само да събира информация и да учи.

Колко време трябва да чакаме, докато учените създадат точно копие на човешкия мозък? Доста дълго време, тъй като досега специалистите не са успели да копират дори 1 мм слой от мозъка, състоящ се от 302 неврона (нашият мозък се състои от 100 000 000 000 неврона).

2. Рекапитулация на еволюцията на човешкия мозък

Създаването на умен компютър е теоретично възможно и еволюцията на собствения ни мозък е доказателство за това. Ако не можем да създадем точно копие на мозъка, можем да опитаме да имитираме неговата еволюция. Всъщност, например, невъзможно е да се построи самолет просто като се копират крилете на птица. За да създадете висококачествен самолет, е по-добре да използвате друг подход.

Как можем да симулираме еволюционния процес, за да създадем общ AI? Този метод се нарича генетичен алгоритъм. Същността на този подход е, че проблемите на оптимизацията и моделирането се решават с помощта на механизми, подобни на естествения подбор в живата природа. Няколко компютъра ще изпълняват различни задачи, а тези, които се окажат най-ефективни, ще бъдат "кръстосани" един с друг. Машините, които не успеят да изпълнят задачата, ще бъдат изключени. По този начин, след много повторения на този експеримент, алгоритъмът за естествен подбор ще създаде все по-добър компютър. Трудността тук се състои в автоматизирането на процеса на еволюция и „кръстосване“, тъй като еволюционният процес трябва да продължи сам.

Недостатъкът на описания метод е, че в природата на еволюцията са необходими милиони години, но се нуждаем от резултати в рамките на няколко десетилетия.

3. Прехвърлете всички задачи на компютъра

Когато учените се отчаят, те се опитват да създадат програма, която да тества сама себе си. Това може да е най-обещаващият метод за създаване на общ AI.

Идеята е да се създаде компютър, чиито основни функции ще бъдат изследване на AI и промени в кодирането. Такъв компютър не само ще се учи самостоятелно, но и ще промени собствената си архитектура. Учените планират да научат компютъра да бъде изследовател, чиято основна задача ще бъде да развива собствения си интелект.

Всичко това може да се случи съвсем скоро

Паралелно се случват непрекъснати подобрения на компютрите и иновативни експерименти с нов софтуер. Изкуственият общ интелект може да се появи бързо и неочаквано поради две основни причини:

1. Експоненциалният темп на растеж изглежда много бавен, но може да се ускори по всяко време.

2. Що се отнася до софтуера, напредъкът изглежда много бавен, но едно-единствено откритие може да ни отведе до следващото ниво в миг на око. ново ниворазвитие. Например, всички знаем, че преди хората са смятали, че Земята е в центъра на Вселената. В тази връзка възникнаха много трудности при изучаването на космоса. Тогава обаче световната система неочаквано се промени на хелиоцентрична. След като идеите се промениха драматично, станаха възможни нови изследвания.

По пътя от ограничен AI към изкуствен суперинтелект

В някакъв момент от развитието на ограничен AI компютрите ще започнат да ни надминават. Факт е, че изкуственият интелект, идентичен с човешкия мозък, ще има няколко предимства пред хората, сред които могат да се разграничат следните:

Скорост. Нашите мозъчни неврони работят на максимална честота от 200Hz, докато съвременните микропроцесори работят на 2GHz, или 10 милиона пъти по-бързо.

Размери. Човешкият мозък е ограничен от размера на черепа и следователно не може да се увеличи. Компютърът може да бъде всякакъв размер, осигуряващ повече място за съхранение на файлове.

Надеждност и издръжливост. Компютърните транзистори работят с по-голяма точност от мозъчните неврони. В допълнение, те могат лесно да бъдат ремонтирани или заменени. Човешкият мозък е склонен да се уморява, докато компютърът може да работи на пълен капацитет денонощно.

Изкуственият интелект, програмиран за постоянно самоусъвършенстване, няма да се ограничи до никакви граници. Това означава, че след като една машина достигне нивото на човешкия интелект, тя няма да спре дотук.

Разбира се, когато един компютър стане „по-умен“ от нас, това ще бъде шок за цялото човечество. Всъщност повечето от нас имат изкривена представа за интелекта, която изглежда така:

Нашата изкривена представа за интелекта.

Хоризонталната ос е времето, вертикалната ос е интелигентността.

Нивата на интелигентност вървят отдолу нагоре: мравка, птица, шимпанзе, глупав човек, Айнщайн. Между глупавия човек и Айнщайн има човек, който казва: „Ха ха! Тези забавни роботи се държат като маймуни!“

Развитието на изкуствения интелект е посочено в червено.

И така, кривата на развитие на изкуствения интелект на графиката има тенденция да достигне човешкото ниво. Наблюдаваме как машината постепенно става по-умна от животното. Въпреки това, след като изкуственият интелект достигне нивото на „близък човек“ или, както го казва Ник Бостром, „селски идиот“, това ще означава, че е създаден изкуствен общ интелект. В този случай няма да е трудно компютърът да достигне нивото на Айнщайн. Това бързо развитие е показано на фигурата по-долу:

Но какво се случва след това?

Интелектуален взрив

Тук би било полезно да припомним, че всичко написано в тази статия е описание на реални научни прогнози, съставени от уважавани учени.

Във всеки случай повечето модели на ограничен изкуствен интелект включват функцията за самоусъвършенстване. Но дори и да създадете AI, който първоначално не предоставя такава функция, тогава, след като достигне нивото на човешкия интелект, компютърът ще придобие способността да се учи независимо по желание. В резултат на това машинният интелект постепенно ще се развие и ще се превърне в суперинтелект, който многократно ще превъзхожда човешкия разум.

В момента има дебат за това кога AI ще достигне нивото на човешкия интелект. Стотици учени са съгласни, че това ще се случи около 2040 г. Не е твърде дълго време, нали?

Така че ще отнеме десетилетия, докато изкуственият интелект достигне нивото на човешкия интелект, но в крайна сметка това ще се случи. Компютрите ще се научат да разбират света около тях по същия начин, по който разбира 4-годишно дете. Внезапно, погълнала тази информация, системата ще овладее теоретичната физика, квантовата механика и теорията на относителността. След час и половина AI ще се превърне в изкуствен суперинтелект, 170 хиляди пъти по-голям от възможностите на човешкия мозък.

Суперинтелигентността е феномен, който не можем дори частично да разберем. Според нас умен мъжима коефициент на интелигентност 130, а глупавият има по-малко от 85. Но каква дума можете да изберете за същество с коефициент на интелигентност 12952?

Интелигентността е синоним на сила, ето защо в момента човекът е на върха на еволюцията, подчинявайки всички останали живи същества. Това означава, че с навлизането на изкуствения суперинтелект ние ще престанем да бъдем „венецът на природата“. Ще бъдем подчинени на свръхразума.

Ако нашите ограничени мозъци можеха да създават Wi-Fi, представете си какво би могъл да създаде ум, стотици, хиляди, дори милиони пъти по-голям от нас. Този интелект ще може да контролира местоположението на всеки атом на планетата. Всичко, което сега считаме за магия или Божия сила, ще се превърне в ежедневна задача на суперинтелигентността. Суперразумът ще може да победи старостта, да лекува болести, да унищожи глада и дори смъртта. Той дори ще може да препрограмира времето, за да защити живота на Земята. Но суперинтелектът може да унищожи живота на планетата за миг. В сегашното ни разбиране за реалността Бог ще се настани до нас в ролята на суперинтелигентност. Единственият въпрос, който трябва да си зададем е: ще бъде ли това добър Бог?

Изкуствен интелект: как и къде да учим - отговарят експерти

„Искам да правя AI. Какво си струва да изучавате? Какви езици трябва да използвам? В какви организации да уча и работя?

Обърнахме се към нашите експерти за разяснение и предоставяме на вашето внимание получените отговори.

Зависи от основното ви обучение. На първо място, имате нужда от математическа култура (познания по статистика, теория на вероятностите, дискретна математика, линейна алгебра, анализ и др.) и желание да учите много бързо. При внедряването на AI методи ще е необходимо програмиране (алгоритми, структури от данни, ООП и др.).

Различните проекти изискват познаване на различни езици за програмиране. Бих препоръчал да знаете поне Python, Java и всеки функционален език. Опитът в работата с различни бази данни и разпределени системи би бил полезен. Необходими са познания по английски език, за да научите бързо най-добрите практики в индустрията.

Препоръчвам да учите в добри руски университети! Например MIPT, MSU и HSE имат съответните отдели. Предлага се голямо разнообразие от тематични курсове на Coursera, edX, Udacity, Udemy и други MOOC платформи. Някои водещи организации имат свои собствени програми за обучение в областта на AI (например Школата за анализ на данни в Yandex).

Приложни проблеми, решени с AI методи, могат да бъдат намерени на голямо разнообразие от места. Банките, финансовият сектор, консултациите, търговията на дребно, електронната търговия, търсачките, пощенските услуги, игралната индустрия, индустрията на системите за сигурност и, разбира се, Avito - всички се нуждаят от специалисти с различни квалификации.

Повишаване Понижаване

Имаме финтех проект, свързан с машинно обучение и компютърно зрение, в който неговият първи разработчик написа всичко на C++, след това дойде разработчик и пренаписа всичко на Python. Така че езикът не е най-важното тук, тъй като езикът е преди всичко инструмент и от вас зависи как да го използвате. Просто на някои езици проблемите се решават по-бързо, а на други по-бавно.

Трудно е да се каже къде да уча - всички наши момчета са учили сами, за щастие има интернет и Google.

Повишаване Понижаване

Мога да ви посъветвам да се подготвите от самото начало за това, че ще трябва да учите много. Независимо какво се има предвид под „правене на AI“ – работа с големи данни или невронни мрежи; развитие на технология или поддръжка и обучение на определена вече разработена система.

Нека вземем актуалната професия Data Scientist в името на спецификата. Какво прави този човек? Като цяло той събира, анализира и подготвя големи данни за използване. Това са тези, върху които AI расте и се обучава. Какво трябва да знае и може един Data Scientist? Статичният анализ и математическото моделиране са по подразбиране и на нивото на плавност. Езици - да речем, R, SAS, Python. Също така би било хубаво да имате известен опит в разработката. Е, най-общо казано, добрият специалист по данни трябва да се чувства уверен в базите данни, алгоритмите и визуализацията на данни.

Не може да се каже, че такъв набор от знания може да се получи във всеки втори технически университет в страната. Големите компании, които дават приоритет на развитието на AI, разбират това и разработват подходящи програми за обучение за себе си - има например Училището за анализ на данни от Yandex. Но трябва да сте наясно, че това не е мащабът, в който идвате на курсове „от улицата“, а ги напускате като готов младши. Слоят е голям и има смисъл да се изучава дисциплина, когато основите (математика, статистика) вече са покрити, поне в рамките на университетската програма.

Да, ще отнеме доста време. Но играта си заслужава свещта, защото един добър Data Scientist е много обещаващ. И много скъпо. Има и още един момент. Изкуственият интелект, от една страна, вече не е просто обект на шум, а технология, която напълно е достигнала етапа на продуктивност. От друга страна, AI все още се развива. Това развитие изисква много ресурси, много умения и много пари. Засега това е нивото на висшата лига. Сега ще кажа очевидното, но ако искате да сте в челните редици на атаката и да управлявате напредъка със собствените си ръце, насочете се към компании като Facebook или Amazon.

В същото време технологията вече се използва в редица области: в банкирането, телекомуникациите, гигантските индустриални предприятия и търговията на дребно. И вече имат нужда от хора, които могат да го поддържат. Gartner прогнозира, че до 2020 г. 20% от всички предприятия в развитите страни ще наемат специализирани служители, които да обучават невронните мрежи, използвани в тези компании. Така че има още малко време да се научите сами.

Повишаване Понижаване

ИИ сега се развива активно и е трудно да се предвиди десет години предварително. През следващите две до три години ще доминират подходи, базирани на невронни мрежи и GPU изчисления. Лидер в тази област е Python с интерактивната среда Jupyter и библиотеките numpy, scipy и tensorflow.

Има много онлайн курсове, които предоставят основно разбиране на тези технологии и основни принципи AI, например курсът на Андрю Нг. И по отношение на преподаването на тази тема Русия сега е най-ефективна самообразованиеили в местна група по интереси (например в Москва знам за съществуването на поне няколко групи, където хората споделят опит и знания).

Повишаване Понижаване

Повишаване Понижаване

Днес най-бързо прогресиращата част от изкуствения интелект са може би невронните мрежи.
Изучаването на невронни мрежи и AI трябва да започне с овладяване на два клона на математиката - линейна алгебра и теория на вероятностите. Това е задължителен минимум, непоклатимите стълбове на изкуствения интелект. Кандидатите, които искат да разберат основите на AI, при избора на университет, според мен, трябва да обърнат внимание на факултетите със силно математическо училище.

Следващата стъпка е да се проучат проблемите на проблема. Има огромно количество литература, както учебна, така и специализирана. Повечето публикации по темата за изкуствения интелект и невронните мрежи са написани на английски език, но се публикуват и материали на руски език. Полезна литература може да се намери например в публичната дигитална библиотека arxiv.org.

Ако говорим за области на дейност, тук можем да подчертаем обучението на приложни невронни мрежи и разработването на напълно нови версии на невронни мрежи. Ярък пример: сега има такава много популярна специалност - „учен по данни“ (Data Scientist). Това са разработчици, които по правило изучават и подготвят определени набори от данни за обучение на невронни мрежи в специфични области на приложение. В заключение бих искал да подчертая, че всяка специализация изисква отделен път на подготовка.

Повишаване Понижаване

Преди да започнете специализирани курсове, трябва да изучавате линейна алгебра и статистика. Бих препоръчал да започнете потапянето си в AI с учебника „Машинно обучение. Науката и изкуството за изграждане на алгоритми, които извличат знания от данни“ е добър учебник за начинаещи. В Coursera си струва да слушате уводните лекции на К. Воронцов (подчертавам, че те изискват добро познаване на линейната алгебра) и курса „Машинно обучение“ в Станфордския университет, преподаван от Андрю Нг, професор и ръководител на Baidu AI Група/Google мозък.

Основната част е написана на Python, следвана от R и Lua.

Ако говорим за образователни институции, по-добре е да се запишете на курсове в отделите по приложна математика и компютърни науки; има подходящи образователни програми. За да тествате способностите си, можете да участвате в състезания на Kaggle, където големи световни марки предлагат своите калъфи.

Повишаване Понижаване

Във всеки бизнес, преди да започнете проекти, би било добре да получите теоретична основа. Има много места, където можете да спечелите официална магистърска степен в тази област или да подобрите квалификацията си. Например Skoltech предлага магистърски програми в областите „Компютърни науки и инженерство“ и „Наука за данни“, което включва курсове по „Машинно обучение“ и „Обработка на естествен език“. Можете също така да споменете Института по интелигентни кибернетични системи на Националния изследователски ядрен университет MEPhI, Факултета по изчислителна математика и кибернетика на Московския държавен университет и катедрата по интелигентни системи на MIPT.

Ако вече имате официално образование, има редица курсове, достъпни на различни MOOC платформи. Например EDx.org предлага курсове за изкуствен интелект от Microsoft и Колумбийския университет, последният от които предлага микромагистърска програма на разумна цена. Бих искал специално да отбележа, че обикновено можете да получите самите знания безплатно; плащате само за сертификата, ако е необходим за вашата автобиография.

Ако искате да се „гмурнете“ дълбоко в темата, редица компании в Москва предлагат едноседмични интензивни курсове с практически упражнения, и дори предлагат оборудване за експерименти (например newprolab.com), но цената на такива курсове започва от няколко десетки хиляди рубли.

Сред компаниите, които разработват изкуствен интелект, вероятно познавате Yandex и Sberbank, но има много други с различни размери. Например, тази седмица Министерството на отбраната откри военния иновационен технополис ERA в Анапа, една от темите на който е разработването на AI за военни нужди.

Повишаване Понижаване

Преди да изучаваме изкуствения интелект, трябва да решим един фундаментален въпрос: трябва ли да вземем червеното хапче или синьото.
Червеното хапче е да станете разработчик и да се потопите в жестокия свят на статистически методи, алгоритми и постоянно разбиране на неизвестното. От друга страна, не е нужно веднага да се втурвате в „заешката дупка“: можете да станете мениджър и да създадете AI, например като ръководител на проекти. Това са два коренно различни пътя.

Първият е страхотен, ако вече сте решили, че ще пишете алгоритми с изкуствен интелект. Тогава трябва да започнете с най-популярната посока днес - машинното обучение. За да направите това, трябва да познавате класическите статистически методи за класификация, групиране и регресия. Също така ще бъде полезно да се запознаете с основните мерки за оценка на качеството на разтвора, техните свойства... и всичко, което ви попадне.

Едва след усвояване на базата си струва да се изучават по-специализирани методи: дървета на решенията и ансамбли от тях. На този етап трябва да се потопите дълбоко в основните методи за изграждане и обучение на модели - те са скрити зад едва приличните думи просене, подсилване, подреждане или смесване.

Също така си струва да научите за методите за контролиране на преквалификацията на модела (друго „инг“ - пренастройване).

И накрая, много джедайско ниво - получаване на високоспециализирани знания. Например, дълбокото обучение ще изисква овладяване на основни градиентни архитектури и алгоритми. Ако се интересувате от проблеми с обработката на естествен език, препоръчвам да изучавате повтарящи се невронни мрежи. И бъдещите създатели на алгоритми за обработка на снимки и видео трябва да погледнат добре конволюционните невронни мрежи.

Последните две споменати структури са градивните елементи на популярните днес архитектури: състезателни мрежи (GAN), релационни мрежи и мрежести мрежи. Следователно ще бъде полезно да ги изучавате, дори ако не планирате да научите компютъра да вижда или чува.

Напълно различен подход към изучаването на AI - известен още като "синьото хапче" - започва с намирането на себе си. Изкуственият интелект ражда куп задачи и цели професии: от ръководители на AI проекти до инженери по данни, способни да подготвят данни, да ги почистват и да изграждат мащабируеми, натоварени и устойчиви на грешки системи.

Така че, с „мениджърски“ подход, първо трябва да оцените вашите способности и опит и едва след това да изберете къде и какво да учите. Например, дори без математически ум, можете да проектирате AI интерфейси и визуализации за интелигентни алгоритми. Но се пригответе: след 5 години изкуственият интелект ще започне да ви троли и да ви нарича „хуманист“.

Основните ML методи са реализирани под формата на готови библиотеки, достъпни за връзка различни езици. Най-популярните езици в ML днес са: C++, Python и R.

Има много курсове както на руски, така и на английски, като Yandex School of Data Analysis, SkillFactory и курсове OTUS. Но преди да инвестирате време и пари в специализирано обучение, мисля, че си струва да „вникнете в темата“: гледайте отворени лекции в YouTube от конференции на DataFest през последните години, вземете безплатни курсове от Coursera и Habrahabr.