Irigylésre méltó gyakorisággal jelennek meg hírek a mesterséges intelligencia terén elért új fejleményekről. Így ez év januárjában a Google bejelentette, hogy a Movidius-szal együttműködve tervezi, hogy gépi tanulási képességekkel rendelkező mobil processzorokat hozzon létre. A partnerség megfogalmazott céljai, hogy az embereket gépi intelligencia képességekkel látják el kézi eszközeikben. Februárban pedig már bemutatták az MIT mérnökei az Eyeriss processzort, amelynek köszönhetően a mesterséges intelligencia megjelenhet a hordozható eszközökben. És ez annak a hátterében, hogy évről évre növekszik a mesterséges intelligencia rendszerek fejlesztésére irányuló beruházások volumene.

Minden arra utal, hogy hamarosan okostelefonjainkba is behatol a mesterséges intelligencia, ami komolyan „okosodni fog”. Tehát nincs messze a gépek felkelése? Mennyire okosnak kell lenniük a gépeknek, hogy átvegyék a hatalmat az emberek felett. És mennyire valóságos.

AI egy, AI kettő, AI három

Amikor a mesterséges intelligenciáról olvasunk vagy hallunk, sokan a SkyNetet és a híres Terminátor-film gépeit képzeljük el. Mit fektetnek be a kutatók és a fejlesztők ebbe a koncepcióba?

Háromféle mesterséges intelligencia létezik, amelyet létre kell hoznunk, vagy lehet, hogy létre kell hoznunk:

Szűk fókuszú mesterséges intelligencia. Ez az, amit hamarosan megkapunk új okostelefonjainkban. Az ilyen intelligencia bizonyos tevékenységekben vagy műveletekben felülmúlja az embert. Egy magasan specializált mesterséges intelligenciával rendelkező számítógép legyőzhet egy sakkvilágbajnokot, leparkolhat egy autóval, vagy a legrelevánsabb találatokat találhatja meg a keresőben.

Az ilyen mesterséges intelligencia ereje a processzorok számítási képességeiben rejlik. Minél több ez a lehetőség, annál hatékonyabban oldják meg a feladatokat. És most nincs probléma a processzor teljesítményének növekedésével. A keskeny AI-t a mesterséges intelligencia filozófiájában (van ilyen) gyengének nevezik.

A tudósok szerint azonban a számítási képességek önmagukban nem elegendőek az igazán okos gépek létrehozásához. Bár ez egy kitalált eset volt a spontán átmenet a gyenge mesterséges intelligenciáról az erősre, ami a Terminátor-filmek forgatókönyvének alapját képezte. A SkyNet, az Egyesült Államok Védelmi Minisztériumának szuperszámítógépe, amelyet a rakétavédelmi rendszer irányítására terveztek, magához tér, és elkezdi meghozni saját döntéseit.

Általános mesterséges intelligencia. Ha már létrehoztunk szűk fókuszú AI rendszereket, és találtunk rájuk gyakorlati alkalmazásokat, akkor az általános AI-val minden sokkal bonyolultabb. Ez a fajta mesterséges intelligencia már emberi szintű intelligencia. Sokoldalú, és ugyanazokat az intellektuális műveleteket képes végrehajtani, mint az emberi agy.

Ha életünk során teljesen humanoid robotokat látunk, akkor pont ilyen intelligenciával rendelkeznek. Gondoljunk csak az android Andrew-ra a Bicentennial Man című Chris Columbus című filmből. Az ilyen MI-vel rendelkező robotok képesek lesznek önállóan tanulni, gondolkodni és döntéseket hozni, mint az emberek. Képesek lesznek kapcsolatokat kiépíteni a körülöttük lévő emberekkel, barátokká és segítőkké válni. Ezt a mesterséges intelligenciát nevezik erősnek.

De szakadék van az erős és a gyenge mesterséges intelligencia között. Az egyikről a másikra lépéshez nem elég növelni a számítógépek számítási teljesítményét, intelligenciát is kell adni nekik. A tudósok még nem látják ennek egyértelmű módját.

Mesterséges szuperintelligencia. Ez a fajta mesterséges intelligencia vonzza a széles körű figyelmet. Nagyrészt azért, mert létrehozásának lehetőségét sok tudós az emberiségre nézve veszélyként érzékeli. A SkyNet egy ilyen fenyegetés illusztrációja.

A szuperintelligencia okosabb lesz, mint bármelyik ember. Szinte minden téren felsőbbrendű lesz az embernél. Képes összetett problémák megoldására és tudományos felfedezésekre. Hogyan viselkedik egy intelligens gép az emberiséghez képest?

A tudósok három interakciós modellt javasolnak:

Jóslat- bármilyen nehéz kérdésre választ kaphatunk.

Gin- Ő maga csinál meg mindent, amire szükségünk van, ehhez legalább egy molekulaösszeszerelőt, legalább emberi beavatkozás nélkül működő robotlaboratóriumokat és gyárakat használ.

szuverén- ő maga fogja megtalálni a problémát és megoldani.

Mint látható, a „mesterséges intelligencia” kifejezés a mesterséges intelligencia létezésének három formáját takarja. Különbségeik pedig jelentősek, akárcsak az egyik MI-ről a másikra való átmenet következményei. Meg tudjuk-e határozni az intelligens gépek intelligencia szintjét, hogy megértsük, kivel van dolgunk?

Hogyan mérjük a mesterséges intelligenciát?

Az emberek az intelligencia szintjében különböznek egymástól. Számszerűsítésére speciális teszteket alkalmaznak. Az IQ tesztet sokan ismerik. Hogyan mérhető a gépi intelligencia?

Ha kritikátlanul közelítjük meg a média tudósításait, akkor a modern gépek intellektuális szintje egy 4 éves gyerek és egy 13 éves tinédzser IQ-ja között mozog. Ez a két szám a gépi intelligencia mérésének két megközelítését illusztrálja.

2015-ben egy illinoisi tudóscsoport tesztelte az MIT ConceptNet mesterséges intelligencia rendszerét egy szabványos IQ-teszttel 2,5 és 7 év közötti gyermekek számára. A gép eredménye megegyezett egy négyéves gyerek átlagával.

Az emberre tervezett tesztek alkalmazása mellett széles körben ismert és alkalmazott egy speciális, gépekre tervezett teszt. A Turing-teszt célja annak meghatározása, hogy egy gép képes-e gondolkodni.

A teszt a következő. Egy személy - a bíró két beszélgetőpartnerrel kommunikál, akiket nem lát. Minden interakciót levelezés útján, közvetítő számítógép segítségével hajtanak végre. Az egyik beszélgetőpartner egy személy, a másik egy számítógépes program, aki személynek adja ki magát. Ha a bíró nem tudja biztosan megmondani, hogy melyik beszélgetőpartnere a program, akkor a gépet sikeresnek kell tekinteni.

A Turing-teszt eddig csak egyszer sikerült. 2014-ben az Eugene Goostman program, amely a fejlesztők által egy 13 éves tinédzsert, Zhenya Goostmant utánozta, képes volt félrevezetni a bírákat és egy személyt kiadni.

Az ilyen tesztekkel szemben azonban számos kifogás van. Mind a számítógépek, mind a programjaik ma egy gyenge – szűk fókuszú mesterséges intelligencia hordozói. Az ilyen intelligencia csak utánozni tudja a tesztet végző személyt.

Minden megváltozik a gyenge mesterséges intelligenciáról az erősre való átmenet során. Egy általános mesterséges intelligenciával felruházott gépnek, ami hasonló lesz az emberi intelligenciához, már lesz tudata és öntudata, ezért gondolkodni fog. Egy ilyen számítógép átmenne egy szabványos IQ-teszten, ha tudatosan válaszol a kérdésekre, ahogy egy ember teszi.

Az emberi intelligenciaszint együtthatója 85 és 130 között mozog. Ugyanezek a mutatók lesznek elérhetők az általános mesterséges intelligencia számára is. De a mesterséges szuperintelligencia IQ-jának felső szintjén nem lesznek korlátozások. Lehet 1000 vagy 10 000. Mi vár ránk az AI javulásával?

A számítógépek feltalálása óta folyamatosan növekszik a különféle feladatok elvégzésére való képességük. Az emberek a feladatok teljesítményének növelésével és a számítógépek méretének csökkentésével fejlesztik a számítógépes rendszerek erejét. A mesterséges intelligencia területén dolgozó kutatók fő célja az emberhez hasonló intelligens számítógépek vagy gépek létrehozása.

A "mesterséges intelligencia" kifejezés szerzője John McCarthy, a Lisp nyelv feltalálója, a funkcionális programozás megalapítója, valamint a mesterséges intelligencia kutatásához való nagy hozzájárulásáért a Turing-díj nyertese.

A mesterséges intelligencia egy módja annak, hogy egy számítógépet, számítógép által vezérelt robotot vagy programot az emberhez hasonlóan intelligens gondolkodásra is képessé tegyenek.

A mesterséges intelligencia területén végzett kutatások egy személy mentális képességeinek tanulmányozásával zajlanak, majd ennek a kutatásnak az eredményeit használják intelligens programok és rendszerek fejlesztésének alapjául.

Az AI filozófiája

A nagy teljesítményű számítógépes rendszerek működése során mindenki feltette a kérdést: „A gép képes-e ugyanúgy gondolkodni és viselkedni, mint egy ember? ".

Így a mesterséges intelligencia fejlesztése azzal a szándékkal kezdődött, hogy a gépekben hasonló, az emberhez hasonló intelligenciát hozzanak létre.

Az AI fő céljai

• Szakértői rendszerek létrehozása - olyan rendszerek, amelyek intelligens viselkedést mutatnak be: tanulnak, mutatnak, magyaráznak és tanácsot adnak;
• Az emberi intelligencia megvalósítása a gépekben - olyan gép létrehozása, amely képes megérteni, gondolkodni, tanítani és emberként viselkedni.

Mi járul hozzá az AI fejlődéséhez?

A mesterséges intelligencia olyan tudomány és technológia, amely olyan tudományágakon alapul, mint a számítástechnika, biológia, pszichológia, nyelvészet, matematika, gépészet. A mesterséges intelligencia egyik fő területe az emberi intelligenciához kapcsolódó számítógépes funkciók fejlesztése, mint például: érvelés, tanulás és problémamegoldás.

Program AI-val és AI nélkül

Az AI-val és anélküli programok a következő tulajdonságokban különböznek:

Alkalmazások AI-val

Az AI számos területen dominánssá vált, például:

Játékok – A mesterséges intelligencia kulcsfontosságú szerepet játszik az olyan stratégiai játékokban, mint a sakk, póker, tic-tac-toe stb., ahol a számítógép a heurisztikus ismeretek alapján számos lehetséges megoldást képes kiszámítani.

A természetes nyelvi feldolgozás egy olyan számítógéppel való kommunikáció képessége, amely megérti az emberek által beszélt természetes nyelvet.

Beszédfelismerés – egyes intelligens rendszerek képesek hallani és megérteni azt a nyelvet, amelyen egy személy kommunikál velük. Tudnak kezelni különféle ékezeteket, szlengeket stb.

Kézírás-felismerés – A szoftver a papírra írt szöveget tollal vagy a képernyőre írt tollal olvassa be. Felismeri a betűformákat, és szerkeszthető szöveggé alakítja.

Az intelligens robotok olyan robotok, amelyek képesek végrehajtani az emberek által kijelölt feladatokat. Érzékelőik vannak a való világból származó fizikai adatok, például fény, hő, mozgás, hang, ütés és nyomás érzékelésére. Nagy teljesítményű processzorokkal, több érzékelővel és hatalmas memóriával rendelkeznek. Emellett képesek tanulni saját hibáikból és alkalmazkodni az új környezethez.

Az AI fejlődésének története

Íme a mesterséges intelligencia fejlődésének története a 20. században

Ebben az évben a Yandex elindította az Alice hangasszisztenst. Az új szolgáltatás lehetővé teszi a felhasználó számára, hogy híreket és időjárást hallgasson, választ kapjon a kérdésekre, és egyszerűen kommunikáljon a bottal. "Alice" néha pimasz, néha szinte ésszerűnek és emberileg szarkasztikusnak tűnik, de gyakran nem tudja kitalálni, miről kérdezik, és egy tócsában ül.

Mindez nem csak vicchullámot szült, hanem a mesterséges intelligencia fejlesztéséről szóló újabb vitakört is. Ma szinte minden nap érkeznek hírek az intelligens algoritmusok által elért eredményekről, és a gépi tanulást az egyik legígéretesebb területnek nevezik.

A mesterséges intelligenciával kapcsolatos főbb kérdések tisztázása érdekében Szergej Markovval, a mesterséges intelligencia és a gépi tanulási módszerek specialistájával, az egyik legerősebb hazai sakkprogram, a SmarThink szerzőjével és a XXIII. század projekt megalkotójával beszélgettünk.

Szergej Markov,

mesterséges intelligencia specialista

Az AI-ról szóló mítoszok megdöntése

Tehát mi az a „mesterséges intelligencia”?

A "mesterséges intelligencia" fogalma kissé szerencsétlen. Kezdetben a tudományos közösségből indult ki, végül behatolt a tudományos-fantasztikus irodalomba, ezen keresztül pedig a popkultúrába, ahol számos változáson ment keresztül, sokféle interpretációval benőtt, végül pedig teljesen misztifikálódott.

Ezért hallunk gyakran olyan kijelentéseket nem szakemberektől, mint: „MI nem létezik”, „MI nem hozható létre”. A mesterséges intelligencia területén végzett kutatások lényegének félreértése könnyen más végletek felé vezeti az embereket – például a modern AI-rendszerek nevéhez fűződik a tudatosság, a szabad akarat és a titkos indítékok jelenléte.

Próbáljuk meg szétválasztani a legyeket a szeletektől.

A tudományban a mesterséges intelligencia olyan rendszerekre utal, amelyeket az intellektuális problémák megoldására terveztek.

Az intellektuális feladat viszont olyan feladat, amelyet az emberek saját értelmük segítségével oldanak meg. Megjegyzendő, hogy ebben az esetben a szakértők szándékosan kerülik az "intelligencia" fogalmának meghatározását, mivel az AI-rendszerek megjelenése előtt az intelligencia egyetlen példája az emberi értelem volt, és az intelligencia fogalmának egyetlen példa alapján történő meghatározása megegyezik az intelligencia fogalmának meghatározásával. próbál egyenes vonalat húzni egyetlen ponton keresztül. Annyi ilyen sor lehet, amennyit csak akar, ami azt jelenti, hogy az intelligencia fogalmáról szóló vita évszázadokig folytatható.

"erős" és "gyenge" mesterséges intelligencia

Az AI-rendszereket két nagy csoportra osztják.

Alkalmazott mesterséges intelligencia(a "gyenge AI" vagy a "szűk AI" kifejezést is használják, az angol hagyomány szerint gyenge / alkalmazott / szűk AI) egy olyan mesterséges intelligencia, amelyet bármely intellektuális feladat vagy azok egy részének megoldására terveztek. Ebbe az osztályba tartoznak a sakkjáték, a go, a képfelismerő, a beszéd, a bankhitel kibocsátásával vagy elutasításával kapcsolatos döntéshozatali rendszerek stb.

Az alkalmazott MI-vel szemben a koncepció bevezetésre kerül univerzális mesterséges intelligencia(szintén "strong AI", angolul - strong AI / Artificial General Intelligence) - vagyis egy hipotetikus (eddig) AI, amely bármilyen intellektuális problémát képes megoldani.

Az emberek gyakran a terminológiát nem ismerve az MI-t az erős mesterségesintelligencia-val azonosítják, emiatt a „MI nem létezik” szellemiségű ítéletek születnek.

Erős mesterséges intelligencia még nem igazán létezik. Gyakorlatilag az összes előrelépés, amelyet az elmúlt évtizedben az AI területén tapasztaltunk, az alkalmazott rendszerek fejlődése volt. Ezeket a sikereket nem lehet alábecsülni, hiszen az alkalmazott rendszerek bizonyos esetekben jobban képesek megoldani az intellektuális problémákat, mint az egyetemes emberi intelligencia.

Azt hiszem, észrevette, hogy az AI fogalma meglehetősen tág. Tegyük fel, hogy a fejben számolás is intellektuális feladat, ami azt jelenti, hogy minden számológép mesterséges intelligencia rendszernek minősül. Mi a helyzet a számlákkal? golyós számológép? Antikythera mechanizmus? Valójában mindez formális, bár primitív, de mesterséges intelligencia rendszerek. Általában azonban, ha valamilyen rendszert mesterséges intelligencia rendszernek nevezünk, ezzel hangsúlyozzuk a rendszer által megoldott feladat összetettségét.

Nyilvánvaló, hogy az intellektuális feladatok egyszerű és összetett felosztása nagyon mesterséges, és az egyes feladatok összetettségéről alkotott elképzeléseink fokozatosan változnak. A mechanikus számológép a 17. században a technika csodája volt, de ma már nem tud lenyűgözni az embereket, akik gyermekkoruk óta sokkal összetettebb mechanizmusokkal szembesülnek. Amikor az autók játéka a Go-ban vagy az autók robotpilótái már nem lepik meg a közvéleményt, biztosan lesznek olyanok, akik összerezzenek attól a ténytől, hogy valaki az ilyen rendszereket az MI-nek tulajdonítja.

„Robotok – kiváló tanulók”: az AI tanulási képességéről

Egy másik vicces tévhit az AI-rendszerek nélkülözhetetlen jelenléte az öntanulás képességében. Egyrészt ez egyáltalán nem kötelező tulajdonsága az AI-rendszereknek: sok elképesztő rendszer létezik, amely nem képes öntanulásra, de ennek ellenére sok problémát jobban megold, mint az emberi agy. Másrészt néhányan egyszerűen nem tudják, hogy az öntanulás olyan funkció, amelyet sok mesterséges intelligencia rendszer már több mint ötven évvel ezelőtt elsajátított.

Amikor 1999-ben megírtam az első sakkprogramomat, az önálló tanulás már közhely volt ezen a területen - a programok képesek voltak megjegyezni a veszélyes pozíciókat, magukhoz igazították a nyitóvariációkat, hozzáigazították a játékstílust, az ellenfélhez igazodva. Természetesen ezek a programok még nagyon messze voltak az Alpha Zero-tól. Azonban még olyan rendszerek is léteztek, amelyek más rendszerekkel való interakción alapuló viselkedést tanulnak meg az úgynevezett „megerősítő tanulási” kísérletekben. Megmagyarázhatatlan okból azonban egyesek még mindig úgy gondolják, hogy az önálló tanulás képessége az emberi értelem kiváltsága.

A gépi tanulás, egy egész tudományos tudományág, a gépek tanításának folyamataival foglalkozik bizonyos problémák megoldására.

A gépi tanulásnak két nagy pólusa van: a felügyelt tanulás és a felügyelet nélküli tanulás.

Nál nél tanárral tanulni a gépnek már számos feltételesen helyes megoldása van bizonyos esethalmazokra. A tanulás feladata ebben az esetben, hogy megtanítsa a gépet a rendelkezésre álló példák alapján más, ismeretlen helyzetekben is helyes döntéseket hozni.

A másik véglet - tanár nélkül tanulni. Vagyis a gép olyan helyzetbe kerül, ahol a helyes megoldások ismeretlenek, csak nyers, címkézetlen formában vannak adatok. Kiderül, hogy ilyen esetekben el lehet érni némi sikert. Például megtaníthat egy gépet egy nyelv szavai közötti szemantikai kapcsolatok azonosítására nagyon nagy szöveghalmaz elemzése alapján.

A felügyelt tanulás egyik típusa a megerősítéses tanulás. Az ötlet az, hogy a mesterséges intelligencia rendszer egy olyan ágensként működik, amelyet valamilyen modellkörnyezetben helyeznek el, amelyben kölcsönhatásba léphet más ágensekkel, például saját másolataival, és jutalmazási funkción keresztül visszajelzést kaphat a környezettől. Például egy sakkprogram, amely önmagával játszik, fokozatosan állítja be a paramétereit, és ezáltal fokozatosan erősíti saját játékát.

A megerősítő tanulás meglehetősen tág terület, és számos érdekes technikát használ az evolúciós algoritmusoktól a Bayes-féle optimalizálásig. A játékokhoz készült mesterséges intelligencia legújabb fejlesztései pontosan összefüggenek a mesterséges intelligencia felerősítésével a tanulás megerősítése során.

Technológiai kockázatok: kell-e félnünk a világvégétől?

Nem tartozom az AI riasztói közé, és ebben az értelemben egyáltalán nem vagyok egyedül. Például Andrew Ng, a Stanford Machine Learning kurzus megalkotója a mesterséges intelligencia veszélyeit a Marson tapasztalható túlnépesedés problémájához hasonlítja.

Valójában a jövőben valószínű, hogy az emberek kolonizálják a Marsot. Valószínű az is, hogy előbb-utóbb a túlnépesedés problémája is felmerülhet a Marson, de nem teljesen világos, hogy most miért kell ezzel a problémával foglalkozni? Egyetért Yn-nel és Yang LeKunnal - a konvolúciós neurális hálózatok megalkotójával, valamint főnökével, Mark Zuckerberggel, valamint Joshua Benóval - olyan személlyel, akinek nagyrészt kutatásainak köszönhetően a modern neurális hálózatok képesek összetett problémákat megoldani a szövegszerkesztés területén.

Valószínűleg több órába telhet, amíg ismertetem a problémával kapcsolatos nézeteimet, ezért csak a fő tézisekre fogok koncentrálni.

1. NE KORLÁTOZD AZ AI FEJLESZTÉST

A riasztók figyelembe veszik a mesterséges intelligencia lehetséges megzavarásával járó kockázatokat, miközben figyelmen kívül hagyják azokat a kockázatokat, amelyek az e területen történő előrehaladás korlátozásával vagy akár megállításával kapcsolatosak. Az emberiség technológiai ereje rendkívül gyors ütemben növekszik, ami egy olyan hatáshoz vezet, amit én "az apokalipszis költségeinek leszorításának" nevezek.

150 évvel ezelőtt az emberiség minden akarattal nem tudott helyrehozhatatlan károkat okozni sem a bioszférában, sem önmagában, mint fajban. Az 50 évvel ezelőtti katasztrofális forgatókönyv megvalósításához az atomhatalmak teljes technológiai erejét kellett volna koncentrálni. Holnap egy kis maroknyi fanatikus elég lehet ahhoz, hogy életre keltsen egy globális ember okozta katasztrófát.

Technológiai hatalmunk sokkal gyorsabban növekszik, mint az emberi intelligencia azon képessége, hogy irányítsa ezt az erőt.

Hacsak az emberi intelligenciát előítéleteivel, agressziójával, téveszméivel és szűklátókörűségével fel nem váltja egy olyan rendszer, amely képes megalapozottabb döntéseket hozni (legyen szó mesterséges intelligenciáról, vagy ami szerintem valószínűbb, technológiailag továbbfejlesztett, gépekkel integrált emberi intelligencia) egyetlen rendszer), várhatunk egy globális katasztrófára.

2. a szuperintelligencia létrehozása alapvetően lehetetlen

Van egy elképzelés, hogy a jövő mesterséges intelligenciája minden bizonnyal szuperintelligens lesz, még jobban felülmúlja az embereket, mint az emberek a hangyákat. Ebben az esetben félek csalódást okozni a technológiai optimistáknak is – Univerzumunk számos alapvető fizikai korlátot tartalmaz, amelyek nyilvánvalóan lehetetlenné teszik a szuperintelligencia létrejöttét.

Például a jelátvitel sebességét a fénysebesség korlátozza, és a Heisenberg-bizonytalanság megjelenik a Planck-skálán. Ez magában foglalja az első alapvető korlátot - a Bremermann-határt, amely korlátozásokat ír elő egy adott m tömegű autonóm rendszer maximális számítási sebességére.

Egy másik korlát a Landauer-elvhez kapcsolódik, miszerint 1 bitnyi információ feldolgozásakor van egy minimális hőmennyiség. A túl gyors számítások elfogadhatatlan felmelegedést és a rendszer tönkremenetelét okozzák. Valójában a modern processzorok kevesebb mint ezerszer maradnak el a Landauer-határtól. Úgy tűnik, 1000 elég sok, de egy másik probléma, hogy sok intellektuális feladat az EXPTIME összetettségi osztályba tartozik. Ez azt jelenti, hogy a megoldásukhoz szükséges idő a probléma dimenziójának exponenciális függvénye. A rendszer többszöri felgyorsítása csak az "intelligencia" állandó növekedését eredményezi.

Általában nagyon komoly okunk van azt hinni, hogy egy szuperintelligens, erős mesterséges intelligencia nem fog működni, bár természetesen az emberi intelligencia szintje meghaladható. Mennyire veszélyes? Valószínűleg nem nagyon.

Képzeld el, hogy hirtelen elkezdtél százszor gyorsabban gondolkodni, mint mások. Ez azt jelenti, hogy könnyedén rá tud majd venni bármely járókelőt, hogy adja oda a pénztárcáját?

3. más miatt aggódunk

Sajnálatos módon a közvélemény félelmeivel kapcsolatos riasztó spekulációk eredményeként, amelyek a Terminátoron, valamint Clark és Kubrick híres HAL 9000-én merültek fel, az AI biztonság fókuszában eltolódik a valószínűtlen, de látványos forgatókönyvek elemzése. Ugyanakkor a valódi veszélyek is kikerülnek a szemünk elől.

Minden kellően összetett technológia, amely azt állítja, hogy fontos helyet foglal el technológiai környezetünkben, bizonyosan sajátos kockázatokat rejt magában. Sok életet tönkretettek a gőzgépek – a gyártás, a szállítás és így tovább – mielőtt hatékony biztonsági szabályokat és intézkedéseket vezettek be.

Ha az alkalmazott mesterséges intelligencia területén elért haladásról beszélünk, akkor az ezzel kapcsolatos problémára, az úgynevezett „digitális titkos bíróságra” lehet figyelni. Egyre több alkalmazott AI-rendszer hoz döntéseket az emberek életét és egészségét érintő kérdésekben. Ebbe beletartoznak az orvosi diagnosztikai rendszerek, és például azok a rendszerek, amelyek a bankokban döntenek arról, hogy kiadnak-e vagy sem kölcsönt az ügyfélnek.

Ugyanakkor az alkalmazott modellek felépítése, a felhasznált tényezők összessége, a döntéshozatali eljárás egyéb részletei rejtve maradnak az előtt, akinek a sorsa forog kockán.

Az alkalmazott modellek döntéseiket olyan szakértő tanárok véleményére alapozhatják, akik szisztematikus hibákat követtek el, vagy bizonyos előítéletekkel – faji, nemi – rendelkeztek.

Az ilyen szakértők döntéseire kiképzett mesterséges intelligencia lelkiismeretesen reprodukálja ezeket az előítéleteket döntéseiben. Végül is ezek a modellek bizonyos hibákat tartalmazhatnak.

Ma már kevesen foglalkoznak ezekkel a problémákkal, mert az atomháborút kirobbantó SkyNet persze sokkal látványosabb.

A neurális hálózatok mint "forró trend"

Egyrészt a neurális hálózatok az egyik legrégebbi AI-rendszerek felépítésére használt modellek. Kezdetben a bionikus megközelítés alkalmazása következtében jelentek meg, de gyorsan elmenekültek biológiai prototípusaik elől. Az egyetlen kivétel itt az impulzus-neurális hálózatok (az iparban azonban még nem találtak széles körű alkalmazást).

Az elmúlt évtizedek előrehaladása a mély tanulási technológiák fejlődéséhez kapcsolódik – ez a megközelítés, amelyben a neurális hálózatok nagyszámú rétegből állnak össze, amelyek mindegyike bizonyos szabályos minták alapján épül fel.

Az új neurális hálózati modellek létrehozása mellett a tanulási technológiák területén is jelentős előrelépés történt. A neurális hálózatok oktatása ma már nem a számítógépek központi processzorainak segítségével, hanem speciális, gyors mátrix- és tenzorszámításra képes processzorok használatával történik. Manapság az ilyen eszközök leggyakoribb típusa a videokártya. Aktívan fejlesztenek azonban még speciálisabb eszközöket a neurális hálózatok képzésére.

Általánosságban elmondható, hogy a neurális hálózatok ma az egyik fő technológiát jelentik a gépi tanulás területén, aminek számos, korábban nem kielégítően megoldott probléma megoldását köszönhetjük. Másrészt persze meg kell értened, hogy a neurális hálózatok nem csodaszer. Egyes feladatokhoz messze nem a leghatékonyabb eszköz.

Tehát valójában mennyire okosak a mai robotok?

Minden relatív. A 2000-es év technológiáinak hátterében a mostani eredmények igazi csodának tűnnek. Mindig lesznek olyanok, akik szeretnek morogni. 5 évvel ezelőtt erősen beszéltek arról, hogy a gépek soha nem fogják legyőzni az embereket a Go-ban (vagy legalábbis nem fognak egyhamar nyerni). Azt mondták, hogy egy gép soha nem tudna a semmiből képet rajzolni, míg manapság az emberek gyakorlatilag nem tudnak különbséget tenni a gépekkel készített képek és a számára ismeretlen művészek festményei között. Tavaly év végén a gépek megtanulták szintetizálni az embertől szinte megkülönböztethetetlen beszédet, az utóbbi években pedig a fül sem hervad el a gépek által keltett zenétől.

Lássuk, mi lesz holnap. Nagy optimizmussal tekintek az AI ezen alkalmazásaira.

Ígéretes útmutatás: hol kezdjem el az AI területén való búvárkodást?

Azt tanácsolom, hogy próbálja meg jó szinten elsajátítani az egyik népszerű neurális hálózati keretrendszert és a gépi tanulás területén népszerű programozási nyelvek egyikét (ma a legnépszerűbb a TensorFlow + Python kombináció).

Miután elsajátította ezeket az eszközöket, és ideális esetben erős bázissal rendelkezik a matematikai statisztika és valószínűségszámítás területén, erőfeszítéseit arra a területre kell irányítania, amely személyesen a legérdekesebb lesz.

A munka tárgya iránti érdeklődés az egyik legfontosabb asszisztense.

Különféle területeken van szükség gépi tanulással foglalkozó szakemberekre – az orvostudományban, a bankszektorban, a tudományban, a gyártásban, így ma egy jó szakembernek több választási lehetősége van, mint valaha. Számomra jelentéktelennek tűnnek ezen iparágak lehetséges előnyei ahhoz képest, hogy a munka örömet okoz.

„Az emberi evolúció valaha látott legnagyobb változásának küszöbén állunk.” – Vernor Stefan Vinge fikciós író

Mit érezne, ha tudná, hogy egy hatalmas változás küszöbén áll, mint a kis ember az alábbi grafikonon?

A függőleges tengely az emberiség fejlődése, a vízszintes tengely az idő

Izgalmas, nem?

Ha azonban elrejti a grafikon egy részét, akkor minden sokkal prózaibbnak tűnik.

A távoli jövő a sarkon van

Képzeld el, hogy 1750-ben találod magad. Akkoriban az emberek még nem hallottak az elektromosságról, a távolsági kommunikáció fáklyák segítségével zajlott, és az utazás előtti egyetlen közlekedési eszközt szénával kellett etetni. Így hát úgy döntesz, hogy magaddal viszel egy „embert a múltból”, és megmutatod neki az életet 2016-ban. Elképzelhetetlen, mit érezne, ha széles, lapos utcákon találná magát, amelyeken autók rohangálnak. Vendége hihetetlenül meglepődne azon, hogy a modern emberek még akkor is képesek kommunikálni, ha a földkerekség különböző pontjain tartózkodnak, követni más országok sporteseményeit, megnézni az 50 évvel ezelőtti koncerteket, és minden pillanatot elmenteni egy fotón vagy videón. És ha ennek az 1750-es embernek mesélne az internetről, a Nemzetközi Űrállomásról, a Nagy Hadronütköztetőről és a relativitáselméletről, a világról alkotott elképzelése biztosan összeomlana. Akár bele is halhat a túlzott benyomásokba.

De itt az érdekes: ha vendége visszatérne „szülött” századába, és úgy döntene, hogy egy hasonló kísérletet hajt végre, egy 1500-as évből származó embert meglovagolva egy időgépen, akkor bár sok minden meglepheti a látogatót A múltban a tapasztalata nem lenne olyan lenyűgöző. - 1500 és 1750 között nem olyan szembetűnő a különbség, mint 1750 és 2016 között.

Ha valaki a 18. századból szeretne lenyűgözni egy múltbéli vendéget, akkor meg kell hívnia valakit, aki Kr.e. 12.000-ben élt, még a Nagy Agrárforradalom előtt. Tényleg "helyben lecsaphatná" a technika fejlődése. A templomok magas harangtornyait, az óceánok tágait szántó hajókat, a több ezer lakosú városokat látva elvesztette volna az érzékét a feltörő érzelmektől.

A technológiai fejlődés és a társadalom üteme folyamatosan növekszik. A neves amerikai feltaláló és futurista, Ray Kurzweil ezt a "történelemgyorsulás törvényének" nevezi. Az új technológiák bevezetése ugyanis lehetővé teszi a társadalom egyre gyorsabb ütemű fejlődését. Például azok, akik a 19. században éltek, fejlettebb technológiával rendelkeztek, mint a 15. században élők. Ezért nem meglepő, hogy a 19. század több vívmányt hozott az emberiségnek, mint a 15. század.

De ha a technológia egyre gyorsabban fejlődik, sok nagyszerű találmányra kell számítanunk a jövőben, igaz? Ha Kurzweilnek és társainak igaza van, akkor 2030-ban ugyanazokat az érzelmeket fogjuk átélni, mint egy személy, aki 1750-ből a miénkbe esett. 2050-re pedig annyira megváltozik a világ, hogy már alig tudjuk kivenni benne a korábbi évtizedek jellegzetességeit.

A fentiek mindegyike nem fikció – tudományosan alátámasztott és meglehetősen logikus. Sokan azonban még mindig szkeptikusak az ilyen állításokkal kapcsolatban. Ennek számos oka lehet:

1. Sokan úgy vélik, hogy a társadalom fejlődése egyenletes és egyenes. Amikor arra gondolunk, hogy milyen lesz a világ 30 év múlva, eszünkbe jut, mi történt az elmúlt 30 évben. Ezen a ponton ugyanazt a hibát követjük el, mint a fenti példában szereplő személy, aki 1750-ben élt, és 1500-tól hívott vendéget. Ahhoz, hogy helyesen képzeljük el az eljövendő fejlődést, el kell képzelnünk, hogy a fejlődés sokkal gyorsabb ütemben zajlik, mint a távoli múltban.

2. Rosszul érzékeljük a modern társadalom fejlődési pályáját. Például, ha egy exponenciális görbe egy kis szegmensét nézzük, úgy tűnhet számunkra, hogy ez egy egyenes (mintha egy kör egy részét néznénk). Az exponenciális növekedés azonban nem egyenletes és zökkenőmentes. Kurzweil elmagyarázza, hogy a haladás egy s-görbe, amint azt az alábbi diagram is mutatja:

A fejlődés minden egyes "tekercse" hirtelen ugrással kezdődik, amely aztán átadja helyét a folyamatos és fokozatos növekedésnek.

Tehát minden új fejlesztési "tekercs" több szakaszra oszlik:

1. Lassú növekedés (a fejlődés korai szakasza);
2. Gyors növekedés (a fejlődés második, „robbanékony” kifejezése);
3. "Szintezés", amikor egy új technológiát tökéletesítenek.

Ha a közelmúlt eseményeit nézzük, arra a következtetésre juthatunk, hogy nem ismerjük fel teljesen, milyen gyorsan fejlődik a technológia. 1995 és 2007 között például az internet, a Microsoft, a Google és a Facebook, a közösségi hálózatok, a mobiltelefonok, majd az okostelefonok megjelenését láthattuk. De a 2008 és 2016 közötti időszak nem volt olyan gazdag felfedezésekben, legalábbis a csúcstechnológiák területén. Így most az s-alakú fejlődési vonal 3. szakaszánál tartunk.

3. Sok ember saját élettapasztalata túsza, ami torzítja a jövőről alkotott elképzelésüket. Ha olyan jövőbeli jóslatot hallunk, amely ellentmond a korábbi tapasztalatok alapján kialakított nézőpontunknak, ezt az ítéletet naivnak tartjuk. Például, ha ma azt mondják neked, hogy a jövőben az emberek 150-250 évig élnek, akkor valószínűleg azt válaszolod: "Ez hülyeség, mert köztudott, hogy mindenki halandó." Valójában minden ember, aki valaha élt a múltban, meghalt és haldoklik ma is. De érdemes megjegyezni, hogy repülőgépeken sem repült senki, míg végül fel nem találták őket.

Valójában sok minden fog változni a következő évtizedekben, és a változások olyan jelentősek lesznek, hogy azt ma már elképzelni is nehéz. Miután elolvasta ezt a cikket a végéig, többet megtudhat arról, hogy mi történik a tudomány és a csúcstechnológia világában.

Mi az a mesterséges intelligencia (AI)?

1. Az AI-t olyan filmekkel társítjuk, mint a Star Wars, a Terminator és így tovább. Ebből a szempontból fikcióként kezeljük.

2. Az AI meglehetősen tág fogalom. Mind a zsebszámológépekre, mind az emberi beavatkozás nélkül vezetett autókra vonatkozik. Az ilyen sokszínűség zavarba ejtő.

3. Használjuk a mesterséges intelligenciát a mindennapi életben, de nem vesszük észre. Az AI-t a jövő világából származó mitikus dolognak tekintjük, ezért nehezen vesszük észre, hogy már mindenhol körülvesz bennünket.

Ebben a tekintetben több dolgot egyszer s mindenkorra el kell rendezni. Először is, a mesterséges intelligencia nem robot. A robot egyfajta mesterséges intelligencia héj, amely néha emberi test körvonalait mutatja. A mesterséges intelligencia azonban egy számítógép egy robot belsejében. Az emberi testben lévő agyhoz hasonlítható. Például, és a női hang, amit hallunk, csak egy megszemélyesítés.

Másodszor, valószínűleg már találkozott olyan fogalommal, mint a „szingularitás” vagy a „technológiai szingularitás”. Ezt a kifejezést olyan helyzet leírására használták, amelyben a szokásos törvények és szabályok nem érvényesek. Ezt a fogalmat a fizikában a fekete lyukak vagy az Univerzum összenyomódásának pillanatának leírására használják az Ősrobbanás előtt. 1993-ban Vernor Vinh kiadta híres esszéjét, amelyben a szingularitás segítségével meghatározta azt a pillanatot a jövőben, amikor a mesterséges intelligencia felülmúlja a miénket. Véleménye szerint, ha eljön ez a pillanat, a világ minden szabályával és törvényével együtt megszűnik létezni, mint korábban.

Végül a mesterséges intelligencia többféle típusa létezik, amelyek között három fő kategória különböztethető meg:

1. Korlátozott mesterséges intelligencia (ANI, Artificial Narrow Intelligence). Ez egy olyan mesterséges intelligencia, amely egy adott területre specializálódott. Például sakkjátszmában meg tudja győzni a sakkvilágbajnokot, de ez minden.

2. Általános mesterséges intelligencia (AGI, Artificial General Intelligence). Az ilyen mesterséges intelligencia egy olyan számítógép, amelynek intelligenciája emberhez hasonlít, vagyis ugyanazokat a feladatokat képes ellátni, mint egy ember. Linda Gottfredson professzor a következőképpen írja le ezt a jelenséget: „Az általános mesterséges intelligencia általánosított gondolkodási képességeket testesít meg, amelyek magukban foglalják az igazolás, a tervezés, a problémamegoldás, az absztrakt gondolkodás, az összetett ötletek összehasonlítása, a gyors tanulás, a felhalmozott tapasztalatok felhasználásának képességét is.”

3. Mesterséges szuperintelligencia (ASI, Artificial Superintelligence). Nick Bostrom svéd filozófus és az Oxfordi Egyetem professzora a következőképpen határozza meg a szuperintelligenciát: „Ez egy olyan intelligencia, amely szinte minden területen felülmúlja az embert, beleértve a tudományos találmányokat, az általános ismereteket és a szociális készségeket is.”

Jelenleg az emberiség már sikeresen használja a korlátozott MI-t. Úton vagyunk az AGI elsajátítása felé. A cikk következő szakaszaiban mindegyik kategóriát részletesen tárgyaljuk.

Korlátozott mesterséges intelligencia által uralt világ

A korlátozott mesterséges intelligencia olyan gépi intelligencia, amely a szűkebb problémák megoldásában egyenértékű vagy jobb hatékonysággal rendelkezik az emberinél. Íme néhány példa:

• egy pilóta nélküli jármű a Google-tól, amely felismeri és reagál az útjába kerülő különféle akadályokra;
• a korlátozott mesterséges intelligencia különféle formáinak ad otthont. Amikor navigációs tippeket használ a városban, kap zenei ajánlásokat a Pandorától, ellenőrizze az időjárás-előrejelzést, kommunikál a Sirivel, ANI-t használ;
• spamszűrők az e-mailekben – először megtanulják felismerni a spamet, majd miután elemezték korábbi tapasztalataikat és preferenciáit, áthelyezik a leveleket egy speciális mappába;
• a Google Translate fordító a korlátozott mesterséges intelligencia klasszikus példája, amely elég jól végzi a munkáját;
• a repülőgép leszállásának pillanatában egy speciális mesterséges intelligencia alapú rendszer határozza meg, hogy az utasoknak melyik kapun kell kimenniük.

A korlátozott mesterséges intelligencia rendszerek nem jelentenek veszélyt az emberre. A legrosszabb esetben egy ilyen rendszer meghibásodása helyi katasztrófát okozhat, például áramemelkedést vagy kisebb összeomlást a pénzügyi piacon.

Minden új találmány a korlátozott mesterséges intelligencia területén egy lépéssel közelebb visz minket az általános mesterséges intelligencia létrehozásához.

Miért olyan nehéz?

Ha megpróbálna létrehozni egy olyan számítógépet, amely intelligenciájában hasonlít egy emberhez, akkor igazán értékelné a gondolkodási képességét. Felhőkarcolók építése, rakéták kilövése az űrbe, az ősrobbanás elméletének kutatása – mindezt sokkal egyszerűbb elvégezni, mint az emberi agy tanulmányozását. Jelen pillanatban az elménk a legösszetettebb objektum a megfigyelhető univerzumban.

A legérdekesebb az, hogy az általános mesterséges intelligencia létrehozásának nehézségei a legegyszerűbbnek tűnő dolgokban merülnek fel. Például nem nehéz létrehozni egy olyan eszközt, amely a másodperc töredéke alatt képes megszorozni a tízjegyű számokat. Ugyanakkor hihetetlenül nehéz olyan programot írni, amely képes felismerni, ki áll a monitor előtt: macska vagy kutya. Létrehozni egy számítógépet, amely képes legyőzni egy embert sakkban? Könnyen! Egy gépet olvasni és megérteni, ami egy gyerekkönyvben van írva? A Google dollármilliárdokat költ a probléma megoldására. Az olyan dolgokat, mint a matematikai számítások, a pénzügyi stratégiák készítése, az egyik nyelvről a másikra való fordítás, már sikerült megoldani az AI segítségével. A látás, az észlelés, a gesztusok, a térben való mozgás azonban továbbra is megoldatlan problémák maradnak a számítógépek számára.

Ezek a készségek egyszerűnek tűnnek az emberek számára, mert több millió éves evolúció során fejlődtek ki. Amikor kinyújtja a kezét, hogy felvegyen egy tárgyat, izmai, szalagjai és csontjai egy sor műveleten mennek keresztül, amelyek megegyeznek azzal, amit a szeme lát.

Másrészt a nagy számok szaporítása, a sakkozás teljesen új tevékenység a biológiai lények számára. Ez az oka annak, hogy egy számítógép nagyon könnyen legyőz minket ezen. Gondolja át, milyen programot készítene szívesebben: olyat, amely gyorsan képes nagy számokat megsokszorozni, vagy egyszerűen felismeri a B betűt több ezer más, különböző betűtípussal írt program közül?

Egy másik szórakoztató példa: az alábbi képre nézve Ön és a számítógép is félreérthetetlenül megállapíthatja, hogy az két különböző árnyalatú négyzetekből álló téglalapot ábrázol:

De amint eltávolítjuk a fekete hátteret, egy teljes, korábban rejtett kép nyílik meg előttünk:

Az embernek nem lesz nehéz megnevezni és leírni az összes ábrát, amelyet ezen az ábrán lát. A számítógép azonban nem tudja kezelni ezt a feladatot. És az alábbi kép elemzése után arra a következtetésre jut, hogy előtte sok kétdimenziós, fehér, fekete és szürke színű tárgy kombinációja van. Ugyanakkor az ember könnyen mondhatja, hogy a képen egy fekete kő látható:

Minden, amit fentebb említettünk, csak a statikus információk észlelésére és feldolgozására vonatkozott. Ahhoz, hogy az intelligencia szintje megfeleljen egy személynek, a számítógépnek meg kell tanulnia felismerni az arckifejezéseket, gesztusokat stb. De hogyan lehet mindezt elérni?

Az általános mesterséges intelligencia létrehozása felé tett első lépés a számítógépek teljesítményének növelése

Nyilvánvaló, hogy ha "okos" számítógépeket akarunk létrehozni, akkor azoknak ugyanolyan szellemi képességekkel kell rendelkezniük, mint egy embernek. Ennek egyik módja a másodpercenkénti műveletek számának növelése. Ehhez ki kell számítani, hogy az emberi agy egyes struktúrái másodpercenként hány műveletet hajtanak végre.

Ray Kurzweil végzett néhány számítást, és 10 000 000 000 000 000 műveletet tudott elérni másodpercenként. Körülbelül ennek az előadásnak van emberi agya.

Jelenleg a legerősebb szuperszámítógép a kínai Tianhe-2, amelynek teljesítménye másodpercenként 34 kvadrillió művelet. Ennek a szuperszámítógépnek a mérete azonban lenyűgöző - 720 négyzetméteres területet fed le, és 390 000 000 dollárba kerül.

Tehát, ha technikai oldalról nézzük, akkor már van egy olyan számítógépünk, amely teljesítményében összemérhető az emberi aggyal. A tömegfogyasztó számára nem elérhető, de tíz éven belül azzá válik. A teljesítmény azonban nem az egyetlen, ami emberhez hasonló intelligenciával ruházhatja fel a számítógépet. A következő kérdés az, hogyan lehet egy nagy teljesítményű számítógépet intelligenssé tenni?

A második lépés az általános mesterséges intelligencia létrehozása felé, hogy a gépet intelligenciával ruházzuk fel

Ez a folyamat legnehezebb része, mert senki sem tudja igazán, hogyan lehet „okossá” tenni a számítógépet. Még mindig vita folyik arról, hogyan lehet egy gépet képessé tenni a macskák és a kutyák megkülönböztetésére, vagy a B betű felismerésére. Számos stratégia létezik azonban, amelyek közül néhányat az alábbiakban röviden ismertetünk:

1. Az emberi agy másolása

Jelenleg a tudósok az emberi agy úgynevezett reverse engineeringjén dolgoznak. Az optimista előrejelzések szerint ez a munka 2030-ra fejeződik be. Ha elkészül a projekt, megtanulhatjuk agyunk összes titkát, és új ötleteket meríthetünk belőle. Ilyen rendszer például a mesterséges neurális hálózat.

Egy másik szélsőségesebb ötlet az emberi agy funkcióinak teljes utánzása. A kísérlet során a tervek szerint az agyat sok vékony rétegre vágják, és mindegyiket átvizsgálják. Ezután egy speciális program segítségével létre kell hoznia egy 3D-s modellt, majd be kell ágyaznia egy nagy teljesítményű számítógépbe. Ezt követően kapunk egy olyan készüléket, amely hivatalosan is ellátja majd az emberi agy összes funkcióját – csak információt kell gyűjtenie és tanulnia.

Meddig kell várnunk arra a pillanatra, amikor a tudósok elkészíthetik az emberi agy pontos másolatát? Elég sokáig, mert a 302 neuronból álló agyrétegből (a mi agyunk is 100 000 000 000 neuronból áll) a mai napig még 1 mm-t sem sikerült lemásolni a szakértőknek.

2. Az emberi agy evolúciójának összefoglalása

Egy "okos" számítógép létrehozása elméletileg lehetséges, és a saját agyunk evolúciója is ezt bizonyítja. Ha nem tudjuk létrehozni az agy pontos másolatát, megpróbálhatjuk utánozni az evolúcióját. Valójában például lehetetlen repülőt építeni pusztán egy madár szárnyának másolásával. Minőségi repülőgép létrehozásához jobb, ha más megközelítést alkalmaz.

Hogyan lehet tehát szimulálni az evolúciós folyamatot általános mesterséges intelligencia létrehozásához? Ezt a módszert genetikai algoritmusnak nevezik. Ennek a megközelítésnek a lényege abban rejlik, hogy az optimalizálási és modellezési problémákat az élő természetben a természetes szelekcióhoz hasonló mechanizmusok segítségével oldják meg. Több számítógép más-más feladatot lát majd el, és a leghatékonyabbnak bizonyultak „keresztbe” kerülnek egymással. Azok a gépek, amelyek nem hajtják végre a feladatot, kizárásra kerülnek. Így ennek a kísérletnek a többszöri megismétlése után a természetes kiválasztási algoritmus egyre jobb számítógépet hoz létre. A nehézség itt az evolúció és a „keresztezés” folyamatának automatizálásában rejlik, mert az evolúciós folyamatnak magától kell folytatódnia.

A leírt módszer hátránya, hogy a természetben az evolúció több millió évig tart, és néhány évtizeden belül eredményre van szükségünk.

3. Vigyen át minden feladatot a számítógépre

Amikor a tudósok kétségbeesnek, megpróbálnak létrehozni egy programot, amely tesztelné magát. Ez lehet a legígéretesebb módszer az általános mesterséges intelligencia felépítésére.

Az ötlet egy olyan számítógép létrehozása, amelynek fő funkciója a mesterséges intelligencia kutatása és a kódolás módosítása lesz. Egy ilyen számítógép nemcsak tanulni fog magától, hanem megváltoztatja saját architektúráját is. A tudósok azt tervezik, hogy a számítógépet kutatónak tanítják, akinek fő feladata saját intelligenciájának fejlesztése lesz.

Mindez nagyon hamar megtörténhet.

Ezzel párhuzamosan történik a számítógépek folyamatos fejlesztése és az új szoftverekkel végzett innovatív kísérletek. Az általános mesterséges intelligencia gyorsan és váratlanul jelenhet meg két fő okból:

1. Az exponenciális növekedési ütem nagyon lassúnak tűnik, de bármelyik pillanatban felgyorsulhat.

2. Ha szoftverről van szó, úgy tűnik, hogy a fejlődés nagyon lassú, de egyetlen felfedezés egy szempillantás alatt a fejlődés új szintjére emelhet bennünket. Például mindannyian tudjuk, hogy az emberek korábban azt hitték, hogy a Föld volt az Univerzum középpontjában. Ezzel kapcsolatban sok nehézség merült fel a tér tanulmányozása során. Ekkor azonban a világ rendszere hirtelen heliocentrikusra változott. Amint az ötletek drámaian megváltoztak, új kutatások váltak lehetővé.

Úton a korlátozott AI-tól a mesterséges szuperintelligenciáig

A korlátozott mesterségesintelligencia fejlődésének egy bizonyos pontján a számítógépek kezdenek felülmúlni minket. A tény az, hogy az emberi aggyal azonos mesterséges intelligencia számos előnnyel fog járni az emberrel szemben, köztük a következők:

Sebesség. Agyunk neuronjai maximum 200 Hz-es frekvencián, míg a modern mikroprocesszorok 2 GHz-en, vagyis 10 milliószor gyorsabban működnek.

Méretek. Az emberi agyat a koponya mérete korlátozza, ezért nem nőhet nagyobbra. A számítógép bármilyen méretű lehet, több tárhelyet biztosítva a fájlok számára.

A munka megbízhatósága és időtartama. A számítógépes tranzisztorok nagyobb pontossággal működnek, mint az agyi neuronok. Ezenkívül könnyen javíthatók vagy cserélhetők. Az emberi agy hajlamos elfáradni, miközben a számítógép éjjel-nappal teljes kapacitással tud működni.

Az állandó önfejlesztésre programozott mesterséges intelligencia nem korlátozza magát semmilyen korlátra. Ez azt jelenti, hogy miután elérte az emberi intelligencia szintjét, a gép nem fog megállni.

Természetesen, ha a számítógép "okosabb" lesz nálunk, az sokkoló lesz az egész emberiség számára. Valójában a legtöbbünk ferdén látja az intelligenciát, és így néz ki:

Az intelligenciáról alkotott torz elképzelésünk.

A vízszintes tengely az idő, a függőleges tengely az intelligencia.

Az intelligencia szintjei alulról felfelé haladnak: hangya, madár, csimpánz, szűklátókörű ember, Einstein. A hülye ember és Einstein között van egy ember, aki azt mondja: „Ha ha! Ezek a vicces robotok majmokként viselkednek!”

A piros szín a mesterséges intelligencia fejlődését jelzi.

Tehát a mesterséges intelligencia fejlődési görbéje a grafikonon általában eléri az ember szintjét. Figyeljük, ahogy a gép fokozatosan okosabb lesz, mint az állat. Amint azonban a mesterséges intelligencia eléri a „szűk látókörű ember” vagy – ahogy Nick Bostrom fogalmazott – „egy falusi bolond” szintjét, ez azt jelenti, hogy létrejött a mesterséges általános intelligencia. Ebben az esetben a számítógépnek nem lesz nehéz elérnie az Einstein szintjét. Ezt a gyors fejlődést az alábbi ábra mutatja:

De mi lesz ezután?

Intelligens robbanás

Itt hasznos lenne felidézni, hogy minden, ami ebben a cikkben van, a tekintélyes tudósok által készített valós tudományos előrejelzések leírása.

Mindenesetre a legtöbb korlátozott mesterséges intelligencia modell tartalmaz önfejlesztő funkciót. De még akkor is, ha létrehoz egy olyan mesterséges intelligenciát, amely kezdetben nem biztosít ilyen funkciót, akkor az emberi intelligencia szintjét elérve a számítógép képes lesz önállóan tanulni. Ennek eredményeként a gépi elme fokozatosan fejlődik, és szuperintelligenciává válik, amely sokszorosa lesz az emberi elmének.

Jelenleg vita folyik arról, hogy a mesterséges intelligencia mikor éri el az emberi intelligencia szintjét. Tudósok százai egyetértenek abban, hogy ez 2040 körül fog megtörténni. Nem túl hosszú, igaz?

Tehát a mesterséges intelligencia évtizedekbe fog telni, hogy elérje az emberi intelligencia szintjét, de végül megtörténik. A számítógépek megtanulják megérteni az őket körülvevő világot, akárcsak egy 4 éves gyerek. Hirtelen, miután megtanulta ezeket az információkat, a rendszer elsajátítja az elméleti fizikát, a kvantummechanikát és a relativitáselméletet. Az AI másfél óra alatt mesterséges szuperintelligenciává változik, 170 ezerszer nagyobb, mint az emberi agy képességei.

A szuperintelligencia olyan jelenség, amelyet még csak részben sem tudunk felfogni. Véleményünk szerint egy okos ember IQ-ja 130, a hülyé pedig kevesebb, mint 85. De milyen szót lehet használni egy lényre, akinek IQ-ja 12952?

Az intelligencia a hatalom szinonimája, ezért jelen pillanatban az ember az evolúció csúcsán áll, minden más élőlényt alárendel magának. Ez azt jelenti, hogy a mesterséges szuperintelligencia megjelenésével megszűnünk a "természet koronája" lenni. A szuperelmének leszünk alávetve.

Ha korlátozott agyunk képes Wi-Fi-t létrehozni, képzeljük el, mit tud létrehozni egy nálunk százszor, ezerszer, sőt milliószor magasabb rendű elme. Ez az intelligencia képes lesz irányítani minden atom helyét a bolygón. Minden, amit most varázslatnak vagy Isten hatalmának tekintünk, a szuperintelligencia mindennapi feladata lesz. A szuperelme képes lesz legyőzni az öregséget, meggyógyítani a betegségeket, elpusztítani az éhséget, sőt a halált is. Még az időjárást is át tudja majd programozni, hogy megvédje az életet a Földön. De a szuperintelligencia egy szempillantás alatt képes lesz elpusztítani az életet a bolygón. Jelenlegi valóságfelfogásunk szerint Isten a szuperintelligencia szerepében telepszik le mellénk. Az egyetlen kérdés, amit fel kell tennünk magunknak: vajon jó Isten lesz-e?

Mesterséges intelligencia: hogyan és hol tanuljunk - válaszolják a szakértők

„Az AI-t akarom csinálni. Mit érdemes tanulni? Milyen nyelveket kell használni? Milyen szervezetekben érdemes tanulni és dolgozni?

Szakértőinkhez fordultunk pontosításért, a kapott válaszokat figyelmébe ajánljuk.

Az alapképzésedtől függ. Mindenekelőtt matematikai kultúra (statisztika ismerete, valószínűségszámítás, diszkrét matematika, lineáris algebra, elemzés stb.) és sok gyors tanulási hajlandóság kell. Az AI módszerek megvalósítása programozást igényel (algoritmusok, adatstruktúrák, OOP stb.).

A különböző projektekhez különböző programozási nyelvek ismerete szükséges. Azt javaslom, hogy legalább Python, Java és bármilyen funkcionális nyelv ismerete legyen. Hasznos lesz a különböző adatbázisokkal és elosztott rendszerekkel kapcsolatos tapasztalat. Angol nyelvtudás szükséges ahhoz, hogy gyorsan elsajátíthassuk az iparág legjobb gyakorlatait.

Azt javaslom, hogy jó orosz egyetemeken tanuljon! Például a Moszkvai Fizikai és Technológiai Intézetnek, a Moszkvai Állami Egyetemnek, a Közgazdasági Felsőiskolának megfelelő tanszékei vannak. Tematikus kurzusok széles választéka elérhető a Coursera, edX, Udacity, Udemy és más MOOC platformokon. Néhány vezető szervezetnek saját képzési programja van a mesterséges intelligencia területén (például a Yandex adatelemző iskolája).

A mesterséges intelligencia módszerekkel megoldott alkalmazott problémák nagyon sok helyen megtalálhatók. A bankoknak, a pénzügyi szektornak, a tanácsadásnak, a kiskereskedelemnek, az e-kereskedelemnek, a keresőmotoroknak, a levelezési szolgáltatásoknak, a játékiparnak, a biztonsági rendszerek iparának és természetesen az Avitónak – mind-mind különböző képesítésű szakemberekre van szükségük.

Frissítés Downgrade

Van egy gépi tanulással és számítógépes látással kapcsolatos fintech projektünk, amiben az első fejlesztője mindent C ++-ban írt, majd bejött egy fejlesztő, aki mindent átírt Pythonban. Tehát itt nem a nyelv a legfontosabb, hiszen a nyelv mindenekelőtt egy eszköz, és a használat módja csak tőled függ. Csak néhány nyelven gyorsabb a problémamegoldás, míg másokban lassabb.

Nehéz megmondani, hol tanuljak – minden srácunk egyedül tanult, hiszen van internet és Google.

Frissítés Downgrade

Kezdettől fogva azt tudom tanácsolni, hogy készüljön fel arra, hogy sokat kell tanulnia. Függetlenül attól, hogy mit kell érteni az „MI-t csinálni” alatt – nagy adatokkal vagy neurális hálózatokkal végzett munka; technológia fejlesztése vagy egy bizonyos már kidolgozott rendszer támogatása és képzése.

Vegyük a divatos Data Scientist szakmát a konkrétumok kedvéért. Mit csinál ez a személy? Általában nagy adatokat gyűjt, elemez és használatra előkészít. Pontosan azok, amelyeken a mesterséges intelligencia nő és edz. Mit kell tudnia és mit kell tudnia egy adattudósnak? Statikus elemzés és matematikai modellezés - alapértelmezés szerint és a folyékonyság szintjén. Nyelvek - mondjuk R, SAS, Python. Jó lenne egy kis fejlesztési tapasztalat is. Általánosságban elmondható, hogy egy jó adattudósnak magabiztosnak kell lennie az adatbázisban, az algoritmusokban és az adatok megjelenítésében.

Arról nem beszélve, hogy az országban minden második műszaki egyetemen megszerezhető lenne egy ilyen tudásanyag. A mesterséges intelligencia fejlesztését előnyben részesítő nagyvállalatok megértik ezt, és megfelelő képzési programokat dolgoznak ki maguknak – ott van például a Yandex adatelemzési iskolája. De tudnod kell, hogy nem ez az a lépték, ahol „utcáról” jössz a tanfolyamokra, hanem kész juniorként hagyod ott. A réteg nagy, és akkor van értelme a szakra menni tanulni, amikor az alap (matematika, statisztika) már le van fedve, legalábbis az egyetemi program keretein belül.

Igen, időbe telik. De a játék megéri a gyertyát, mert egy jó Data Scientist nagyon ígéretes. És nagyon drága. Van egy másik pont is. A mesterséges intelligencia egyrészt már nem csak egy hype tárgya, hanem egy olyan technológia, amely elérte a termelékenység szintjét. Másrészt az AI még mindig fejlődik. Ez a fejlesztés nagyon sok erőforrást, sok szakértelmet és sok pénzt igényel. Eddig ez a szint a nagy ligákban. Most elmondom a nyilvánvalót, de ha a támadás élvonalában szeretnél lenni, és a saját kezeddel akarsz előrehaladni, célozzon meg egy olyan céget, mint a Facebook vagy az Amazon.

A technológiát ugyanakkor már számos területen alkalmazzák: a bankszektorban, a távközlésben, az óriásipari vállalkozásokban és a kiskereskedelemben. És már kellenek olyanok, akik támogatni tudják. A Gartner előrejelzése szerint 2020-ra a fejlett országok vállalatainak 20%-a speciális alkalmazottakat vesz fel az ezekben a vállalatokban használt neurális hálózatok képzésére. Tehát még van egy kis idő az önálló tanulásra.

Frissítés Downgrade

Az AI jelenleg aktívan fejlődik, és nehéz tíz évre előre megjósolni. A következő két-három évben a neurális hálózatokon és a GPU-alapú számítástechnikán alapuló megközelítések dominálnak majd. Ezen a területen a Python a vezető a Jupyter interaktív környezettel és a numpy, scipy, tensorflow könyvtárakkal.

Számos online tanfolyam létezik, amelyek alapvető ismereteket nyújtanak ezekről a technológiákról és a mesterséges intelligencia általános elveiről, például Andrew Ng kurzusa. És ami ezt a témát illeti most Oroszországban, az önálló tanulás vagy a helyi érdekcsoportban való tanulás a leghatékonyabb (Moszkvában például úgy tudom, hogy van legalább egy-két csoport, ahol az emberek megosztják egymással tapasztalataikat, tudásukat).

Frissítés Downgrade

Frissítés Downgrade

A mai napig a mesterséges intelligencia leggyorsabban fejlődő része talán a neurális hálózatok.
A neurális hálózatok és a mesterséges intelligencia tanulmányozását a matematika két szakaszának - a lineáris algebra és a valószínűségszámítás - fejlesztésével kell kezdeni. Ez a mesterséges intelligencia kötelező minimuma, megingathatatlan pillére. Azoknak a jelentkezőknek, akik az AI alapjait szeretnék elsajátítani, az egyetem kiválasztásánál szerintem az erős matematikai iskolával rendelkező karokra kell figyelniük.

A következő lépés a probléma problematikájának tanulmányozása. Hatalmas mennyiségű irodalom van, oktatási és speciális szakirodalom egyaránt. A legtöbb publikáció a mesterséges intelligencia és a neurális hálózatok témájában angol nyelven íródott, de megjelennek orosz nyelvű anyagok is. Hasznos irodalom található például az arxiv.org nyilvános digitális könyvtárban.

Ha tevékenységi területekről beszélünk, itt megkülönböztethetjük az alkalmazott neurális hálózatok képzését és a neurális hálózatok teljesen új változatainak kidolgozását. Egy feltűnő példa: van egy ilyen nagyon népszerű szakterület most - a „Data Scientist” (Data Scientist). Ezek olyan fejlesztők, akik rendszerint bizonyos adatkészletek tanulmányozásával és előkészítésével foglalkoznak a neurális hálózatok képzéséhez meghatározott, alkalmazott területeken. Összefoglalva hangsúlyozom, hogy minden szakirány külön képzési utat igényel.

Frissítés Downgrade

Mielőtt keskeny profilú kurzusokra indulna, tanulmányoznia kell a lineáris algebrát és a statisztikát. Azt tanácsolom, hogy kezdjen belemerülni az AI-ba a „Gépi tanulás. Az adatokból tudást kinyerő algoritmusok felépítésének tudománya és művészete jó útmutató a kezdőknek. A Courserán érdemes meghallgatni K. Voroncov bevezető előadásait (hangsúlyozom, hogy jó lineáris algebra ismerete szükséges), valamint a Stanford Egyetem gépi tanulási kurzusát, amelyet Andrew Ng professzor és a Baidu AI Group vezetője tart. /Google Brain.

A nagy rész Python nyelven van írva, amit R, Lua követ.

Ha oktatási intézményekről beszélünk, jobb, ha beiratkozunk az alkalmazott matematika és számítástechnika tanszékekre, vannak megfelelő oktatási programok. Hogy próbára tegye képességeit, részt vehet Kaggle versenyeken, ahol a nagy globális márkák kínálják tokjaikat.

Frissítés Downgrade

Mindenesetre, mielőtt belevágnánk a projektekbe, jó lenne elméleti alapot szerezni. Sok helyen szerezhet formális mesterfokozatot ezen a területen, vagy fejlesztheti képességeit. A Skoltech például számítástechnikai és mérnöki, valamint adattudományi mesterképzéseket kínál, amelyek magukban foglalják a gépi tanulás és a természetes nyelvi feldolgozás kurzusait. Megemlíthetjük még a MEPhI Nemzeti Kutatói Nukleáris Egyetem Intelligens Kibernetikai Rendszerek Intézetét, a Moszkvai Állami Egyetem Számítástechnikai Matematikai és Kibernetikai Karát és a Moszkvai Fizikai és Technológiai Intézet Intelligens Rendszerek Tanszékét.

Ha már létezik formális oktatás, számos kurzus létezik a különböző MOOC platformokon. Az EDx.org például a Microsoft és a Columbia Egyetem mesterséges intelligencia tanfolyamait kínálja, amelyek közül az utóbbi szerény áron kínál mikro-mesterképzést. Szeretném hangsúlyozni, hogy általában magát a tudást ingyen szerezheti meg, csak igazolásért kell fizetni, ha az önéletrajzhoz szükséges.

Ha valaki "mélyre szeretne merülni" a témában, Moszkvában számos cég kínál hetes intenzív gyakorlatokat, sőt kísérleti eszközöket is kínál (például newprolab.com), azonban az ilyen tanfolyamok ára több tízezer rubeltől.

A mesterséges intelligenciát fejlesztő cégek közül valószínűleg ismeri a Yandexet és a Sberbankot, de sok más is létezik, különböző méretű. Például ezen a héten a Honvédelmi Minisztérium megnyitotta Anapában az ERA Military Innovation Technopolist, amelynek egyik témája a mesterséges intelligencia katonai igényekre való fejlesztése.

Frissítés Downgrade

A mesterséges intelligencia tanulmányozása előtt meg kell oldani egy alapvető kérdést: vegye be a piros tablettát vagy a kéket.
A piros pirula az, hogy fejlesztővé váljon, és belemerüljön a statisztikai módszerek, algoritmusok és az ismeretlen állandó megértésének kegyetlen világába. Másrészt nem szükséges azonnal a "nyúllyukba" rohanni: lehet menedzser, és létrehozhat például AI-t projektmenedzserként. Ez két alapvetően különböző út.

Az első nagyszerű, ha már eldöntötte, hogy mesterséges intelligencia algoritmusokat fog írni. Ezután a ma legnépszerűbb irányával kell kezdenie - a gépi tanulással. Ehhez ismerni kell az osztályozás, klaszterezés és regresszió klasszikus statisztikai módszereit. Hasznos lesz továbbá megismerkedni a megoldás minőségének értékelésére szolgáló főbb intézkedésekkel, azok tulajdonságaival... és mindennel, ami az út során felmerül.

Csak az alap elsajátítása után érdemes speciálisabb módszereket tanulmányozni: döntési fákat és ezek együtteseit. Ebben a szakaszban mélyen el kell merülnie a modellek felépítésének és képzésének alapvető módjaiban – ezek az alig valamirevaló szavak mögé rejtőznek: zsákolás, erősítés, halmozás vagy keverés.

Érdemes ismerni a modellek átképzésének ellenőrzési módszereit is (egy másik „ing” a túlillesztés).

És végül a nagyon Jedi szint - magasan speciális tudás megszerzése. Például a mély tanulás megköveteli a gradiens süllyedés alapvető architektúráinak és algoritmusainak elsajátítását. Ha érdeklik a természetes nyelvi feldolgozási feladatok, akkor a visszatérő neurális hálózatok tanulmányozását javaslom. A képek és videók feldolgozására szolgáló algoritmusok jövőbeli alkotóinak pedig mélyre kell menniük a konvolúciós neurális hálózatokba.

Az utolsó két említett struktúra a mai népszerű architektúrák építőkövei: ellenséges hálózatok (GAN), relációs hálózatok, kombinált hálózatok. Ezért hasznos lesz tanulmányozni őket, még akkor is, ha nem tervezi megtanítani a számítógépet látni vagy hallani.

A mesterséges intelligencia megismerésének egészen más megközelítése – más néven „kék pirula” – önmagad megtalálásával kezdődik. A mesterséges intelligencia egy csomó feladatot és egész szakmát szül: az AI projektmenedzserektől az adatok előkészítésére, tisztítására és skálázható, nagy terhelésű és hibatűrő rendszerek felépítésére képes adatmérnökökig.

Tehát „menedzser” megközelítéssel először érdemes felmérni képességeinket és előéletünket, és csak azután választani, hogy hol és mit tanuljunk. Például akár matematikai gondolkodásmód nélkül is tervezhet mesterséges intelligencia felületeket és vizualizációkat az intelligens algoritmusokhoz. De készülj fel: 5 év múlva a mesterséges intelligencia trollkodni kezd, és „humanistának” fog nevezni.

A főbb ML metódusok kész könyvtárakként valósulnak meg, amelyek különböző nyelveken kapcsolódnak. Az ML legnépszerűbb nyelvei ma a C++, Python és R.

Számos kurzus létezik orosz és angol nyelven is, mint például a Yandex School of Data Analysis, a SkillFactory és az OTUS kurzusok. Mielőtt azonban időt és pénzt fektetnénk egy speciális képzésbe, érdemes „belenyúlni a témába”: nézzen meg nyílt előadásokat a YouTube-on az elmúlt évek DataFest konferenciáiról, vegyen részt ingyenes tanfolyamokon a Coursera és a Habrahabra programban.