Berita tentang perkembangan baru di bidang kecerdasan buatan muncul dengan frekuensi yang patut ditiru. Jadi pada bulan Januari tahun ini, Google mengumumkan rencananya, bekerja sama dengan Movidius, untuk menciptakan prosesor seluler dengan kemampuan pembelajaran mesin. Tujuan kemitraan ini adalah untuk menghadirkan kemampuan kecerdasan mesin kepada manusia melalui perangkat genggam mereka. Dan pada bulan Februari, para insinyur MIT telah memperkenalkan prosesor Eyeriss, berkat kecerdasan buatan yang dapat muncul di perangkat portabel. Hal ini dilatarbelakangi oleh fakta bahwa volume investasi dalam pengembangan sistem kecerdasan buatan terus meningkat dari tahun ke tahun.

Semuanya menunjukkan bahwa kecerdasan buatan akan segera menembus ponsel pintar kita, yang akan menjadi jauh lebih pintar. Jadi kita tidak jauh dari pemberontakan mesin? Seberapa pintarkah mesin yang dibutuhkan untuk mengambil alih kekuasaan atas manusia? Dan seberapa nyatakah itu?

Kecerdasan buatan satu, kecerdasan buatan dua, kecerdasan buatan tiga

Ketika kita membaca atau mendengar tentang kecerdasan buatan, banyak dari kita membayangkan SkyNet dan mesin-mesin dari film Terminator yang terkenal. Apa yang dimaksud peneliti dan pengembang dengan konsep ini?

Ada tiga jenis AI yang harus kita buat, atau mungkin harus kita buat:

Kecerdasan buatan yang ditargetkan secara sempit. Inilah yang akan kami dapatkan di ponsel pintar baru kami dalam waktu dekat. Kecerdasan tersebut lebih unggul dibandingkan kecerdasan manusia dalam aktivitas atau operasi tertentu. Komputer dengan kecerdasan buatan yang sangat bertarget dapat mengalahkan juara catur dunia, memarkir mobil, atau memilih hasil yang paling relevan di mesin pencari.

Kekuatan kecerdasan buatan tersebut terletak pada kemampuan komputasi prosesor. Semakin besar peluang ini, semakin efektif penyelesaian tugas yang diberikan. Dan dengan peningkatan kekuatan prosesor sekarang tidak ada masalah. AI yang fokusnya sempit, dalam filosofi kecerdasan buatan (ada yang seperti itu) disebut lemah.

Namun kemampuan komputasi saja, menurut para ilmuwan, tidak cukup untuk menciptakan mesin yang benar-benar cerdas. Meskipun kasus fiktif dari transisi spontan dari kecerdasan buatan yang lemah ke yang kuat itulah yang menjadi dasar naskah film Terminator. SkyNet, superkomputer Departemen Pertahanan AS yang dirancang untuk mengendalikan sistem pertahanan rudal, memperoleh kesadaran dan mulai membuat keputusan sendiri.

Kecerdasan buatan umum. Jika kita telah menciptakan sistem dengan AI yang ditargetkan secara sempit dan menemukan aplikasi praktisnya, maka dengan AI Umum segalanya menjadi jauh lebih rumit. AI jenis ini sudah memiliki kecerdasan setingkat manusia. Ia bersifat universal dan mampu melakukan operasi intelektual yang sama seperti otak manusia.

Jika kita melihat robot yang sepenuhnya humanoid di masa hidup kita, mereka akan memiliki kecerdasan seperti ini. Ingat android Andrew dari film Bicentennial Man karya Chris Columbus. Robot dengan AI seperti itu akan mampu belajar, berpikir, dan mengambil keputusan secara mandiri seperti manusia. Mereka akan mampu membangun hubungan dengan orang-orang disekitarnya, menjadi teman dan penolong. Kecerdasan buatan seperti inilah yang disebut kuat.

Namun ada jurang pemisah antara kecerdasan buatan yang kuat dan yang lemah. Untuk berpindah dari satu komputer ke komputer lainnya, tidak cukup hanya dengan meningkatkan kekuatan komputasi komputer, Anda juga perlu memberi mereka kecerdasan. Para ilmuwan belum melihat cara yang jelas untuk melakukan hal ini.

Kecerdasan super buatan. Jenis kecerdasan buatan inilah yang menarik perhatian luas. Terutama karena kemungkinan penciptaannya dianggap oleh banyak ilmuwan sebagai bahaya bagi umat manusia. SkyNet adalah ilustrasi ancaman tersebut.

Superintelligence akan lebih pintar dari manusia mana pun. Dia akan lebih unggul dari manusia dalam hampir segala bidang. Akan mampu memecahkan masalah yang kompleks dan membuat penemuan ilmiah. Bagaimana perilaku mesin cerdas terhadap umat manusia?

Para ilmuwan menyarankan tiga model interaksi:

Peramal- kita bisa mendapatkan jawaban atas pertanyaan rumit apa pun.

Gin- dia akan melakukan semua yang kita butuhkan sendiri, menggunakan setidaknya perakit molekuler, bahkan laboratorium robotik dan pabrik yang beroperasi tanpa campur tangan manusia.

Berdaulat- Dia akan menemukan masalahnya sendiri dan menyelesaikannya sendiri.

Seperti yang Anda lihat, istilah “kecerdasan buatan” mengandung tiga bentuk keberadaan kecerdasan buatan. Dan perbedaannya satu sama lain sangatlah signifikan, begitu pula konsekuensi transisi dari satu AI ke AI lainnya. Bisakah kita menentukan tingkat kecerdasan mesin pintar untuk memahami dengan siapa kita berhadapan?

Bagaimana cara mengukur kecerdasan buatan?

Orang berbeda satu sama lain dalam tingkat kecerdasannya. Untuk mengukurnya, tes khusus digunakan. Tes IQ diketahui banyak orang. Bagaimana kecerdasan mesin diukur?

Jika kita mengambil pendekatan yang tidak kritis terhadap pemberitaan media, maka tingkat intelektual mesin modern bervariasi antara IQ anak berusia 4 tahun dan remaja berusia 13 tahun. Kedua angka ini menggambarkan dua pendekatan untuk mengukur kecerdasan mesin.

Pada tahun 2015, tim ilmuwan dari Illinois menguji sistem kecerdasan buatan ConceptNet yang dibuat di Massachusetts Institute of Technology menggunakan tes IQ standar untuk anak usia 2,5 hingga 7 tahun. Hasil mesin tersebut setara dengan kinerja rata-rata seorang anak berusia empat tahun.

Selain penggunaan pengujian yang dirancang untuk manusia, pengujian khusus yang dirancang untuk mesin juga dikenal dan digunakan secara luas. Tes Turing dirancang untuk menentukan apakah suatu mesin dapat berpikir.

Tesnya adalah sebagai berikut. Satu orang – hakim – berkomunikasi dengan dua lawan bicara yang tidak dilihatnya. Semua interaksi dilakukan melalui korespondensi dengan menggunakan komputer perantara. Salah satu lawan bicaranya adalah seseorang, dan yang lainnya adalah program komputer yang menyamar sebagai seseorang. Jika hakim tidak dapat menentukan dengan pasti lawan bicaranya yang mana yang merupakan program, maka mesin tersebut dianggap lulus uji.

Sampai saat ini, Tes Turing baru dilewati satu kali. Pada tahun 2014, program Eugene Goostman, yang meniru seorang remaja berusia 13 tahun yang disebut oleh pengembang sebagai Zhenya Goostman, mampu menyesatkan juri dan menyamar sebagai seseorang.

Namun, ada banyak keberatan terhadap tes tersebut. Baik komputer maupun programnya saat ini merupakan pembawa kecerdasan buatan yang lemah dan terfokus secara sempit. Kecerdasan seperti itu hanya bisa ditiru oleh orang yang mengikuti tes.

Semuanya akan berubah ketika kita beralih dari kecerdasan buatan yang lemah ke kecerdasan buatan yang kuat. Sebuah mesin yang diberkahi dengan kecerdasan buatan umum, yang serupa dengan kecerdasan manusia, sudah memiliki kesadaran dan kesadaran diri, dan karenanya akan berpikir. Komputer seperti itu akan lulus tes IQ standar, menjawab pertanyaan secara sadar seperti manusia.

IQ manusia berkisar antara 85 hingga 130. Indikator yang sama akan tersedia untuk AI umum. Namun tingkat IQ atas dari kecerdasan super buatan tidak akan memiliki batasan. Bisa jadi 1.000 atau 10.000. Apa yang menanti kita seiring dengan kemajuan AI?

Sejak ditemukannya komputer, kemampuan komputer untuk melakukan berbagai tugas terus berkembang secara eksponensial. Orang-orang mengembangkan kekuatan sistem komputer dengan meningkatkan tugas dan mengurangi ukuran komputer. Tujuan utama para peneliti di bidang kecerdasan buatan adalah menciptakan komputer atau mesin yang secerdas manusia.

Pencetus istilah “kecerdasan buatan” adalah John McCarthy, penemu bahasa Lisp, pendiri pemrograman fungsional, dan pemenang Turing Award atas kontribusinya yang sangat besar pada bidang penelitian kecerdasan buatan.

Kecerdasan buatan adalah suatu cara untuk membuat komputer, robot atau program yang dikendalikan komputer mampu berpikir secara cerdas seperti manusia.

Penelitian di bidang AI dilakukan dengan mempelajari kemampuan mental manusia, kemudian hasil penelitian tersebut digunakan sebagai dasar pengembangan program dan sistem cerdas.

Filsafat AI

Saat mengoperasikan sistem komputer canggih, semua orang bertanya-tanya: “Dapatkah sebuah mesin berpikir dan berperilaku sama seperti manusia?” "

Oleh karena itu, pengembangan AI dimulai dengan tujuan untuk menciptakan kecerdasan serupa di dalam mesin, mirip dengan kecerdasan manusia.

Tujuan Utama AI

• Penciptaan sistem pakar - sistem yang menunjukkan perilaku cerdas: mempelajari, menunjukkan, menjelaskan, dan memberi saran;
• Penerapan kecerdasan manusia pada mesin adalah terciptanya mesin yang mampu memahami, berpikir, mengajar, dan berperilaku seperti manusia.

Apa yang mendorong perkembangan AI?

Kecerdasan buatan adalah ilmu pengetahuan dan teknologi yang didasarkan pada disiplin ilmu seperti ilmu komputer, biologi, psikologi, linguistik, matematika, dan teknik mesin. Salah satu bidang utama kecerdasan buatan adalah pengembangan fungsi komputer yang berkaitan dengan kecerdasan manusia, seperti penalaran, pembelajaran, dan pemecahan masalah.

Program dengan dan tanpa AI

Program dengan dan tanpa AI berbeda dalam sifat-sifat berikut:

Aplikasi AI

AI telah menjadi dominan di berbagai bidang seperti:

Permainan - AI memainkan peran penting dalam permainan yang berkaitan dengan strategi seperti catur, poker, tic-tac-toe, dll., di mana komputer mampu menghitung sejumlah besar berbagai keputusan berdasarkan pengetahuan heuristik.

Pemrosesan bahasa alami adalah kemampuan berkomunikasi dengan komputer yang memahami bahasa alami yang diucapkan manusia.

Pengenalan ucapan - beberapa sistem cerdas mampu mendengar dan memahami bahasa yang digunakan seseorang untuk berkomunikasi. Mereka dapat menangani berbagai aksen, bahasa gaul, dll.

Pengenalan tulisan tangan - perangkat lunak membaca teks yang ditulis di atas kertas dengan pena atau di layar dengan stylus. Itu dapat mengenali bentuk huruf dan mengubahnya menjadi teks yang dapat diedit.

Robot pintar adalah robot yang mampu melakukan tugas yang diberikan oleh manusia. Mereka memiliki sensor untuk mendeteksi data fisik dari dunia nyata, seperti cahaya, panas, gerakan, suara, guncangan, dan tekanan. Mereka memiliki prosesor berkinerja tinggi, banyak sensor, dan memori besar. Selain itu, mereka mampu belajar dari kesalahannya sendiri dan beradaptasi dengan lingkungan baru.

Sejarah perkembangan AI

Berikut sejarah perkembangan AI pada abad ke-20

Tahun ini, Yandex meluncurkan asisten suara Alice. Layanan baru ini memungkinkan pengguna untuk mendengarkan berita dan cuaca, mendapatkan jawaban atas pertanyaan dan berkomunikasi dengan bot. "Alice" terkadang dia menjadi sombong, terkadang tampak masuk akal dan sarkastik secara manusiawi, tetapi sering kali tidak mengerti apa yang ditanyakan dan berakhir di genangan air.

Semua ini tidak hanya menimbulkan gelombang lelucon, tetapi juga babak baru diskusi tentang perkembangan kecerdasan buatan. Berita tentang pencapaian algoritme cerdas datang hampir setiap hari saat ini, dan pembelajaran mesin disebut-sebut sebagai salah satu bidang paling menjanjikan yang dapat Anda dedikasikan.

Untuk memperjelas pertanyaan utama tentang kecerdasan buatan, kami berbicara dengan Sergei Markov, seorang spesialis dalam kecerdasan buatan dan metode pembelajaran mesin, penulis salah satu program catur domestik paling kuat SmarThink dan pencipta proyek Abad XXII.

Sergei Markov,

spesialis kecerdasan buatan

Membongkar mitos tentang AI

jadi apa itu “kecerdasan buatan”?

Konsep “kecerdasan buatan” sampai batas tertentu kurang beruntung. Awalnya berasal dari komunitas ilmiah, akhirnya merambah ke dalam literatur fiksi ilmiah, dan melaluinya ke dalam budaya pop, di mana ia mengalami sejumlah perubahan, memperoleh banyak interpretasi dan, pada akhirnya, benar-benar membingungkan.

Inilah sebabnya kita sering mendengar pernyataan seperti ini dari non-spesialis: “AI tidak ada”, “AI tidak dapat diciptakan”. Kesalahpahaman tentang sifat penelitian AI dengan mudah membawa orang ke ekstrem lain - misalnya, sistem AI modern dikaitkan dengan adanya kesadaran, kehendak bebas, dan motif rahasia.

Mari kita coba pisahkan lalat dari irisan daging.

Dalam sains, kecerdasan buatan mengacu pada sistem yang dirancang untuk memecahkan masalah intelektual.

Pada gilirannya, tugas intelektual adalah tugas yang diselesaikan seseorang dengan menggunakan kecerdasannya sendiri. Perhatikan bahwa dalam kasus ini, para ahli dengan sengaja menghindari mendefinisikan konsep “kecerdasan”, karena sebelum munculnya sistem AI, satu-satunya contoh kecerdasan adalah kecerdasan manusia, dan mendefinisikan konsep kecerdasan berdasarkan satu contoh sama saja dengan mencoba. untuk menggambar garis lurus melalui satu titik. Pernyataan seperti itu mungkin ada dalam jumlah berapa pun, yang berarti bahwa perdebatan tentang konsep kecerdasan dapat berlangsung selama berabad-abad.

kecerdasan buatan yang “kuat” dan “lemah”.

Sistem AI dibagi menjadi dua kelompok besar.

Kecerdasan buatan terapan(istilah "AI lemah" atau "AI sempit" juga digunakan, dalam tradisi Inggris - AI lemah/terapan/sempit) adalah AI yang dirancang untuk memecahkan satu masalah intelektual atau sekelompok kecil masalah tersebut. Golongan ini mencakup sistem bermain catur, Go, pengenalan gambar, ucapan, pengambilan keputusan untuk mengeluarkan atau tidak mengeluarkan pinjaman bank, dan sebagainya.

Berbeda dengan AI terapan, konsep ini diperkenalkan kecerdasan buatan universal(juga “AI yang kuat”, dalam bahasa Inggris - AI yang kuat/Kecerdasan Umum Buatan) - yaitu, AI hipotetis (untuk saat ini) yang mampu memecahkan masalah intelektual apa pun.

Seringkali orang, tanpa mengetahui terminologinya, menyamakan AI dengan AI yang kuat, itulah sebabnya muncul penilaian dalam semangat “AI tidak ada.”

AI yang kuat sebenarnya belum ada. Hampir semua kemajuan yang kita lihat dalam dekade terakhir di bidang AI adalah kemajuan dalam sistem aplikasi. Keberhasilan ini tidak boleh dianggap remeh, karena sistem yang diterapkan dalam beberapa kasus mampu memecahkan masalah intelektual lebih baik daripada kecerdasan manusia secara universal.

Saya rasa Anda telah memperhatikan bahwa konsep AI cukup luas. Katakanlah perhitungan mental juga merupakan tugas intelektual, yang berarti bahwa mesin penghitung apa pun akan dianggap sebagai sistem AI. Bagaimana dengan tagihan? Sempoa? Mekanisme Antikythera? Memang, semua ini secara formal, meskipun primitif, adalah sistem AI. Namun, biasanya, dengan menyebut suatu sistem sebagai sistem AI, kami menekankan kompleksitas masalah yang diselesaikan oleh sistem ini.

Jelas sekali bahwa pembagian tugas intelektual menjadi sederhana dan kompleks sangatlah dibuat-buat, dan gagasan kita tentang kompleksitas tugas tertentu secara bertahap berubah. Mesin penghitung mekanis merupakan keajaiban teknologi pada abad ke-17, namun saat ini orang-orang, yang telah mengenal mekanisme yang jauh lebih kompleks sejak masa kanak-kanak, tidak lagi dapat terkesan olehnya. Ketika mobil yang memainkan Go atau mobil self-driving tidak lagi memukau masyarakat, mungkin akan ada orang yang akan meringis karena seseorang akan mengklasifikasikan sistem seperti itu sebagai AI.

“Robot Luar Biasa”: tentang kemampuan belajar AI

Kesalahpahaman lucu lainnya adalah bahwa sistem AI harus memiliki kemampuan untuk belajar mandiri. Di satu sisi, ini bukanlah properti penting dari sistem AI: ada banyak sistem luar biasa yang tidak mampu belajar mandiri, namun tetap memecahkan banyak masalah lebih baik daripada otak manusia. Di sisi lain, beberapa orang tidak mengetahui bahwa pembelajaran mandiri adalah properti yang diperoleh banyak sistem AI lebih dari lima puluh tahun yang lalu.

Ketika saya menulis program catur pertama saya pada tahun 1999, pembelajaran mandiri sudah menjadi hal yang lumrah di bidang ini - program dapat mengingat posisi berbahaya, menyesuaikan variasi pembukaan agar sesuai, dan mengatur gaya permainan, beradaptasi dengan lawan. Tentu saja program-program tersebut masih sangat jauh dari Alpha Zero. Namun, bahkan sistem yang mempelajari perilaku berdasarkan interaksi dengan sistem lain melalui eksperimen yang disebut “pembelajaran penguatan” sudah ada. Namun, entah kenapa, sebagian orang masih menganggap kemampuan belajar mandiri adalah hak prerogatif kecerdasan manusia.

Pembelajaran mesin, seluruh disiplin ilmu, berkaitan dengan proses pengajaran mesin untuk memecahkan masalah tertentu.

Ada dua kutub besar pembelajaran mesin - pembelajaran yang diawasi dan pembelajaran tanpa pengawasan.

Pada pelatihan dengan seorang guru mesin sudah mempunyai sejumlah solusi yang benar secara kondisional untuk serangkaian kasus tertentu. Tugas pelatihan dalam hal ini adalah untuk mengajarkan mesin, berdasarkan contoh yang tersedia, untuk membuat keputusan yang tepat dalam situasi lain yang tidak diketahui.

Ekstrem lainnya adalah belajar tanpa guru. Artinya, mesin ditempatkan pada situasi di mana keputusan yang benar tidak diketahui, hanya data yang tersedia dalam bentuk mentah dan tidak berlabel. Ternyata dalam kasus seperti itu Anda bisa mencapai beberapa keberhasilan. Misalnya, Anda dapat mengajari mesin untuk mengidentifikasi hubungan semantik antar kata dalam suatu bahasa berdasarkan analisis sekumpulan teks yang sangat besar.

Salah satu jenis pembelajaran yang diawasi adalah pembelajaran penguatan. Idenya adalah bahwa sistem AI bertindak sebagai agen yang ditempatkan di lingkungan simulasi tertentu di mana ia dapat berinteraksi dengan agen lain, misalnya, dengan salinan dirinya sendiri, dan menerima umpan balik dari lingkungan melalui fungsi penghargaan. Misalnya, program catur yang bermain sendiri, secara bertahap menyesuaikan parameternya dan dengan demikian secara bertahap memperkuat permainannya sendiri.

Pembelajaran penguatan adalah bidang yang cukup luas, dengan banyak teknik menarik yang digunakan, mulai dari algoritma evolusioner hingga optimasi Bayesian. Kemajuan terbaru dalam AI untuk game adalah tentang meningkatkan AI melalui pembelajaran penguatan.

Resiko Perkembangan Teknologi: Perlukah Kita Takut dengan “Kiamat”?

Saya bukan salah satu yang mengkhawatirkan AI, dan dalam hal ini saya tidak sendirian. Misalnya, pencipta kursus pembelajaran mesin di Stanford, Andrew Ng, membandingkan masalah bahaya AI dengan masalah kelebihan populasi di Mars.

Memang, kemungkinan besar manusia akan menjajah Mars di masa depan. Kemungkinan besar juga cepat atau lambat akan terjadi masalah kelebihan populasi di Mars, namun tidak sepenuhnya jelas mengapa kita harus mengatasi masalah ini sekarang? Yann LeCun, pencipta jaringan saraf konvolusional, dan bosnya Mark Zuckerberg, dan Yoshua Benyo, seorang pria yang sebagian besar berkat penelitiannya, jaringan saraf modern mampu memecahkan masalah kompleks di bidang pemrosesan teks, setuju dengan Ng.

Mungkin diperlukan waktu beberapa jam untuk menyampaikan pandangan saya mengenai masalah ini, jadi saya akan fokus hanya pada poin-poin utama saja.

1. ANDA TIDAK BISA MEMBATASI PERKEMBANGAN AI

Kelompok yang mengkhawatirkan mempertimbangkan risiko yang terkait dengan potensi dampak destruktif AI, namun mengabaikan risiko yang terkait dengan upaya membatasi atau bahkan menghentikan kemajuan di bidang ini. Kekuatan teknologi umat manusia meningkat dengan kecepatan yang luar biasa cepat, sehingga menimbulkan efek yang saya sebut “kiamat yang semakin murah”.

150 tahun yang lalu, dengan segala keinginannya, umat manusia tidak dapat menyebabkan kerusakan yang tidak dapat diperbaiki baik terhadap biosfer maupun dirinya sebagai suatu spesies. Untuk menerapkan skenario bencana 50 tahun yang lalu, kita perlu memusatkan seluruh kekuatan teknologi dari negara-negara nuklir. Besok, segelintir orang fanatik mungkin cukup untuk menimbulkan bencana global yang disebabkan oleh manusia.

Kekuatan teknologi kita berkembang jauh lebih cepat dibandingkan kemampuan kecerdasan manusia untuk mengendalikan kekuatan tersebut.

Kecuali jika kecerdasan manusia, dengan prasangka, agresi, delusi, dan keterbatasannya, digantikan oleh sistem yang mampu membuat keputusan yang lebih baik (baik AI atau, yang menurut saya lebih mungkin, kecerdasan manusia, yang ditingkatkan secara teknologi dan digabungkan dengan mesin menjadi satu sistem) , kita mungkin menunggu bencana global.

2. menciptakan superintelligence pada dasarnya tidak mungkin

Ada anggapan bahwa AI masa depan pasti akan menjadi superintelligence, lebih unggul dari manusia bahkan melebihi manusia yang lebih unggul dari semut. Dalam hal ini, saya khawatir akan mengecewakan para optimis teknologi - Alam Semesta kita mengandung sejumlah keterbatasan fisik mendasar yang, tampaknya, akan membuat penciptaan superintelligence menjadi mustahil.

Misalnya, kecepatan transmisi sinyal dibatasi oleh kecepatan cahaya, dan ketidakpastian Heisenberg muncul pada skala Planck. Hal ini mengarah pada batas fundamental pertama - batas Bremermann, yang memperkenalkan pembatasan kecepatan perhitungan maksimum untuk sistem otonom dengan massa tertentu m.

Batasan lain terkait dengan prinsip Landauer, yang menyatakan bahwa ada jumlah minimum panas yang dihasilkan saat memproses 1 bit informasi. Perhitungan yang terlalu cepat akan menyebabkan pemanasan dan kerusakan sistem yang tidak dapat diterima. Faktanya, prosesor modern tertinggal seribu kali lipat dari batas Landauer. Tampaknya 1000 itu cukup banyak, tetapi masalah lainnya adalah banyak tugas intelektual yang termasuk dalam kelas kesulitan EXPTIME. Artinya waktu yang dibutuhkan untuk menyelesaikannya merupakan fungsi eksponensial dari besarnya permasalahan. Mempercepat sistem beberapa kali hanya memberikan peningkatan “kecerdasan” yang konstan.

Secara umum, terdapat alasan yang sangat serius untuk meyakini bahwa AI yang sangat cerdas dan kuat tidak akan berhasil, meskipun, tentu saja, tingkat kecerdasan manusia mungkin akan terlampaui. Seberapa berbahayanya ini? Kemungkinan besar tidak terlalu banyak.

Bayangkan Anda tiba-tiba mulai berpikir 100 kali lebih cepat dibandingkan orang lain. Apakah ini berarti Anda dapat dengan mudah membujuk orang yang lewat untuk memberikan dompetnya kepada Anda?

3. kita khawatir tentang hal-hal yang salah

Sayangnya, sebagai akibat dari spekulasi yang mengkhawatirkan mengenai ketakutan publik, yang diangkat pada “The Terminator” dan HAL 9000 Clark dan Kubrick yang terkenal, terdapat pergeseran penekanan di bidang keselamatan AI ke arah analisis hal-hal yang tidak terduga. , tapi skenario yang efektif. Pada saat yang sama, bahaya nyata tidak lagi terlihat.

Teknologi apa pun yang cukup kompleks yang ingin menduduki tempat penting dalam lanskap teknologi kita tentu saja membawa risiko tertentu. Banyak nyawa yang musnah akibat mesin uap – di bidang manufaktur, transportasi, dan sebagainya – sebelum peraturan dan langkah-langkah keselamatan yang efektif dikembangkan.

Jika kita berbicara tentang kemajuan di bidang penerapan AI, kita dapat memperhatikan masalah terkait yang disebut “Pengadilan Rahasia Digital”. Semakin banyak aplikasi AI yang mengambil keputusan mengenai isu-isu yang mempengaruhi kehidupan dan kesehatan manusia. Ini termasuk sistem diagnostik medis dan, misalnya, sistem yang membuat keputusan di bank tentang mengeluarkan atau tidak memberikan pinjaman kepada klien.

Pada saat yang sama, struktur model yang digunakan, serangkaian faktor yang digunakan, dan rincian lain dari prosedur pengambilan keputusan disembunyikan sebagai rahasia dagang dari orang yang nasibnya dipertaruhkan.

Model yang digunakan mungkin mendasarkan keputusannya pada pendapat guru ahli yang melakukan kesalahan sistematis atau memiliki prasangka tertentu – ras, gender.

AI yang dilatih berdasarkan keputusan para ahli akan dengan setia mereproduksi bias-bias ini dalam keputusannya. Bagaimanapun, model ini mungkin mengandung cacat tertentu.

Hanya sedikit orang yang menghadapi masalah ini sekarang, karena, tentu saja, SkyNet yang memulai perang nuklir jauh lebih spektakuler.

Jaringan saraf sebagai “tren panas”

Di satu sisi, jaringan saraf adalah salah satu model tertua yang digunakan untuk membuat sistem AI. Awalnya muncul sebagai hasil dari pendekatan bionik, mereka dengan cepat lolos dari prototipe biologisnya. Satu-satunya pengecualian di sini adalah jaringan saraf berdenyut (namun, mereka belum diterapkan secara luas di industri).

Kemajuan beberapa dekade terakhir dikaitkan dengan perkembangan teknologi pembelajaran mendalam - sebuah pendekatan di mana jaringan saraf dirangkai dari sejumlah besar lapisan, yang masing-masing dibangun berdasarkan pola reguler tertentu.

Selain penciptaan model jaringan saraf baru, kemajuan penting juga telah dicapai di bidang teknologi pembelajaran. Saat ini, jaringan saraf tidak lagi diajarkan menggunakan prosesor pusat komputer, tetapi menggunakan prosesor khusus yang mampu melakukan penghitungan matriks dan tensor dengan cepat. Jenis perangkat yang paling umum saat ini adalah kartu video. Namun, pengembangan perangkat yang lebih khusus untuk melatih jaringan saraf sedang berlangsung secara aktif.

Secara umum, tentu saja, jaringan saraf saat ini adalah salah satu teknologi utama di bidang pembelajaran mesin, yang menjadi solusi bagi banyak masalah yang sebelumnya diselesaikan dengan tidak memuaskan. Di sisi lain, tentunya Anda perlu memahami bahwa jaringan saraf bukanlah obat mujarab. Untuk beberapa tugas, ini bukan alat yang paling efektif.

Jadi seberapa pintar sebenarnya robot masa kini?

Semuanya relatif. Dibandingkan dengan teknologi tahun 2000, pencapaian saat ini tampak seperti keajaiban nyata. Akan selalu ada orang yang suka menggerutu. 5 tahun yang lalu mereka berbicara dengan sekuat tenaga tentang bagaimana mesin tidak akan pernah menang melawan orang-orang di Go (atau, setidaknya, mereka tidak akan menang dalam waktu dekat). Mereka mengatakan bahwa mesin tidak akan pernah bisa menggambar dari awal, sedangkan saat ini masyarakat praktis tidak bisa membedakan lukisan yang dibuat oleh mesin dengan lukisan karya seniman yang tidak mereka kenal. Pada akhir tahun lalu, mesin belajar mensintesis ucapan yang secara praktis tidak dapat dibedakan dari ucapan manusia, dan dalam beberapa tahun terakhir, musik yang diciptakan oleh mesin tidak membuat telinga lelah.

Mari kita lihat apa yang terjadi besok. Saya sangat optimis dengan penerapan AI ini.

Arahan yang menjanjikan: dari mana harus mulai terjun ke bidang AI?

Saya akan menyarankan Anda untuk mencoba tingkat yang baik menguasai salah satu framework jaringan saraf populer dan salah satu bahasa pemrograman terpopuler di bidang pembelajaran mesin (kombinasi paling populer saat ini adalah TensorFlow + Python).

Setelah menguasai alat-alat ini dan idealnya memiliki dasar yang kuat di bidang statistik matematika dan teori probabilitas, Anda harus mengarahkan upaya Anda ke bidang yang paling menarik bagi Anda secara pribadi.

Ketertarikan pada subjek pekerjaan Anda adalah salah satu penolong terpenting Anda.

Kebutuhan akan spesialis pembelajaran mesin sangat besar daerah yang berbeda- di bidang kedokteran, perbankan, sains, produksi, jadi saat ini spesialis yang baik diberikan pilihan yang lebih luas daripada sebelumnya. Bagi saya, manfaat potensial dari salah satu industri ini tidak signifikan dibandingkan dengan fakta bahwa Anda akan menikmati pekerjaan tersebut.

“Kita berada di ambang perubahan terbesar yang sebanding dengan evolusi manusia” - Penulis fiksi ilmiah Vernor Stefan Vinge

Bagaimana perasaan Anda jika Anda tahu bahwa Anda berada di ambang perubahan besar seperti pria kecil pada grafik di bawah ini?

Sumbu vertikal adalah perkembangan umat manusia, sumbu horizontal adalah waktu

Menyenangkan, bukan?

Namun, jika Anda menyembunyikan sebagian grafik, semuanya terlihat jauh lebih membosankan.

Masa depan yang jauh sudah dekat

Bayangkan Anda berada di tahun 1750. Pada masa itu masyarakat belum pernah mendengar tentang listrik, komunikasi jarak jauh dilakukan dengan bantuan obor, dan satu-satunya alat transportasi harus diberi makan jerami sebelum melakukan perjalanan. Jadi Anda memutuskan untuk membawa "orang dari masa lalu" itu bersama Anda dan menunjukkan kepadanya kehidupan di tahun 2016. Bahkan mustahil untuk membayangkan apa yang akan dia rasakan jika dia mendapati dirinya berada di jalan yang lebar dan rata, di mana mobil-mobil melaju kencang. Tamu Anda akan sangat terkejut bahwa orang-orang modern dapat berkomunikasi meskipun mereka berada di belahan dunia yang berbeda, mengikuti acara olahraga di negara lain, menonton konser dari 50 tahun yang lalu, dan juga menyimpan momen apa pun dalam foto atau video. Dan jika Anda memberi tahu orang ini dari tahun 1750 tentang Internet, Stasiun Luar Angkasa Internasional, Large Hadron Collider, dan Teori Relativitas, pandangannya tentang dunia mungkin akan runtuh. Dia bahkan bisa mati karena tayangan yang berlebihan.

Namun inilah yang menarik: jika tamu Anda kembali ke abad “aslinya” dan memutuskan untuk melakukan eksperimen serupa, mengajak seseorang dari tahun 1500 untuk menaiki mesin waktu, meskipun pengunjung dari masa lalu mungkin juga akan terkejut dengan banyak hal. pengalamannya tidak akan begitu mengesankan — perbedaan antara tahun 1500 dan 1750 tidak terlalu mencolok dibandingkan antara tahun 1750 dan 2016.

Jika seseorang dari abad ke-18 ingin mengesankan tamu dari masa lalu, maka dia harus mengundang seseorang yang hidup pada 12.000 SM, sebelum Revolusi Besar Agraria. Bisa saja ia “terpesona” dengan perkembangan teknologi. Melihat menara lonceng gereja yang tinggi, kapal yang mengarungi lautan, kota dengan ribuan penduduk, ia akan pingsan karena emosi yang melonjak.

Laju perkembangan teknologi dan masyarakat terus meningkat. Penemu dan futuris terkenal Amerika, Raymond Kurzweil, menyebutnya dengan istilah “Hukum Percepatan Sejarah”. Hal ini terjadi karena diperkenalkannya teknologi baru memungkinkan masyarakat berkembang lebih cepat. Misalnya, masyarakat yang hidup pada abad ke-19 memiliki teknologi yang lebih maju dibandingkan masyarakat pada abad ke-15. Oleh karena itu, tidak mengherankan jika abad ke-19 membawa lebih banyak prestasi bagi umat manusia dibandingkan abad ke-15.

Namun jika teknologi berkembang semakin cepat, kita pasti mengharapkan banyak penemuan terhebat di masa depan, bukan? Jika Kurzweil dan orang-orang yang berpikiran sama benar, maka pada tahun 2030 kita akan mengalami emosi yang sama seperti seseorang yang datang dari tahun 1750 ke kita. Dan pada tahun 2050, dunia akan banyak berubah sehingga kita sulit membedakan ciri-ciri dekade-dekade sebelumnya.

Semua hal di atas bukanlah fiksi ilmiah - ini dikonfirmasi secara ilmiah dan cukup logis. Namun, banyak yang masih skeptis dengan klaim tersebut. Hal ini terjadi karena beberapa alasan:

1. Banyak orang yang berpendapat bahwa perkembangan masyarakat terjadi secara merata dan lancar. Saat kita memikirkan seperti apa dunia ini 30 tahun mendatang, kita teringat akan apa yang terjadi dalam 30 tahun terakhir. Pada titik ini, kita melakukan kesalahan yang sama seperti orang pada contoh di atas, yang hidup pada tahun 1750 dan mengundang tamu dari tahun 1500. Untuk membayangkan dengan tepat kemajuan di masa depan, Anda perlu membayangkan bahwa pembangunan terjadi dengan kecepatan yang jauh lebih cepat dibandingkan masa lalu.

2. Kita salah memahami lintasan perkembangan masyarakat modern. Misalnya, jika kita melihat segmen kecil dari kurva eksponensial, kita mungkin akan melihatnya sebagai garis lurus (seolah-olah kita sedang melihat bagian dari lingkaran). Namun, pertumbuhan eksponensial tidaklah mulus dan lancar. Kurzweil menjelaskan bahwa kemajuan mengikuti kurva berbentuk s, seperti terlihat pada grafik di bawah ini:

Setiap “putaran” pembangunan dimulai dengan lompatan mendadak, yang kemudian digantikan oleh pertumbuhan yang stabil dan bertahap.

Jadi, setiap “putaran” pembangunan baru dibagi menjadi beberapa tahap:

1. Pertumbuhan lambat (perkembangan fase awal);
2. Pertumbuhan pesat (frasa pembangunan kedua yang “eksplosif”);
3. "Penyelarasan" kapan teknologi baru dibawa ke kesempurnaan.

Jika kita melihat kejadian terkini, kita mungkin sampai pada kesimpulan bahwa kita tidak sepenuhnya menyadari betapa cepatnya kemajuan teknologi. Misalnya, antara tahun 1995 dan 2007 kita bisa melihat munculnya Internet, Microsoft, Google dan Facebook, jaringan sosial, ponsel, dan kemudian ponsel cerdas. Namun periode antara 2008 dan 2016 tidak begitu kaya dengan penemuan-penemuan, setidaknya di bidang teknologi tinggi. Jadi, kita sekarang berada pada tahap 3 dari garis pengembangan berbentuk s.

3. Banyak orang yang tersandera oleh pengalaman hidup mereka sendiri, sehingga mengubah pandangan mereka tentang masa depan. Ketika kami mendengar prediksi apa pun tentang masa depan yang bertentangan dengan sudut pandang kami berdasarkan pengalaman sebelumnya, kami menganggap penilaian ini naif. Misalnya, jika mereka memberi tahu Anda hari ini bahwa di masa depan orang akan hidup 150-250 tahun atau , kemungkinan besar Anda akan menjawab: "Ini bodoh, karena diketahui bahwa setiap orang fana." Memang benar, semua orang yang pernah hidup di masa lalu telah meninggal dan terus mati hingga saat ini. Namun perlu dicatat bahwa tidak ada seorang pun yang menerbangkan pesawat sampai akhirnya ditemukan.

Faktanya, banyak hal akan berubah dalam beberapa dekade mendatang, dan perubahan tersebut akan sangat signifikan sehingga sulit untuk membayangkannya saat ini. Setelah membaca artikel ini sampai habis, Anda dapat mengetahui lebih jauh apa yang terjadi saat ini di dunia sains dan teknologi tinggi.

Apa itu kecerdasan buatan (AI)?

1. Kami mengasosiasikan AI dengan film seperti “Star Wars”, “Terminator”, dan sebagainya. Dalam hal ini, kami memperlakukannya sebagai fiksi.

2. AI adalah konsep yang cukup luas. Ini berlaku untuk kalkulator saku dan mobil tanpa pengemudi. Keberagaman seperti ini membingungkan.

3. Kita menggunakan kecerdasan buatan dalam kehidupan sehari-hari, tapi kita tidak menyadarinya. Kita menganggap AI sebagai sesuatu yang mistis dari dunia masa depan, sehingga sulit bagi kita untuk menyadari bahwa AI sudah ada di sekitar kita.

Dalam hal ini, perlu dipahami beberapa hal untuk selamanya. Pertama, kecerdasan buatan bukanlah robot. Robot adalah sejenis cangkang AI yang terkadang memiliki bentuk tubuh manusia. Namun, kecerdasan buatan adalah komputer di dalam robot. Hal ini dapat dibandingkan dengan otak di dalam tubuh manusia. Misalnya suara perempuan yang kita dengar hanyalah personifikasi.

Kedua, Anda mungkin pernah menemukan konsep “singularitas” atau “singularitas teknologi”. Istilah ini digunakan untuk menggambarkan situasi di mana hukum dan peraturan yang lazim tidak berlaku. Konsep ini digunakan dalam fisika untuk menggambarkan lubang hitam atau momen kompresi Alam Semesta sebelum Big Bang. Pada tahun 1993, Vernor Vinge menerbitkan esainya yang terkenal di mana ia menggunakan singularitas untuk mengidentifikasi suatu titik di masa depan ketika kecerdasan buatan akan melampaui kecerdasan kita. Menurutnya, ketika momen ini tiba, dunia dengan segala aturan dan hukumnya akan lenyap seperti dulu.

Terakhir, ada beberapa jenis kecerdasan buatan, di antaranya ada tiga kategori utama yang dapat dibedakan:

1. Kecerdasan Buatan Terbatas (ANI, Artificial Narrow Intelligence). Ini adalah AI yang berspesialisasi dalam satu bidang tertentu. Misalnya, dia bisa mengalahkan juara catur dunia dalam permainan catur, tapi hanya itu yang bisa dia lakukan.

2. Kecerdasan Buatan Umum (AGI, Kecerdasan Umum Buatan). AI tersebut adalah komputer yang kecerdasannya mirip dengan manusia, yaitu dapat melakukan semua tugas yang sama seperti manusia. Profesor Linda Gottfredson menggambarkan fenomena ini sebagai berikut: “AI umum mewujudkan kemampuan berpikir umum, yang juga mencakup kemampuan untuk menalar, merencanakan, memecahkan masalah, berpikir abstrak, membandingkan ide-ide kompleks, belajar dengan cepat, dan menggunakan akumulasi pengalaman.”

3. Superintelligensi Buatan (ASI, Superintelligence Buatan). Filsuf Swedia dan profesor Universitas Oxford Nick Bostrom mendefinisikan superintelligence sebagai “kecerdasan yang lebih unggul daripada manusia dalam hampir semua bidang, termasuk penemuan ilmiah, pengetahuan umum, dan keterampilan sosial.”

Saat ini umat manusia sudah berhasil menggunakan AI terbatas. Kami sedang dalam perjalanan untuk menguasai AGI. Bagian artikel berikut ini akan membahas masing-masing kategori ini secara rinci.

Dunia yang Diperintah oleh Kecerdasan Buatan yang Terbatas

Kecerdasan buatan terbatas adalah kecerdasan mesin yang setara atau lebih unggul dari kecerdasan manusia dalam memecahkan masalah yang sempit. Di bawah ini beberapa contohnya:

• mobil tanpa pengemudi dari Google yang mengenali dan bereaksi terhadap berbagai rintangan yang dilaluinya;
• adalah "surga" berbagai bentuk AI terbatas. Saat Anda berkeliling kota menggunakan tip navigasi, mendapatkan rekomendasi musik dari Pandora, memeriksa ramalan cuaca, berbicara dengan Siri, Anda menggunakan ANI;
• filter spam di email Anda - pertama mereka belajar mengenali spam, dan kemudian, menganalisis pengalaman mereka sebelumnya dan preferensi Anda, mereka memindahkan surat ke folder khusus;
• penerjemah Google Terjemahan adalah contoh klasik AI terbatas yang mampu mengatasi tugasnya dengan cukup baik;
• pada saat pesawat mendarat, sistem khusus berbasis AI menentukan melalui gerbang mana penumpang harus keluar.

Sistem kecerdasan buatan yang terbatas tidak menimbulkan ancaman apa pun bagi manusia. Dalam kasus terburuk, kegagalan sistem tersebut dapat menyebabkan bencana lokal seperti lonjakan listrik atau keruntuhan kecil di pasar keuangan.

Setiap penemuan baru di bidang AI terbatas membawa kita selangkah lebih dekat pada penciptaan kecerdasan buatan umum.

Mengapa ini sangat sulit?

Jika Anda mencoba membuat komputer dengan kecerdasan yang sama dengan manusia, Anda akan mulai menghargai kemampuan berpikir Anda. Merancang gedung pencakar langit, meluncurkan roket ke luar angkasa, mempelajari teori Big Bang - semua ini jauh lebih mudah dilakukan daripada mempelajari otak manusia. Saat ini, pikiran kita adalah objek paling kompleks di alam semesta yang dapat diamati.

Hal yang paling menarik adalah kesulitan dalam menciptakan AI umum muncul pada hal-hal yang tampaknya paling sederhana. Misalnya, membuat perangkat yang dapat mengalikan sepuluh digit angka dalam sepersekian detik tidaklah sulit. Pada saat yang sama, sangat sulit untuk menulis sebuah program yang dapat mengenali siapa yang ada di depan monitor: kucing atau anjing. Buat komputer yang bisa mengalahkan manusia dalam catur? Mudah! Membuat mesin membaca dan memahami apa yang tertulis di buku anak-anak? Google menghabiskan miliaran dolar untuk mengatasi masalah ini. Hal-hal seperti perhitungan matematis, pembuatan strategi keuangan, penerjemahan dari satu bahasa ke bahasa lain telah diselesaikan dengan bantuan AI. Namun, penglihatan, persepsi, gerak tubuh, dan pergerakan di ruang angkasa masih menjadi masalah yang belum terpecahkan bagi komputer.

Keterampilan ini tampak sederhana bagi manusia karena telah berkembang selama jutaan tahun evolusi. Saat Anda mengulurkan tangan untuk mengambil suatu benda, otot, ligamen, dan tulang Anda melakukan serangkaian operasi yang sesuai dengan apa yang dilihat mata Anda.

Di sisi lain, mengalikan bilangan besar dan bermain catur adalah tindakan baru bagi makhluk biologis. Itu sebabnya sangat mudah bagi komputer untuk mengalahkan kita dalam hal ini. Pikirkan tentang program mana yang ingin Anda buat: program yang dapat mengalikan bilangan besar dengan cepat atau sekadar mengenali huruf B dari ribuan program lain yang ditulis dengan font berbeda?

Contoh menarik lainnya: dengan melihat gambar di bawah, Anda dan komputer dapat dengan jelas mengenali bahwa gambar tersebut mewakili persegi panjang yang terdiri dari kotak dengan dua warna berbeda:

Namun, segera setelah kita menghapus latar belakang hitam, gambar lengkap yang sebelumnya tersembunyi akan terbuka di hadapan kita:

Tidak akan sulit bagi seseorang untuk menyebutkan dan mendeskripsikan semua sosok yang dilihatnya dalam gambar ini. Namun, komputer tidak dapat mengatasi tugas ini. Dan setelah menganalisa gambar di bawah ini, ia akan menyimpulkan bahwa di depannya terdapat gabungan banyak objek dua dimensi berwarna putih, hitam dan abu-abu. Dalam hal ini, seseorang dapat dengan mudah mengatakan bahwa gambar tersebut menunjukkan batu hitam:

Segala sesuatu yang disebutkan di atas hanya berkaitan dengan persepsi dan pemrosesan informasi statis. Untuk menyamai tingkat kecerdasan manusia, komputer perlu belajar mengenali ekspresi wajah, gerak tubuh, dan lain sebagainya. Tapi bagaimana cara mencapai semua ini?

Langkah pertama menuju penciptaan AI umum adalah meningkatkan kekuatan komputer

Tentu saja, jika kita ingin menciptakan komputer “pintar”, mereka harus memiliki kemampuan berpikir yang sama dengan manusia. Salah satu cara untuk mencapai hal ini adalah dengan meningkatkan jumlah operasi per detik. Untuk melakukan ini, perlu dihitung berapa banyak operasi per detik yang dilakukan setiap struktur otak manusia.

Ray Kurzweil melakukan beberapa perhitungan dan berhasil menghasilkan 10.000.000.000.000.000 operasi per detik. Otak manusia memiliki produktivitas yang kurang lebih sama.

Saat ini, superkomputer paling kuat adalah Tianhe-2 China, yang kinerjanya mencapai 34 kuadriliun operasi per detik. Namun, ukuran superkomputer ini sangat mengesankan - mencakup area seluas 720 meter persegi dan biaya $390.000.000.

Jadi, jika dilihat dari sisi teknisnya, kita sudah memiliki komputer yang kinerjanya sebanding dengan otak manusia. Ini tidak tersedia untuk konsumen massal, tetapi dalam sepuluh tahun akan tersedia. Namun, performa bukanlah satu-satunya hal yang dapat memberikan kecerdasan komputer layaknya manusia. Pertanyaan selanjutnya adalah: bagaimana membuat komputer yang kuat menjadi cerdas?

Langkah kedua menuju penciptaan AI umum adalah memberikan kecerdasan pada mesin

Ini adalah bagian proses yang paling sulit, karena tidak ada seorang pun yang benar-benar tahu cara membuat komputer menjadi pintar. Masih ada perdebatan tentang bagaimana cara mengaktifkan mesin untuk membedakan kucing dari anjing atau mengenali huruf B. Namun ada beberapa strategi yang beberapa di antaranya dijelaskan secara singkat di bawah ini:

1. Meniru otak manusia

Saat ini, para ilmuwan sedang mengerjakan apa yang disebut rekayasa balik otak manusia. Menurut perkiraan optimis, pekerjaan ini akan selesai pada tahun 2030. Setelah proyek dibuat, kita akan dapat mempelajari semua rahasia otak kita dan mendapatkan ide-ide baru darinya. Contoh dari sistem tersebut adalah jaringan saraf tiruan.

Gagasan lain yang lebih ekstrem adalah meniru sepenuhnya fungsi otak manusia. Selama percobaan ini, direncanakan untuk memotong otak menjadi banyak lapisan tipis dan memindai masing-masing lapisan tersebut. Kemudian, dengan menggunakan program khusus, Anda perlu membuat model 3D, dan kemudian mengimplementasikannya ke dalam komputer yang kuat. Setelah ini, kita akan menerima perangkat yang secara resmi memiliki semua fungsi otak manusia - yang tersisa hanyalah mengumpulkan informasi dan belajar.

Berapa lama kita harus menunggu hingga para ilmuwan dapat membuat salinan persis otak manusia? Cukup lama, karena hingga saat ini para ahli belum mampu menyalin lapisan otak setebal 1 mm pun yang terdiri dari 302 neuron (otak kita terdiri dari 100.000.000.000 neuron).

2. Merekapitulasi evolusi otak manusia

Membuat komputer pintar secara teoritis mungkin dilakukan, dan evolusi otak kita adalah buktinya. Jika kita tidak dapat membuat salinan otak yang persis sama, kita dapat mencoba meniru evolusinya. Faktanya, misalnya, tidak mungkin membuat pesawat terbang hanya dengan meniru sayap burung. Untuk membuat pesawat berkualitas tinggi, lebih baik menggunakan pendekatan lain.

Bagaimana kita bisa mensimulasikan proses evolusi untuk menciptakan AI umum? Metode ini disebut algoritma genetika. Inti dari pendekatan ini adalah bahwa masalah optimasi dan pemodelan diselesaikan dengan menggunakan mekanisme yang mirip dengan seleksi alam di alam yang hidup. Beberapa komputer akan melakukan tugas yang berbeda, dan komputer yang terbukti paling efisien akan "disilangkan" satu sama lain. Mesin yang gagal menyelesaikan tugas akan dikeluarkan. Jadi, setelah percobaan ini diulang berkali-kali, algoritma seleksi alam akan menciptakan komputer yang semakin baik. Kesulitannya di sini terletak pada otomatisasi proses evolusi dan “penyeberangan”, karena proses evolusi harus berjalan dengan sendirinya.

Kerugian dari metode yang dijelaskan ini adalah bahwa di alam evolusi memerlukan waktu jutaan tahun, namun kita memerlukan hasil dalam beberapa dekade.

3. Pindahkan semua tugas ke komputer

Ketika para ilmuwan putus asa, mereka mencoba membuat program yang dapat menguji dirinya sendiri. Ini mungkin metode yang paling menjanjikan untuk menciptakan AI umum.

Idenya adalah untuk membuat komputer yang fungsi utamanya adalah penelitian AI dan perubahan pengkodean. Komputer seperti itu tidak hanya akan belajar secara mandiri, tetapi juga mengubah arsitekturnya sendiri. Para ilmuwan berencana untuk mengajari komputer menjadi peneliti yang tugas utamanya adalah mengembangkan kecerdasannya sendiri.

Semua ini bisa terjadi dalam waktu dekat

Peningkatan berkelanjutan pada komputer dan eksperimen inovatif dengan perangkat lunak baru terjadi secara paralel. Kecerdasan umum buatan dapat muncul dengan cepat dan tidak terduga karena dua alasan utama:

1. Tingkat pertumbuhan eksponensial tampaknya sangat lambat, namun dapat meningkat kapan saja.

2. Dalam hal perangkat lunak, kemajuan tampaknya sangat lambat, namun satu penemuan dapat membawa kita ke tingkat berikutnya dalam sekejap mata. tingkat baru perkembangan. Misalnya, kita semua tahu bahwa dulunya orang mengira bumi adalah pusat alam semesta. Dalam hal ini, banyak kesulitan yang muncul dalam studi ruang. Namun, kemudian sistem dunia tiba-tiba berubah menjadi heliosentris. Ketika ide-ide berubah secara dramatis, penelitian baru menjadi mungkin dilakukan.

Dalam Perjalanan dari AI Terbatas menuju Kecerdasan Super Buatan

Pada titik tertentu dalam perkembangan AI yang terbatas, komputer akan mulai melampaui kita. Faktanya, kecerdasan buatan yang identik dengan otak manusia akan memiliki beberapa keunggulan dibandingkan manusia, di antaranya yang dapat dibedakan sebagai berikut:

Kecepatan. Neuron otak kita beroperasi pada frekuensi maksimum 200Hz, sedangkan mikroprosesor modern beroperasi pada 2GHz, atau 10 juta kali lebih cepat.

Ukuran. Otak manusia dibatasi oleh ukuran tengkorak sehingga tidak dapat bertambah besar. Komputer bisa berukuran berapa pun, menyediakan lebih banyak ruang untuk menyimpan file.

Keandalan dan daya tahan. Transistor komputer beroperasi dengan presisi lebih tinggi daripada neuron otak. Selain itu, mudah diperbaiki atau diganti. Otak manusia cenderung cepat lelah, sedangkan komputer dapat bekerja dengan kapasitas penuh sepanjang waktu.

Kecerdasan buatan, yang diprogram untuk pengembangan diri terus-menerus, tidak akan membatasi dirinya pada batasan apa pun. Artinya, begitu sebuah mesin mencapai tingkat kecerdasan manusia, ia tidak akan berhenti sampai disitu saja.

Tentu saja, ketika komputer menjadi “lebih pintar” dari kita, hal ini akan mengejutkan seluruh umat manusia. Faktanya, sebagian besar dari kita memiliki pandangan menyimpang tentang kecerdasan seperti ini:

Pandangan kita yang menyimpang tentang kecerdasan.

Sumbu horizontal adalah waktu, sumbu vertikal adalah kecerdasan.

Tingkat kecerdasan mulai dari bawah ke atas: semut, burung, simpanse, orang bodoh, Einstein. Di antara orang bodoh dan Einstein ada seorang pria yang berkata: “Ha ha! Robot lucu ini bertingkah seperti monyet!”

Perkembangan kecerdasan buatan ditandai dengan warna merah.

Jadi, kurva perkembangan kecerdasan buatan pada grafiknya cenderung mencapai level manusia. Kita menyaksikan mesin secara bertahap menjadi lebih pintar daripada hewan. Namun, begitu AI mencapai tingkat "manusia yang berpikiran tertutup" atau, seperti yang dikatakan Nick Bostrom, "orang bodoh di desa", itu berarti kecerdasan umum buatan telah tercipta. Dalam hal ini, tidak akan sulit bagi komputer untuk mencapai level Einstein. Perkembangan pesat tersebut ditunjukkan pada gambar di bawah ini:

Tapi apa yang terjadi selanjutnya?

Ledakan intelektual

Di sini perlu diingat bahwa semua yang tertulis dalam artikel ini adalah deskripsi ramalan ilmiah nyata yang disusun oleh para ilmuwan terkemuka.

Bagaimanapun, sebagian besar model kecerdasan buatan terbatas mencakup fungsi pengembangan diri. Tetapi bahkan jika Anda membuat AI yang pada awalnya tidak menyediakan fungsi seperti itu, setelah mencapai tingkat kecerdasan manusia, komputer akan memperoleh kemampuan untuk belajar secara mandiri sesuai keinginan. Sebagai hasilnya, kecerdasan mesin secara bertahap akan berkembang dan menjadi kecerdasan super yang jauh lebih unggul daripada pikiran manusia.

Saat ini terdapat perdebatan mengenai kapan AI akan mencapai tingkat kecerdasan manusia. Ratusan ilmuwan sepakat hal ini akan terjadi sekitar tahun 2040. Tidak terlalu lama bukan?

Jadi, diperlukan waktu puluhan tahun bagi kecerdasan buatan untuk mencapai tingkat kecerdasan manusia, namun pada akhirnya hal itu akan terjadi. Komputer akan belajar memahami dunia di sekitarnya dengan cara yang sama seperti pemahaman anak berusia 4 tahun. Tiba-tiba, setelah menyerap informasi ini, sistem akan menguasai fisika teoretis, mekanika kuantum, dan teori relativitas. Dalam satu setengah jam, AI akan berubah menjadi superintelligence buatan, 170 ribu kali lebih besar dari kemampuan otak manusia.

Superintelligence adalah sebuah fenomena yang kita bahkan tidak dapat memahaminya sebagian. Menurut pendapat kami orang pintar memiliki IQ 130, dan bodoh memiliki kurang dari 85. Tapi kata apa yang bisa kamu pilih untuk makhluk dengan IQ 12952?

Kecerdasan identik dengan kekuatan, itulah sebabnya saat ini manusia berada di puncak evolusi, menundukkan semua makhluk hidup lainnya. Artinya, dengan munculnya kecerdasan super buatan, kita tidak lagi menjadi “mahkota alam”. Kita akan tunduk pada supermind.

Jika otak kita yang terbatas dapat menciptakan Wi-Fi, bayangkan betapa besarnya pikiran yang bisa diciptakan oleh ratusan, ribuan, bahkan jutaan kali lipat dari kita. Kecerdasan ini akan mampu mengontrol lokasi setiap atom di planet ini. Segala sesuatu yang sekarang kita anggap sebagai sihir atau kekuatan Tuhan akan menjadi tugas superintelligence sehari-hari. Supermind akan mampu mengalahkan usia tua, menyembuhkan penyakit, menghancurkan kelaparan bahkan kematian. Ia bahkan mampu memprogram ulang cuaca untuk melindungi kehidupan di Bumi. Namun kecerdasan super dapat menghancurkan kehidupan di planet ini dalam sekejap mata. Dalam pemahaman kita saat ini tentang realitas, Tuhan akan berada di samping kita dalam peran superintelligence. Satu-satunya pertanyaan yang perlu kita tanyakan pada diri kita adalah: apakah ini Tuhan yang baik?

Kecerdasan buatan: bagaimana dan di mana belajar - jawaban para ahli

“Saya ingin melakukan AI. Apa yang layak dipelajari? Bahasa apa yang harus saya gunakan? Di organisasi mana saya harus belajar dan bekerja?

Kami meminta klarifikasi kepada para ahli kami, dan kami menyajikan jawaban yang diterima untuk perhatian Anda.

Itu tergantung pada pelatihan dasar Anda. Pertama-tama, Anda memerlukan budaya matematika (pengetahuan statistik, teori probabilitas, matematika diskrit, aljabar linier, analisis, dll.) dan kemauan untuk belajar banyak dengan cepat. Saat menerapkan metode AI, pemrograman (algoritma, struktur data, OOP, dll.) akan diperlukan.

Proyek yang berbeda memerlukan pengetahuan tentang bahasa pemrograman yang berbeda. Saya akan merekomendasikan mengetahui setidaknya Python, Java, dan bahasa fungsional apa pun. Pengalaman bekerja dengan berbagai database dan sistem terdistribusi akan sangat membantu. Keterampilan bahasa Inggris diperlukan untuk mempelajari praktik terbaik industri dengan cepat.

Saya merekomendasikan belajar di universitas Rusia yang bagus! Misalnya MIPT, MSU, dan HSE memiliki departemen terkait. Berbagai macam kursus tematik tersedia di Coursera, edX, Udacity, Udemy, dan platform MOOC lainnya. Beberapa organisasi terkemuka memiliki program pelatihan sendiri di bidang AI (misalnya, Sekolah Analisis Data di Yandex).

Masalah aplikasi yang diselesaikan dengan metode AI dapat ditemukan di berbagai tempat. Bank, sektor keuangan, konsultasi, ritel, e-commerce, mesin pencari, layanan pos, industri game, industri sistem keamanan dan, tentu saja, Avito - semuanya membutuhkan spesialis dengan berbagai kualifikasi.

Promosikan Turunkan

Kami memiliki proyek fintech yang berkaitan dengan pembelajaran mesin dan visi komputer, di mana pengembang pertama menulis semuanya dalam C++, kemudian seorang pengembang datang dan menulis ulang semuanya dengan Python. Jadi bahasa bukanlah hal yang paling penting di sini, karena bahasa adalah alat yang pertama dan terpenting, dan cara menggunakannya terserah Anda. Hanya saja dalam beberapa bahasa masalah dapat diselesaikan lebih cepat, dan dalam bahasa lain lebih lambat.

Sulit untuk mengatakan di mana harus belajar - semua orang kami belajar sendiri, untungnya ada Internet dan Google.

Promosikan Turunkan

Saya dapat menyarankan Anda untuk mempersiapkan diri sejak awal karena Anda harus banyak belajar. Terlepas dari apa yang dimaksud dengan “melakukan AI” - bekerja dengan data besar atau jaringan saraf; pengembangan teknologi atau dukungan dan pelatihan sistem tertentu yang sudah dikembangkan.

Mari kita ambil profesi Data Scientist yang sedang tren untuk lebih spesifiknya. Apa yang sedang dilakukan orang ini? Secara umum, ia mengumpulkan, menganalisis, dan menyiapkan data besar untuk digunakan. Di sinilah AI tumbuh dan dilatih. Apa yang harus diketahui dan dapat dilakukan oleh Data Scientist? Analisis statis dan pemodelan matematis dilakukan secara default, dan pada tingkat kelancaran. Bahasa - katakanlah, R, SAS, Python. Akan menyenangkan juga untuk memiliki pengalaman pengembangan. Secara umum, data scientist yang baik harus merasa percaya diri dengan database, algoritme, dan visualisasi data.

Tidak dapat dikatakan bahwa kumpulan pengetahuan seperti itu dapat diperoleh di setiap universitas teknik kedua di negara ini. Perusahaan besar yang memprioritaskan pengembangan AI memahami hal ini dan mengembangkan program pelatihan yang sesuai untuk diri mereka sendiri - misalnya, Sekolah Analisis Data dari Yandex. Namun Anda harus menyadari bahwa ini bukanlah skala di mana Anda datang ke kursus “dari jalanan”, tetapi meninggalkannya sebagai junior yang sudah jadi. Lapisannya besar, dan masuk akal untuk mempelajari suatu disiplin ilmu ketika dasar-dasarnya (matematika, statistika) telah dibahas, setidaknya dalam kerangka program universitas.

Ya, itu akan memakan waktu cukup lama. Namun permainan ini sepadan dengan usahanya, karena Data Scientist yang baik sangat menjanjikan. Dan sangat mahal. Ada juga poin lain. Kecerdasan buatan, di satu sisi, bukan lagi sekedar objek hype, melainkan sebuah teknologi yang telah sepenuhnya mencapai tahap produktivitas. Di sisi lain, AI masih terus berkembang. Pembangunan ini membutuhkan banyak sumber daya, banyak keterampilan dan banyak uang. Sejauh ini adalah level liga utama. Saya akan mengatakan hal yang sudah jelas sekarang, tetapi jika Anda ingin menjadi yang terdepan dalam serangan ini dan mendorong kemajuan dengan tangan Anda sendiri, bidiklah perusahaan seperti Facebook atau Amazon.

Pada saat yang sama, teknologi ini telah digunakan di sejumlah bidang: perbankan, telekomunikasi, perusahaan industri raksasa, dan ritel. Dan mereka sudah membutuhkan orang-orang yang bisa mendukungnya. Gartner memperkirakan bahwa pada tahun 2020, 20% dari seluruh perusahaan di negara maju akan mempekerjakan karyawan yang berdedikasi untuk melatih jaringan saraf yang digunakan di perusahaan-perusahaan tersebut. Jadi masih ada sedikit waktu untuk belajar sendiri.

Promosikan Turunkan

AI kini aktif berkembang, dan sulit diprediksi sepuluh tahun sebelumnya. Selama dua hingga tiga tahun ke depan, pendekatan berbasis jaringan saraf dan komputasi GPU akan mendominasi. Pemimpin dalam bidang ini adalah Python dengan lingkungan interaktif Jupyter dan perpustakaan numpy, scipy, dan tensorflow.

Ada banyak kursus online yang memberikan pemahaman dasar tentang teknologi ini dan prinsip-prinsip umum AI, misalnya kursus Andrew Ng. Dan dalam hal mengajarkan topik ini, Rusia kini menjadi yang paling efektif pendidikan mandiri atau dalam kelompok kepentingan lokal (misalnya, di Moskow saya mengetahui keberadaan setidaknya beberapa kelompok di mana orang-orang berbagi pengalaman dan pengetahuan).

Promosikan Turunkan

Promosikan Turunkan

Saat ini, bagian kecerdasan buatan yang mengalami kemajuan paling pesat, mungkin, adalah jaringan saraf.
Studi tentang jaringan saraf dan AI harus dimulai dengan penguasaan dua cabang matematika - aljabar linier dan teori probabilitas. Ini adalah persyaratan minimum yang wajib, pilar kecerdasan buatan yang tak tergoyahkan. Pelamar yang ingin memahami dasar-dasar AI, dalam memilih universitas, menurut saya sebaiknya memperhatikan fakultas yang sekolah matematikanya kuat.

Langkah selanjutnya adalah mempelajari permasalahan dari permasalahan tersebut. Ada banyak sekali literatur, baik yang bersifat pendidikan maupun khusus. Sebagian besar publikasi tentang topik kecerdasan buatan dan jaringan saraf ditulis dalam bahasa Inggris, tetapi materi berbahasa Rusia juga diterbitkan. Literatur yang berguna dapat ditemukan, misalnya, di perpustakaan digital umum arxiv.org.

Jika kita berbicara tentang bidang kegiatan, di sini kita dapat menyoroti pelatihan jaringan saraf terapan dan pengembangan versi jaringan saraf yang benar-benar baru. Contoh yang mencolok: sekarang ada spesialisasi yang sangat populer - “ilmuwan data” (Ilmuwan Data). Ini adalah pengembang yang cenderung mempelajari dan menyiapkan kumpulan data tertentu untuk melatih jaringan saraf di area aplikasi tertentu. Untuk meringkas, saya ingin menekankan bahwa setiap spesialisasi memerlukan jalur pelatihan yang terpisah.

Promosikan Turunkan

Sebelum memulai kursus khusus, Anda perlu mempelajari aljabar linier dan statistik. Saya akan merekomendasikan untuk memulai perendaman Anda dalam AI dengan buku teks “Pembelajaran Mesin. Ilmu dan Seni Membangun Algoritma yang Mengekstraksi Pengetahuan dari Data" adalah panduan yang baik untuk pemula. Di Coursera, ada baiknya mendengarkan ceramah pengantar oleh K. Vorontsov (saya tekankan bahwa kuliah tersebut memerlukan pengetahuan yang baik tentang aljabar linier) dan kursus “Pembelajaran Mesin” di Universitas Stanford, yang diajarkan oleh Andrew Ng, profesor dan kepala Baidu AI Grup/Otak Google.

Sebagian besar ditulis dengan Python, diikuti oleh R dan Lua.

Jika kita berbicara tentang lembaga pendidikan, lebih baik mengikuti kursus di departemen matematika terapan dan ilmu komputer; ada program pendidikan yang sesuai. Untuk menguji kemampuan Anda, Anda dapat mengikuti kompetisi Kaggle, tempat merek-merek besar global menawarkan casingnya.

Promosikan Turunkan

Dalam bisnis apa pun, sebelum memulai proyek, ada baiknya untuk mendapatkan landasan teori. Ada banyak tempat di mana Anda bisa mendapatkan gelar master formal di bidang ini, atau meningkatkan kualifikasi Anda. Misalnya, Skoltech menawarkan program master di bidang “Ilmu dan Teknik Komputasi” dan “Ilmu Data”, yang mencakup kursus “Pembelajaran Mesin” dan “Pemrosesan Bahasa Alami”. Anda juga dapat menyebutkan Institut Sistem Sibernetika Cerdas dari Universitas Riset Nuklir Nasional MEPhI, Fakultas Matematika Komputasi dan Sibernetika Universitas Negeri Moskow, dan Departemen Sistem Cerdas MIPT.

Jika Anda sudah mengenyam pendidikan formal, ada sejumlah kursus yang tersedia di berbagai platform MOOC. Misalnya, EDx.org menawarkan kursus kecerdasan buatan dari Microsoft dan Universitas Columbia, yang terakhir menawarkan program master mikro dengan harga yang wajar. Saya ingin mencatat secara khusus bahwa Anda biasanya bisa mendapatkan pengetahuan itu sendiri secara gratis; Anda hanya membayar sertifikat jika diperlukan untuk resume Anda.

Jika Anda ingin “mendalami” topik ini, sejumlah perusahaan di Moskow menawarkan kursus intensif selama seminggu dengan latihan praktis, dan bahkan menawarkan peralatan untuk eksperimen (misalnya, newprolab.com), namun harga kursus tersebut mulai dari beberapa puluh ribu rubel.

Di antara perusahaan yang mengembangkan Kecerdasan Buatan, Anda mungkin mengenal Yandex dan Sberbank, tetapi masih banyak perusahaan lain dengan ukuran berbeda. Misalnya saja pada pekan ini Kementerian Pertahanan membuka ERA Military Innovation Technopolis di Anapa yang salah satu topiknya adalah pengembangan AI untuk kebutuhan militer.

Promosikan Turunkan

Sebelum mempelajari kecerdasan buatan, kita perlu memutuskan pertanyaan mendasar: apakah kita harus meminum pil merah atau biru.
Pil merahnya adalah menjadi pengembang dan terjun ke dunia kejam metode statistik, algoritme, dan pemahaman terus-menerus tentang hal-hal yang tidak diketahui. Di sisi lain, Anda tidak perlu langsung terburu-buru masuk ke “lubang kelinci”: Anda bisa menjadi manajer dan membuat AI, misalnya sebagai manajer proyek. Ini adalah dua jalur yang berbeda secara mendasar.

Yang pertama bagus jika Anda sudah memutuskan untuk menulis algoritma kecerdasan buatan. Maka Anda harus memulai dengan arah paling populer saat ini - pembelajaran mesin. Untuk melakukan ini, Anda perlu mengetahui metode statistik klasik klasifikasi, pengelompokan, dan regresi. Akan bermanfaat juga untuk mengetahui langkah-langkah utama untuk menilai kualitas suatu solusi, sifat-sifatnya... dan segala sesuatu yang Anda inginkan.

Hanya setelah dasar-dasarnya dikuasai, barulah layak mempelajari metode yang lebih terspesialisasi: pohon keputusan dan ansambelnya. Pada tahap ini, Anda perlu mendalami metode dasar pembuatan dan pelatihan model - metode tersebut tersembunyi di balik kata-kata yang tidak sopan, memohon, meningkatkan, menumpuk, atau memadukan.

Penting juga untuk mempelajari metode untuk mengendalikan pelatihan ulang model (“ing” lainnya - overfitting).

Dan terakhir, level yang sangat Jedi - memperoleh pengetahuan yang sangat terspesialisasi. Misalnya, pembelajaran mendalam akan memerlukan penguasaan arsitektur dan algoritma penurunan gradien dasar. Jika Anda tertarik dengan masalah pemrosesan bahasa alami, saya sarankan mempelajari jaringan saraf berulang. Dan pembuat algoritme masa depan untuk memproses gambar dan video harus memperhatikan jaringan saraf konvolusional.

Dua struktur terakhir yang disebutkan adalah landasan arsitektur populer saat ini: jaringan adversarial (GAN), jaringan relasional, dan jaringan mesh. Oleh karena itu, mempelajarinya akan bermanfaat, bahkan jika Anda tidak berencana mengajari komputer untuk melihat atau mendengar.

Pendekatan yang sangat berbeda dalam mempelajari AI - alias "pil biru" - dimulai dengan menemukan diri sendiri. Kecerdasan buatan melahirkan banyak tugas dan seluruh profesi: mulai dari manajer proyek AI hingga insinyur data yang mampu menyiapkan data, membersihkannya, dan membangun sistem yang skalabel, memuat beban, dan toleran terhadap kesalahan.

Jadi, dengan pendekatan “manajerial”, Anda harus menilai kemampuan dan latar belakang Anda terlebih dahulu, baru kemudian memilih di mana dan apa yang akan dipelajari. Misalnya, bahkan tanpa pemikiran matematis Anda dapat merancang antarmuka dan visualisasi AI untuk algoritme cerdas. Namun bersiaplah: dalam 5 tahun, kecerdasan buatan akan mulai mengganggu Anda dan menyebut Anda “humanis”.

Metode ML utama diimplementasikan dalam bentuk perpustakaan siap pakai yang tersedia untuk dihubungkan bahasa berbeda. Bahasa terpopuler di ML saat ini adalah: C++, Python, dan R.

Ada banyak kursus dalam bahasa Rusia dan Inggris, seperti kursus Yandex School of Data Analysis, SkillFactory, dan OTUS. Namun sebelum menginvestasikan waktu dan uang dalam pelatihan khusus, menurut saya ada baiknya “masuk ke topik”: menonton kuliah terbuka di YouTube dari konferensi DataFest selama beberapa tahun terakhir, mengikuti kursus gratis dari Coursera dan Habrahabr.