Хиймэл оюун ухааны салбарт гарч буй шинэ хөгжлийн тухай мэдээ атаархмаар давтамжтайгаар гарч байна. Тиймээс энэ оны 1-р сард Google Movidius-тай хамтран машин сурах чадвартай гар утасны процессор бүтээх төлөвлөгөөгөө зарлав. Түншлэлийн зорилгууд нь гар утсан дээрх хүмүүст машины тагнуулын чадварыг нэвтрүүлэх явдал юм. Хоёрдугаар сард MIT-ийн инженерүүд Eyeriss процессорыг аль хэдийн танилцуулсан бөгөөд үүний ачаар хиймэл оюун ухаан зөөврийн төхөөрөмжид гарч ирдэг. Энэ нь хиймэл оюун ухааны системийг хөгжүүлэх хөрөнгө оруулалтын хэмжээ жилээс жилд нэмэгдэж байгаатай холбоотой юм.

Удахгүй хиймэл оюун ухаан бидний ухаалаг гар утсанд нэвтэрч, илүү ухаалаг болох болно гэдгийг бүх зүйл харуулж байна. Тэгэхээр бид машинуудын бослогоос холгүй байна уу? Хүмүүсийн эрх мэдлийг авахын тулд машинууд хэр зэрэг ухаалаг болох ёстой вэ? Тэгээд хэр бодитой вэ?

Хиймэл оюун ухаан нэг, хиймэл оюун ухаан хоёр, хиймэл оюун ухаан гурав

Хиймэл оюун ухааны талаар уншиж, сонсохдоо бидний ихэнх нь SkyNet болон алдарт Терминатор киноны машинуудыг төсөөлдөг. Судлаачид, хөгжүүлэгчид энэ үзэл баримтлалыг юу гэж ойлгох вэ?

Бидний хийх ёстой эсвэл бий болгох ёстой гурван төрлийн хиймэл оюун ухаан байдаг:

Нарийн зорилтот хиймэл оюун ухаан. Үүнийг бид ойрын ирээдүйд шинэ ухаалаг гар утсандаа авах болно. Ийм оюун ухаан нь тодорхой үйл ажиллагаа, үйл ажиллагаанд хүний ​​оюун ухаанаас илүү байдаг. Өндөр зорилтот хиймэл оюун ухаантай компьютер нь дэлхийн шатрын аваргыг ялах, машинаа байрлуулах эсвэл хайлтын системээс хамгийн хамааралтай үр дүнг сонгох боломжтой.

Ийм хиймэл оюун ухааны хүч нь процессоруудын тооцоолох чадварт оршдог. Эдгээр боломжууд хэдий чинээ их байна, өгөгдсөн даалгаврууд төдий чинээ үр дүнтэй шийдэгддэг. Процессорын хүч нэмэгдэж байгаа тул одоо ямар ч асуудал байхгүй. Нарийн төвлөрсөн хиймэл оюун ухааныг хиймэл оюун ухааны гүн ухаанд (ийм зүйл байдаг) сул гэж нэрлэдэг.

Гэвч эрдэмтдийн үзэж байгаагаар зөвхөн тооцоолох чадвар нь жинхэнэ ухаалаг машин бүтээхэд хангалтгүй юм. Хэдийгээр энэ нь сул хиймэл оюун ухаан хүчтэй болж аяндаа шилжсэн зохиомол тохиолдол байсан ч Терминатор киноны зохиолын үндэс суурь болсон юм. Пуужингийн довтолгооноос эсэргүүцэн хамгаалах системийг удирдах зориулалттай АНУ-ын Батлан ​​хамгаалах яамны суперкомпьютер SkyNet ухамсартай болж, өөрийн шийдвэрээ гаргаж эхэлжээ.

Ерөнхий хиймэл оюун ухаан. Хэрэв бид нарийхан зорилтот хиймэл оюун ухаантай системийг аль хэдийн бүтээж, тэдэнд зориулсан практик хэрэглээг олсон бол Ерөнхий AI-ийн хувьд бүх зүйл илүү төвөгтэй болно. Энэ төрлийн хиймэл оюун ухаан нь аль хэдийн хүний ​​түвшний оюун ухаан юм. Энэ нь бүх нийтийн шинж чанартай бөгөөд хүний ​​тархитай ижил оюуны үйл ажиллагааг гүйцэтгэх чадвартай.

Хэрэв бид амьдралынхаа туршид бүрэн хүн дүрстэй роботуудыг харвал тэд яг ийм төрлийн оюун ухаантай байх болно. Крис Колумбын "Хоёр зуун наст хүн" киноны Андройд Андройг санаарай. Ийм хиймэл оюун ухаантай роботууд хүн шиг бие даан суралцаж, сэтгэж, шийдвэр гаргах чадвартай болно. Тэд эргэн тойрныхоо хүмүүстэй харилцаа холбоо тогтоож, найз нөхөд, туслагч болж чадна. Ийм хиймэл оюун ухааныг хүчтэй гэж нэрлэдэг.

Гэвч хүчирхэг ба сул хиймэл оюун ухаан хоёрын хооронд ангал бий. Нэгээс нөгөөд шилжихийн тулд компьютерийн тооцоолох хүчийг нэмэгдүүлэх нь хангалтгүй бөгөөд та тэдэнд оюун ухаан өгөх хэрэгтэй. Эрдэмтэд үүнийг хийх тодорхой арга замыг хараахан олж хараагүй байна.

Хиймэл оюун ухаан. Чухам ийм төрлийн хиймэл оюун ухаан олны анхаарлыг татаж байна. Ихэнх эрдэмтэд үүнийг бий болгох боломжийг хүн төрөлхтний аюул гэж үздэгтэй холбоотой юм. SkyNet бол ийм аюул заналхийллийн жишээ юм.

Супер тагнуул нь бусад хүмүүсээс илүү ухаалаг байх болно. Тэр бараг бүх салбарт хүнээс илүү байх болно. Нарийн төвөгтэй асуудлыг шийдвэрлэх, шинжлэх ухааны нээлт хийх чадвартай болно. Ухаалаг машин хүн төрөлхтөнтэй хэрхэн харьцах вэ?

Эрдэмтэд харилцан үйлчлэлийн гурван загварыг санал болгож байна.

Oracle- Бид ямар ч төвөгтэй асуултанд хариулт авах боломжтой.

Жин- Тэр ядаж молекулын ассемблер, тэр байтугай хүний ​​оролцоогүйгээр ажилладаг робот лаборатори, үйлдвэрүүдийг ашиглан бидэнд хэрэгтэй бүх зүйлийг өөрөө хийх болно.

Бүрэн эрхт- Тэр өөрөө асуудлаа олж, өөрөө шийднэ.

Таны харж байгаагаар "хиймэл оюун ухаан" гэсэн нэр томъёо нь хиймэл оюун ухааны оршин тогтнох гурван хэлбэрийг агуулдаг. Тэдний бие биенээсээ ялгаатай байдал нь нэг хиймэл оюун ухаанаас нөгөөд шилжих үр дагавартай адил чухал юм. Бид хэнтэй харьцаж байгаагаа ойлгохын тулд ухаалаг машинуудын оюун ухааны түвшинг тодорхойлж чадах уу?

Хиймэл оюун ухааныг хэрхэн хэмжих вэ?

Хүмүүс бие биенээсээ оюун ухааны түвшингээрээ ялгаатай байдаг. Үүнийг тодорхойлохын тулд тусгай туршилтуудыг ашигладаг. IQ тестийг олон хүн мэддэг. Машинуудын оюун ухааныг хэрхэн хэмждэг вэ?

Хэрэв бид хэвлэл мэдээллийн хэрэгслээр гарч буй мэдээлэлд шүүмжлэлтэй ханддаг бол орчин үеийн машинуудын оюуны түвшин 4 настай хүүхэд, 13 настай өсвөр насны хүүхдийн IQ хооронд харилцан адилгүй байдаг. Эдгээр хоёр тоо нь машины оюун ухааныг хэмжих хоёр аргыг харуулж байна.

2015 онд Иллинойс мужийн эрдэмтдийн баг Массачусетсийн Технологийн Их Сургуульд бүтээсэн ConceptNet хиймэл оюун ухааны системийг 2.5-7 насны хүүхдүүдийн IQ-ийн стандарт тест ашиглан туршиж үзсэн. Машины үр дүн нь дөрвөн настай хүүхдийн дундаж гүйцэтгэлтэй тохирч байв.

Хүнд зориулагдсан туршилтыг ашиглахаас гадна машинд зориулагдсан тусгай туршилтыг өргөнөөр мэддэг бөгөөд ашигладаг. Тюринг тест нь машин сэтгэж чадах эсэхийг тодорхойлох зорилготой юм.

Туршилт нь дараах байдалтай байна. Нэг хүн - шүүгч - хардаггүй хоёр ярилцагчтай харилцдаг. Бүх харилцан үйлчлэл нь зуучлагч компьютер ашиглан захидал харилцааны замаар явагддаг. Ярилцаж буй хүмүүсийн нэг нь хүн, нөгөө нь хүний ​​дүрд хувирсан компьютерийн программ юм. Хэрэв шүүгч түүний ярилцагчдаас аль нь хөтөлбөр болохыг тодорхой хэлж чадахгүй бол машиныг шалгалтанд тэнцсэн гэж үзнэ.

Өнөөдрийг хүртэл Тьюрингийн шалгалтыг зөвхөн нэг удаа давсан. 2014 онд хөгжүүлэгчдийн Женя Густман гэж нэрлэсэн 13 настай өсвөр насны хүүхдийг дуурайлган бүтээсэн Евгений Густман хөтөлбөр шүүгчдийг төөрөгдүүлж, хүний ​​дүрд хувиргаж чадсан юм.

Гэсэн хэдий ч ийм туршилтыг эсэргүүцэх олон зүйл байдаг. Өнөөдөр компьютер болон тэдгээрийн программууд хоёулаа сул, явцуу төвлөрсөн хиймэл оюун ухааныг тээгч юм. Ийм оюун ухаан зөвхөн шалгалт өгч байгаа хүнийг дуурайж чаддаг.

Бид сул хиймэл оюун ухаанаас хүчирхэг рүү шилжихэд бүх зүйл өөрчлөгдөнө. Хүний оюун ухаантай төстэй ерөнхий хиймэл оюун ухаантай машин аль хэдийн ухамсар, өөрийгөө танин мэдэх чадвартай байх тул сэтгэх болно. Ийм компьютер нь хүн шиг ухамсартайгаар асуултуудад хариулж, IQ-ийн стандарт шалгалтыг давах болно.

Хүний IQ нь 85-130 хооронд хэлбэлздэг. Үүнтэй ижил үзүүлэлтүүдийг хиймэл оюун ухаанд ашиглах боломжтой. Гэхдээ хиймэл оюун ухааны IQ-ийн дээд түвшинд ямар ч хязгаарлалт байхгүй. Энэ нь 1,000 эсвэл 10,000 байж болох юм. AI сайжирснаар биднийг юу хүлээж байна вэ?

Компьютерийг зохион бүтээснээс хойш тэдний төрөл бүрийн ажлыг гүйцэтгэх чадвар асар хурдацтай өссөөр байна. Хүмүүс даалгавруудыг нэмэгдүүлэх, компьютерийн хэмжээг багасгах замаар компьютерийн системийн хүчийг хөгжүүлж байна. Хиймэл оюун ухааны салбарын судлаачдын гол зорилго бол хүн шиг ухаалаг компьютер эсвэл машин бүтээх явдал юм.

"Хиймэл оюун ухаан" гэсэн нэр томъёог үүсгэгч нь Лисп хэлийг зохион бүтээгч, функциональ програмчлалыг үндэслэгч, хиймэл оюун ухааны судалгааны салбарт оруулсан асар их хувь нэмрийг нь үнэлэн Тюринг шагналын эзэн Жон МакКарти юм.

Хиймэл оюун ухаан нь хүн шиг ухаалаг сэтгэх чадвартай компьютер, компьютерийн удирдлагатай робот эсвэл программ бүтээх арга юм.

Хиймэл оюун ухааны салбарын судалгаа нь хүний ​​оюун ухааны чадварыг судлах замаар хийгддэг бөгөөд дараа нь энэхүү судалгааны үр дүнг ухаалаг программ, системийг хөгжүүлэх үндэс болгон ашигладаг.

AI философи

Хүчирхэг компьютерийн системийг ажиллуулах явцад хүн бүр "Машин хүнтэй адилхан сэтгэж, биеэ авч явж чадах уу?" Гэсэн асуултыг асуудаг. "

Ийнхүү хиймэл оюун ухааны хөгжил нь хүний ​​оюун ухаантай ижил төстэй оюун ухааныг машинд бий болгох зорилготойгоор эхэлсэн.

AI-ийн гол зорилго

• Шинжээчдийн системийг бий болгох - ухаалаг зан үйлийг харуулсан системүүд: суралцах, харуулах, тайлбарлах, зөвлөгөө өгөх;
• Хүний оюун ухааныг машинд хэрэгжүүлэх нь хүн шиг ойлгох, сэтгэх, заах, биеэ авч явах чадвартай машин бүтээх явдал юм.

Хиймэл оюун ухааны хөгжилд юу нөлөөлж байна вэ?

Хиймэл оюун ухаан нь компьютерийн шинжлэх ухаан, биологи, сэтгэл судлал, хэл шинжлэл, математик, механик инженерчлэл зэрэг салбаруудад суурилсан шинжлэх ухаан, технологи юм. Хиймэл оюун ухааны гол чиглэлүүдийн нэг нь хүний ​​оюун ухаантай холбоотой компьютерийн үйл ажиллагаа, тухайлбал сэтгэн бодох, суралцах, асуудал шийдвэрлэх зэрэг үйл ажиллагааг хөгжүүлэх явдал юм.

Хиймэл оюун ухаантай болон хиймэл оюун ухаангүй програм

Хиймэл оюун ухаантай болон хиймэл оюун ухаангүй программууд нь дараах шинж чанараараа ялгаатай:

AI програмууд

AI нь янз бүрийн салбарт давамгайлах болсон, тухайлбал:

Тоглоом - AI нь шатар, покер, tic-tac-toe гэх мэт стратегитэй холбоотой тоглоомуудад шийдвэрлэх үүрэг гүйцэтгэдэг бөгөөд компьютер нь эвристик мэдлэг дээр үндэслэн олон тооны янз бүрийн шийдвэрийг тооцоолох чадвартай байдаг.

Байгалийн хэлний боловсруулалт гэдэг нь хүний ​​ярьдаг байгалийн хэлийг ойлгодог компьютертэй харилцах чадварыг хэлнэ.

Яриа таних - зарим ухаалаг системүүд нь тухайн хүнтэй харилцах хэлийг сонсож, ойлгох чадвартай байдаг. Тэд янз бүрийн өргөлт, хэллэг гэх мэтийг зохицуулж чаддаг.

Гар бичмэлийг таних - программ хангамж нь цаасан дээр бичсэн бичвэрийг үзэг эсвэл дэлгэцэн дээр зүүгээр уншдаг. Энэ нь үсгийн хэлбэрийг таньж, засах боломжтой текст болгон хувиргах боломжтой.

Ухаалаг роботууд нь хүний ​​өгсөн үүрэг даалгаврыг гүйцэтгэх чадвартай роботууд юм. Тэд гэрэл, дулаан, хөдөлгөөн, дуу чимээ, цочрол, даралт зэрэг бодит ертөнцөөс физик өгөгдлийг илрүүлэх мэдрэгчтэй. Тэд өндөр хүчин чадалтай процессор, олон мэдрэгч, асар том санах ойтой. Үүнээс гадна тэд өөрсдийн алдаанаасаа суралцаж, шинэ орчинд дасан зохицож чаддаг.

AI хөгжлийн түүх

20-р зууны хиймэл оюун ухааны хөгжлийн түүхийг энд оруулав

Энэ жил Yandex дуут туслах Алисыг эхлүүлсэн. Шинэ үйлчилгээ нь хэрэглэгчдэд мэдээ, цаг агаарын мэдээ сонсох, асуултын хариуг авах, роботтой зүгээр л харилцах боломжийг олгодог. "Алис" заримдаа тэр бардам зантай байдаг, заримдаа бараг үндэслэлтэй, хүнлэг ёжтой мэт санагддаг ч түүнээс юу асууж байгааг нь ойлгохгүй, шалбаагт орчихдог.

Энэ бүхэн нь онигооны давалгааг төрүүлээд зогсохгүй хиймэл оюун ухааныг хөгжүүлэх талаар шинэ хэлэлцүүлэг өрнүүлэв. Ухаалаг алгоритмууд ямар үр дүнд хүрсэн тухай мэдээ өнөөдөр бараг өдөр бүр ирдэг бөгөөд машин сурах нь таны өөрийгөө зориулж чадах хамгийн ирээдүйтэй чиглэлүүдийн нэг гэж нэрлэгддэг.

Хиймэл оюун ухааны талаархи гол асуултуудыг тодруулахын тулд бид хиймэл оюун ухаан, машин сургалтын аргын мэргэжилтэн, SmarThink-ийн дотоодын хамгийн хүчирхэг шатрын программуудын нэг, XXII зуун төслийг санаачлагч Сергей Марковтой ярилцлаа.

Сергей Марков,

хиймэл оюун ухааны мэргэжилтэн

AI-ийн тухай домгийг үгүйсгэх

Тэгэхээр "хиймэл оюун ухаан" гэж юу вэ?

"Хиймэл оюун ухаан" гэсэн ойлголт тодорхой хэмжээгээр азгүй байсан. Шинжлэх ухааны хүрээлэлд анх үүссэн энэ зохиол нь яваандаа гайхалтай уран зохиолд нэвтэрч, түүгээрээ дамжуулан поп соёлд нэвтэрч, хэд хэдэн өөрчлөлтийг хийж, олон тайлбарыг олж авч, эцэст нь бүрэн нууцлагдмал болсон.

Тийм ч учраас бид мэргэжлийн бус хүмүүсээс “Хиймэл оюун ухаан байдаггүй”, “Хиймэл оюун ухааныг бүтээх боломжгүй” гэх мэт мэдэгдлийг байнга сонсдог. Хиймэл оюун ухааны судалгааны мөн чанарыг үл ойлгосноор хүмүүсийг бусад туйл руу амархан хөтөлдөг - жишээлбэл, орчин үеийн хиймэл оюун ухааны системүүд нь ухамсар, чөлөөт хүсэл зориг, нууц сэдэлтэй холбоотой байдаг.

Ялааг котлетаас салгахыг хичээцгээе.

Шинжлэх ухаанд хиймэл оюун ухаан гэдэг нь оюуны асуудлыг шийдвэрлэхэд зориулагдсан системийг хэлдэг.

Хариуд нь оюуны даалгавар бол хүмүүс өөрсдийн оюун ухаанаа ашиглан шийддэг даалгавар юм. Энэ тохиолдолд мэргэжилтнүүд "оюун ухаан" гэсэн ойлголтыг тодорхойлохоос зориудаар зайлсхийж байгааг анхаарна уу, учир нь AI систем үүсэхээс өмнө оюун ухааны цорын ганц жишээ нь хүний ​​оюун ухаан байсан бөгөөд ганц жишээн дээр тулгуурлан оюун ухаан гэсэн ойлголтыг тодорхойлох нь оролдсонтой адил юм. нэг цэгээр шулуун шугам татах. Ийм олон тооны мөр байж болох бөгөөд энэ нь оюун ухаан гэсэн ойлголтын талаархи маргаан олон зууны турш үргэлжилж болно гэсэн үг юм.

"Хүчтэй" ба "сул" хиймэл оюун ухаан

AI системийг хоёр том бүлэгт хуваадаг.

Хэрэглээний хиймэл оюун ухаан("сул AI" эсвэл "нарийн хиймэл оюун ухаан" гэсэн нэр томъёог англи уламжлалд ашигладаг - сул/хэрэглээний/нарийн AI) нь оюуны аливаа нэг асуудлыг эсвэл тэдгээрийн жижиг багцыг шийдвэрлэхэд зориулагдсан хиймэл оюун ухаан юм. Энэ ангид шатар тоглох, Go, дүрс таних, үг хэлэх, банкны зээл олгох, олгохгүй байх шийдвэр гаргах гэх мэт системүүд багтана.

Хэрэглээний AI-аас ялгаатай нь уг ойлголтыг нэвтрүүлсэн бүх нийтийн хиймэл оюун ухаан(мөн "хүчтэй AI", англиар - хүчтэй AI/Artificial General Intelligence) - өөрөөр хэлбэл оюуны аливаа асуудлыг шийдвэрлэх чадвартай таамаглал (одоогоор) AI.

Ихэнхдээ хүмүүс нэр томъёог нь мэдэхгүй байж хиймэл оюун ухааныг хүчирхэг хиймэл оюун ухаантай адилтгадаг тул "AI байхгүй" гэсэн үзэл санаанаас үүдэлтэй дүгнэлтүүд гарч ирдэг.

Хүчтэй хиймэл оюун ухаан үнэхээр байхгүй. Сүүлийн 10 жилд AI-д ажиглагдсан бараг бүх дэвшил нь хэрэглээний системүүдийн дэвшил юм. Хэрэглээний системүүд зарим тохиолдолд бүх нийтийн оюун ухаанаас илүү оюуны асуудлыг шийдвэрлэх чадвартай байдаг тул эдгээр амжилтыг дутуу үнэлж болохгүй.

Хиймэл оюун ухаан гэдэг ойлголт нэлээд өргөн гэдгийг та анзаарсан байх. Сэтгэцийн тооцоолол нь бас оюуны ажил бөгөөд энэ нь аливаа тооцоолох машиныг AI систем гэж үзнэ гэсэн үг юм. Тооцооны талаар юу хэлэх вэ? Абакус уу? Antikythera механизм? Үнэн хэрэгтээ эдгээр нь бүгд анхдагч ч гэсэн албан ёсны хиймэл оюун ухааны системүүд юм. Гэсэн хэдий ч ихэвчлэн системийг AI систем гэж нэрлэснээр бид энэ системээр шийдсэн асуудлын нарийн төвөгтэй байдлыг онцолж өгдөг.

Оюуны даалгаврыг энгийн, нарийн төвөгтэй гэж хуваах нь маш зохиомол бөгөөд тодорхой ажлуудын нарийн төвөгтэй байдлын талаархи бидний санаа аажмаар өөрчлөгдөж байгаа нь тодорхой юм. Механик тооцоолох машин нь 17-р зуунд технологийн гайхамшиг байсан боловч өнөөдөр багаасаа илүү нарийн төвөгтэй механизмд өртөж байсан хүмүүс түүнд сэтгэгдэл төрүүлэхээ больсон. Go тоглодог машинууд эсвэл өөрөө жолоодлоготой машинууд олон нийтийг гайхшруулахаа болих үед хэн нэгэн ийм системийг хиймэл оюун ухаан гэж ангилах болно гэж гайхах хүмүүс байх болно.

"Маш сайн роботууд": хиймэл оюун ухааны сурах чадварын тухай

Өөр нэг инээдтэй буруу ойлголт бол AI систем нь өөрөө суралцах чадвартай байх ёстой. Нэг талаас, энэ нь хиймэл оюун ухааны системийн зайлшгүй шинж чанар биш юм: бие даан суралцах чадваргүй олон гайхалтай системүүд байдаг, гэхдээ хүний ​​​​тархинаас илүү олон асуудлыг шийддэг. Нөгөөтэйгүүр, зарим хүмүүс бие даан суралцах нь AI-ийн олон системүүд тавь гаруй жилийн өмнө олж авсан өмч гэдгийг мэддэггүй.

Би 1999 онд анхны шатрын хөтөлбөрөө бичихэд энэ чиглэлээр бие даан суралцах нь аль хэдийн түгээмэл болсон - хөтөлбөрүүд нь аюултай байрлалыг санаж, өөрт тохирсон нээлтийн хувилбаруудыг тохируулж, өрсөлдөгчдөө дасан зохицох тоглоомын хэв маягийг зохицуулж чаддаг байв. Мэдээжийн хэрэг, эдгээр хөтөлбөрүүд Альфа тэгээс маш хол байсан. Гэсэн хэдий ч, "бэхжүүлэх сургалт" гэж нэрлэгддэг туршилтаар бусад системтэй харилцах харилцаанд үндэслэн зан төлөвт суралцдаг системүүд ч аль хэдийн бий болсон. Гэсэн хэдий ч тайлагдашгүй шалтгааны улмаас зарим хүмүүс бие даан суралцах чадвар нь хүний ​​оюун ухааны онцгой эрх гэж боддог хэвээр байна.

Бүхэл бүтэн шинжлэх ухааны салбар болох машин сургалт нь тодорхой асуудлыг шийдвэрлэхэд машиныг заах үйл явцыг авч үздэг.

Машин сургалтын хоёр том туйл байдаг - хяналттай суралцах ба хяналтгүй суралцах.

At багштай сургалтмашин нь тодорхой тохиолдлуудад тодорхой тооны нөхцөлт зөв шийдлүүдтэй байдаг. Энэ тохиолдолд сургалтын даалгавар бол байгаа жишээн дээр үндэслэн машиныг бусад үл мэдэгдэх нөхцөл байдалд зөв шийдвэр гаргахыг заах явдал юм.

Нөгөө туйл бол багшгүйгээр сурах. Өөрөөр хэлбэл, машиныг зөв шийдвэр нь тодорхойгүй нөхцөлд байрлуулсан бөгөөд зөвхөн өгөгдөл нь түүхий, шошгогүй хэлбэрээр байдаг. Ийм тохиолдолд та тодорхой амжилтанд хүрч чадна. Жишээлбэл, та маш том багц бичвэрт дүн шинжилгээ хийсний үндсэн дээр хэл дээрх үгсийн утгын холбоог тодорхойлох машиныг зааж болно.

Хяналттай сургалтын нэг төрөл бол бататгах сургалт юм. Энэхүү санаа нь AI систем нь бусад агентуудтай, жишээлбэл, өөрийн хуулбартай харилцаж, шагналын функцээр дамжуулан хүрээлэн буй орчноос зарим нэг санал хүсэлтийг хүлээн авах боломжтой загварчилсан орчинд байрлуулсан агентын үүрэг гүйцэтгэдэг. Жишээлбэл, шатрын программыг өөрөө тоглодог, параметрүүдийг нь аажмаар тохируулж, улмаар өөрийн тоглоомоо аажмаар бэхжүүлдэг.

Бататгах сургалт нь хувьслын алгоритмаас эхлээд Байесийн оновчлол хүртэлх олон сонирхолтой арга техникийг ашигладаг нэлээд өргөн хүрээтэй талбар юм. Тоглоомд зориулсан AI-ийн хамгийн сүүлийн үеийн дэвшилтүүд нь сургалтыг бататгах замаар хиймэл оюун ухааныг сайжруулах явдал юм.

Технологийн хөгжлийн эрсдэл: "Мөхлийн өдөр"-өөс айх ёстой юу?

Би хиймэл оюун ухааны түгшүүртэй хүмүүсийн нэг биш бөгөөд энэ утгаараа би ганцаараа биш юм. Жишээлбэл, Стэнфордын машин сургалтын курсийг бүтээгч Эндрю Нг хиймэл оюун ухааны аюулын асуудлыг Ангараг гарагийн хүн амын хэт их өсөлттэй харьцуулж үздэг.

Үнэхээр ч ирээдүйд хүн төрөлхтөн Ангараг гарагийг колоничлох магадлалтай. Эрт орой хэзээ нэгэн цагт Ангараг гараг дээр хүн амын хэт өсөлтийн асуудал үүсч магадгүй ч бид яагаад энэ асуудлыг одоо шийдэх ёстой нь тодорхойгүй байна вэ? Эргэлтийн мэдрэлийн сүлжээг бүтээгч Янн Лекун, түүний босс Марк Зукерберг, Йошуа Бенё нар судалгааныхаа ачаар орчин үеийн мэдрэлийн сүлжээ нь текст боловсруулах талбарт төвөгтэй асуудлыг шийдэж чаддаг хүн Нг-тэй санал нэг байна.

Энэ асуудлын талаархи санал бодлоо илэрхийлэхэд хэдэн цаг шаардагдах тул би зөвхөн гол зүйл дээр анхаарлаа хандуулах болно.

1. ТА ХӨГЖЛИЙН ХӨГЖЛИЙГ ХЯЗГААРЛАЖ ЧАДАХГҮЙ

Сэрэмжлэгчид AI-ийн болзошгүй хор хөнөөлтэй холбоотой эрсдэлийг авч үздэг бөгөөд энэ чиглэлээр ахиц дэвшлийг хязгаарлах эсвэл бүр зогсоох оролдлоготой холбоотой эрсдлийг үл тоомсорлодог. Хүн төрөлхтний технологийн хүч асар хурдацтай нэмэгдэж байгаа нь миний хэлснээр "апокалипсисийг хямдруулах" үр дагаварт хүргэж байна.

Одоогоос 150 жилийн өмнө хүн төрөлхтөн бүх хүслээр нь шим мандлын хувьд ч, төрөл зүйлийн хувьд ч нөхөж баршгүй хохирол учруулж чадахгүй байв. 50 жилийн өмнөх сүйрлийн хувилбарыг хэрэгжүүлэхийн тулд цөмийн гүрнүүдийн бүх технологийн хүчийг төвлөрүүлэх шаардлагатай байсан. Маргааш дэлхийн хүн төрөлхтний гамшгийг авчрахад цөөн тооны фанатууд хангалттай байж магадгүй юм.

Бидний технологийн хүч чадал энэ хүчийг удирдах хүний ​​оюун ухаанаас хамаагүй хурдан өсч байна.

Хүний оюун ухааныг өрөөсгөл ойлголт, түрэмгийлэл, төөрөгдөл, хязгаарлагдмал байдал бүхий илүү сайн шийдвэр гаргах чадвартай системээр солихгүй бол (AI эсвэл миний бодлоор хүний ​​оюун ухаан, технологийн хувьд сайжруулж, нэг системд машинтай хослуулсан) , бид дэлхийн сүйрлийг хүлээж магадгүй.

2. супер оюун ухааныг бий болгох нь үндсэндээ боломжгүй юм

Ирээдүйн хиймэл оюун ухаан нь хүн шоргоолжноос ч илүү хүнээс ч илүү, супер ухаантай байх нь гарцаагүй. Энэ тохиолдолд би технологийн өөдрөг үзэлтнүүдийн урмыг хугалахаас айж байна - манай орчлон ертөнц нь бие махбодийн хэд хэдэн үндсэн хязгаарлалтыг агуулдаг бөгөөд энэ нь супер оюун ухааныг бүтээх боломжгүй болгодог бололтой.

Жишээлбэл, дохио дамжуулах хурд нь гэрлийн хурдаар хязгаарлагддаг бөгөөд Планкийн масштабаар Heisenberg тодорхойгүй байдал гарч ирдэг. Энэ нь анхны үндсэн хязгаар болох Бремерманы хязгаарт хүргэдэг бөгөөд энэ нь өгөгдсөн масстай m-ийн автономит системийн тооцооллын хамгийн дээд хурдыг хязгаарлах боломжийг олгодог.

Өөр нэг хязгаарлалт нь Ландауэрын зарчимтай холбоотой бөгөөд үүний дагуу 1 бит мэдээлэл боловсруулахад хамгийн бага дулаан ялгардаг. Хэт хурдан тооцоолол нь хүлээн зөвшөөрөгдөөгүй халаалт, системийг устгахад хүргэдэг. Үнэн хэрэгтээ орчин үеийн процессорууд Ландауэрын хязгаараас мянга дахин бага байна. 1000 гэдэг нь нэлээд их юм шиг санагдаж байна, гэхдээ өөр нэг асуудал бол олон оюуны даалгавар EXPTIME хүндрэлийн ангилалд багтдаг. Энэ нь тэдгээрийг шийдвэрлэхэд шаардагдах хугацаа нь асуудлын хэмжээний экспоненциал функц юм гэсэн үг юм. Системийг хэд хэдэн удаа хурдасгах нь зөвхөн "оюун ухаан" -ын байнгын өсөлтийг өгдөг.

Ер нь, хүний ​​оюун ухааны түвшинг мэдээж давж гарах ч супер ухаалаг хүчирхэг хиймэл оюун ухаан бүтэхгүй гэж үзэх маш ноцтой шалтгаан бий. Энэ хэр аюултай вэ? Маш их биш байх магадлалтай.

Та бусад хүмүүсээс 100 дахин хурдан бодож эхэлсэн гэж төсөөлөөд үз дээ. Энэ нь та хажуугаар өнгөрөх ямар ч хүнийг түрийвчээ өгөхийг хялбархан ятгаж чадна гэсэн үг үү?

3. бид буруу зүйлд санаа зовдог

Харамсалтай нь, "Терминатор" болон Кларк, Кубрик нарын алдарт HAL 9000-ын тухай олон нийтийн айдас түгшүүртэй хүмүүсийн таамаглалаас болж хиймэл оюун ухааны аюулгүй байдлын салбарт онцлон анхаарч, магадлал багатай байдлын дүн шинжилгээ рүү шилжиж байна. , гэхдээ үр дүнтэй хувилбарууд. Үүний зэрэгцээ бодит аюулыг анзаардаггүй.

Манай технологийн ландшафтад чухал байр суурь эзлэхийг эрмэлздэг аливаа хангалттай нарийн төвөгтэй технологи нь тодорхой эрсдэлийг дагуулдаг. Үр дүнтэй дүрэм журам, аюулгүй байдлын арга хэмжээг боловсруулахаас өмнө үйлдвэрлэл, тээвэрлэлт гэх мэт олон хүний ​​амь насыг уурын хөдөлгүүрээр устгасан.

Хэрэглээний хиймэл оюун ухааны салбарын ахиц дэвшлийн талаар ярих юм бол "Дижитал нууц шүүх" гэж нэрлэгддэг холбогдох асуудалд анхаарлаа хандуулж болно. Хүмүүсийн амь нас, эрүүл мэндэд нөлөөлж буй асуудлаар шийдвэр гаргадаг AI програмууд улам бүр нэмэгдсээр байна. Үүнд эмнэлгийн оношлогооны систем, жишээлбэл, банкинд үйлчлүүлэгчид зээл олгох, олгохгүй байх талаар шийдвэр гаргадаг системүүд орно.

Үүний зэрэгцээ, ашиглагдаж буй загваруудын бүтэц, ашигласан хүчин зүйлсийн багц болон шийдвэр гаргах үйл явцын бусад нарийн ширийн зүйлс нь хувь заяа нь эрсдэлд орсон хүнээс худалдааны нууц хэлбэрээр нуугдаж байна.

Ашигласан загварууд нь системчилсэн алдаа гаргасан эсвэл арьсны өнгө, хүйсийн тодорхой үзэл баримтлалтай шинжээч багш нарын саналд үндэслэн шийдвэр гаргаж болно.

Ийм мэргэжилтнүүдийн шийдвэр дээр бэлтгэгдсэн хиймэл оюун ухаан нь шийдвэр гаргахдаа эдгээр өрөөсгөл ойлголтыг үнэнчээр харуулах болно. Эцсийн эцэст эдгээр загварууд нь тодорхой согогтой байж болно.

SkyNet цөмийн дайн эхлүүлсэн нь мэдээжийн хэрэг илүү гайхалтай зүйл тул цөөхөн хүн одоо эдгээр асуудлуудтай тулгарч байна.

Мэдрэлийн сүлжээ нь "халуун чиг хандлага"

Нэг талаас, мэдрэлийн сүлжээ нь хиймэл оюун ухааны системийг бий болгоход хэрэглэгддэг хамгийн эртний загваруудын нэг юм. Бионик аргын үр дүнд анх гарч ирсэн тэд биологийн прототипээсээ хурдан зугтсан. Энд цорын ганц үл хамаарах зүйл бол импульсийн мэдрэлийн сүлжээ юм (гэхдээ тэдгээр нь салбарт өргөн хэрэглээг хараахан олоогүй байна).

Сүүлийн хэдэн арван жилийн ахиц дэвшил нь гүнзгий сургалтын технологиудын хөгжилтэй холбоотой юм - мэдрэлийн сүлжээг олон тооны давхаргаас цуглуулж, тэдгээр нь тус бүр нь тодорхой хэв маягийн үндсэн дээр бүтээгдсэн байдаг.

Мэдрэлийн сүлжээний шинэ загваруудыг бүтээхээс гадна сургалтын технологийн салбарт ч чухал ахиц дэвшил гарсан. Өнөөдөр мэдрэлийн сүлжээг компьютерийн төв процессороор заахаа больсон, харин матриц болон тензорын тооцоог хурдан гүйцэтгэх чадвартай тусгай процессоруудыг ашигладаг болсон. Өнөөдөр ийм төхөөрөмжүүдийн хамгийн түгээмэл төрөл бол видео картууд юм. Гэсэн хэдий ч мэдрэлийн сүлжээг сургах илүү нарийн мэргэжлийн төхөөрөмжүүдийг хөгжүүлэх ажил идэвхтэй явагдаж байна.

Ерөнхийдөө, мэдээжийн хэрэг, мэдрэлийн сүлжээ нь өнөөдөр машин сургалтын салбарын гол технологийн нэг бөгөөд бид өмнө нь хангалтгүй шийдэж байсан олон асуудлыг шийдвэрлэх үүрэгтэй. Нөгөөтэйгүүр, мэдрэлийн сүлжээ бол эм биш гэдгийг ойлгох хэрэгтэй. Зарим ажлуудын хувьд тэд хамгийн үр дүнтэй хэрэгсэл биш юм.

Тэгвэл өнөөгийн роботууд үнэхээр хэр ухаалаг вэ?

Бүх зүйл харьцангуй. 2000 оны технологитой харьцуулахад одоогийн ололт амжилт нь жинхэнэ гайхамшиг мэт харагдаж байна. Үргэлж гомдоллох дуртай хүмүүс байх болно. 5 жилийн өмнө тэд Go-д машинууд хэзээ ч хүмүүсийн эсрэг хэзээ ч ялахгүй (эсвэл ядаж тэд удахгүй ялахгүй) талаар бүх хүч чадлаараа ярьж байсан. Машин хэзээ ч эхнээс нь зураг зурах боломжгүй гэж тэд хэлж байсан бол өнөөдөр хүмүүс машинаар бүтээсэн зургийг өөрсдөд нь үл мэдэгдэх зураачдын зургаас ялгах чадваргүй болжээ. Өнгөрсөн оны сүүлээр машинууд хүний ​​ярианаас бараг ялгагдахааргүй яриаг нэгтгэж сурсан бөгөөд сүүлийн жилүүдэд машинуудын бүтээсэн хөгжим чихийг хатаагаагүй байна.

Маргааш юу болохыг харцгаая. Би хиймэл оюун ухааны эдгээр хэрэглээний талаар маш өөдрөг байна.

Ирээдүйтэй чиглэл: хиймэл оюун ухааны салбарт шумбаж хаанаас эхлэх вэ?

Би чамайг оролдоод үзээрэй гэж зөвлөмөөр байна сайн түвшиналдартай мэдрэлийн сүлжээний хүрээнүүдийн нэг, машин сургалтын чиглэлээрх хамгийн алдартай програмчлалын хэлнүүдийн нэгийг эзэмших (өнөөгийн хамгийн алдартай хослол бол TensorFlow + Python).

Эдгээр хэрэгслүүдийг эзэмшсэн, математикийн статистик, магадлалын онолын чиглэлээр бат бөх үндэс суурьтай болсны дараа та өөрийн биеэр хамгийн сонирхолтой байх талбарт хүчин чармайлтаа чиглүүлэх хэрэгтэй.

Ажлынхаа сэдвийг сонирхох нь таны хамгийн чухал туслахуудын нэг юм.

Машин сургалтын мэргэжилтнүүдийн хэрэгцээ хамгийн их байдаг өөр өөр газар нутаг- Анагаах ухаан, банк санхүү, шинжлэх ухаан, үйлдвэрлэлийн салбарт өнөөдөр сайн мэргэжилтэнд урьд өмнө байгаагүй өргөн сонголттой болж байна. Эдгээр салбаруудын аль нэгний боломжит ашиг тус нь та ажилдаа дуртай байхтай харьцуулахад өчүүхэн мэт санагдаж байна.

"Бид хүний ​​хувьсалтай зүйрлэшгүй томоохон өөрчлөлтүүдийн босгон дээр байна" - Шинжлэх ухааны зөгнөлт зохиолч Вернор Стефан Винге

Хэрэв та доорх график дээрх бяцхан хүн шиг асар их өөрчлөлтийн ирмэг дээр байгаа гэдгээ мэдвэл ямар санагдах вэ?

Босоо тэнхлэг нь хүн төрөлхтний хөгжил, хэвтээ тэнхлэг нь цаг хугацаа юм

Сэтгэл хөдөлгөм, тийм үү?

Гэсэн хэдий ч, хэрэв та графикийн нэг хэсгийг нуух юм бол бүх зүйл илүү зохимжтой харагдаж байна.

Алс ирээдүй яг л булан тойроод байна

Та 1750 онд өөрийгөө олсон гэж төсөөлөөд үз дээ. Тэр үед хүмүүс цахилгааны тухай дуулаагүй, хол зайд харилцаа холбоо нь бамбарын тусламжтайгаар хийгддэг бөгөөд аялалын өмнө өвсөөр тэжээх цорын ганц тээврийн хэрэгсэл шаардлагатай байв. Тиймээс та 2016 онд "өнгөрсөн хүнийг" авч, түүнд амьдралыг харуулахаар шийдсэн. Хэрвээ тэр машинууд давхиж байсан өргөн, тэгш гудамжинд өөрийгөө олвол юу мэдрэхийг төсөөлөхийн аргагүй юм. Орчин үеийн хүмүүс дэлхийн өнцөг булан бүрд байсан ч харилцаж, бусад улс орны спортын арга хэмжээг дагаж, 50 жилийн өмнөх концертыг үзэж, гэрэл зураг, видео бичлэгт цаг хугацаагаа хэмнэж чаддагт танай зочин үнэхээр гайхах болно. Хэрэв та 1750 оны энэ хүнд Интернет, Олон улсын сансрын станц, Том адрон коллайдер, Харьцангуйн онолын талаар яривал түүний ертөнцийг үзэх үзэл нь сүйрч магадгүй юм. Тэр хэт их сэтгэгдлээс болж үхэж ч мэднэ.

Гэхдээ хамгийн сонирхолтой нь: хэрэв таны зочин "уугуул" зуундаа буцаж ирээд 1500-аас ирсэн хүнийг цаг хугацааны машинд суулгаж, үүнтэй төстэй туршилт хийхээр шийдсэн бол урьд нь ирсэн зочин олон хүнийг гайхшруулж магадгүй юм. Түүний туршлага тийм ч гайхалтай биш байх болно - 1500 ба 1750 оны хоорондох ялгаа 1750-аас 2016 оны хооронд тийм ч мэдэгдэхүйц биш юм.

Хэрэв 18-р зууны хүн өнгөрсөн үеийн зочдод сэтгэгдэл төрүүлэхийг хүсвэл МЭӨ 12,000 онд, Агуу тариалангийн хувьсгалаас өмнө амьдарч байсан хүнийг урих хэрэгтэй болно. Технологийн хөгжилд тэр үнэхээр "хүлээж" болох байсан. Сүм хийдийн өндөр хонхны цамхаг, далайг хагалж буй хөлөг онгоц, олон мянган оршин суугчтай хотуудыг хараад тэрээр сэтгэлийн хөөрлөөс болж ухаан алдаж байв.

Технологи, нийгмийн хөгжлийн хурд байнга нэмэгдэж байна. Америкийн нэрт зохион бүтээгч, футурист Рэймонд Курцвейл үүнийг "Түүхийн хурдатгалын хууль" гэж нэрлэдэг. Энэ нь шинэ технологи нэвтрүүлэх нь нийгмийг илүү хурдацтай хөгжүүлэх боломжийг олгодогтой холбоотой юм. Жишээлбэл, 19-р зуунд амьдарч байсан хүмүүс 15-р зууны үеийнхээс илүү дэвшилтэт технологитой байсан. Тиймээс 19-р зуун хүн төрөлхтөнд 15-аас илүү ололт амжилтыг авчирсан нь гайхах зүйл биш юм.

Гэхдээ технологи илүү хурдацтай хөгжиж байгаа бол бид ирээдүйд олон гайхалтай шинэ бүтээлүүдийг хүлээх ёстой, тийм ээ? Хэрэв Курцвейл болон түүний сэтгэлгээтэй хүмүүсийн зөв бол 2030 онд бид 1750 оноос манайд ирсэн хүний ​​сэтгэл хөдлөлийг мэдрэх болно. Мөн 2050 он гэхэд дэлхий маш их өөрчлөгдсөн тул бид өмнөх хэдэн арван жилийн онцлогийг бараг ялгаж чадахгүй байх болно.

Дээр дурдсан бүхэн шинжлэх ухааны уран зөгнөлт биш - энэ нь шинжлэх ухаанаар батлагдсан бөгөөд нэлээд логик юм. Гэсэн хэдий ч олон хүн ийм мэдэгдлийн талаар эргэлзсээр байна. Энэ нь хэд хэдэн шалтгааны улмаас тохиолддог:

1. Нийгмийн хөгжил жигд, шулуун явагддаг гэж олон хүн үздэг. Бид 30 жилийн дараа дэлхий ямар байх бол гэж бодохоор сүүлийн 30 жилд юу болсныг санаж байна. Энэ үед бид 1750 онд амьдарч байсан, 1500-аас зочин урьсан дээрх жишээн дээрх хүнтэй адилхан алдаа гаргаж байна. Цаашид гарах ахиц дэвшлийг зөвөөр төсөөлөхийн тулд хөгжил алс холын үеийнхээс илүү хурдацтай явагдаж байна гэж төсөөлөх хэрэгтэй.

2. Орчин үеийн нийгмийн хөгжлийн замналыг бид буруу ойлгодог. Жишээлбэл, хэрэв бид экспоненциал муруйны жижиг сегментийг харвал энэ нь шулуун шугам мэт харагдаж болно (яг л тойргийн хэсгийг харж байгаа мэт). Гэсэн хэдий ч экспоненциал өсөлт нь жигд, жигд биш юм. Курцвейл ахиц дэвшил нь доорх графикт үзүүлсэн шиг s хэлбэрийн муруйг дагадаг гэж тайлбарлав.

Хөгжлийн "дугуй" бүр нь гэнэтийн үсрэлтээс эхэлдэг бөгөөд дараа нь тогтвортой, аажмаар өсөлтөөр солигддог.

Тиймээс хөгжлийн шинэ "дугуй" бүрийг хэд хэдэн үе шатанд хуваадаг.

1. Удаан өсөлт (хөгжлийн эхний үе);
2. Хурдан өсөлт (хоёр дахь "тэсрэх" хөгжлийн хэллэг);
3. "Alignment" хэзээ шинэ технологитөгс төгөлдөрт хүргэсэн.

Сүүлийн үеийн үйл явдлуудыг харвал бид технологи хэр хурдацтай хөгжиж байгааг бүрэн мэдэхгүй байна гэсэн дүгнэлтэд хүрч магадгүй юм. Жишээлбэл, 1995-2007 оны хооронд бид Интернет, Майкрософт, Google, Facebook, Нийгмийн сүлжээ, гар утас, дараа нь ухаалаг утас. Гэвч 2008-2016 оны хооронд ядаж өндөр технологийн салбарт нээлтүүд тийм ч баялаг байгаагүй. Тиймээс бид одоо s хэлбэрийн хөгжлийн шугамын 3-р шатанд байна.

3. Олон хүмүүс өөрсдийнхөө амьдралын туршлагыг барьцаалж, ирээдүйн талаарх тэдний үзэл бодлыг гажуудуулдаг. Өмнөх туршлага дээр үндэслэн бидний үзэл бодолтой зөрчилдсөн ирээдүйн талаарх таамаглалыг бид сонсохдоо энэ дүгнэлтийг гэнэн гэж үздэг. Жишээлбэл, хэрэв тэд өнөөдөр танд ирээдүйд хүмүүс 150-250 жил амьдарна гэж хэлвэл та: "Энэ бол тэнэг, учир нь хүн бүр мөнх бус гэдгийг мэддэг" гэж хариулна. Үнэхээр ч өнгөрсөн хугацаанд амьдарч байсан бүх хүмүүс нас барсан, одоо ч үхсээр байна. Гэхдээ эцэст нь зохион бүтээгдэх хүртэл хэн ч онгоц нисч байгаагүй гэдгийг тэмдэглэх нь зүйтэй.

Үнэн хэрэгтээ ойрын хэдэн арван жилд маш их зүйл өөрчлөгдөх бөгөөд өөрчлөлтүүд нь маш их ач холбогдолтой байх тул одоо үүнийг төсөөлөхөд ч бэрх юм. Энэ нийтлэлийг эцэс хүртэл уншсаны дараа шинжлэх ухаан, өндөр технологийн ертөнцөд юу болж байгааг олж мэдэх боломжтой.

Хиймэл оюун ухаан (AI) гэж юу вэ?

1. Бид хиймэл оюун ухааныг “Оддын дайн”, “Терминатор” гэх мэт кинонуудтай холбодог. Үүнтэй холбоотойгоор бид үүнийг уран зохиол гэж үздэг.

2. AI бол нэлээд өргөн ойлголт юм. Энэ нь халаасны тооцоолуур болон өөрөө жолооддог машинд хамаатай. Ийм олон янз байдал нь төөрөгдөлд хүргэдэг.

3. Бид хиймэл оюун ухааныг өдөр тутмын амьдралдаа ашигладаг ч үүнийгээ анзаардаггүй. Бид хиймэл оюун ухааныг ирээдүйн ертөнцөөс домогт зүйл гэж ойлгодог тул энэ нь бидний эргэн тойронд байгаа гэдгийг ойлгоход хэцүү байдаг.

Үүнтэй холбогдуулан хэд хэдэн зүйлийг нэг удаа, бүрмөсөн ойлгох шаардлагатай байна. Нэгдүгээрт, хиймэл оюун ухаан бол робот биш. Робот бол заримдаа хүний ​​биеийн тоймыг агуулсан хиймэл оюун ухааны бүрхүүл юм. Гэсэн хэдий ч хиймэл оюун ухаан бол робот доторх компьютер юм. Үүнийг хүний ​​биеийн доторх тархитай зүйрлэж болно. Жишээлбэл, бидний сонсдог эмэгтэйн дуу хоолой бол зүгээр л дүр төрх юм.

Хоёрдугаарт, та "онцгой байдал" эсвэл "технологийн онцгой байдал" гэсэн ойлголттой аль хэдийн танилцсан байх. Энэ нэр томъёог ердийн хууль тогтоомж, дүрэм журам хэрэгждэггүй нөхцөл байдлыг тодорхойлоход ашигласан. Энэ ойлголтыг физикт хар нүхнүүд буюу Их тэсрэлтийн өмнөх орчлон ертөнцийн шахалтын мөчийг тодорхойлоход ашигладаг. 1993 онд Вернор Винге өөрийн алдартай эссэгээ хэвлүүлсэн бөгөөд тэр өвөрмөц байдлыг ашиглан ирээдүйд хиймэл оюун ухаан биднийхээс давж гарах цэгийг тодорхойлжээ. Түүний бодлоор энэ мөч ирэхэд бүх дүрэм, хуультай дэлхий урьдын адил оршин тогтнохоо болино.

Эцэст нь хэлэхэд хиймэл оюун ухааны хэд хэдэн төрөл байдаг бөгөөд эдгээрээс гурван үндсэн ангиллыг ялгаж салгаж болно.

1. Хязгаарлагдмал хиймэл оюун ухаан (ANI, Artificial Narrow Intelligence). Энэ бол тодорхой нэг чиглэлээр мэргэшсэн хиймэл оюун ухаан юм. Тухайлбал, тэрээр дэлхийн шатрын аваргыг шатрын тоглолтонд ялж чадна, гэхдээ энэ нь түүний хийж чадах зүйл юм.

2. Ерөнхий хиймэл оюун ухаан (AGI, Artificial General Intelligence). Ийм хиймэл оюун ухаан нь хүнийхтэй төстэй, өөрөөр хэлбэл хүнтэй адил бүх ажлыг гүйцэтгэх чадвартай компьютер юм. Профессор Линда Готтфредсон энэ үзэгдлийг "Ерөнхий хиймэл оюун ухаан нь сэтгэн бодох, төлөвлөх, асуудлыг шийдвэрлэх, хийсвэрээр сэтгэх, нарийн төвөгтэй санааг харьцуулах, хурдан суралцах, хуримтлуулсан туршлагаа ашиглах чадварыг багтаасан ерөнхий сэтгэн бодох чадварыг агуулдаг" гэж тайлбарлав.

3. Artificial Superintelligence (ASI, Artificial Superintelligence). Шведийн гүн ухаантан, Оксфордын их сургуулийн профессор Ник Бостром супер оюун ухааныг "шинжлэх ухааны шинэ бүтээл, ерөнхий мэдлэг, нийгмийн ур чадвар зэрэг бараг бүх салбарт хүнээс илүү байдаг оюун ухаан" гэж тодорхойлсон.

Одоогийн байдлаар хүн төрөлхтөн хязгаарлагдмал хиймэл оюун ухааныг аль хэдийн амжилттай ашиглаж байна. Бид AGI-г эзэмших замдаа явж байна. Өгүүллийн дараах хэсгүүдэд эдгээр ангилал тус бүрийг нарийвчлан авч үзэх болно.

Хязгаарлагдмал хиймэл оюун ухаанаар захирагддаг ертөнц

Хязгаарлагдмал хиймэл оюун ухаан гэдэг нь явцуу асуудлуудыг шийдвэрлэхдээ хүний ​​оюун ухаантай тэнцэх буюу түүнээс дээш байдаг машины оюун ухаан юм. Зарим жишээг доор харуулав.

• замдаа тохиолдож буй янз бүрийн саад тотгорыг таньж, хариу үйлдэл үзүүлдэг Google-ийн өөрөө жолооддог машин;
• "диваажин" юм янз бүрийн хэлбэрүүдхязгаарлагдмал AI. Та навигацийн зөвлөмжийг ашиглан хотыг тойрон хөдөлж, Pandora-аас хөгжмийн зөвлөмж авч, цаг агаарын мэдээг шалгаж, Siri-тэй ярихдаа ANI ашиглаж байна;
• таны имэйл дэх спам шүүлтүүрүүд - эхлээд тэд спамыг таньж сурдаг, дараа нь өмнөх туршлага болон таны сонголтод дүн шинжилгээ хийж, захидалуудыг тусгай хавтас руу зөөдөг;
• Google Translate орчуулагч нь хязгаарлагдмал AI-ийн сонгодог жишээ бөгөөд нарийн даалгавраа хангалттай даван туулдаг;
• Онгоц газардах мөчид хиймэл оюун ухаанд суурилсан тусгай систем нь зорчигчид ямар хаалгаар гарахыг тодорхойлдог.

Хязгаарлагдмал хиймэл оюун ухааны систем нь хүмүүст ямар ч аюул занал учруулахгүй. Хамгийн муу тохиолдолд, ийм тогтолцооны доголдол нь эрчим хүчний өсөлт, санхүүгийн зах зээлд бага зэрэг уналт зэрэг орон нутгийн сүйрэлд хүргэж болзошгүй юм.

Хязгаарлагдмал хиймэл оюун ухааны салбарт гарсан шинэ бүтээл бүр биднийг ерөнхий хиймэл оюун ухааныг бий болгоход нэг алхам ойртуулдаг.

Энэ яагаад ийм хэцүү байна вэ?

Хэрэв та хүнтэй ижил оюун ухаантай компьютер бүтээх гэж оролдсон бол сэтгэн бодох чадвараа үнэхээр үнэлж эхлэх болно. Тэнгэр баганадсан барилгуудыг зохион бүтээх, сансарт пуужин хөөргөх, Их тэсрэлтийн онолыг судлах - энэ бүгдийг хийх нь хүний ​​тархийг судлахаас хамаагүй хялбар юм. Одоогийн байдлаар бидний оюун ухаан бол ажиглагдаж болох ертөнцийн хамгийн нарийн төвөгтэй объект юм.

Хамгийн сонирхолтой нь ерөнхий хиймэл оюун ухааныг бий болгоход тулгардаг бэрхшээл нь хамгийн энгийн мэт санагдах зүйлсээс үүсдэг. Жишээлбэл, арван оронтой тоог хэдхэн секундын дотор үржүүлдэг төхөөрөмжийг бүтээх нь тийм ч хэцүү биш юм. Үүний зэрэгцээ, мониторын өмнө хэн байгааг таньж чадах програм бичих нь үнэхээр хэцүү байдаг: муур эсвэл нохой. Шатарт хүнийг ялах компьютер бүтээх үү? Амархан! Хүүхдийн номонд юу бичсэнийг машин уншуулж, ойлгуулах уу? Google энэ асуудлыг шийдэхийн тулд олон тэрбум доллар зарцуулж байна. Математик тооцоолол, санхүүгийн стратеги бий болгох, нэг хэлээс нөгөө хэл рүү орчуулах гэх мэт зүйлсийг хиймэл оюун ухааны тусламжтайгаар аль хэдийн шийдсэн. Гэсэн хэдий ч алсын хараа, ойлголт, дохио зангаа, сансар огторгуй дахь хөдөлгөөн нь компьютерийн хувьд шийдэгдээгүй хэвээр байна.

Эдгээр чадварууд нь олон сая жилийн хувьслын явцад бий болсон учраас хүмүүст энгийн мэт санагддаг. Аливаа зүйлийг авахын тулд гараа сунгахад булчин, шөрмөс, яснууд нь нүдээр харж буйтай нийцэх хэд хэдэн үйлдлийг гүйцэтгэдэг.

Нөгөөтэйгүүр олон тоог үржүүлэх, шатар тоглох нь биологийн биетүүдийн хувьд цоо шинэ үйлдэл юм. Тийм учраас компьютер энэ тал дээр биднийг ялах нь маш амархан. Та аль программыг бүтээхийг илүүд үзэх талаар бодож үзээрэй: олон тооны тоог хурдан үржүүлэх эсвэл өөр өөр фонтоор бичсэн мянга мянган хүмүүсийн В үсгийг таних боломжтой програм уу?

Өөр нэг хөгжилтэй жишээ: Доорх зургийг хараад та болон компьютер хоёр өөр өнгийн дөрвөлжин хэлбэртэй тэгш өнцөгтийг төлөөлж байгааг ойлгох болно.

Гэхдээ хар дэвсгэрийг арилгамагц өмнө нь нуугдсан бүрэн зураг бидний өмнө нээгдэнэ.

Энэ зурган дээр харсан бүх дүрсийг нэрлэж, дүрслэх нь хүнд хэцүү биш байх болно. Гэсэн хэдий ч компьютер энэ ажлыг даван туулахгүй. Доорх зургийг задлан шинжилсний дараа тэрээр түүний өмнө цагаан, хар, саарал өнгийн хоёр хэмжээст олон объектын хослол байна гэж дүгнэх болно. Энэ тохиолдолд хүн зураг дээр хар чулуу харагдаж байна гэж амархан хэлж чадна.

Дээр дурдсан бүх зүйл нь зөвхөн статик мэдээллийг хүлээн авах, боловсруулахтай холбоотой юм. Хүний оюун ухааны түвшинд нийцүүлэхийн тулд компьютер нүүрний хувирал, дохио зангаа гэх мэтийг таньж сурах хэрэгтэй. Гэхдээ энэ бүхэнд хэрхэн хүрэх вэ?

Ерөнхий хиймэл оюуныг бий болгох эхний алхам бол компьютерийн хүчийг нэмэгдүүлэх явдал юм

Мэдээжийн хэрэг, хэрэв бид "ухаалаг" компьютер бүтээх гэж байгаа бол тэдгээр нь хүмүүстэй адил сэтгэн бодох чадвартай байх ёстой. Үүнд хүрэх нэг арга бол секундэд хийх үйлдлийн тоог нэмэгдүүлэх явдал юм. Үүний тулд хүний ​​тархины бүтэц бүр секундэд хэдэн үйлдэл хийдэгийг тооцоолох шаардлагатай.

Рэй Курцвейл зарим тооцоолол хийж, секундэд 10,000,000,000,000,000 үйлдлийг гаргаж чадсан. Хүний тархи ойролцоогоор ижил бүтээмжтэй байдаг.

Одоогийн байдлаар хамгийн хүчирхэг суперкомпьютер бол Хятадын Tianhe-2 бөгөөд түүний гүйцэтгэл нь секундэд 34 квадриллион үйлдэл юм. Гэсэн хэдий ч энэхүү супер компьютерийн хэмжээ нь гайхалтай бөгөөд 720 талбайг хамардаг метр квадрат 390 000 000 долларын үнэтэй.

Тиймээс, хэрэв та техникийн талаас нь харвал бид хүний ​​тархитай харьцуулахуйц компьютертэй болсон. Энэ нь олон нийтийн хэрэглэгчдэд байхгүй, гэхдээ арван жилийн дараа ийм болно. Гэсэн хэдий ч, гүйцэтгэл нь хүн шиг компьютерт оюун ухаан өгч чадах цорын ганц зүйл биш юм. Дараагийн асуулт бол хүчирхэг компьютерийг хэрхэн ухаалаг болгох вэ?

Ерөнхий хиймэл оюуныг бий болгох хоёр дахь алхам бол машиныг оюун ухаанаар хангах явдал юм

Компьютерийг хэрхэн ухаалаг болгохыг хэн ч мэдэхгүй учраас энэ бол үйл явцын хамгийн хэцүү хэсэг юм. Муурыг нохойноос ялгах эсвэл В үсгийг таних машиныг хэрхэн идэвхжүүлэх талаар маргаан байсаар байна. Гэсэн хэдий ч хэд хэдэн стратеги байдаг бөгөөд тэдгээрийн заримыг доор товч тайлбарлав.

1. Хүний тархийг хуулбарлах

Одоогоор эрдэмтэд хүний ​​тархины урвуу инженерчлэл гэж нэрлэгддэг технологи дээр ажиллаж байна. Өөдрөг төсөөллөөр бол 2030 он гэхэд энэ ажил дуусна. Төсөл бүтээгдсэний дараа бид тархиныхаа бүх нууцыг мэдэж, түүнээс шинэ санаа гаргах боломжтой болно. Ийм системийн жишээ бол хиймэл мэдрэлийн сүлжээ юм.

Өөр нэг эрс тэс санаа бол хүний ​​тархины үйл ажиллагааг бүрэн дуурайх явдал юм. Энэ туршилтын үеэр тархийг олон нимгэн давхарга болгон хувааж, тус бүрийг нь сканнердахаар төлөвлөж байна. Дараа нь тусгай програм ашиглан та 3D загвар бүтээж, дараа нь хүчирхэг компьютерт хэрэгжүүлэх хэрэгтэй болно. Үүний дараа бид хүний ​​тархины бүх функцийг албан ёсоор гүйцэтгэх төхөөрөмжийг хүлээн авах болно - түүнд мэдээлэл цуглуулах, суралцах л үлдлээ.

Эрдэмтэд хүний ​​тархины яг хуулбарыг бүтээх хүртэл бид хэр удаан хүлээх ёстой вэ? Мэргэжилтнүүд 302 мэдрэлийн эсээс (бидний тархи 100,000,000,000 мэдрэлийн эсээс бүрддэг) бүрдэх тархины 1 мм-ийн давхаргыг ч хуулбарлаж чадаагүй тул нэлээд удаж байна.

2. Хүний тархины хувьслын тухай товч өгүүлэх

Ухаалаг компьютер бүтээх нь онолын хувьд боломжтой бөгөөд бидний тархины хувьсал үүний баталгаа юм. Хэрэв бид тархины яг хуулбарыг бүтээж чадахгүй бол түүний хувьслыг дууриахыг оролдож болно. Үнэн хэрэгтээ, жишээ нь, шувууны далавчийг хуулбарлаад л онгоц бүтээх боломжгүй юм. Өндөр чанартай нисэх онгоц бүтээхийн тулд өөр аргыг ашиглах нь дээр.

Бид ерөнхий хиймэл оюун ухааныг бий болгох хувьслын үйл явцыг хэрхэн дуурайж болох вэ? Энэ аргыг генетикийн алгоритм гэж нэрлэдэг. Энэхүү аргын мөн чанар нь оновчлол, загварчлалын асуудлыг амьд байгаль дахь байгалийн шалгаралтай төстэй механизмуудыг ашиглан шийддэг явдал юм. Хэд хэдэн компьютер өөр өөр ажил гүйцэтгэх бөгөөд хамгийн үр дүнтэй нь нотлогддог нь бие биетэйгээ "загална". Даалгавраа биелүүлээгүй машинуудыг хасна. Ийнхүү энэхүү туршилтыг олон удаа давтсаны дараа байгалийн шалгарлын алгоритм улам бүр илүү сайн компьютер бүтээх болно. Энд байгаа бэрхшээл нь хувьслын үйл явц нь өөрөө үргэлжлэх ёстой тул хувьслын үйл явцыг автоматжуулах, "гатлах" явдал юм.

Тайлбарласан аргын сул тал нь хувьслын шинж чанарт олон сая жил шаардагдах боловч хэдэн арван жилийн дотор үр дүн хэрэгтэй болно.

3. Бүх ажлыг компьютерт шилжүүл

Эрдэмтэд цөхрөнгөө барсан үедээ өөрийгөө сорих программ бүтээхийг оролддог. Энэ нь ерөнхий хиймэл оюун ухааныг бий болгох хамгийн ирээдүйтэй арга байж болох юм.

Гол үүрэг нь хиймэл оюун ухааны судалгаа, кодчиллын өөрчлөлтүүд болох компьютер бүтээх санаа юм. Ийм компьютер нь бие даан суралцахаас гадна өөрийн архитектураа өөрчлөх болно. Эрдэмтэд компьютерийг өөрийн оюун ухааныг хөгжүүлэх үндсэн ажил болох судлаач болгохоор төлөвлөж байна.

Энэ бүхэн тун удахгүй тохиолдож магадгүй юм

Компьютерийн тасралтгүй сайжруулалт, шинэ программ хангамжийн шинэлэг туршилтууд зэрэгцэн явагддаг. Хиймэл ерөнхий оюун ухаан нь хоёр үндсэн шалтгааны улмаас хурдан бөгөөд гэнэтийн байдлаар гарч ирдэг.

1. Экспоненциал өсөлтийн хурд маш удаан мэт боловч ямар ч үед хурдасч болно.

2. Програм хангамжийн хувьд ахиц дэвшил маш удаан байгаа мэт боловч ганцхан нээлт биднийг нүд ирмэхийн зуур дараагийн түвшинд хүргэж чадна. шинэ түвшинхөгжил. Жишээлбэл, урьд өмнө хүмүүс Дэлхий ертөнцийн төвд байдаг гэж боддог байсныг бид бүгд мэднэ. Үүнтэй холбоотойгоор сансар огторгуйг судлахад олон бэрхшээл гарч ирэв. Гэсэн хэдий ч дараа нь дэлхийн систем гэнэт гелиоцентрик болж өөрчлөгдсөн. Санаанууд эрс өөрчлөгдсөний дараа шинэ судалгаа хийх боломжтой болсон.

Хязгаарлагдмал хиймэл оюун ухаанаас хиймэл супер оюун ухаан хүртэлх зам дээр

Хязгаарлагдмал хиймэл оюун ухааны хөгжлийн нэгэн цагт компьютерууд биднийг давж эхэлнэ. Хүний тархитай адилхан хиймэл оюун ухаан нь хүмүүсээс хэд хэдэн давуу талтай байдаг бөгөөд эдгээрээс дараахь зүйлийг ялгаж болно.

Хурд. Манай тархины мэдрэлийн эсүүд дээд тал нь 200 Гц давтамжтайгаар ажилладаг бол орчин үеийн микропроцессорууд 2 ГГц буюу 10 сая дахин хурдан ажилладаг.

Хэмжээ. Хүний тархи гавлын ясны хэмжээгээр хязгаарлагддаг тул томрох боломжгүй. Компьютер нь ямар ч хэмжээтэй байж болох тул файл хадгалахад илүү зай өгдөг.

Найдвартай байдал, бат бөх чанар. Компьютерийн транзисторууд нь тархины мэдрэлийн эсүүдээс илүү нарийвчлалтай ажилладаг. Үүнээс гадна тэдгээрийг амархан засах эсвэл солих боломжтой. Хүний тархи ядрах хандлагатай байдаг бол компьютер бүтэн цагаар ажиллах боломжтой.

Өөрийгөө байнга сайжруулж байхаар программчлагдсан хиймэл оюун ухаан нь ямар ч хязгаарлалтаар хязгаарлагдахгүй. Нэгэнт хүний ​​оюун ухааны түвшинд хүрсэн машин үүгээр зогсохгүй гэсэн үг.

Мэдээжийн хэрэг, компьютер биднээс илүү "ухаалаг" болох үед энэ нь бүх хүн төрөлхтнийг цочирдуулах болно. Үнэн хэрэгтээ бидний ихэнх нь тагнуулын талаархи гажуудсан үзэл бодолтой байдаг.

Тагнуулын талаарх бидний гажуудсан үзэл.

Хэвтээ тэнхлэг нь цаг хугацаа, босоо тэнхлэг нь оюун ухаан юм.

Шоргоолж, шувуу, шимпанзе, тэнэг хүн, Эйнштейн зэрэг оюун ухааны түвшин доороосоо дээшээ явдаг. Тэнэг хүн Эйнштэйн хоёрын дунд нэгэн хүн байдаг: “Ха ха! Эдгээр хөгжилтэй роботууд сармагчин шиг ажилладаг!

Хиймэл оюун ухааны хөгжлийг улаан өнгөөр ​​тэмдэглэв.

Тэгэхээр график дээрх хиймэл оюун ухааны хөгжлийн муруй хүний ​​түвшинд хүрэх хандлагатай байна. Машин аажмаар амьтнаас илүү ухаалаг болж байгааг бид харж байна. Гэсэн хэдий ч хиймэл оюун ухаан "ойн сэтгэлгээтэй хүн" эсвэл Ник Бостромын хэлснээр "тосгоны тэнэг" түвшинд хүрвэл энэ нь хиймэл ерөнхий оюун ухаан бий болсон гэсэн үг юм. Энэ тохиолдолд компьютер Эйнштейний түвшинд хүрэхэд хэцүү биш байх болно. Энэхүү хурдацтай хөгжлийг доорх зурагт үзүүлэв.

Гэхдээ дараа нь юу болох вэ?

Оюуны тэсрэлт

Энэ нийтлэлд бичигдсэн бүх зүйл бол нэр хүндтэй эрдэмтдийн эмхэтгэсэн шинжлэх ухааны бодит таамаглалын тайлбар гэдгийг эргэн санах нь зүйтэй болов уу.

Ямар ч тохиолдолд хязгаарлагдмал хиймэл оюун ухааны ихэнх загварууд нь өөрийгөө сайжруулах функцийг агуулдаг. Гэхдээ анхнаасаа ийм функцийг хангаагүй хиймэл оюун ухаан бүтээсэн ч гэсэн хүний ​​оюун ухааны түвшинд хүрсэн хойноо компьютер дур зоргоороо бие даан суралцах чадварыг олж авах болно. Үүний үр дүнд машины оюун ухаан аажмаар хөгжиж, хүний ​​оюун ухаанаас хэд дахин илүү супер оюун ухаан болон хувирна.

Одоогоор хиймэл оюун ухаан хэзээ хүний ​​оюун ухааны түвшинд хүрэх талаар маргаан өрнөж байна. Энэ нь 2040 онд болно гэдэгтэй олон зуун эрдэмтэд санал нэгдэж байна. Хэт их хугацаа биш, тийм үү?

Тэгэхээр хиймэл оюун ухаан хүний ​​оюуны түвшинд хүрэхийн тулд хэдэн арван жил шаардагдах боловч эцэстээ биелэх болно. Компьютер нь 4 настай хүүхэд ойлгодог шиг эргэн тойрныхоо ертөнцийг ойлгож сурах болно. Гэнэт энэ мэдээллийг шингээж авснаар систем онолын физик, квант механик, харьцангуйн онолыг эзэмших болно. Нэг цаг хагасын дараа хиймэл оюун ухаан хүний ​​тархины чадвараас 170 мянга дахин илүү хиймэл супер оюун ухаан болж хувирна.

Супер оюун ухаан бол бидний хэсэгчлэн ойлгохын аргагүй үзэгдэл юм. Бидний бодлоор ухаантай хүн IQ 130, тэнэг нь 85-аас бага. Харин 12952 IQ-тай амьтанд ямар үг сонгох вэ?

Оюун ухаан нь хүч чадалтай ижил утгатай бөгөөд иймээс хүн одоогийн байдлаар хувьслын оргилд хүрч, бусад бүх амьд оршнолуудыг захирч байна. Энэ нь хиймэл оюун ухаан бий болсноор бид “байгалийн титэм” байхаа болино гэсэн үг. Бид дээд оюун ухаанд захирагдах болно.

Хэрвээ бидний хязгаарлагдмал тархи Wi-Fi-г үүсгэж чадвал биднээс хэдэн зуу, мянга, бүр сая дахин том оюун ухаан юу бүтээж болохыг төсөөлөөд үз дээ. Энэхүү тагнуул нь гараг дээрх атом бүрийн байршлыг хянах боломжтой болно. Бидний одоо ид шид эсвэл Бурханы хүч гэж үздэг бүх зүйл дээд оюун ухааны өдөр тутмын ажил болох болно. Суперминд хөгшрөлтийг ялан дийлж, өвчин эмгэгийг эдгээж, өлсгөлөн, бүр үхлийг устгаж чадна. Тэр ч байтугай дэлхий дээрх амьдралыг хамгаалахын тулд цаг агаарыг дахин програмчлах боломжтой болно. Гэвч супер оюун ухаан нь нүд ирмэхийн зуур гариг ​​дээрх амьдралыг устгаж чадна. Бодит байдлын талаарх бидний одоогийн ойлголтод Бурхан бидний хажууд супер оюун ухааны дүрд суух болно. Бидний өөрөөсөө асуух цорын ганц асуулт бол энэ нь сайн Бурхан байх болов уу?

Хиймэл оюун ухаан: хэрхэн, хаана суралцах вэ - мэргэжилтнүүд хариулдаг

"Би хиймэл оюун ухаан хийхийг хүсч байна. Юуг судлах нь зүйтэй вэ? Би ямар хэл ашиглах ёстой вэ? Би ямар байгууллагад сурч, ажиллах ёстой вэ?

Бид мэргэжилтнүүдээсээ тодруулга авахаар хандсан бөгөөд хүлээн авсан хариултыг та бүхэнд толилуулж байна.

Энэ нь таны үндсэн сургалтаас хамаарна. Юуны өмнө танд математикийн соёл (статистикийн мэдлэг, магадлалын онол, дискрет математик, шугаман алгебр, анализ гэх мэт), маш хурдан сурах хүсэл эрмэлзэл хэрэгтэй. AI аргуудыг хэрэгжүүлэхэд програмчлал (алгоритм, өгөгдлийн бүтэц, OOP гэх мэт) шаардлагатай болно.

Өөр өөр төслүүд нь өөр өөр програмчлалын хэлний мэдлэг шаарддаг. Би ядаж Python, Java болон ямар ч функциональ хэл мэддэг байхыг зөвлөж байна. Төрөл бүрийн мэдээллийн сан, түгээсэн системтэй ажиллаж байсан туршлага нь тустай байх болно. Салбарын шилдэг туршлагыг хурдан сурахын тулд англи хэлний мэдлэг шаардлагатай.

Би Оросын сайн их дээд сургуулиудад суралцахыг зөвлөж байна! Жишээлбэл, MIPT, MSU, HSE-д холбогдох хэлтэс байдаг. Coursera, edX, Udacity, Udemy болон бусад MOOC платформ дээр олон төрлийн сэдэвчилсэн сургалтууд байдаг. Зарим тэргүүлэх байгууллагууд хиймэл оюун ухааны чиглэлээр өөрийн сургалтын хөтөлбөртэй байдаг (жишээлбэл, Yandex дахь Мэдээллийн шинжилгээний сургууль).

AI аргаар шийдсэн хэрэглээний асуудлуудыг янз бүрийн газраас олж болно. Банкууд, санхүүгийн салбар, зөвлөгөө, жижиглэн худалдаа, цахим худалдаа, хайлтын систем, шуудангийн үйлчилгээ, тоглоомын салбар, аюулгүй байдлын системийн салбар, мэдээжийн хэрэг Avito - бүгдэд янз бүрийн мэргэшсэн мэргэжилтэн хэрэгтэй.

Дэвшүүлэх

Бидэнд машин сурах, компьютерийн алсын хараатай холбоотой финтек төсөл байгаа бөгөөд түүний анхны хөгжүүлэгч нь бүх зүйлийг C++ хэл дээр бичиж, дараа нь хөгжүүлэгч гарч ирээд Python дээр бүгдийг дахин бичсэн. Тэгэхээр хэл бол энд хамгийн чухал зүйл биш, учир нь хэл бол хамгийн түрүүнд хэрэглүүр бөгөөд үүнийг хэрхэн ашиглах нь танаас хамаарна. Зүгээр л зарим хэл дээр асуудлыг илүү хурдан шийдэж, заримд нь илүү удаан шийддэг.

Хаана сурахаа хэлэхэд хэцүү байна - манай залуус бүгд бие даан суралцсан, аз болоход Интернет, Google байдаг.

Дэвшүүлэх

Та маш их суралцах хэрэгтэй болно гэдгийг эхнээс нь бэлдээрэй гэж зөвлөж байна. "AI хийх" гэж юуг хэлэхээс үл хамааран - том өгөгдөл эсвэл мэдрэлийн сүлжээтэй ажиллах; технологийг хөгжүүлэх эсвэл аль хэдийн боловсруулсан тодорхой системийг дэмжих, сургах.

Тодорхой болгох үүднээс Data Scientist-ийн чиг хандлагатай мэргэжлийг авч үзье. Энэ хүн юу хийж байгаа юм бэ? Ерөнхийдөө том өгөгдлийг цуглуулж, шинжилж, ашиглахад бэлтгэдэг. Эдгээр нь хиймэл оюун ухааныг хөгжүүлж, сургадаг хүмүүс юм. Мэдээлэл судлаач хүн юу мэдэж, чаддаг байх ёстой вэ? Статик дүн шинжилгээ ба математик загварчлал нь анхдагч байдлаар, чөлөөтэй байх түвшинд байна. Хэлнүүд - R, SAS, Python гэж хэлээрэй. Мөн хөгжүүлэлтийн туршлага байгаа бол сайхан байх болно. Ерөнхийдөө сайн өгөгдөл судлаач өгөгдлийн сан, алгоритм, өгөгдлийн дүрслэлд итгэлтэй байх ёстой.

Ийм мэдлэгийг тус улсын хоёр дахь техникийн их сургууль бүрээс олж болно гэж хэлэхгүй. Хиймэл оюун ухааны хөгжлийг нэн тэргүүнд тавьдаг томоохон компаниуд үүнийг ойлгож, өөрсдөдөө тохирсон сургалтын хөтөлбөр боловсруулдаг - жишээлбэл, Yandex-ийн Мэдээллийн шинжилгээний сургууль байдаг. Гэхдээ энэ нь "гудамжнаас" курст ирдэг хэмжүүр биш гэдгийг та мэдэж байх ёстой, харин тэднийг бэлэн залуу гэж үлдээгээрэй. Давхарга нь том бөгөөд наад зах нь их сургуулийн хөтөлбөрийн хүрээнд суурь (математик, статистик) аль хэдийн хамрагдсан бол тухайн чиглэлээр суралцах нь утга учиртай юм.

Тийм ээ, үүнд нэлээд хугацаа шаардагдана. Гэхдээ сайн Data Scientist маш их ирээдүйтэй учраас тоглоом нь лааны үнэ цэнэтэй юм. Мөн маш үнэтэй. Бас нэг зүйл бий. Хиймэл оюун ухаан нь нэг талаасаа зүгээр нэг шуугиан тарьдаг зүйл биш, харин бүтээмжийн шатанд бүрэн хүрсэн технологи болжээ. Нөгөө талаар хиймэл оюун ухаан хөгжсөөр байна. Энэ бүтээн байгуулалтад асар их хөрөнгө, асар их ур чадвар, асар их мөнгө шаардлагатай. Одоогоор энэ бол дээд лигийн түвшин юм. Би одоо тодорхой зүйлийг хэлье, гэхдээ хэрэв та халдлагын тэргүүн эгнээнд байж, ахиц дэвшлийг өөрийн гараар хөтлөхийг хүсч байвал Facebook, Amazon зэрэг компаниудыг зорь.

Үүний зэрэгцээ энэ технологийг банк санхүү, харилцаа холбоо, томоохон аж үйлдвэрийн аж ахуйн нэгжүүд, жижиглэн худалдаа зэрэг хэд хэдэн салбарт аль хэдийн ашиглаж байна. Мөн тэдэнд үүнийг дэмжиж чадах хүмүүс аль хэдийн хэрэгтэй байна. Гартнер 2020 он гэхэд хөгжингүй орнуудын нийт аж ахуйн нэгжүүдийн 20% нь эдгээр компаниудад ашиглагдаж буй мэдрэлийн сүлжээг сургах тусгай ажилчдыг ажилд авна гэж таамаглаж байна. Тиймээс бие даан суралцах хугацаа бага байна.

Дэвшүүлэх

AI одоо идэвхтэй хөгжиж байгаа бөгөөд арван жилийн өмнө үүнийг урьдчилан таамаглахад хэцүү байдаг. Ирэх 2-3 жилийн хугацаанд мэдрэлийн сүлжээ болон GPU тооцоололд суурилсан хандлага давамгайлах болно. Энэ чиглэлээр тэргүүлэгч нь Jupyter интерактив орчин, numpy, scipy, tensorflow номын сангуудтай Python юм.

Эдгээр технологийн талаар үндсэн ойлголт өгөх олон онлайн курсууд байдаг ерөнхий зарчим AI, жишээ нь Эндрю Нгийн курс. Мөн энэ сэдвийг заах үүднээс Орос улс одоо хамгийн үр дүнтэй байна өөрөө боловсролэсвэл орон нутгийн сонирхлын бүлэгт (жишээлбэл, Москвад хүмүүс туршлага, мэдлэгээ хуваалцдаг дор хаяж хоёр бүлэг байдгийг би мэднэ).

Дэвшүүлэх

Дэвшүүлэх

Өнөөдөр хиймэл оюун ухааны хамгийн хурдацтай хөгжиж буй хэсэг бол мэдрэлийн сүлжээ юм.
Мэдрэлийн сүлжээ ба хиймэл оюун ухааныг судлах нь математикийн хоёр салбар болох шугаман алгебр ба магадлалын онолыг эзэмшихээс эхлэх ёстой. Энэ бол заавал биелүүлэх доод хэмжээ, хиймэл оюун ухааны хөдлөшгүй тулгуур багана юм. AI-ийн үндсийг ойлгохыг хүсч буй өргөдөл гаргагчид их сургуулиа сонгохдоо миний бодлоор хүчтэй математикийн сургуультай факультетуудад анхаарлаа хандуулах хэрэгтэй.

Дараагийн алхам бол асуудлын асуудлыг судлах явдал юм. Боловсролын болон төрөлжсөн уран зохиолын асар их хэмжээний ном байдаг. Хиймэл оюун ухаан, мэдрэлийн сүлжээний сэдвээр ихэнх нийтлэлүүд англи хэл дээр бичигдсэн боловч орос хэл дээрх материалууд бас хэвлэгддэг. Ашигтай уран зохиолыг жишээ нь архив.org нийтийн дижитал номын сангаас олж болно.

Хэрэв бид үйл ажиллагааны чиглэлүүдийн талаар ярих юм бол хэрэглээний мэдрэлийн сүлжээг сургах, мэдрэлийн сүлжээний цоо шинэ хувилбаруудыг хөгжүүлэх талаар энд онцолж болно. Гайхалтай жишээ: одоо маш алдартай мэргэжил байдаг - "өгөгдлийн судлаач" (Data Scientist). Эдгээр нь дүрмээр бол тодорхой хэрэглээний талбарт мэдрэлийн сүлжээг сургах тодорхой өгөгдлийн багцыг судалж бэлтгэдэг хөгжүүлэгчид юм. Дүгнэж хэлэхэд, мэргэшсэн мэргэжил бүр тусдаа бэлтгэлийн замыг шаарддаг гэдгийг онцлон хэлмээр байна.

Дэвшүүлэх

Мэргэшсэн сургалт эхлэхээс өмнө шугаман алгебр, статистикийг судлах хэрэгтэй. Хиймэл оюун ухаанд умбаж эхлэхийг би “Машин сурах бичиг” сурах бичгээс эхлүүлэхийг зөвлөж байна. Өгөгдлөөс мэдлэгийг гаргаж авдаг алгоритм бүтээх шинжлэх ухаан ба урлаг" нь эхлэгчдэд зориулсан сайн суурь юм. Coursera дээр К.Воронцовын танилцуулга лекц (шугаман алгебрын талаар сайн мэдлэг шаарддаг гэдгийг би онцлон тэмдэглэж байна) болон Baidu AI-ийн тэргүүн, профессор Эндрю Нгийн заасан Стэнфордын их сургуулийн "Машин суралцахуй" хичээлийг сонсох нь зүйтэй болов уу. Бүлэг/Google Тархи.

Бөөнөөр нь Python дээр бичигдсэн, дараа нь R, Lua.

Хэрэв бид боловсролын байгууллагуудын талаар ярих юм бол хэрэглээний математик, компьютерийн шинжлэх ухааны тэнхимүүдэд тохиромжтой боловсролын хөтөлбөрүүд байдаг. Та өөрийн чадвараа сорихын тулд дэлхийн томоохон брэндүүд өөрсдийн кейсийг санал болгодог Kaggle тэмцээнд оролцож болно.

Дэвшүүлэх

Аливаа бизнест төсөл эхлүүлэхийн өмнө онолын үндэслэлийг олж авах нь зүйтэй юм. Та энэ чиглэлээр албан ёсны магистрын зэрэг авах, мэргэшлээ дээшлүүлэх олон газар байдаг. Жишээлбэл, Skoltech нь "Тооцооллын шинжлэх ухаан, инженерчлэл", "Өгөгдлийн шинжлэх ухаан" гэсэн чиглэлээр магистрын хөтөлбөрүүдийг санал болгодог бөгөөд үүнд "Машин сурах", "Байгалийн хэлний боловсруулалт" зэрэг хичээл орно. Мөн MEPhI Үндэсний Судалгааны Цөмийн Их Сургуулийн Ухаалаг Кибернетик Системийн Хүрээлэн, Москвагийн Улсын Их Сургуулийн Тооцооллын Математик, Кибернетикийн факультет, MIPT-ийн Ухаалаг Системийн тэнхимийг дурдаж болно.

Хэрэв та аль хэдийн албан ёсны боловсрол эзэмшсэн бол MOOC-ийн янз бүрийн платформ дээр олон тооны сургалтууд байдаг. Жишээлбэл, EDx.org нь Майкрософт болон Колумбын их сургуулийн хиймэл оюун ухааны сургалтуудыг санал болгодог бөгөөд сүүлийнх нь микро магистрын хөтөлбөрийг боломжийн үнээр санал болгодог. Та мэдлэгийг өөрөө үнэ төлбөргүй авах боломжтой гэдгийг би онцгойлон тэмдэглэхийг хүсч байна, хэрэв энэ нь таны намтарт шаардлагатай бол зөвхөн гэрчилгээний төлбөрийг төлдөг.

Хэрэв та энэ сэдвийг гүнзгий судлахыг хүсч байвал Москвагийн хэд хэдэн компаниуд долоо хоногийн эрчимжүүлсэн сургалтуудыг санал болгодог. практик дасгалууд, тэр ч байтугай туршилт хийх тоног төхөөрөмжийг санал болгодог (жишээлбэл, newprolab.com), гэхдээ ийм курсуудын үнэ хэдэн арван мянган рубльээс эхэлдэг.

Хиймэл оюун ухааныг хөгжүүлдэг компаниудын дунд та Yandex, Sberbank-ийг мэддэг байх, гэхдээ өөр өөр хэмжээтэй өөр олон байдаг. Тухайлбал, Батлан ​​хамгаалах яам энэ долоо хоногт Анапа хотод ERA Military Innovation Technopolis-ийг нээсэн бөгөөд түүний нэг сэдэв нь цэргийн хэрэгцээнд зориулж хиймэл оюун ухааныг хөгжүүлэх явдал юм.

Дэвшүүлэх

Хиймэл оюун ухааныг судлахын өмнө бид улаан эм уу эсвэл цэнхэр эм уух уу гэсэн үндсэн асуултыг шийдэх хэрэгтэй.
Улаан эм бол хөгжүүлэгч болж, статистикийн арга, алгоритм, үл мэдэгдэх зүйлийг байнга ойлгох харгис ертөнцөд орох явдал юм. Нөгөөтэйгүүр, та тэр даруй "туулайн нүх" рүү яарах шаардлагагүй: та менежер болж, хиймэл оюун ухаан, жишээлбэл, төслийн менежерээр ажиллаж болно. Эдгээр нь үндсэндээ өөр хоёр зам юм.

Хэрэв та хиймэл оюун ухааны алгоритм бичихээр шийдсэн бол эхнийх нь гайхалтай юм. Тэгвэл та өнөөдрийн хамгийн алдартай чиглэл болох машин сургалтаас эхлэх хэрэгтэй. Үүнийг хийхийн тулд ангилал, кластер, регрессийн сонгодог статистик аргуудыг мэдэх хэрэгтэй. Мөн уусмалын чанарыг үнэлэх үндсэн арга хэмжээ, тэдгээрийн шинж чанар ... болон таны замд гарч буй бүх зүйлтэй танилцах нь ашигтай байх болно.

Зөвхөн суурийг эзэмшсэний дараа илүү нарийн мэргэшсэн аргуудыг судлах нь зүйтэй: шийдвэрийн мод, тэдгээрийн чуулга. Энэ үе шатанд та загвар бүтээх, сургах үндсэн аргуудыг гүнзгий судлах хэрэгтэй - тэдгээр нь гуйлга гуйх, өсгөх, овоолох, холих гэсэн бараг зохистой үгсийн ард нуугддаг.

Загварыг давтан сургах (өөр нэг "ing" - хэт тохирох) -ийг хянах аргуудын талаар суралцах нь зүйтэй.

Эцэст нь, маш Жеди түвшин - өндөр мэргэшсэн мэдлэг олж авах. Жишээлбэл, гүнзгий суралцахын тулд градиентийн үндсэн архитектур, алгоритмуудыг эзэмших шаардлагатай болно. Хэрэв та байгалийн хэлийг боловсруулах асуудлыг сонирхож байгаа бол давтагдах мэдрэлийн сүлжээг судлахыг зөвлөж байна. Ирээдүйн зураг, видео боловсруулах алгоритмыг бүтээгчид мэдрэлийн сүлжээг сайтар судалж үзэх хэрэгтэй.

Сүүлийн хоёр бүтэц нь өнөөгийн алдартай архитектурын барилгын блокууд юм: өрсөлдөгчийн сүлжээ (GAN), харилцааны сүлжээ, торон сүлжээ. Тиймээс, компьютерийг харах, сонсохыг заах төлөвлөгөөгүй байсан ч тэдгээрийг судлах нь ашигтай байх болно.

Хиймэл оюун ухааныг судлах огт өөр арга буюу "цэнхэр эм" нь өөрийгөө олохоос эхэлдэг. Хиймэл оюун ухаан нь хиймэл оюун ухааны төслийн менежерүүдээс эхлээд өгөгдөл бэлтгэх, цэвэрлэх, өргөтгөх боломжтой, ачаалал ихтэй, гэмтэлд тэсвэртэй системийг бий болгох чадвартай мэдээллийн инженер хүртэл олон ажил, бүхэл бүтэн мэргэжлийг төрүүлдэг.

Тиймээс "удирдах" арга барилаар та эхлээд өөрийн чадвар, суурь мэдлэгийг үнэлж, дараа нь хаана, юу сурахаа сонгох хэрэгтэй. Жишээлбэл, математикийн ухаангүй байсан ч та ухаалаг алгоритмд зориулсан AI интерфейс болон дүрслэлийг зохион бүтээх боломжтой. Гэхдээ бэлэн байгаарай: 5 жилийн дараа хиймэл оюун ухаан таныг "хүмүүнлэгтэн" гэж дуудаж эхэлнэ.

ML-ийн үндсэн аргуудыг холбогдох боломжтой бэлэн номын сан хэлбэрээр хэрэгжүүлдэг өөр өөр хэл. Өнөөдөр ML-ийн хамгийн алдартай хэлүүд нь: C++, Python болон R.

Yandex School of Data Analysis, SkillFactory, OTUS зэрэг орос, англи хэлний аль алинд нь олон сургалтууд байдаг. Гэхдээ мэргэшсэн сургалтанд цаг хугацаа, мөнгөө зарцуулахаасаа өмнө "сэдэв рүү орох" нь зүйтэй гэж би бодож байна: өнгөрсөн жилүүдийн DataFest бага хурлаас YouTube дээр нээлттэй лекц үзэх, Coursera болон Habrahabr-аас үнэгүй сургалтанд хамрагдах.