Yapay zeka alanındaki yeni gelişmelere ilişkin haberler kıskanılacak bir sıklıkta karşımıza çıkıyor. Bu yılın Ocak ayında Google, Movidius ile ortaklaşa makine öğrenimi yeteneklerine sahip mobil işlemciler oluşturma planlarını duyurdu. Ortaklığın belirtilen hedefleri, makine zekası yeteneklerini insanlara el cihazlarında sunmaktır. Ve Şubat ayında MIT mühendisleri, yapay zekanın taşınabilir cihazlarda görünebilmesi sayesinde Eyeriss işlemcisini zaten tanıttı. Ve bu, yapay zeka sistemlerinin geliştirilmesine yapılan yatırım hacminin yıldan yıla arttığı gerçeğine aykırıdır.

Her şey yakında yapay zekanın önemli ölçüde daha akıllı hale gelecek akıllı telefonlarımıza nüfuz edeceğini gösteriyor. Yani makinelerin ayaklanmasından çok uzak değil miyiz? Makinelerin insanlar üzerinde güç sahibi olabilmesi için ne kadar akıllı olması gerekiyor? Peki bu ne kadar gerçek?

Yapay zeka bir, yapay zeka iki, yapay zeka üç

Yapay zekayı okuduğumuzda ya da duyduğumuzda çoğumuzun aklına SkyNet ve ünlü Terminatör filmindeki makineler gelir. Araştırmacılar ve geliştiriciler bu kavramla ne kastediyor?

Sahip olduğumuz veya yaratmamız gerekebilecek üç tür yapay zeka vardır:

Dar hedefli yapay zeka. Yakın gelecekte yeni akıllı telefonlarımızda da tam olarak bunu elde edeceğiz. Bu tür bir zeka, belirli faaliyet veya operasyonlarda insan zekasından üstündür. Yüksek düzeyde hedeflenen yapay zekaya sahip bir bilgisayar, bir dünya satranç şampiyonunu yenebilir, bir arabayı park edebilir veya bir arama motorunda en alakalı sonuçları seçebilir.

Bu tür yapay zekanın gücü, işlemcilerin bilgi işlem yeteneklerinde yatmaktadır. Bu fırsatlar ne kadar büyük olursa, verilen görevler o kadar etkili bir şekilde çözülür. Ve işlemci gücünün artmasıyla artık hiçbir sorun kalmadı. Dar odaklı yapay zekaya, yapay zeka felsefesinde (böyle bir şey var) zayıf denir.

Ancak bilim adamlarına göre bilgi işlem yetenekleri tek başına gerçek anlamda akıllı makineler yaratmak için yeterli değil. Her ne kadar Terminatör filmlerinin senaryosunun temelini oluşturan, zayıf yapay zekanın kendiliğinden güçlüye dönüşmesinin kurgusal durumuydu. ABD Savunma Bakanlığı'nın füze savunma sistemini kontrol etmek üzere tasarlanmış süper bilgisayarı SkyNet, bilinç kazanır ve kendi kararlarını vermeye başlar.

Genel yapay zeka. Zaten dar hedefli yapay zekaya sahip sistemler oluşturduysak ve bunlar için pratik uygulamalar bulduysak, Genel Yapay Zeka ile her şey çok daha karmaşıktır. Bu tür yapay zeka zaten insan düzeyinde zekadır. Evrenseldir ve insan beyniyle aynı entelektüel işlemleri gerçekleştirme kapasitesine sahiptir.

Eğer ömrümüz boyunca tamamen insansı robotlar görürsek, onlar da tam olarak bu tür bir zekaya sahip olacaklar. Chris Columbus'un Bicentennial Man filmindeki android Andrew'u hatırlayın. Bu tür yapay zekaya sahip robotlar, insanlar gibi bağımsız olarak öğrenebilecek, düşünebilecek ve kararlar alabilecek. Çevrelerindeki insanlarla ilişkiler kurabilecek, arkadaş ve yardımcı olabilecekler. Güçlü denilen şey işte bu tür yapay zekadır.

Ancak güçlü ve zayıf yapay zeka arasında bir uçurum var. Birinden diğerine geçmek için bilgisayarların bilgi işlem gücünü artırmak yeterli değildir, onlara zeka da vermeniz gerekir. Bilim adamları henüz bunu yapmanın net bir yolunu bulamadılar.

Yapay süper zeka. Yaygın ilgi çeken şey bu tür yapay zekadır. Büyük ölçüde, yaratılma olasılığı birçok bilim adamı tarafından insanlık için bir tehlike olarak algılandığı için. SkyNet böyle bir tehdidin bir örneğidir.

Süper zeka tüm insanlardan daha akıllı olacak. Hemen her alanda insandan üstün olacaktır. Karmaşık problemleri çözebilecek ve bilimsel keşifler yapabilecektir. Akıllı bir makine insanlık karşısında nasıl davranacak?

Bilim adamları üç etkileşim modeli önermektedir:

Kahin- her türlü karmaşık soruya yanıt alabiliriz.

Cin- ihtiyacımız olan her şeyi kendisi yapacak, bunun için en azından bir moleküler birleştirici, hatta robotik laboratuvarlar ve insan müdahalesi olmadan çalışan fabrikalar kullanarak.

Egemen- Sorunu kendisi bulacak ve kendisi çözecektir.

Gördüğünüz gibi “yapay zeka” terimi, yapay zekanın üç varoluş biçimini içeriyor. Ve bir yapay zekadan diğerine geçişin sonuçları gibi birbirlerinden farklılıkları da önemlidir. Kimle karşı karşıya olduğumuzu anlamak için akıllı makinelerin zeka seviyelerini belirleyebilir miyiz?

Yapay zeka nasıl ölçülür?

İnsanlar zeka seviyeleri bakımından birbirlerinden farklıdırlar. Bunu ölçmek için özel testler kullanılır. IQ testi birçok kişi tarafından bilinmektedir. Makinelerin zekası nasıl ölçülür?

Medya haberlerine eleştirel olmayan bir yaklaşımla yaklaşırsak, modern makinelerin entelektüel seviyesi, 4 yaşındaki bir çocuğun IQ'su ile 13 yaşındaki bir gencin IQ'su arasında değişmektedir. Bu iki sayı, makine zekasını ölçmeye yönelik iki yaklaşımı göstermektedir.

2015 yılında Illinois'li bir bilim insanı ekibi, Massachusetts Teknoloji Enstitüsü'nde oluşturulan ConceptNet yapay zeka sistemini, 2,5 ila 7 yaş arası çocuklar için standart bir IQ testi kullanarak test etti. Makinenin sonuçları dört yaşındaki bir çocuğun ortalama performansına karşılık geliyordu.

İnsanlar için tasarlanmış testlerin kullanımının yanı sıra, makineler için tasarlanmış özel bir test de yaygın olarak bilinmekte ve kullanılmaktadır. Turing testi bir makinenin düşünüp düşünemeyeceğini belirlemek için tasarlanmıştır.

Test aşağıdaki gibidir. Bir kişi - hakim - görmediği iki muhatapla iletişim kurar. Tüm etkileşim, bir aracı bilgisayar kullanılarak yazışma yoluyla gerçekleştirilir. Muhataplardan biri kişi, diğeri ise kişi kılığında bir bilgisayar programıdır. Hakim programın muhataplarından hangisi olduğunu kesin olarak söyleyemezse makine testi geçmiş sayılır.

Bugüne kadar Turing Testi yalnızca bir kez geçildi. 2014 yılında geliştiriciler tarafından Zhenya Goostman olarak adlandırılan 13 yaşındaki bir genci taklit eden Eugene Goostman programı, hakimleri yanıltmayı ve bir kişinin kimliğine bürünmeyi başardı.

Ancak bu tür testlere pek çok itiraz var. Günümüzde hem bilgisayarlar hem de programları zayıf, dar odaklı yapay zekanın taşıyıcılarıdır. Böyle bir zeka ancak testi yapan kişiyi taklit edebilir.

Zayıf yapay zekadan güçlü yapay zekaya geçerken her şey değişecek. İnsan zekasına benzer olacak genel yapay zekayla donatılmış bir makine zaten bilince ve öz farkındalığa sahip olacak ve dolayısıyla düşünecektir. Böyle bir bilgisayar, tıpkı bir insan gibi, soruları bilinçli olarak yanıtlayarak standart bir IQ testini geçecektir.

İnsanın IQ'su 85 ila 130 arasında değişmektedir. Aynı göstergeler genel yapay zeka için de geçerli olacaktır. Ancak yapay süper zekanın IQ'sunun üst seviyesinde herhangi bir kısıtlama olmayacak. 1.000 de olabilir, 10.000 de olabilir. Yapay zeka geliştikçe bizi neler bekliyor?

Bilgisayarların icadından bu yana, çeşitli görevleri yerine getirme yetenekleri katlanarak artmaya devam etti. İnsanlar görevleri artırarak ve bilgisayarların boyutunu küçülterek bilgisayar sistemlerinin gücünü geliştiriyorlar. Yapay zeka alanındaki araştırmacıların temel hedefi, insanlar kadar akıllı bilgisayarlar veya makineler yaratmaktır.

"Yapay zeka" teriminin yaratıcısı, Lisp dilinin mucidi, fonksiyonel programlamanın kurucusu ve yapay zeka araştırmaları alanına yaptığı muazzam katkılardan dolayı Turing Ödülü sahibi John McCarthy'dir.

Yapay zeka, insan gibi akıllıca düşünebilen bir bilgisayar, bilgisayar kontrollü robot veya program yapmanın bir yoludur.

Yapay zeka alanındaki araştırmalar, insanın zihinsel yeteneklerinin incelenmesiyle gerçekleştiriliyor ve daha sonra bu araştırmanın sonuçları, akıllı program ve sistemlerin geliştirilmesinde temel olarak kullanılıyor.

Yapay Zeka Felsefesi

Güçlü bilgisayar sistemlerini çalıştırırken herkes şu soruyu sordu: “Bir makine, insanla aynı şekilde düşünebilir ve davranabilir mi?” "

Böylece yapay zekanın gelişimi, insan zekasına benzer zekanın makinelerde yaratılması amacıyla başladı.

Yapay Zekanın Ana Hedefleri

• Uzman sistemlerin oluşturulması - akıllı davranışlar sergileyen sistemler: öğrenin, gösterin, açıklayın ve tavsiye verin;
• İnsan zekasının makinelerde uygulanması, insan gibi anlama, düşünme, öğretme ve davranma yeteneğine sahip bir makinenin yaratılmasıdır.

Yapay zekanın gelişimini yönlendiren şey nedir?

Yapay zeka, bilgisayar bilimi, biyoloji, psikoloji, dil bilimi, matematik ve makine mühendisliği gibi disiplinlere dayanan bir bilim ve teknolojidir. Yapay zekanın temel alanlarından biri, akıl yürütme, öğrenme ve problem çözme gibi insan zekasıyla ilgili bilgisayar fonksiyonlarının geliştirilmesidir.

Yapay zekalı ve yapay zekasız program

AI içeren ve içermeyen programlar aşağıdaki özelliklerde farklılık gösterir:

Yapay Zeka Uygulamaları

Yapay zeka aşağıdakiler gibi çeşitli alanlarda baskın hale geldi:

Oyunlar - Yapay zeka, bilgisayarın buluşsal bilgiye dayanarak çok sayıda farklı kararı hesaplayabildiği satranç, poker, tic-tac-toe vb. gibi stratejiyle ilgili oyunlarda belirleyici bir rol oynar.

Doğal dil işleme, insanlar tarafından konuşulan doğal dili anlayan bir bilgisayarla iletişim kurma yeteneğidir.

Konuşma tanıma - bazı akıllı sistemler, kişinin kendileriyle iletişim kurduğu dili duyabilir ve anlayabilir. Farklı aksanları, argoları vb. işleyebilirler.

El yazısı tanıma - yazılım, kağıda yazılan metni kalemle veya ekran kalemiyle okur. Harf şekillerini tanıyabilir ve bunları düzenlenebilir metne dönüştürebilir.

Akıllı robotlar, insanlar tarafından verilen görevleri yerine getirebilen robotlardır. Işık, ısı, hareket, ses, şok ve basınç gibi gerçek dünyadan gelen fiziksel verileri tespit edecek sensörlere sahiptirler. Yüksek performanslı işlemcilere, birden fazla sensöre ve devasa bir belleğe sahiptirler. Ayrıca kendi hatalarından ders alıp yeni bir ortama uyum sağlayabilirler.

Yapay zeka gelişiminin tarihi

İşte 20. yüzyıldaki yapay zeka gelişiminin tarihi

Bu yıl Yandex, sesli asistan Alice'i piyasaya sürdü. Yeni hizmet, kullanıcının haberleri ve hava durumunu dinlemesine, sorulara yanıt almasına ve botla kolayca iletişim kurmasına olanak tanıyor. "Alice" bazen kendini beğenmiş oluyor, bazen neredeyse mantıklı ve insanca alaycı görünür, ancak çoğu zaman kendisine ne sorulduğunu anlayamaz ve kendini bir su birikintisinde bulur.

Bütün bunlar sadece bir şaka dalgasına değil, aynı zamanda yapay zekanın gelişimi hakkında yeni bir tartışma turuna da yol açtı. Akıllı algoritmaların neler başardığına dair haberler bugün neredeyse her gün geliyor ve makine öğrenimi, kendinizi adayabileceğiniz en umut verici alanlardan biri olarak adlandırılıyor.

Yapay zeka ile ilgili ana soruları açıklığa kavuşturmak için yapay zeka ve makine öğrenimi yöntemleri uzmanı, en güçlü yerli satranç programlarından biri olan SmarThink'in yazarı ve XXII.Yüzyıl projesinin yaratıcısı Sergei Markov ile konuştuk.

Sergey Markov,

yapay zeka uzmanı

Yapay zeka hakkındaki mitleri çürütüyoruz

peki “yapay zeka” nedir?

“Yapay zeka” kavramı bir noktaya kadar şanssızdı. Başlangıçta bilim camiasından kaynaklanıp, sonunda fantastik edebiyata ve onun aracılığıyla da popüler kültüre nüfuz etmiş, burada bir takım değişikliklere uğramış, pek çok yoruma kavuşmuş ve sonunda tamamen gizemli hale gelmiştir.

Bu nedenle uzman olmayan kişilerden şu tür ifadeleri sıklıkla duyuyoruz: “Yapay zeka yoktur”, “Yapay zeka yaratılamaz.” Yapay zeka araştırmalarının doğasının yanlış anlaşılması, insanları kolayca başka uç noktalara sürükleyebilir; örneğin, modern yapay zeka sistemleri, bilincin, özgür iradenin ve gizli güdülerin varlığına atfedilir.

Sinekleri pirzolalardan ayırmaya çalışalım.

Bilimde yapay zeka, entelektüel sorunları çözmek için tasarlanmış sistemleri ifade eder.

Buna karşılık entelektüel bir görev, insanların kendi zekalarını kullanarak çözdüğü bir görevdir. Bu durumda uzmanların kasıtlı olarak "zeka" kavramını tanımlamaktan kaçındığını unutmayın; çünkü yapay zeka sistemlerinin ortaya çıkmasından önce zekanın tek örneği insan zekasıydı ve zeka kavramını tek bir örnek üzerinden tanımlamak, denemekle aynı şeydi. tek bir noktadan geçen düz bir çizgi çizmek. Bu tür çok sayıda satır olabilir, bu da zeka kavramına ilişkin tartışmanın yüzyıllarca süreceği anlamına geliyor.

“Güçlü” ve “zayıf” yapay zeka

Yapay zeka sistemleri iki büyük gruba ayrılır.

Uygulamalı yapay zeka("zayıf yapay zeka" veya "dar yapay zeka" terimi de İngiliz geleneğinde kullanılmaktadır - zayıf/uygulamalı/dar yapay zeka) herhangi bir entelektüel sorunu veya bunların küçük bir kümesini çözmek için tasarlanmış yapay zekadır. Bu sınıf satranç oynama, Go, görüntü tanıma, konuşma, banka kredisi verme veya vermeme konusunda karar verme vb. sistemleri içerir.

Uygulamalı yapay zekanın aksine konsept tanıtıldı evrensel yapay zeka(ayrıca “güçlü AI”, İngilizce'de - güçlü AI/Yapay Genel Zeka) - yani, herhangi bir entelektüel sorunu çözebilecek varsayımsal (şimdilik) AI.

Çoğu zaman insanlar terminolojiyi bilmeden yapay zekayı güçlü yapay zeka ile eşitler, bu yüzden "Yapay zeka yoktur" ruhuyla yargılar ortaya çıkar.

Güçlü yapay zeka henüz gerçekten mevcut değil. Son on yılda yapay zekada gördüğümüz ilerlemelerin neredeyse tamamı uygulama sistemlerindeki ilerlemelerdir. Uygulamalı sistemler bazı durumlarda entelektüel sorunları evrensel insan zekasından daha iyi çözebildiğinden, bu başarılar hafife alınmamalıdır.

Yapay zeka kavramının oldukça geniş olduğunu fark ettiğinizi düşünüyorum. Diyelim ki, zihinsel hesaplama aynı zamanda entelektüel bir görevdir ve bu, herhangi bir hesaplama makinesinin bir yapay zeka sistemi olarak kabul edileceği anlamına gelir. Peki ya faturalar? Abaküs? Antikythera Mekanizması? Aslında bunların hepsi resmi olarak ilkel de olsa yapay zeka sistemleridir. Ancak genellikle bir sistemi yapay zeka sistemi olarak adlandırarak, bu sistem tarafından çözülen sorunun karmaşıklığını vurgulamış oluyoruz.

Entelektüel görevleri basit ve karmaşık olarak ayırmanın çok yapay olduğu ve belirli görevlerin karmaşıklığına ilişkin fikirlerimizin giderek değiştiği oldukça açıktır. Mekanik hesap makinesi 17. yüzyılda bir teknoloji mucizesiydi ancak bugün çocukluktan itibaren çok daha karmaşık mekanizmalarla karşı karşıya kalan insanlar artık ondan etkilenemiyor. Go oynayan arabalar veya sürücüsüz arabalar halkı şaşırtmayı bıraktığında, birisinin bu tür sistemleri yapay zeka olarak sınıflandıracağı için muhtemelen ürkecek insanlar olacaktır.

“Mükemmel Robotlar”: Yapay Zekanın öğrenme yetenekleri hakkında

Bir başka komik yanılgı da yapay zeka sistemlerinin kendi kendine öğrenme yeteneğine sahip olması gerektiğidir. Bir yandan, bu, AI sistemlerinin gerekli bir özelliği değildir: Kendi kendine öğrenemeyen, ancak yine de birçok sorunu insan beyninden daha iyi çözen birçok şaşırtıcı sistem vardır. Öte yandan bazı insanlar, kendi kendine öğrenmenin birçok yapay zeka sisteminin elli yıldan fazla bir süre önce edindiği bir özellik olduğunu bilmiyor.

1999'da ilk satranç programımı yazdığımda, kendi kendine öğrenme bu alanda zaten tamamen yaygın bir yerdi - programlar tehlikeli pozisyonları hatırlayabilir, açılış varyasyonlarını kendilerine uyacak şekilde ayarlayabilir ve oyun tarzını rakibe uyum sağlayarak düzenleyebilirdi. Elbette bu programlar hâlâ Alfa Sıfır'dan çok uzaktı. Bununla birlikte, diğer sistemlerle etkileşimlere dayalı olarak davranışları "pekiştirmeli öğrenme" adı verilen deneyler yoluyla öğrenen sistemler bile zaten mevcuttu. Ancak bazı açıklanamayan nedenlerden dolayı bazı insanlar hala kendi kendine öğrenme yeteneğinin insan zekasının ayrıcalığı olduğunu düşünüyor.

Bütünüyle bilimsel bir disiplin olan makine öğrenimi, makinelere belirli sorunları çözmeyi öğretme süreçleriyle ilgilenir.

Makine öğreniminin iki büyük kutbu vardır; denetimli öğrenme ve denetimsiz öğrenme.

Şu tarihte: bir öğretmenle antrenman yapmak makine zaten belirli bir dizi durum için belirli sayıda koşullu olarak doğru çözüme sahiptir. Bu durumda eğitimin görevi, makineye mevcut örneklere dayanarak bilinmeyen diğer durumlarda doğru kararlar vermeyi öğretmektir.

Diğer uç nokta ise öğretmen olmadan öğrenme. Yani makine, doğru kararların bilinmediği, yalnızca verilerin ham, etiketlenmemiş biçimde mevcut olduğu bir duruma yerleştirilir. Bu gibi durumlarda bir miktar başarı elde edebileceğiniz ortaya çıktı. Örneğin, bir makineye çok geniş bir metin kümesinin analizine dayalı olarak bir dildeki kelimeler arasındaki anlamsal ilişkileri tanımlamayı öğretebilirsiniz.

Denetimli öğrenmenin bir türü takviyeli öğrenmedir. Buradaki fikir, yapay zeka sisteminin, diğer aracılarla (örneğin kendi kopyalarıyla) etkileşime girebileceği ve bir ödül işlevi aracılığıyla ortamdan bazı geri bildirimler alabileceği bazı simüle edilmiş ortamlara yerleştirilmiş bir aracı olarak hareket etmesidir. Örneğin kendi kendine oynayan, yavaş yavaş parametrelerini ayarlayan ve böylece kendi oyununu giderek güçlendiren bir satranç programı.

Takviyeli öğrenme, evrimsel algoritmalardan Bayes optimizasyonuna kadar birçok ilginç tekniğin kullanıldığı oldukça geniş bir alandır. Oyunlar için yapay zekadaki en son gelişmeler, yapay zekanın pekiştirmeli öğrenme yoluyla geliştirilmesiyle ilgilidir.

Teknoloji gelişiminin riskleri: “Kıyamet”ten korkmalı mıyız?

Ben AI alarmistlerinden biri değilim ve bu anlamda kesinlikle yalnız değilim. Örneğin, makine öğrenimi üzerine Stanford dersinin yaratıcısı Andrew Ng, yapay zeka tehlikesi sorununu Mars'ın aşırı nüfusu sorunuyla karşılaştırıyor.

Gerçekten de gelecekte insanların Mars'ta koloni kurması muhtemel. Er ya da geç Mars'ta aşırı nüfus sorununun ortaya çıkması da muhtemeldir, ancak bu sorunla neden şimdi ilgilenmemiz gerektiği tamamen açık değil mi? Evrişimli sinir ağlarının yaratıcısı Yann LeCun ve patronu Mark Zuckerberg ve modern sinir ağlarının metin işleme alanındaki karmaşık sorunları büyük ölçüde çözebildiği araştırmaları sayesinde Yoshua Benyo, Ng ile aynı fikirde.

Bu soruna ilişkin görüşlerimi sunmak muhtemelen birkaç saat sürecektir, bu nedenle yalnızca ana noktalara odaklanacağım.

1. Yapay Zekanın Gelişimini Sınırlayamazsınız

Alarmistler, yapay zekanın potansiyel yıkıcı etkisiyle ilişkili riskleri göz önünde bulundururken, bu alandaki ilerlemeyi sınırlamaya ve hatta durdurmaya çalışmanın getirdiği riskleri göz ardı ediyor. İnsanlığın teknolojik gücü son derece hızlı bir şekilde artıyor ve bu da benim "kıyametin ucuzlatılması" adını verdiğim bir etkiye yol açıyor.

150 yıl önce, tüm arzularımızla, insanlık ne biyosfere ne de tür olarak kendisine onarılamaz zararlar veremezdi. Bundan 50 yıl önce bu felaket senaryosunu hayata geçirmek için nükleer güçlerin tüm teknolojik gücünü yoğunlaştırması gerekiyordu. Yarın küçük bir avuç fanatik, insan yapımı küresel bir felakete yol açmaya yetebilir.

Teknolojik gücümüz, insan zekasının bu gücü kontrol etme yeteneğinden çok daha hızlı büyüyor.

Önyargıları, saldırganlığı, yanılgıları ve sınırlamalarıyla insan zekasının yerini daha iyi kararlar alabilen bir sistem almadıkça (ister yapay zeka olsun, ister teknolojik olarak geliştirilmiş ve makinelerle tek bir sistemde birleştirilmiş insan zekası olsun) küresel bir felaketi bekleyebiliriz.

2. Süper zeka yaratmak temelde imkansızdır

Geleceğin yapay zekasının kesinlikle süper zeka olacağı, insanlardan, insanların karıncalardan daha üstün olacağı fikri var. Bu durumda, teknolojik iyimserleri de hayal kırıklığına uğratmaktan korkuyorum - Evrenimiz, görünüşe göre süper zekanın yaratılmasını imkansız hale getirecek bir dizi temel fiziksel sınırlama içeriyor.

Örneğin sinyal iletim hızı ışık hızıyla sınırlıdır ve Planck ölçeğinde Heisenberg belirsizliği ortaya çıkar. Bu, ilk temel sınıra yol açar - belirli bir kütle m'ye sahip özerk bir sistem için maksimum hesaplama hızına kısıtlamalar getiren Bremermann sınırı.

Başka bir sınır, 1 bitlik bilgi işlenirken üretilen minimum miktarda ısının mevcut olduğu Landauer ilkesiyle ilişkilidir. Çok hızlı hesaplamalar, sistemin kabul edilemez ısınmasına ve tahrip olmasına neden olacaktır. Aslında modern işlemciler Landauer sınırının bin katından daha az gerisindedir. 1000 oldukça fazla gibi görünebilir, ancak başka bir sorun da birçok entelektüel görevin EXPTIME zorluk sınıfına ait olmasıdır. Bu, bunları çözmek için gereken sürenin, sorunun boyutunun üstel bir fonksiyonu olduğu anlamına gelir. Sistemi birkaç kez hızlandırmak yalnızca "zekada" sürekli bir artış sağlar.

Genel olarak, süper zeki, güçlü yapay zekanın işe yaramayacağına inanmak için çok ciddi nedenler var, ancak elbette insan zekasının seviyesi de aşılabilir. Bu ne kadar tehlikeli? Büyük ihtimalle pek değil.

Aniden diğer insanlardan 100 kat daha hızlı düşünmeye başladığınızı hayal edin. Bu, yoldan geçen herhangi birini size cüzdanını vermeye kolayca ikna edebileceğiniz anlamına mı geliyor?

3. Yanlış şeyler hakkında endişeleniyoruz

Ne yazık ki, "Terminatör" ve Clark ile Kubrick'in ünlü HAL 9000'i üzerine gündeme gelen kamuoyunun korkuları üzerine alarm veren spekülasyonların bir sonucu olarak, yapay zeka güvenliği alanındaki vurguda olası olmayan analizlere doğru bir kayma var. , ancak etkili senaryolar. Aynı zamanda gerçek tehlikeler de gözden kaçırılıyor.

Teknolojik manzaramızda önemli bir yer işgal etmeyi amaçlayan yeterince karmaşık herhangi bir teknoloji, kesinlikle belirli riskleri beraberinde getirir. Etkili düzenlemeler ve güvenlik önlemleri geliştirilmeden önce imalatta, ulaşımda vb. birçok yaşam buhar makineleri tarafından yok edildi.

Uygulamalı yapay zeka alanındaki ilerlemeden bahsedersek, bununla bağlantılı olarak “Dijital Gizli Mahkeme” olarak adlandırılan soruna dikkat çekebiliriz. Giderek daha fazla yapay zeka uygulaması insanların yaşamlarını ve sağlığını etkileyen konularda kararlar alıyor. Buna tıbbi teşhis sistemleri ve örneğin bankalarda bir müşteriye kredi verilip verilmemesi konusunda karar veren sistemler de dahildir.

Aynı zamanda kullanılan modellerin yapısı, kullanılan faktör dizileri ve karar verme prosedürünün diğer detayları, kaderi tehlikede olan kişiden ticari sır olarak gizlenir.

Kullanılan modeller, kararlarını sistematik hatalar yapan veya ırk, cinsiyet gibi bazı önyargılara sahip olan uzman öğretmenlerin görüşlerine dayandırabilir.

Bu tür uzmanların kararları üzerine eğitilen yapay zeka, kararlarında bu önyargıları aslına sadık bir şekilde yeniden üretecektir. Sonuçta bu modeller belirli kusurlar içerebilir.

Artık çok az insan bu sorunlarla uğraşıyor, çünkü SkyNet'in nükleer savaş başlatması elbette çok daha muhteşem.

“Sıcak bir trend” olarak sinir ağları

Bir yandan sinir ağları yapay zeka sistemleri oluşturmak için kullanılan en eski modellerden biridir. Başlangıçta biyonik yaklaşımın bir sonucu olarak ortaya çıkan bu canlılar, biyolojik prototiplerinden hızla kurtuldular. Buradaki tek istisna darbeli sinir ağlarıdır (ancak sektörde henüz geniş bir uygulama alanı bulamadılar).

Son yıllardaki ilerleme, sinir ağlarının her biri belirli düzenli kalıplar temelinde inşa edilen çok sayıda katmandan bir araya getirildiği bir yaklaşım olan derin öğrenme teknolojilerinin geliştirilmesiyle ilişkilidir.

Yeni sinir ağı modellerinin oluşturulmasının yanı sıra öğrenme teknolojileri alanında da önemli ilerlemeler kaydedildi. Günümüzde sinir ağları artık bilgisayarın merkezi işlemcileri kullanılarak değil, matris ve tensör hesaplamalarını hızlı bir şekilde gerçekleştirebilen özel işlemciler kullanılarak öğretiliyor. Günümüzde bu tür cihazların en yaygın türü video kartlarıdır. Ancak sinir ağlarının eğitimi için daha da özel cihazların geliştirilmesi aktif olarak devam etmektedir.

Genel olarak, elbette, bugün sinir ağları, daha önce tatmin edici olmayan birçok sorunun çözümünü borçlu olduğumuz makine öğrenimi alanındaki ana teknolojilerden biridir. Öte yandan elbette sinir ağlarının her derde deva olmadığını anlamalısınız. Bazı görevler için en etkili araç olmaktan uzaktırlar.

Peki günümüzün robotları gerçekte ne kadar akıllı?

Her şey görecelidir. 2000'li yılların teknolojisiyle karşılaştırıldığında mevcut başarılar gerçek bir mucize gibi görünüyor. Her zaman homurdanmayı seven insanlar olacaktır. 5 yıl önce makinelerin Go'da insanlara karşı asla kazanamayacağı (veya en azından çok yakında kazanamayacağı) konusunda tüm güçleriyle konuşuyorlardı. Bir makinenin hiçbir zaman sıfırdan resim çizemeyeceğini, oysa bugün insanların makinelerin yarattığı tabloları tanımadıkları sanatçıların tablolarından neredeyse ayırt edemediklerini söylediler. Geçtiğimiz yılın sonunda makineler, insan konuşmasından pratik olarak ayırt edilemeyen konuşmayı sentezlemeyi öğrendi ve son yıllarda makinelerin yarattığı müzik kulakları sağır etmedi.

Bakalım yarın ne olacak. Yapay zekanın bu uygulamaları konusunda oldukça iyimserim.

Umut verici yönler: Yapay zeka alanına dalmaya nereden başlamalı?

denemenizi tavsiye ederim Iyi seviye Popüler sinir ağı çerçevelerinden birine ve makine öğrenimi alanındaki en popüler programlama dillerinden birine hakim olun (bugün en popüler kombinasyon TensorFlow + Python'dur).

Bu araçlara hakim olduktan ve ideal olarak matematiksel istatistik ve olasılık teorisi alanında güçlü bir temele sahip olduktan sonra, çabalarınızı kişisel olarak sizi en çok ilgilendiren alana yönlendirmelisiniz.

Çalıştığınız konuya olan ilginiz en önemli yardımcılarınızdan biridir.

Makine öğrenimi uzmanlarına ihtiyaç en çok var farklı bölgeler- tıpta, bankacılıkta, bilimde, üretimde, yani bugün iyi bir uzmana her zamankinden daha geniş bir seçenek sunuluyor. Bu endüstrilerden herhangi birinin potansiyel faydaları, işten keyif alacağınız gerçeğiyle karşılaştırıldığında bana önemsiz görünüyor.

"İnsan evrimiyle karşılaştırılabilecek en büyük değişimlerin eşiğindeyiz" - Bilim kurgu yazarı Vernor Stefan Vinge

Aşağıdaki grafikteki küçük adam gibi büyük bir değişimin eşiğinde olduğunuzu bilseydiniz nasıl hissederdiniz?

Dikey eksen insanlığın gelişimi, yatay eksen ise zamandır

Heyecan verici, değil mi?

Ancak grafiğin bir kısmını gizlerseniz, her şey çok daha sıradan görünür.

Uzak gelecek çok yakında

Kendinizi 1750'de bulduğunuzu hayal edin. O zamanlar elektriğin henüz duyulmadığı, uzaktan iletişimin meşaleler yardımıyla yapıldığı ve tek ulaşım aracının yolculuk öncesi samanla beslenmesi gerekiyordu. Ve böylece “geçmişten gelen kişiyi” yanınıza almaya ve ona 2016'daki hayatı göstermeye karar veriyorsunuz. Kendini arabaların hızla aktığı geniş, düz sokaklarda bulsaydı ne hissedeceğini hayal etmek bile imkansız. Misafiriniz, modern insanların dünyanın farklı yerlerinde olsalar bile iletişim kurabilmelerine, diğer ülkelerdeki spor etkinliklerini takip edebilmelerine, 50 yıl önceki konserleri izleyebilmelerine ve ayrıca herhangi bir anı bir fotoğraf veya videoya kaydedebilmelerine inanılmaz derecede şaşıracaktır. Ve eğer 1750'deki bu adama internetten, Uluslararası Uzay İstasyonundan, Büyük Hadron Çarpıştırıcısından ve Görelilik Teorisinden bahsetseydiniz, onun dünyaya bakışı muhtemelen çökerdi. Hatta aşırı izlenimden ölebilirdi.

Ancak ilginç olan şu: Eğer misafiriniz kendi "yerli" yüzyılına geri dönerse ve benzer bir deney yapmaya karar verirse, 1500'den bir insanı zaman makinesine bindirmeye karar verirse, o zaman geçmişten gelen bir ziyaretçi de birçok kişi tarafından şaşırmış olabilir. şeyler olsa, deneyimi o kadar etkileyici olmazdı; 1500 ile 1750 arasındaki fark, 1750 ile 2016 arasındaki fark kadar belirgin değil.

18. yüzyıldan kalma bir kişi geçmişten gelen bir konuğu etkilemek istiyorsa, Büyük Tarım Devrimi'nden önce M.Ö. 12.000 yılında yaşamış birini davet etmesi gerekecektir. Teknolojinin gelişmesi onu gerçekten “şaşırtabilirdi”. Kiliselerin yüksek çan kulelerini, okyanusları temizleyen gemileri, binlerce insanın yaşadığı şehirleri görünce, kabaran duygulardan bayılacaktı.

Teknolojinin ve toplumun gelişme hızı sürekli artmaktadır. Ünlü Amerikalı mucit ve fütürist Raymond Kurzweil buna "Tarihin Hızlanması Yasası" adını veriyor. Bunun nedeni, yeni teknolojilerin kullanıma sunulmasının toplumun daha hızlı bir şekilde gelişmesine olanak sağlamasıdır. Örneğin 19. yüzyılda yaşayan insanlar, 15. yüzyılda yaşayanlara göre daha ileri teknolojiye sahipti. Dolayısıyla 19. yüzyılın insanlığa 15. yüzyıldan daha fazla başarı getirmesi şaşırtıcı değil.

Ancak teknoloji giderek daha hızlı gelişiyorsa, gelecekte birçok harika icat beklemeliyiz, değil mi? Eğer Kurzweil ve onun gibi düşünenler haklıysa 2030 yılında 1750'den günümüze gelen bir insanla aynı duyguları yaşayacağız. Ve 2050 yılına gelindiğinde dünya o kadar çok değişecek ki, önceki onyılların özelliklerini zorlukla ayırt edebileceğiz.

Yukarıdakilerin hepsi bilim kurgu değil - bilimsel olarak doğrulanmış ve oldukça mantıklı. Ancak pek çok kişi hâlâ bu tür iddialara şüpheyle yaklaşıyor. Bu birkaç nedenden dolayı olur:

1. Birçok kişi toplumun gelişiminin eşit ve doğrudan gerçekleştiğine inanır. 30 yıl sonra dünyanın nasıl olacağını düşündüğümüzde, son 30 yılda yaşananları hatırlıyoruz. Bu noktada yukarıdaki örnekte 1750 yılında yaşayan ve 1500 yılından misafir davet eden kişiyle aynı hatayı yapıyoruz. Önümüzdeki ilerlemeyi doğru bir şekilde hayal etmek için, gelişimin uzak geçmişe göre çok daha hızlı gerçekleştiğini hayal etmeniz gerekir.

2. Modern toplumun gelişim yörüngesini yanlış algılıyoruz. Örneğin, üstel bir eğrinin küçük bir parçasına bakarsak, bu bize düz bir çizgi gibi görünebilir (tıpkı bir dairenin bir kısmına bakıyormuşuz gibi). Ancak üstel büyüme düzgün ve pürüzsüz değildir. Kurzweil, ilerlemenin aşağıdaki grafikte de görüldüğü gibi s şeklinde bir eğri izlediğini açıklıyor:

Gelişimin her “turu” ani bir sıçramayla başlar ve bunun yerini daha sonra istikrarlı ve kademeli bir büyüme alır.

Yani, her yeni gelişim “turu” birkaç aşamaya bölünmüştür:

1. Yavaş büyüme (gelişimin erken aşaması);
2. Hızlı büyüme (ikinci, “patlayıcı” gelişme ifadesi);
3. "Hizalama" ne zaman yeni teknoloji mükemmelliğe getirildi.

Son dönemdeki olaylara baktığımızda teknolojinin ne kadar hızlı ilerlediğinin tam olarak farkında olmadığımız sonucuna varabiliriz. Örneğin, 1995 ve 2007 yılları arasında İnternet'in, Microsoft'un, Google'ın ve Facebook'un ortaya çıkışını görebiliyorduk. sosyal ağlar, cep telefonları ve ardından akıllı telefonlar. Ancak 2008 ile 2016 arasındaki dönem, en azından yüksek teknoloji alanında keşifler açısından o kadar da zengin değildi. Böylece artık S şeklindeki gelişim çizgisinin 3. aşamasındayız.

3. Pek çok insan, geleceğe dair görüşlerini çarpıtan kendi yaşam deneyimlerinin esiridir. Geleceğe dair, geçmiş deneyimlere dayanan bakış açımızla çelişen bir tahmin duyduğumuzda, bu yargının saflık olduğunu düşünürüz. Örneğin, bugün size gelecekte insanların 150-250 yıl veya daha fazla yaşayacağını söylerlerse, o zaman büyük ihtimalle şöyle cevap vereceksiniz: "Bu çok aptalca, çünkü herkesin ölümlü olduğu gayet iyi biliniyor." Nitekim geçmişte yaşamış olan bütün insanlar ölmüştür ve bugün de ölmeye devam etmektedirler. Ancak, nihayet icat edilene kadar hiç kimsenin uçak uçurmadığını da belirtmekte fayda var.

Aslında önümüzdeki birkaç on yılda çok şey değişecek ve değişiklikler o kadar önemli olacak ki, şimdi bunu hayal etmek bile zor. Bu makaleyi sonuna kadar okuduktan sonra bilim ve yüksek teknoloji dünyasında şu anda neler olup bittiği hakkında daha fazla bilgi edinebilirsiniz.

Yapay zeka (AI) nedir?

1. Yapay zekayı “Yıldız Savaşları”, “Terminatör” ve benzeri filmlerle ilişkilendiriyoruz. Bu bakımdan bunu kurgu olarak ele alıyoruz.

2. Yapay zeka oldukça geniş bir kavramdır. Hem cep hesap makineleri hem de sürücüsüz arabalar için geçerlidir. Bu çeşitlilik kafa karıştırıcıdır.

3. Yapay zekayı günlük hayatımızda kullanıyoruz ama farkında değiliz. Yapay zekayı geleceğin dünyasından efsanevi bir şey olarak algılıyoruz, bu nedenle onun zaten etrafımızda olduğunu fark etmemiz zor.

Bu bakımdan birkaç şeyi kesin olarak anlamak gerekir. Öncelikle yapay zeka bir robot değildir. Robot, bazen insan vücudunun taslağını taşıyan bir tür yapay zeka kabuğudur. Ancak yapay zeka, robotun içindeki bir bilgisayardır. İnsan vücudunun içindeki beyinle karşılaştırılabilir. Mesela duyduğumuz kadın sesi sadece bir kişileştirmedir.

İkincisi, muhtemelen “tekillik” ya da “teknolojik tekillik” kavramıyla karşılaşmışsınızdır. Bu terim, olağan yasa ve kuralların geçerli olmadığı bir durumu tanımlamak için kullanıldı. Bu kavram fizikte kara delikleri veya Büyük Patlama öncesinde Evrenin sıkışma anını tanımlamak için kullanılır. 1993 yılında Vernor Vinge, gelecekte yapay zekanın bizimkini aşacağı bir noktayı belirlemek için tekilliği kullandığı ünlü makalesini yayınladı. Ona göre bu an geldiğinde dünya, tüm kuralları ve yasalarıyla eskisi gibi var olmayacak.

Son olarak, üç ana kategorinin ayırt edilebileceği çeşitli yapay zeka türleri vardır:

1. Sınırlı Yapay Zeka (ANI, Yapay Dar Zeka). Belirli bir alanda uzmanlaşmış bir yapay zekadır. Mesela dünya satranç şampiyonunu bir satranç oyununda yenebilir ama yapabileceği tek şey budur.

2. Genel Yapay Zeka (AGI, Yapay Genel Zeka). Böyle bir yapay zeka, zekası insana benzeyen, yani bir insanla aynı görevleri yerine getirebilen bir bilgisayardır. Profesör Linda Gottfredson bu fenomeni şu şekilde tanımlıyor: "Genel yapay zeka, aynı zamanda akıl yürütme, planlama, problem çözme, soyut düşünme, karmaşık fikirleri karşılaştırma, hızlı öğrenme ve birikmiş deneyimi kullanma becerilerini de içeren genelleştirilmiş düşünme yeteneklerini bünyesinde barındırır."

3. Yapay Süper Zeka (ASI, Yapay Süper Zeka). İsveçli filozof ve Oxford Üniversitesi profesörü Nick Bostrom, süper zekayı "bilimsel buluşlar, genel bilgi ve sosyal beceriler de dahil olmak üzere neredeyse tüm alanlarda insanlardan üstün olan bir zeka" olarak tanımlıyor.

Şu anda insanlık sınırlı yapay zekayı zaten başarıyla kullanıyor. AGI konusunda uzmanlaşma yolundayız. Makalenin aşağıdaki bölümlerinde bu kategorilerin her biri ayrıntılı olarak tartışılacaktır.

Sınırlı Yapay Zekanın Yönettiği Bir Dünya

Sınırlı yapay zeka, dar sorunları çözmede insan zekasına eşit veya ondan üstün olan makine zekasıdır. Aşağıda bazı örnekler verilmiştir:

• yolundaki çeşitli engelleri tanıyan ve bunlara tepki veren, Google'ın sürücüsüz arabası;
• bir "cennet"tir çeşitli formlar sınırlı yapay zeka. Navigasyon ipuçlarını kullanarak şehirde dolaştığınızda, Pandora'dan müzik önerileri aldığınızda, hava tahminlerini kontrol ettiğinizde, Siri ile konuştuğunuzda, ANI'yi kullanıyorsunuz;
• E-postanızdaki spam filtreleri - önce spam'ı tanımayı öğrenirler ve ardından önceki deneyimlerini ve tercihlerinizi analiz ederek mektupları özel bir klasöre taşırlar;
• Google Çeviri tercümanı, dar göreviyle yeterince iyi başa çıkabilen sınırlı yapay zekanın klasik bir örneğidir;
• Uçak indiği anda yapay zeka tabanlı özel bir sistem, yolcuların hangi kapıdan çıkması gerektiğini belirliyor.

Sınırlı yapay zeka sistemleri insanlar için herhangi bir tehdit oluşturmuyor. En kötü durumda, böyle bir sistemdeki bir arıza, elektrik dalgalanması gibi yerel bir felakete veya finansal piyasada küçük bir çöküşe neden olabilir.

Sınırlı yapay zeka alanındaki her yeni icat bizi genel yapay zekanın yaratılmasına bir adım daha yaklaştırıyor.

Neden bu kadar zor?

Eğer insanla aynı zekaya sahip bir bilgisayar yaratmaya çalışsaydınız, düşünme yeteneğinize gerçekten değer vermeye başlardınız. Gökdelenler tasarlamak, uzaya roket fırlatmak, Büyük Patlama teorisini incelemek - tüm bunları gerçekleştirmek insan beynini incelemekten çok daha kolaydır. Şu anda zihnimiz gözlemlenebilir Evrendeki en karmaşık nesnedir.

En ilginç olan şey, genel yapay zeka yaratmadaki zorlukların en basit görünen şeylerden ortaya çıkmasıdır. Örneğin on basamaklı sayıları saniyenin kesirinde çarpabilen bir cihaz yaratmak hiç de zor değil. Aynı zamanda monitörün önünde kimin olduğunu tanıyabilecek bir program yazmak inanılmaz derecede zordur: kedi mi köpek mi? Bir insanı satrançta yenebilecek bir bilgisayar mı yaratacaksınız? Kolayca! Bir makinenin bir çocuk kitabında yazılanları okumasını ve anlamasını sağlamak mı istiyorsunuz? Google bu sorunu çözmek için milyarlarca dolar harcıyor. Matematiksel hesaplamalar, finansal stratejiler oluşturma, bir dilden diğerine çeviri yapma gibi şeyler zaten yapay zekanın yardımıyla çözüldü. Ancak uzayda görme, algılama, jest ve hareketler bilgisayarlar için hâlâ çözülmemiş sorunlar olmaya devam ediyor.

Bu beceriler insanlara basit görünmektedir çünkü milyonlarca yıllık evrim boyunca gelişmişlerdir. Bir nesneyi almak için uzandığınızda kaslarınız, bağlarınız ve kemikleriniz gözlerinizin gördükleriyle tutarlı bir dizi işlem gerçekleştirir.

Öte yandan büyük sayıları çarpmak ve satranç oynamak biyolojik varlıklar için tamamen yeni eylemlerdir. Bu yüzden bir bilgisayarın bizi bu konuda yenmesi çok kolaydır. Hangi programı oluşturmayı tercih edeceğinizi düşünün: büyük sayıları hızlı bir şekilde çarpabilecek veya farklı yazı tipleriyle yazılmış binlerce harf arasından B harfini tanıyabilecek bir program mı?

Başka bir eğlenceli örnek: Aşağıdaki resme baktığınızda hem siz hem de bilgisayar, bu resmin iki farklı tonda karelerden oluşan bir dikdörtgeni temsil ettiğini açıkça anlayabilirsiniz:

Ancak siyah arka planı kaldırır kaldırmaz, önceden gizlenmiş olan resmin tamamı önümüzde açılacaktır:

Bir kişinin bu resimde gördüğü tüm figürleri isimlendirmesi ve tanımlaması zor olmayacaktır. Ancak bilgisayar bu görevle baş etmeyecektir. Aşağıdaki görüntüyü analiz ettikten sonra, önünde beyaz, siyah ve gri renkteki birçok iki boyutlu nesnenin bir kombinasyonunun olduğu sonucuna varacaktır. Bu durumda kişi, resmin siyah bir taşı gösterdiğini rahatlıkla söyleyebilir:

Yukarıda bahsedilen her şey yalnızca statik bilginin algılanması ve işlenmesiyle ilgilidir. Bir insanın zeka düzeyine uyum sağlamak için bilgisayarın yüz ifadelerini, jestleri vb. tanımayı öğrenmesi gerekir. Peki tüm bunlara nasıl ulaşılır?

Genel yapay zeka yaratmanın ilk adımı bilgisayarın gücünü artırmaktır

Açıkçası, eğer “akıllı” bilgisayarlar yaratacaksak onların da insanlarla aynı düşünme yeteneklerine sahip olmaları gerekiyor. Bunu başarmanın bir yolu saniyedeki işlem sayısını arttırmaktır. Bunun için her insan beyin yapısının saniyede kaç işlem gerçekleştirdiğini hesaplamak gerekir.

Ray Kurzweil bazı hesaplamalar yaptı ve saniyede 10.000.000.000.000.000 işlem sayısını bulmayı başardı. İnsan beyni yaklaşık olarak aynı üretkenliğe sahiptir.

Şu anda en güçlü süper bilgisayar, performansı saniyede 34 katrilyon işlem olan Çin Tianhe-2'dir. Ancak bu süper bilgisayarın boyutu etkileyici; 720 metrekarelik bir alanı kaplıyor metrekare ve maliyeti 390.000.000$'dır.

Yani teknik açıdan bakarsanız, performans açısından insan beyniyle karşılaştırılabilecek bir bilgisayarımız zaten var. Kitlesel tüketicinin kullanımına açık değil, ancak on yıl içinde öyle olacak. Ancak insan gibi bir bilgisayara zeka kazandırabilecek tek şey performans değildir. Bir sonraki soru şudur: Güçlü bir bilgisayar nasıl akıllı hale getirilir?

Genel yapay zeka yaratmanın ikinci adımı, makineye zeka kazandırmaktır

Bu sürecin en zor kısmı çünkü hiç kimse bir bilgisayarın nasıl akıllı hale getirileceğini gerçekten bilmiyor. Bir makinenin kedileri köpeklerden ayırmasının veya B harfini tanımasının nasıl sağlanacağı konusunda hâlâ tartışmalar var. Bununla birlikte, bazıları aşağıda kısaca açıklanan birkaç strateji vardır:

1. İnsan beyninin kopyalanması

Şu anda, bilim adamları insan beyninin sözde tersine mühendisliği üzerinde çalışıyorlar. İyimser tahminlere göre bu çalışma 2030 yılına kadar tamamlanacak. Proje oluşturulduktan sonra beynimizin tüm sırlarını öğrenebileceğiz ve ondan yeni fikirler çıkarabileceğiz. Böyle bir sistemin örneği yapay sinir ağıdır.

Daha uç bir fikir de insan beyninin işlevlerini tamamen taklit etmektir. Bu deney sırasında beynin birçok ince katmana ayrılarak her birinin taranması planlanıyor. Daha sonra özel bir program kullanarak bir 3D model oluşturmanız ve ardından bunu güçlü bir bilgisayara uygulamanız gerekecektir. Bundan sonra resmi olarak insan beyninin tüm işlevlerine sahip olacak bir cihaz alacağız - geriye kalan tek şey bilgi toplamak ve öğrenmek.

Bilim adamlarının insan beyninin tam bir kopyasını oluşturması için ne kadar beklememiz gerekiyor? Oldukça uzun zaman oldu, çünkü bugüne kadar uzmanlar beynin 302 nörondan oluşan (beynimiz 100.000.000.000 nörondan oluşur) 1 mm'lik bir katmanını bile kopyalayamadı.

2. İnsan beyninin evrimini özetlemek

Akıllı bir bilgisayar yaratmak teorik olarak mümkün ve kendi beynimizin evrimi de bunun kanıtı. Beynin tam bir kopyasını oluşturamıyorsak, onun evrimini taklit etmeye çalışabiliriz. Aslında örneğin bir kuşun kanatlarını kopyalayarak uçak yapmak imkansızdır. Yüksek kaliteli bir uçak yaratmak için başka bir yaklaşım kullanmak daha iyidir.

Genel yapay zeka oluşturmak için evrim sürecini nasıl simüle edebiliriz? Bu yönteme genetik algoritma denir. Bu yaklaşımın özü, optimizasyon ve modelleme problemlerinin doğadaki doğal seçilime benzer mekanizmalar kullanılarak çözülmesidir. Birkaç bilgisayar farklı görevleri yerine getirecek ve en verimli olanlar birbirleriyle "çaprazlanacak". Görevi tamamlayamayan makineler hariç tutulacaktır. Böylece, bu deneyin birçok tekrarından sonra, doğal seçilim algoritması giderek daha iyi bir bilgisayar yaratacaktır. Buradaki zorluk, evrim sürecini ve "geçiş" sürecini otomatikleştirmekte yatmaktadır çünkü evrimsel süreç kendi kendine devam etmelidir.

Açıklanan yöntemin dezavantajı, evrimin doğasında milyonlarca yıl sürmesidir, ancak birkaç on yıl içinde sonuçlara ihtiyacımız var.

3. Tüm görevleri bilgisayara aktarın

Bilim insanları çaresiz kaldıklarında kendi kendini test eden bir program yaratmaya çalışırlar. Bu, genel yapay zeka yaratmanın en umut verici yöntemi olabilir.

Buradaki fikir, ana işlevleri yapay zeka araştırması ve kodlama değişiklikleri olacak bir bilgisayar yaratmaktır. Böyle bir bilgisayar yalnızca bağımsız olarak öğrenmekle kalmayacak, aynı zamanda kendi mimarisini de değiştirecektir. Bilim insanları, bir bilgisayara, asıl görevi kendi zekasını geliştirmek olacak bir araştırmacı olmayı öğretmeyi planlıyor.

Bütün bunlar çok yakında gerçekleşebilir

Bilgisayarların sürekli iyileştirilmesi ve yeni yazılımlarla yenilikçi deneyler paralel olarak gerçekleşir. Yapay genel zeka iki ana nedenden dolayı hızlı ve beklenmedik bir şekilde ortaya çıkabilir:

1. Üstel büyüme hızı çok yavaş gibi görünse de her an hızlanabilir.

2. Yazılım söz konusu olduğunda ilerleme çok yavaş gibi görünüyor ancak tek bir keşif bizi göz açıp kapayıncaya kadar bir sonraki aşamaya taşıyabilir. yeni seviye gelişim. Örneğin eskiden insanların Dünya'nın Evren'in merkezinde olduğunu düşündüklerini hepimiz biliyoruz. Bu bakımdan uzay araştırmalarında pek çok zorluk ortaya çıktı. Ancak daha sonra dünya sistemi beklenmedik bir şekilde güneş merkezliye dönüştü. Fikirler dramatik bir şekilde değiştiğinde, yeni araştırmalar mümkün hale geldi.

Sınırlı Yapay Zekadan Yapay Süper Zekaya Giden Yolda

Sınırlı yapay zekanın geliştirilmesinde bir noktada bilgisayarlar bizi aşmaya başlayacak. Gerçek şu ki, insan beynine benzeyen yapay zekanın insanlara göre birçok avantajı olacak, bunlar arasında aşağıdakiler ayırt edilebilir:

Hız. Beyin nöronlarımız maksimum 200Hz frekansında çalışırken, modern mikroişlemciler 2GHz'de, yani 10 milyon kat daha hızlı çalışır.

Boyutlar. İnsan beyni kafatasının boyutuyla sınırlıdır ve bu nedenle büyüyemez. Bilgisayar, dosyaları depolamak için daha fazla alan sağlayacak şekilde herhangi bir boyutta olabilir.

Güvenilirlik ve dayanıklılık. Bilgisayar transistörleri beyin nöronlarından daha hassas çalışır. Ayrıca kolaylıkla tamir edilebilir veya değiştirilebilirler. İnsan beyni yorulma eğilimindeyken bilgisayar günün her saati tam kapasiteyle çalışabilir.

Sürekli kendini geliştirmeye programlanan yapay zeka, kendisini hiçbir sınırla sınırlamayacaktır. Bu, bir makinenin insan zekası seviyesine ulaştığında orada durmayacağı anlamına gelir.

Elbette bir bilgisayarın bizden “akıllı” hale gelmesi tüm insanlık için bir şok olacaktır. Aslında çoğumuz zekaya ilişkin şuna benzer çarpık bir görüşe sahibiz:

Zeka konusundaki çarpık görüşümüz.

Yatay eksen zaman, dikey eksen ise zekadır.

Zeka düzeyleri aşağıdan yukarıya doğru gider: karınca, kuş, şempanze, aptal insan, Einstein. Aptal adamla Einstein arasında şöyle diyen bir adam var: “Ha ha! Bu komik robotlar maymun gibi davranıyor!”

Yapay zekanın gelişimi kırmızıyla gösterilmiştir.

Yani grafikte yapay zekanın gelişim eğrisi insan seviyesine ulaşma eğiliminde. Makinenin yavaş yavaş hayvandan daha akıllı hale gelmesini izliyoruz. Ancak yapay zeka "dar görüşlü adam" veya Nick Bostrom'un deyimiyle "köy aptalı" düzeyine ulaştığında, bu, yapay genel zekanın yaratıldığı anlamına gelecektir. Bu durumda bir bilgisayarın Einstein seviyesine ulaşması hiç de zor olmayacaktır. Bu hızlı gelişme aşağıdaki şekilde gösterilmektedir:

Peki sonra ne olacak?

Entelektüel patlama

Burada, bu makalede yazılanların, saygın bilim adamları tarafından derlenen gerçek bilimsel tahminlerin açıklaması olduğunu hatırlamakta fayda var.

Her durumda, sınırlı yapay zeka modellerinin çoğu, kendini geliştirme işlevini içerir. Ancak başlangıçta böyle bir işlevi sağlamayan bir yapay zeka yaratsanız bile, o zaman insan zekası seviyesine ulaşmış olan bilgisayar, kendi isteğiyle bağımsız olarak öğrenme yeteneği kazanacaktır. Bunun sonucunda makine zekası giderek gelişecek ve insan aklından kat kat üstün olacak bir süper zeka haline gelecektir.

Yapay zekanın ne zaman insan zekası seviyesine ulaşacağı konusunda şu anda tartışmalar var. Yüzlerce bilim insanı bunun 2040 civarında gerçekleşeceği konusunda hemfikir. Çok uzun bir süre değil, değil mi?

Yani yapay zekanın insan zekası seviyesine ulaşması onlarca yıl alacak ama eninde sonunda bu gerçekleşecek. Bilgisayarlar, 4 yaşındaki bir çocuğun anladığı gibi çevrelerindeki dünyayı anlamayı öğrenecekler. Aniden, bu bilgiyi özümseyen sistem teorik fizik, kuantum mekaniği ve görelilik teorisinde uzmanlaşacaktır. Bir buçuk saat içinde yapay zeka, insan beyninin yeteneklerinden 170 bin kat daha büyük yapay süper zekaya dönüşecek.

Süperzeka, kısmen de olsa kavrayamadığımız bir olgudur. Düşüncemize göre akıllı adam IQ'su 130, aptalınki ise 85'ten az. Peki IQ'su 12952 olan bir yaratık için hangi kelimeyi seçebilirsiniz?

Zeka güçle eş anlamlıdır, bu nedenle şu anda insan evrimin zirvesindedir ve diğer tüm canlılara boyun eğdirmektedir. Bu, yapay süper zekanın ortaya çıkışıyla birlikte "doğanın tacı" olmaktan çıkacağımız anlamına geliyor. Süper akla tabi olacağız.

Eğer sınırlı beynimiz Wi-Fi yaratabilseydi, bizden yüzlerce, binlerce, hatta milyonlarca kat daha büyük bir zihnin neler yaratabileceğini hayal edin. Bu zeka gezegendeki her atomun konumunu kontrol edebilecek. Artık büyü ya da Tanrı'nın gücü olarak gördüğümüz her şey süper zekanın günlük görevi haline gelecek. Supermind yaşlılığı yenebilecek, hastalıkları iyileştirebilecek, açlığı ve hatta ölümü yok edebilecek. Hatta Dünya'daki yaşamı korumak için hava durumunu yeniden programlayabilecek. Ancak süper zeka, göz açıp kapayıncaya kadar gezegendeki yaşamı yok edebilir. Şu andaki gerçeklik anlayışımıza göre Tanrı, süper zeka rolünde yanımıza yerleşecek. Kendimize sormamız gereken tek soru şudur: Bu iyi bir Tanrı olacak mı?

Yapay zeka: nasıl ve nerede çalışılmalı - uzmanlar cevaplıyor

“Yapay zeka yapmak istiyorum. Çalışmaya değer olan şey nedir? Hangi dilleri kullanmalıyım? Hangi kuruluşlarda okumalı ve çalışmalıyım?

Konunun açıklığa kavuşturulması için uzmanlarımıza başvurduk ve aldığımız cevapları dikkatlerinize sunuyoruz.

Temel eğitiminize bağlıdır. Her şeyden önce, bir matematik kültürüne (istatistik bilgisi, olasılık teorisi, ayrık matematik, doğrusal cebir, analiz vb.) ve çok şeyi hızlı bir şekilde öğrenme isteğine ihtiyacınız var. Yapay zeka yöntemlerini uygularken programlama (algoritmalar, veri yapıları, OOP vb.) gerekli olacaktır.

Farklı projeler farklı programlama dilleri bilgisi gerektirir. En azından Python, Java ve herhangi bir işlevsel dili bilmenizi tavsiye ederim. Çeşitli veritabanları ve dağıtılmış sistemlerle ilgili deneyim faydalı olacaktır. Sektördeki en iyi uygulamaları hızlı bir şekilde öğrenmek için İngilizce dil becerileri gereklidir.

İyi Rus üniversitelerinde eğitim almanızı öneririm! Örneğin MIPT, MSU ve HSE'nin ilgili departmanları vardır. Coursera, edX, Udacity, Udemy ve diğer MOOC platformlarında çok çeşitli tematik kurslar mevcuttur. Önde gelen bazı kuruluşların yapay zeka alanında kendi eğitim programları vardır (örneğin, Yandex'deki Veri Analizi Okulu).

Yapay zeka yöntemleriyle çözülen uygulama sorunları çok çeşitli yerlerde bulunabilir. Bankalar, finans sektörü, danışmanlık, perakende, e-ticaret, arama motorları, posta hizmetleri, oyun endüstrisi, güvenlik sistemleri endüstrisi ve tabii ki Avito'nun hepsi çeşitli niteliklere sahip uzmanlara ihtiyaç duyar.

Yükselt İndir

Makine öğrenimi ve bilgisayarla görme ile ilgili bir fintech projemiz var; ilk geliştiricisi her şeyi C++ ile yazdı, ardından bir geliştirici geldi ve her şeyi Python'da yeniden yazdı. Yani dil burada en önemli şey değil, çünkü dil her şeyden önce bir araçtır ve onu nasıl kullanacağınız size bağlıdır. Sadece bazı dillerde problemler daha hızlı, bazılarında ise daha yavaş çözülebilir.

Nerede çalışacağımızı söylemek zor - tüm adamlarımız kendi başlarına çalıştı, neyse ki İnternet ve Google var.

Yükselt İndir

Çok çalışmanız gerekeceği gerçeğine en baştan kendinizi hazırlamanızı tavsiye edebilirim. "Yapay zeka yapmak" ile kastedilen ne olursa olsun - büyük verilerle veya sinir ağlarıyla çalışmak; teknolojinin geliştirilmesi veya önceden geliştirilmiş belirli bir sistemin desteklenmesi ve eğitimi.

Ayrıntılar uğruna, trend olan Veri Bilimcisi mesleğini ele alalım. Bu kişi ne yapıyor? Genel olarak büyük verileri toplar, analiz eder ve kullanıma hazırlar. Bunlar yapay zekanın üzerinde büyüdüğü ve eğitildiği şeylerdir. Bir Veri Bilimcisi neleri bilmeli ve yapabilmeli? Statik analiz ve matematiksel modelleme varsayılan olarak akıcı düzeydedir. Diller - örneğin R, SAS, Python. Biraz geliştirme deneyimine sahip olmak da güzel olurdu. Genel olarak konuşursak, iyi bir veri bilimci veritabanları, algoritmalar ve veri görselleştirme konusunda kendinden emin olmalıdır.

Bu, ülkedeki her iki teknik üniversiteden birinde böyle bir bilgi birikiminin elde edilebileceği anlamına gelmiyor. Yapay zeka gelişimine öncelik veren büyük şirketler bunu anlıyor ve kendileri için uygun eğitim programları geliştiriyorlar; örneğin Yandex'in Veri Analiz Okulu var. Ama şunu bilmelisiniz ki bu, derslere “sokaktan” gelip, hazır bir çocuk olarak bırakacağınız ölçektir. Katman büyüktür ve en azından üniversite programı çerçevesinde temel bilgiler (matematik, istatistik) zaten kapsandığında bir disiplin üzerinde çalışmak mantıklıdır.

Evet, oldukça zaman alacak. Ancak oyun her şeye değer çünkü iyi bir Veri Bilimcisi çok umut vericidir. Ve çok pahalı. Ayrıca başka bir nokta daha var. Yapay zeka bir yandan artık sadece bir abartı değil, tamamen üretkenlik aşamasına ulaşmış bir teknoloji. Öte yandan yapay zeka hâlâ gelişiyor. Bu gelişme çok fazla kaynak, çok fazla beceri ve çok fazla para gerektirir. Şu ana kadar bu birinci lig seviyesi. Şimdilik bariz olanı söyleyeceğim, ancak saldırının ön saflarında yer almak ve kendi ellerinizle ilerleme sağlamak istiyorsanız Facebook veya Amazon gibi şirketleri hedefleyin.

Aynı zamanda teknoloji halihazırda birçok alanda kullanılıyor: bankacılık, telekomünikasyon, dev sanayi kuruluşları ve perakende. Ve zaten bunu destekleyebilecek insanlara ihtiyaçları var. Gartner, 2020 yılına kadar gelişmiş ülkelerdeki tüm işletmelerin %20'sinin, bu şirketlerde kullanılan sinir ağlarını eğitmek için özel çalışanları işe alacağını öngörüyor. Yani kendi başınıza öğrenmek için hala biraz zamanınız var.

Yükselt İndir

Yapay zeka artık aktif olarak gelişiyor ve on yıl önceden tahmin etmek zor. Önümüzdeki iki ila üç yıl boyunca sinir ağlarına ve GPU bilişime dayalı yaklaşımlar hakim olacak. Bu alanda lider, Jupyter etkileşimli ortamına ve numpy, scipy ve tensorflow kitaplıklarına sahip Python'dur.

Bu teknolojiler hakkında temel bir anlayış sağlayan birçok çevrimiçi kurs vardır ve Genel İlkeler AI, örneğin Andrew Ng'nin kursu. Ve bu konunun öğretilmesi açısından Rusya artık en etkili ülke kendi kendine eğitim veya yerel bir çıkar grubunda (örneğin, Moskova'da insanların deneyim ve bilgilerini paylaştığı en az birkaç grubun varlığını biliyorum).

Yükselt İndir

Yükselt İndir

Günümüzde yapay zekanın en hızlı gelişen kısmı belki de sinir ağlarıdır.
Sinir ağları ve yapay zeka üzerine yapılan çalışmalar, matematiğin iki dalına - doğrusal cebir ve olasılık teorisi - hakim olmakla başlamalıdır. Bu zorunlu bir minimumdur, yapay zekanın sarsılmaz temelleridir. Yapay zekanın temellerini anlamak isteyen adayların üniversite seçerken matematik okulu güçlü olan fakültelere dikkat etmeleri gerektiğini düşünüyorum.

Bir sonraki adım, konunun sorunlarını incelemektir. Hem eğitici hem de uzmanlaşmış çok sayıda literatür var. Yapay zeka ve sinir ağları konusundaki yayınların çoğu İngilizce yazılıyor, ancak Rusça materyaller de yayınlanıyor. Yararlı literatür örneğin halka açık dijital kütüphane arxiv.org'da bulunabilir.

Faaliyet alanlarından bahsedecek olursak, burada uygulamalı sinir ağlarının eğitimini ve sinir ağlarının tamamen yeni versiyonlarının geliştirilmesini öne çıkarabiliriz. Çarpıcı bir örnek: Artık çok popüler bir uzmanlık var - "veri bilimcisi" (Veri Bilimcisi). Bunlar, kural olarak, belirli uygulama alanlarında sinir ağlarını eğitmek için belirli veri kümelerini inceleyen ve hazırlayan geliştiricilerdir. Özetlemek gerekirse, her uzmanlığın ayrı bir hazırlık yolu gerektirdiğini vurgulamak isterim.

Yükselt İndir

Özel kurslara başlamadan önce doğrusal cebir ve istatistik çalışmanız gerekir. Yapay zekaya dalmaya “Makine Öğrenimi” ders kitabıyla başlamanızı tavsiye ederim. Verilerden Bilgi Çıkaran Algoritmalar Oluşturma Bilimi ve Sanatı" yeni başlayanlar için iyi bir başlangıçtır. Coursera'da, K. Vorontsov'un giriş derslerini (iyi bir doğrusal cebir bilgisi gerektirdiğini vurguluyorum) ve Stanford Üniversitesi'nde profesör ve Baidu AI başkanı Andrew Ng tarafından verilen “Makine Öğrenimi” kursunu dinlemeye değer. Grup/Google Beyin.

Büyük kısmı Python'da yazılmıştır, ardından R ve Lua gelmektedir.

Eğitim kurumları hakkında konuşursak, uygulamalı matematik ve bilgisayar bilimleri bölümlerinde derslere kaydolmak daha iyidir; uygun eğitim programları vardır. Yeteneklerinizi test etmek için büyük küresel markaların kasalarını sunduğu Kaggle yarışmalarına katılabilirsiniz.

Yükselt İndir

Herhangi bir işte, projelere başlamadan önce teorik bir temel elde etmek iyi olacaktır. Bu alanda resmi yüksek lisans derecesi alabileceğiniz veya niteliklerinizi geliştirebileceğiniz birçok yer vardır. Örneğin Skoltech, "Hesaplamalı Bilim ve Mühendislik" ve "Veri Bilimi" alanlarında, "Makine Öğrenimi" ve "Doğal Dil İşleme" derslerini içeren yüksek lisans programları sunmaktadır. Ayrıca Ulusal Nükleer Araştırma Üniversitesi MEPhI Akıllı Sibernetik Sistemler Enstitüsü, Moskova Devlet Üniversitesi Hesaplamalı Matematik ve Sibernetik Fakültesi ve MIPT Akıllı Sistemler Bölümü'nden de bahsedebilirsiniz.

Zaten örgün eğitiminiz varsa, çeşitli MOOC platformlarında çok sayıda kurs bulunmaktadır. Örneğin EDx.org, Microsoft ve Columbia Üniversitesi'nden yapay zeka kursları sunuyor; ikincisi makul bir fiyata mikro yüksek lisans programı sunuyor. Bilginin kendisini genellikle ücretsiz olarak alabileceğinizi özellikle belirtmek isterim; sertifika için yalnızca özgeçmişiniz için gerekliyse ödeme yaparsınız.

Konuya "derinlemesine dalmak" istiyorsanız, Moskova'daki bazı şirketler haftalık yoğun kurslar sunuyor. pratik egzersizler ve hatta deneyler için ekipman sunuyoruz (örneğin, newprolab.com), ancak bu tür kursların fiyatı on binlerce rubleden başlıyor.

Yapay Zeka geliştiren firmalar arasında muhtemelen Yandex ve Sberbank'ı biliyorsunuzdur ancak farklı boyutlarda daha birçokları var. Örneğin, bu hafta Savunma Bakanlığı, konularından biri askeri ihtiyaçlara yönelik yapay zekanın geliştirilmesi olan ERA Askeri İnovasyon Teknokentini Anapa'da açtı.

Yükselt İndir

Yapay zekayı incelemeden önce temel bir soruya karar vermemiz gerekiyor: Kırmızı hapı mı yoksa mavi hapı mı almalıyız?
Kırmızı hap, bir geliştirici olmak ve istatistiksel yöntemlerin, algoritmaların ve bilinmeyenin sürekli anlaşılmasının acımasız dünyasına dalmaktır. Öte yandan, hemen "tavşan deliğine" girmenize gerek yok: yönetici olabilir ve örneğin proje yöneticisi olarak yapay zeka oluşturabilirsiniz. Bunlar temelde farklı iki yoldur.

Yapay zeka algoritmaları yazmaya zaten karar verdiyseniz ilki harika. O halde günümüzün en popüler yönü olan makine öğrenimiyle başlamalısınız. Bunu yapmak için klasik istatistiksel sınıflandırma, kümeleme ve regresyon yöntemlerini bilmeniz gerekir. Ayrıca bir çözümün kalitesini, özelliklerini ve karşınıza çıkan her şeyi değerlendirmeye yönelik temel ölçütler hakkında bilgi sahibi olmak da yararlı olacaktır.

Ancak temele hakim olduktan sonra daha özel yöntemler üzerinde çalışmaya değer: karar ağaçları ve bunların toplulukları. Bu aşamada, model oluşturma ve eğitmenin temel yöntemlerine derinlemesine dalmanız gerekir; bunlar yalvarma, artırma, istifleme veya harmanlama gibi zar zor anlaşılan kelimelerin arkasında gizlidir.

Ayrıca modelin yeniden eğitilmesini kontrol etmeye yönelik yöntemler (başka bir "ing" - aşırı uyum) hakkında da bilgi edinmeye değer.

Ve son olarak, Jedi seviyesi oldukça yüksek düzeyde uzmanlık bilgisi elde etmek. Örneğin derin öğrenme, temel gradyan iniş mimarileri ve algoritmalarında ustalık gerektirecektir. Eğer doğal dil işleme problemleriyle ilgileniyorsanız tekrarlayan sinir ağlarını incelemenizi tavsiye ederim. Resim ve videoların işlenmesine yönelik algoritmaların gelecekteki yaratıcıları, evrişimli sinir ağlarına iyice bakmalıdır.

Bahsedilen son iki yapı günümüzün popüler mimarilerinin yapı taşlarıdır: çekişmeli ağlar (GAN'lar), ilişkisel ağlar ve örgü ağlar. Bu nedenle bilgisayara görmeyi veya duymayı öğretmeyi planlamıyorsanız bile bunları incelemek faydalı olacaktır.

Yapay zekayı incelemeye yönelik tamamen farklı bir yaklaşım - diğer adıyla "mavi hap" - kendinizi bulmakla başlar. Yapay zeka, bir dizi görevi ve tüm mesleği doğurur: Yapay zeka proje yöneticilerinden verileri hazırlayabilen, temizleyen ve ölçeklenebilir, yüklü ve hataya dayanıklı sistemler oluşturabilen veri mühendislerine kadar.

Bu nedenle, “yönetimsel” bir yaklaşımla, öncelikle yeteneklerinizi ve geçmişinizi değerlendirmeli, ancak ondan sonra nerede ve ne çalışacağınızı seçmelisiniz. Örneğin, matematik bilginiz olmasa bile akıllı algoritmalar için yapay zeka arayüzleri ve görselleştirmeler tasarlayabilirsiniz. Ama hazır olun: 5 yıl içinde yapay zeka sizi trollemeye ve size “hümanist” demeye başlayacak.

Ana ML yöntemleri, bağlantı için hazır kütüphaneler biçiminde uygulanır. farklı diller. Günümüzde ML'deki en popüler diller şunlardır: C++, Python ve R.

Yandex Veri Analiz Okulu, SkillFactory ve OTUS kursları gibi hem Rusça hem de İngilizce birçok kurs bulunmaktadır. Ancak uzmanlık eğitimine zaman ve para yatırmadan önce, "konuya girmeye" değer olduğunu düşünüyorum: Geçtiğimiz yıllarda DataFest konferanslarından YouTube'daki açık dersleri izleyin, Coursera ve Habrahabr'dan ücretsiz kurslar alın.