Dirbtinio intelekto (AI arba AI) sąvoka apjungia ne tik technologijas, kurios leidžia kurti išmanias mašinas (taip pat ir kompiuterines programas). AI taip pat yra viena iš mokslinės minties sričių.

Dirbtinis intelektas – apibrėžimas

Intelektas– tai psichinis žmogaus komponentas, turintis šiuos gebėjimus:

• oportunistinis;
• mokymosi gebėjimas kaupiant patirtį ir žinias;
• gebėjimas pritaikyti žinias ir įgūdžius tvarkant aplinką.

Intelektas sujungia visus žmogaus gebėjimus suprasti tikrovę. Jo pagalba žmogus mąsto, įsimena naują informaciją, suvokia aplinką ir pan.

Dirbtinis intelektas reiškia vieną iš informacinių technologijų sričių, kuri nagrinėja ir tobulina sistemas (mašinas), turinčias žmogaus intelekto galimybes: gebėjimą mokytis, loginį samprotavimą ir pan.

Šiuo metu darbas su dirbtiniu intelektu vykdomas kuriant naujas programas ir algoritmus, kurie problemas sprendžia taip pat, kaip ir žmogus.

Dėl to, kad AI apibrėžimas tobulėja šiai sričiai vystantis, būtina paminėti AI efektą. Tai reiškia dirbtinio intelekto, pasiekusio tam tikrą pažangą, sukurtą efektą. Pavyzdžiui, jei dirbtinis intelektas išmoko atlikti kokius nors veiksmus, kritikai tuoj pat prisijungia ir teigia, kad šios sėkmės nereiškia, kad mašina turi mąstymo.

Šiandien dirbtinio intelekto plėtra vyksta dviem nepriklausomomis kryptimis:

• neurokibernetika;
• loginis požiūris.

Pirmoji kryptis apima neuroninių tinklų tyrimą ir evoliucinius skaičiavimus biologiniu požiūriu. Loginis požiūris apima sistemų, kurios imituoja aukšto lygio intelektinius procesus: mąstymą, kalbą ir pan., kūrimą.

Pirmieji darbai dirbtinio intelekto srityje prasidėjo praėjusio amžiaus viduryje. Šios krypties tyrimų pradininkas buvo Alanas Turingas, nors tam tikras idėjas filosofai ir matematikai pradėjo reikšti viduramžiais. Visų pirma, XX amžiaus pradžioje buvo pristatytas mechaninis įrenginys, galintis išspręsti šachmatų uždavinius.

Tačiau ši kryptis iš tikrųjų susiformavo praėjusio amžiaus viduryje. Prieš pasirodant kūriniams apie dirbtinį intelektą, buvo tyrinėjama žmogaus prigimtis, mus supančio pasaulio supratimo būdai, mąstymo proceso galimybės ir kitos sritys. Iki to laiko pasirodė pirmieji kompiuteriai ir algoritmai. Tai yra, buvo sukurtas pagrindas, ant kurio gimė nauja tyrimų kryptis.

1950 m. Alanas Turingas paskelbė straipsnį, kuriame uždavė klausimus apie būsimų mašinų galimybes ir ar jos gali pranokti žmones intelekto požiūriu. Būtent šis mokslininkas sukūrė procedūrą, vėliau pavadintą jo garbei: Turingo testą.

Paskelbus anglų mokslininko darbus, atsirado naujų AI srities tyrimų. Anot Turingo, mąstančia gali būti pripažinta tik mašina, kurios bendraujant negalima atskirti nuo žmogaus. Maždaug tuo pačiu metu kaip ir mokslininko darbas, gimė koncepcija, pavadinta Baby Machine. Tai numatė laipsnišką AI vystymąsi ir mašinų, kurių mąstymo procesai pirmiausia formuojami vaiko lygmeniu, o vėliau palaipsniui tobulinami, kūrimą.

Terminas „dirbtinis intelektas“ atsirado vėliau. 1956 m. grupė mokslininkų, įskaitant Turingą, susitiko Amerikos Dartmundo universitete aptarti su AI susijusius klausimus. Po to susitikimo buvo pradėtas aktyvus dirbtinio intelekto galimybes turinčių mašinų kūrimas.

Ypatingą vaidmenį kuriant naujas technologijas AI srityje atliko kariniai departamentai, kurie aktyviai finansavo šią mokslinių tyrimų sritį. Vėliau darbas dirbtinio intelekto srityje pradėjo traukti dideles įmones.

Šiuolaikinis gyvenimas tyrinėtojams kelia sudėtingesnių iššūkių. Todėl dirbtinio intelekto kūrimas vykdomas iš esmės skirtingomis sąlygomis, jei lygintume jas su tuo, kas įvyko gimstant dirbtiniam intelektui. Globalizacijos procesai, kibernetinių nusikaltėlių veiksmai skaitmeninėje sferoje, interneto plėtra ir kitos problemos – visa tai mokslininkams kelia sudėtingas užduotis, kurių sprendimas slypi AI srityje.

Nepaisant pastaraisiais metais šioje srityje pasiektų laimėjimų (pavyzdžiui, autonominių technologijų atsiradimo), skeptikų balsai, netikintys tikrai dirbtinio intelekto, o ne itin pajėgios programos sukūrimu, vis dar išlieka. Nemažai kritikų baiminasi, kad dėl aktyvaus dirbtinio intelekto vystymo greitai atsiras padėtis, kai mašinos visiškai pakeis žmones.

Tyrimo kryptys

Filosofai dar nepasiekė bendro sutarimo, kokia yra žmogaus intelekto prigimtis ir koks jo statusas. Šiuo atžvilgiu moksliniuose darbuose, skirtuose AI, yra daug idėjų, kurios pasakoja, kokias problemas išsprendžia dirbtinis intelektas. Taip pat nėra bendro supratimo apie klausimą, kokia mašina gali būti laikoma protinga.

Šiandien dirbtinio intelekto technologijų plėtra vyksta dviem kryptimis:

1. Mažėjantis (semiotinis). Tai apima naujų sistemų ir žinių bazių, imituojančių aukšto lygio psichinius procesus, tokius kaip kalba, emocijų raiška ir mąstymas, kūrimą.
2. Kylantis (biologinis).Šis metodas apima tyrimus neuroninių tinklų srityje, per kuriuos kuriami intelektualaus elgesio modeliai biologinių procesų požiūriu. Šios krypties pagrindu kuriami neurokompiuteriai.

Nustato dirbtinio intelekto (mašinos) gebėjimą mąstyti taip, kaip žmogus. Bendrąja prasme šis metodas apima dirbtinio intelekto kūrimą, kurio elgesys nesiskiria nuo žmogaus veiksmų tose pačiose įprastose situacijose. Iš esmės Tiuringo testas daro prielaidą, kad mašina bus protinga tik tada, kai su ja bendraujant nebus įmanoma suprasti, kas kalba: mechanizmas ar gyvas žmogus.

Mokslinės fantastikos knygos siūlo kitokį AI galimybių įvertinimo metodą. Dirbtinis intelektas taps tikru, jei jaus ir gali kurti. Tačiau toks požiūris į apibrėžimą neatlaiko praktinio taikymo. Jau dabar, pavyzdžiui, kuriamos mašinos, kurios turi galimybę reaguoti į aplinkos pokyčius (šaltį, karštį ir pan.). Tačiau jie negali jaustis taip, kaip jaučiasi žmogus.

Simbolinis požiūris

Sėkmę sprendžiant problemas daugiausia lemia gebėjimas lanksčiai žvelgti į situacijas. Mašinos, skirtingai nei žmonės, nuosekliai interpretuoja gautus duomenis. Todėl sprendžiant problemas dalyvauja tik žmonės. Mašina atlieka operacijas remdamasi rašytiniais algoritmais, kurie pašalina kelių abstrakcijos modelių naudojimą. Lankstumo iš programų galima pasiekti padidinus išteklius, susijusius su problemų sprendimu.

Pirmiau minėti trūkumai būdingi simboliniam požiūriui, naudojamam kuriant AI. Tačiau ši dirbtinio intelekto vystymosi kryptis leidžia skaičiavimo metu sukurti naujas taisykles. O problemas, kylančias iš simbolinio požiūrio, galima išspręsti loginiais metodais.

Logiškas požiūris

Šis metodas apima modelių, kurie imituoja samprotavimo procesą, kūrimą. Jis pagrįstas logikos principais.

Šis metodas neapima griežtų algoritmų, kurie veda prie konkretaus rezultato, naudojimo.

Agentu pagrįstas požiūris

Tam naudojami intelektualūs agentai. Šis požiūris daro prielaidą, kad intelektas yra skaičiavimo dalis, per kurią pasiekiami tikslai. Mašina atlieka protingo agento vaidmenį. Jis supranta aplinką naudodamas specialius jutiklius ir sąveikauja su ja per mechanines dalis.

Agentu pagrįstas metodas orientuotas į algoritmų ir metodų kūrimą, kurie leidžia mašinoms išlikti funkcionalioms įvairiose situacijose.

Hibridinis požiūris

Šis metodas apima neuroninių ir simbolinių modelių derinimą, taip išsprendžiant visas problemas, susijusias su mąstymo ir skaičiavimo procesais. Pavyzdžiui, neuroniniai tinklai gali generuoti kryptį, kuria juda mašinos veikimas. O statinis mokymasis suteikia pagrindą, per kurį sprendžiamos problemos.

Pagal įmonės ekspertų prognozes Gartner, iki 2020-ųjų pradžios beveik visuose išleistuose programinės įrangos produktuose bus naudojamos dirbtinio intelekto technologijos. Ekspertai taip pat teigia, kad apie 30% investicijų į skaitmeninę sferą skirs dirbtinis intelektas.

„Gartner“ analitikų teigimu, dirbtinis intelektas atveria naujas galimybes žmonių ir mašinų bendradarbiavimui. Tuo pačiu metu žmonių pakeitimo dirbtiniu intelektu procesas negali būti sustabdytas ir ateityje paspartės.

Kompanijoje PwC mano, kad iki 2030 m. pasaulio bendrasis vidaus produktas dėl spartaus naujų technologijų įsisavinimo išaugs apie 14 proc. Be to, apie 50% prieaugio užtikrins padidėjęs gamybos procesų efektyvumas. Antroji rodiklio pusė bus papildomas pelnas, gautas diegiant AI gaminiuose.

Jungtinėms Valstijoms iš pradžių bus naudinga naudoti dirbtinį intelektą, nes ši šalis sukūrė geriausias sąlygas dirbtinio intelekto mašinoms valdyti. Ateityje jie aplenks Kiniją, kuri, diegdama tokias technologijas į gaminius ir jų gamybą, gaus maksimalų pelną.

Įmonės ekspertai Saleforce teigia, kad dirbtinis intelektas padidins smulkaus verslo pelningumą maždaug 1,1 trilijono USD. Ir tai įvyks iki 2021 m. Šis rodiklis bus iš dalies pasiektas diegiant AI siūlomus sprendimus sistemose, atsakingose ​​už komunikaciją su klientais. Kartu gerės gamybos procesų efektyvumas dėl jų automatizavimo.

Naujų technologijų įdiegimas taip pat sukurs papildomus 800 tūkst. Ekspertai pažymi, kad šis rodiklis kompensuoja laisvų darbo vietų praradimą, kuris atsirado dėl procesų automatizavimo. Remdamiesi įmonių apklausa, analitikai prognozuoja, kad iki 2020-ųjų pradžios jų išlaidos gamybos procesų automatizavimui padidės iki maždaug 46 mlrd.

Darbas AI srityje taip pat vyksta Rusijoje. Per 10 metų valstybė šioje srityje finansavo daugiau nei 1,3 tūkst. Be to, didžioji dalis investicijų buvo skirta su komercine veikla nesusijusių programų plėtrai. Tai rodo, kad Rusijos verslo bendruomenė dar nėra suinteresuota diegti dirbtinio intelekto technologijas.

Iš viso šiems tikslams Rusijoje buvo investuota apie 23 mlrd. Vyriausybės subsidijų dydis yra mažesnis nei kitų šalių AI finansavimo dydis. Jungtinėse Valstijose šiems tikslams kasmet skiriama apie 200 mln.

Iš esmės Rusijoje iš valstybės biudžeto skiriamos lėšos dirbtinio intelekto technologijoms kurti, kurios vėliau naudojamos transporto sektoriuje, gynybos pramonėje ir su saugumu susijusiuose projektuose. Ši aplinkybė rodo, kad mūsų šalyje žmonės dažnai investuoja į sritis, kurios leidžia greitai pasiekti tam tikrą efektą iš investuotų lėšų.

Aukščiau pateiktas tyrimas taip pat parodė, kad Rusija dabar turi didelį potencialą rengti specialistus, galinčius dalyvauti kuriant dirbtinio intelekto technologijas. Per pastaruosius 5 metus su AI susijusių sričių mokymus baigė maždaug 200 tūkst.

AI technologijos vystosi šiomis kryptimis:

• spręsti problemas, kurios leidžia AI galimybes priartinti prie žmogaus ir rasti būdų, kaip jas integruoti į kasdienį gyvenimą;
• visaverčio proto ugdymas, per kurį bus sprendžiamos žmonijai kylančios problemos.

Šiuo metu mokslininkai yra orientuoti į praktines problemas sprendžiančių technologijų kūrimą. Iki šiol mokslininkai nepriartėjo prie visaverčio dirbtinio intelekto sukūrimo.

Daugelis kompanijų kuria technologijas dirbtinio intelekto srityje. „Yandex“ jau keletą metų juos naudoja savo paieškos sistemose. Nuo 2016 metų Rusijos IT įmonė atlieka tyrimus neuroninių tinklų srityje. Pastarieji keičia paieškos sistemų darbo pobūdį. Visų pirma, neuroniniai tinklai lygina vartotojo įvestą užklausą su tam tikru vektoriniu skaičiumi, kuris geriausiai atspindi užduoties prasmę. Kitaip tariant, paieška atliekama ne pagal žodį, o pagal asmens prašomos informacijos esmę.

2016 metais "Yandex" pradėjo paslaugą "Zen", kuri analizuoja vartotojo nuostatas.

Kompanija Abyy sistema pasirodė neseniai Compreno. Jos pagalba galima suprasti rašytinį tekstą natūralia kalba. Palyginti neseniai į rinką pateko ir kitos dirbtinio intelekto technologijomis pagrįstos sistemos:

1. Findo. Sistema gali atpažinti žmogaus kalbą ir ieškoti informacijos įvairiuose dokumentuose ir failuose, naudodama sudėtingas užklausas.
2. Gamalonas.Ši įmonė pristatė sistemą su galimybe mokytis savarankiškai.
3. Vatsonas. IBM kompiuteris, kuris informacijos paieškos procese naudoja daugybę algoritmų.
4. ViaVoice.Žmogaus kalbos atpažinimo sistema.

Didelės komercinės įmonės nevengia dirbtinio intelekto pažangos. Bankai tokias technologijas aktyviai diegia į savo veiklą. Naudodami dirbtinio intelekto sistemas, jie atlieka operacijas biržose, valdo turtą ir atlieka kitas operacijas.

Gynybos pramonė, medicina ir kitos sritys diegia objektų atpažinimo technologijas. Kompiuterinius žaidimus kuriančios įmonės naudoja dirbtinį intelektą kurdamos kitą produktą.

Per pastaruosius kelerius metus grupė amerikiečių mokslininkų dirbo prie projekto NEILAS, kuriame mokslininkai prašo kompiuterio atpažinti tai, kas parodyta nuotraukoje. Ekspertai teigia, kad tokiu būdu jie galės sukurti sistemą, gebančią savarankiškai mokytis be išorinio įsikišimo.

Bendrovė VisionLab pristatė savo platformą LUNA, kuri gali atpažinti veidus realiu laiku, pasirinkdama juos iš didžiulės vaizdų ir vaizdo įrašų grupės. Šią technologiją šiandien naudoja dideli bankai ir tinklo mažmenininkai. Naudodami LUNA galite palyginti žmonių pageidavimus ir pasiūlyti jiems atitinkamus produktus bei paslaugas.

Rusijos įmonė dirba su panašiomis technologijomis N-Tech laboratorija. Tuo pačiu metu jos specialistai bando sukurti veido atpažinimo sistemą, pagrįstą neuroniniais tinklais. Naujausiais duomenimis, Rusijos technologijos geriau nei žmonės susidoroja su paskirtomis užduotimis.

Stepheno Hawkingo teigimu, dirbtinio intelekto technologijų plėtra ateityje lems žmonijos mirtį. Mokslininkas pažymėjo, kad žmonės palaipsniui degraduos dėl AI įdiegimo. O natūralios evoliucijos sąlygomis, kai žmogui reikia nuolat kovoti, kad išgyventų, šis procesas neišvengiamai sukels jo mirtį.

Rusija teigiamai vertina dirbtinio intelekto įvedimo klausimą. Aleksejus Kudrinas kartą pareiškė, kad tokių technologijų naudojimas sumažins valstybės aparato funkcionavimo užtikrinimo išlaidas maždaug 0,3% BVP. Dmitrijus Medvedevas prognozuoja, kad dėl AI įvedimo išnyks daugybė profesijų. Tačiau pareigūnas pabrėžė, kad tokių technologijų naudojimas lems sparčią kitų pramonės šakų plėtrą.

Pasaulio ekonomikos forumo ekspertų teigimu, iki 2020-ųjų pradžios dėl gamybos automatizavimo darbo neteks apie 7 mln. Labai tikėtina, kad DI įdiegimas pakeis ekonomiką ir išnyks daugybė su duomenų apdorojimu susijusių profesijų.

Ekspertai McKinsey Jie teigia, kad gamybos automatizavimo procesas bus aktyvesnis Rusijoje, Kinijoje ir Indijoje. Šiose šalyse iki 50 % darbuotojų greitai neteks darbo dėl AI įdiegimo. Jų vietą užims kompiuterizuotos sistemos ir robotai.

McKinsey teigimu, dirbtinis intelektas pakeis profesijas, kurios apima fizinį darbą ir informacijos apdorojimą: mažmeninę prekybą, viešbučių personalą ir pan.

Amerikos kompanijos ekspertų teigimu, iki šio amžiaus vidurio darbo vietų skaičius visame pasaulyje sumažės maždaug 50%. Žmonių vietas užims mašinos, galinčios atlikti panašias operacijas tokiu pat ar didesniu efektyvumu. Tuo pačiu metu ekspertai neatmeta galimybės, kad ši prognozė bus įgyvendinta iki nurodytos datos.

Kiti analitikai atkreipia dėmesį į žalą, kurią gali padaryti robotai. Pavyzdžiui, McKinsey ekspertai atkreipia dėmesį, kad robotai, skirtingai nei žmonės, nemoka mokesčių. Dėl to, sumažėjus biudžeto pajamoms, valstybė negalės išlaikyti tame pačiame lygyje infrastruktūros. Todėl Billas Gatesas pasiūlė įvesti naują robotų technologijų mokestį.

Dirbtinio intelekto technologijos pagerina įmonių efektyvumą sumažindamos daromų klaidų skaičių. Be to, jie leidžia padidinti operacijų greitį iki tokio lygio, kurio žmonės negali pasiekti.

Japonų algoritmas parašė knygą„Diena, kai kompiuteris parašė romaną“. Nepaisant to, kad žmonės nepatyrusiam rašytojui padėjo kurti personažus ir siužetus, kompiuteris puikiai susidorojo – dėl to vienas jo kūrinių įveikė prestižinės literatūros premijos kvalifikacinį etapą. Neuroniniai tinklai taip pat parašė „Hario Poterio“ ir „Sostų žaidimo“ tęsinius.

2015 m. „Google DeepMind“ komandos sukurtas „AlphaGo“ neuroninis tinklas tapo pirmąja programa, nugalėjusia profesionalų „Go“ žaidėją. Ir šių metų gegužės mėn programa įveikė stipriausią Go žaidėją pasaulyje, Ke Ze. Tai buvo proveržis, nes ilgą laiką buvo manoma, kad kompiuteriai neturi intuicijos, reikalingos žaisti „Go“.

Saugumas

Australija užima antrą vietą pasaulyje po JAV pagal ryklių atakų prieš žmones skaičių. 2016 metais šioje šalyje užfiksuoti 26 ryklių atakų atvejai, du iš jų baigėsi mirtimi.

2014 metais „Kaspersky Lab“ pranešė, kad jų antivirusinė programa kasdien užregistravo 325 tūkstančius naujų užkrėstų failų. Tuo pačiu metu Deep Instinct atliktas tyrimas parodė, kad naujos virusų versijos praktiškai nesiskiria nuo ankstesnių – pokytis svyruoja nuo 2% iki 10%. Remiantis šia informacija, Deep Instinct sukurtas savarankiško mokymosi modelis gali tiksliai nustatyti užkrėstus failus.

Neuroniniai tinklai taip pat gali ieškoti tam tikrų dėsningumų, kaip informacija saugoma debesijos paslaugose, ir pranešti apie aptiktas anomalijas, kurios gali sukelti saugumo pažeidimus.

Premija: neuroniniai tinklai saugo mūsų pievelę

Robertas susidūrė su užduotimi atpažinti kates vaizdo sraute, gaunamame iš išorinės kameros. Tam jis panaudojo sistemą, paremtą populiariu Caffe neuroniniu tinklu. Kiekvieną kartą, kai fotoaparatas stebėjo situacijos pasikeitimą svetainėje, padarė septynias nuotraukas ir perdavė jas į neuroninį tinklą. Po to neuroninis tinklas turėjo nustatyti, ar kadre yra katė, ir, jei atsakymas buvo teigiamas, įjungti purkštuvus.

Bondo kiemo kameros vaizdas

Prieš pradedant darbą, neuroninis tinklas buvo apmokytas: Bondas „pamaitino“ 300 skirtingų kačių nuotraukų. Analizuodamas šias nuotraukas, neuroninis tinklas išmoko atpažinti gyvūnus. Tačiau to nepakako: ji teisingai atpažino kates tik 30% atvejų ir supainiojo Bondo šešėlį su kate, dėl ko jis pats buvo šlapias.

Neuroninis tinklas veikė geriau po papildomų mokymų, susijusių su daugiau nuotraukų. Tačiau Bondas perspėja, kad neuroninį tinklą galima treniruoti per daug, tokiu atveju susiformuos nerealus stereotipas – pavyzdžiui, jei visos treniruotėms naudojamos nuotraukos darytos vienu kampu, dirbtinis intelektas gali neatpažinti ta pati katė kitu kampu. Todėl labai svarbu kompetentingai parinkti mokymo duomenų eilutes.

Po kurio laiko ne iš nuotraukų, o iš savo odos pasimokusios katės nustojo lankytis Bondo svetainėje.

Išvada

Tačiau ne visur, kur ateina mašininis mokymasis, jis išstumia žmones. Jei neuroninis tinklas diagnozuoja geriau nei gyvas gydytojas, tai nereiškia, kad ateityje mus gydys tik robotai. Labiausiai tikėtina, kad gydytojas dirbs kartu su neuroniniu tinklu. Panašiai IBM superkompiuteris Deep Blue dar 1997 metais šachmatų rungtyje įveikė Garį Kasparovą, tačiau žmonės iš šachmatų niekur nedingo, o ant blizgių žurnalų viršelių vis dar puikuojasi garsūs didmeistriai.

Bendradarbiavimas su mašinomis atneš daug daugiau naudos nei konfrontacija. Todėl mes sudarėme atviros prieigos medžiagos, kuri padės tęsti pažintį su neuroniniais tinklais, sąrašą:

Dirbtinis intelektas sukūrė neuroninį tinklą 2017 m. gruodžio 15 d

Mes pasiekėme tašką, kai dirbtinis intelektas sukuria savo neuroninį tinklą. Nors daugelis mano, kad tai yra tas pats dalykas. Tačiau iš tikrųjų ne viskas taip paprasta ir dabar pabandysime išsiaiškinti, kas tai yra ir kas ką gali sukurti.

„Google Brain“ padalinio inžinieriai šį pavasarį demonstravo „AutoML“. Šis dirbtinis intelektas gali sukurti savo unikalų AI be žmogaus įsikišimo. Kaip paaiškėjo, AutoML pirmą kartą sugebėjo sukurti NASNet – kompiuterinės vizijos sistemą. Ši technologija yra rimtai pranašesnė už visus anksčiau žmonių sukurtus analogus. Ši dirbtiniu intelektu pagrįsta sistema galėtų būti puikus pagalbininkas kuriant, tarkime, autonominius automobilius. Jis pritaikomas ir robotikoje – robotai galės pasiekti visiškai naują lygį.

„AutoML“ sukurtas naudojant unikalią pastiprinimo mokymosi sistemą. Kalbame apie neuroninio tinklo valdytoją, kuris savarankiškai kuria visiškai naujus neuroninius tinklus, skirtus tam tikroms konkrečioms užduotims atlikti. Mūsų nurodytu atveju „AutoML“ siekia sukurti sistemą, kuri tiksliausiai atpažįsta vaizdo įrašo objektus realiuoju laiku.

Pats dirbtinis intelektas sugebėjo išmokyti naują neuroninį tinklą, stebėti, ar nėra klaidų, ir taisyti darbą. Mokymo procesas buvo kartojamas daug kartų (tūkstančius kartų), kol sistema pradėjo veikti. Įdomu tai, kad jis galėjo apeiti visus šiuo metu turimus panašius neuroninius tinklus, kuriuos sukūrė ir apmokė žmonės.

Tuo pačiu metu AutoML įvertina NASNet našumą ir naudoja šią informaciją dukteriniam tinklui tobulinti; šis procesas kartojamas tūkstančius kartų. Kai inžinieriai išbandė NASNet „ImageNet“ ir COCO vaizdų rinkiniuose, jis pranoko visas esamas kompiuterinio matymo sistemas.

„Google“ oficialiai paskelbė, kad „NASNet“ atpažįsta 82,7 proc. tikslumu. Rezultatas 1,2% viršija ankstesnį rekordą, kurį šių metų rudens pradžioje pasiekė „Momenta“ ir Oksfordo specialistų tyrėjai. NASNet yra 4% efektyvesnis nei jo kolegos, kurių vidutinis tikslumas yra 43,1%.

Taip pat yra supaprastinta NASNet versija, kuri pritaikyta mobiliosioms platformoms. Savo analogus jis lenkia kiek daugiau nei trimis procentais. Netolimoje ateityje šią sistemą bus galima panaudoti autonominių automobilių gamybai, kuriems svarbus kompiuterinio matymo buvimas. „AutoML“ ir toliau kuria naujus neuroninius tinklus, siekdama užkariauti dar didesnes aukštumas.

Tai, be abejo, kelia etinių klausimų, susijusių su susirūpinimu dėl dirbtinio intelekto: o kas, jei AutoML sukurs tokias sistemas, kad visuomenė tiesiog negali neatsilikti? Tačiau daugelis didelių kompanijų stengiasi atsižvelgti į AI saugumo problemas. Pavyzdžiui, „Amazon“, „Facebook“, „Apple“ ir kai kurios kitos korporacijos yra AI partnerystės, kad būtų naudinga žmonėms ir visuomenei, narės. Elektros ir elektros inžinierių institutas (IEE) pasiūlė etikos standartus dirbtiniam intelektui, o, pavyzdžiui, „DeepMind“ paskelbė apie grupės, kuri spręs moralinius ir etinius klausimus, susijusius su dirbtinio intelekto taikymu, sukūrimą.

Tačiau daugelis didelių kompanijų stengiasi atsižvelgti į AI saugumo problemas. Tai, be abejo, kelia etinių klausimų, susijusių su susirūpinimu dėl dirbtinio intelekto: o kas, jei AutoML sukurs tokias sistemas, kad visuomenė tiesiog negali neatsilikti? Elektros ir elektros inžinierių institutas (IEE) pasiūlė etikos standartus dirbtiniam intelektui, o, pavyzdžiui, „DeepMind“ paskelbė apie grupės, kuri spręs moralinius ir etinius klausimus, susijusius su dirbtinio intelekto taikymu, sukūrimą. Pavyzdžiui, „Amazon“, „Facebook“, „Apple“ ir kai kurios kitos korporacijos yra AI partnerystės, kad būtų naudinga žmonėms ir visuomenei, narės.

Kas yra dirbtinis intelektas?

Termino „dirbtinis intelektas“ pradininkas yra Johnas McCarthy, Lisp kalbos išradėjas, funkcinio programavimo įkūrėjas ir Turingo apdovanojimo laureatas už didžiulį indėlį dirbtinio intelekto tyrimų srityje.
Dirbtinis intelektas yra būdas padaryti kompiuterį, kompiuterio valdomą robotą ar programą galinčią mąstyti taip pat protingai kaip žmogus.

DI srities tyrimai atliekami tiriant žmogaus protinius gebėjimus, o vėliau šių tyrimų rezultatais remiamasi kuriant išmaniąsias programas ir sistemas.

Kas yra neuroninis tinklas?

Neuroninio tinklo idėja yra surinkti sudėtingą struktūrą iš labai paprastų elementų. Mažai tikėtina, kad tik viena smegenų dalis gali būti laikoma protinga, tačiau paprastai žmonėms stebėtinai gerai sekasi atlikti IQ testus. Nepaisant to, iki šiol mintis sukurti protą „iš nieko“ dažniausiai būdavo išjuokiama: pokštui apie tūkstantį beždžionių su rašomąja mašinėle – jau šimtas metų, o jei nori, neuroninių tinklų kritika gali net sulaukti. būti aptiktas Cicerone, kuris sarkastiškai siūlė mėtyti žetonus su raidėmis į orą iki mėlynumo, kad anksčiau ar vėliau pasirodys prasmingas tekstas. Tačiau XXI amžiuje paaiškėjo, kad klasika šmaikštauja veltui: tai beždžionių, turinčių žetonus, armija, kuri su deramu užsispyrimu gali užvaldyti pasaulį.
Tiesą sakant, neuroninį tinklą galima surinkti net iš degtukų dėžučių: tai tik paprastų taisyklių rinkinys, pagal kurį apdorojama informacija. „Dirbtinis neuronas“ arba perceptronas nėra specialus prietaisas, o tik keletas aritmetinių operacijų.

Perceptrono darbas negali būti paprastesnis: jis gauna kelis pradinius skaičius, kiekvieną padaugina iš šio skaičiaus „reikšmės“ (apie tai plačiau žemiau), sumuoja ir, priklausomai nuo rezultato, išveda 1 arba -1. Pavyzdžiui, nufotografuojame aiškų lauką ir parodome savo neurono tam tikrą tašką šiame paveikslėlyje – tai yra, siunčiame jam atsitiktines koordinates kaip du signalus. Ir tada mes klausiame: „Brangus neuronai, čia dangus ar žemė? - Minus vienas, - atsako manekenas, ramiai žiūrėdamas į kamuolinį debesį. „Aišku, kad tai žemė“.

„Rodymas pirštu į dangų“ yra pagrindinė perceptrono veikla. Negalite tikėtis iš jo tikslumo: lygiai taip pat galite išmesti monetą. Magija prasideda kitame etape, kuris vadinamas mašininiu mokymusi. Mes žinome teisingą atsakymą, o tai reiškia, kad galime jį įrašyti į savo programą. Taigi paaiškėja, kad už kiekvieną neteisingą spėjimą perceptronas tiesiogine prasme gauna nuobaudą, o už teisingą atspėjimą - premiją: gaunamų signalų „vertė“ didėja arba mažėja. Po to programa paleidžiama naudojant naują formulę. Anksčiau ar vėliau neuronas neišvengiamai „supras“, kad žemė nuotraukoje yra apačioje, o dangus – aukščiau, tai yra, jis tiesiog pradės nekreipti dėmesio į signalą iš kanalo, kuriuo jam perduodamos x koordinatės. Jei tokiam sudėtingam robotui nuslysite dar vieną nuotrauką, jis gali ir nerasti horizonto linijos, bet tikrai nepainios viršaus su apačia.

Realiame darbe formulės yra šiek tiek sudėtingesnės, tačiau principas išlieka tas pats. Perceptronas gali atlikti tik vieną užduotį: paimti skaičius ir sudėti juos į dvi krūvas. Įdomiausia prasideda, kai tokių elementų yra keli, nes įeinantys skaičiai gali būti signalai iš kitų „statybinių blokų“! Tarkime, vienas neuronas bandys atskirti mėlynus pikselius nuo žalių, antrasis ir toliau tvarkys koordinates, o trečiasis bandys nuspręsti, kuris iš šių dviejų rezultatų yra arčiau tiesos. Jei vienu metu nustatysite kelis neuronus ant mėlynų pikselių ir susumuosite jų rezultatus, gausite visą sluoksnį, kuriame „geriausi studentai“ gaus papildomų premijų. Taigi gana plačiai paplitęs tinklas gali persijoti visą kalną duomenų ir atsižvelgti į visas jo klaidas.

Neuroninį tinklą galima pasidaryti naudojant degtukų dėžutes – tuomet savo arsenale turėsite gudrybę, kuria galėsite linksminti svečius vakarėliuose. MirF redaktoriai jau išbandė ir nuolankiai pripažįsta dirbtinio intelekto pranašumą. Išmokykime neracionalią materiją žaisti žaidimą „11 pagaliukų“. Taisyklės paprastos: ant stalo yra 11 rungtynių, o kiekviename ėjime galite atlikti vieną arba du. Laimi tas, kuris paėmė paskutinį. Kaip tai žaisti prieš „kompiuterį“?

Labai paprasta.

Paimkite 10 dėžučių ar puodelių. Ant kiekvieno užrašome skaičių nuo 2 iki 11.

Į kiekvieną dėžutę dedame po du akmenukus – juodą ir baltą. Galite naudoti bet kokius objektus, jei jie skiriasi vienas nuo kito. Štai ir viskas – turime dešimties neuronų tinklą!

Neuroninis tinklas visada eina pirmas. Pirmiausia pažiūrėkite, kiek degtukų liko, ir paimkite dėžutę su šiuo numeriu. Pirmuoju žingsniu tai bus 11 dėžutė. Paimkite bet kokį akmenuką iš norimos dėžutės. Galite užsimerkti arba mesti monetą, svarbiausia elgtis atsitiktinai.
Jei akmuo yra baltas, neuroninis tinklas nusprendžia paimti du degtukus. Jei juoda – vienas. Padėkite akmenuką šalia dėžutės, kad nepamirštumėte, kuris "neuronas" priėmė sprendimą. Po to žmogus vaikšto – ir taip toliau, kol baigiasi degtukai.

Dabar ateina linksmoji dalis: mokymasis. Jei žaidimą laimi tinklas, jis turi būti apdovanotas: įmeskite vieną papildomą tos pačios spalvos akmenuką, kuris iškrito žaidimo metu į tuos „neuronus“, kurie dalyvavo šiame žaidime. Jei tinklas prarandamas, paimkite paskutinę panaudotą dėžutę ir išimkite iš jos nesėkmingą akmenį. Gali pasirodyti, kad dėžutė jau tuščia, tada „paskutinis“ neuronas laikomas ankstesniu. Kito žaidimo metu, kai atsidurs tuščioje dėžutėje, neuroninis tinklas automatiškai pasiduos.

Tai viskas! Žaisk keletą tokių žaidimų. Iš pradžių nepastebėsite nieko įtartino, tačiau po kiekvieno laimėjimo tinklas atliks vis sėkmingesnius judesius - ir po maždaug tuzino žaidimų suprasite, kad sukūrėte monstrą, kurio negalite įveikti.

Šaltiniai:

Ar dirbtinis intelektas yra priežastis, kodėl mums baigėsi?

Kas yra dirbtinis intelektas ir ko žmonės iš tikrųjų bijo?

Klasės draugai

Dirbtinis intelektas yra tema, apie kurią kiekvienas susidarė savo nuomonę.

Ekspertai šiuo klausimu pasiskirstę į dvi stovyklas.
Pirmasis mano, kad dirbtinis intelektas neegzistuoja, antrasis mano, kad jis egzistuoja.

Rusbase išsiaiškino, kuris iš jų teisus.

Dirbtinis intelektas ir neigiamos imitacijos pasekmės

Pagrindinė diskusijų apie dirbtinį intelektą priežastis – termino supratimas. Suklupimas buvo pati intelekto samprata ir... skruzdėlės. Dirbtinio intelekto egzistavimą neigiantys žmonės remiasi tuo, kad dirbtinio intelekto sukurti neįmanoma, nes žmogaus intelektas netirtas, todėl jo panašumo atkurti neįmanoma.

Antrasis „netikinčių“ argumentas yra skruzdėlių atvejis. Pagrindinė bylos tezė – skruzdėlės nuo seno buvo laikomos būtybėmis, turinčiomis intelektą, tačiau atlikus tyrimus paaiškėjo, kad jos jį mėgdžiojo. O intelekto imitavimas nereiškia jo buvimo. Todėl viskas, kas imituoja racionalų elgesį, negali būti vadinama intelektu.

Kita stovyklos pusė (kurie teigia, kad AI egzistuoja) nekreipia dėmesio į skruzdėles ir žmogaus proto prigimtį. Vietoj to, jie veikia praktiškesnėmis sąvokomis, kurių prasmė ta, kad dirbtinis intelektas yra mašinų gebėjimas atlikti žmogaus intelektines funkcijas. Bet kas laikomos intelektinėmis funkcijomis?

Dirbtinio intelekto istorija ir kas jį sugalvojo

John McCarthy, termino „dirbtinis intelektas“ pradininkas, apibrėžė intelektą kaip gebėjimo pasiekti tikslus skaičiavimo komponentą. McCarthy paaiškino patį dirbtinio intelekto apibrėžimą kaip protingų kompiuterinių programų kūrimo mokslą ir technologiją.

McCarthy apibrėžimas pasirodė vėliau nei pati mokslo kryptis. Dar praėjusio amžiaus viduryje mokslininkai bandė suprasti, kaip veikia žmogaus smegenys. Tada atsirado skaičiavimų teorijos, algoritmų teorijos ir pirmieji pasaulyje kompiuteriai, kurių skaičiavimo galimybės paskatino mokslo šviesuolius susimąstyti, ar mašina gali lygintis su žmogaus protu.

Vyšna ant torto buvo Alano Turingo sprendimas, kuris rado būdą patikrinti kompiuterio intelektą – ir sukūrė Tiuringo testą, kuris nustato, ar mašina gali mąstyti.

Taigi, kas yra dirbtinis intelektas ir kam jis sukurtas?

Jei neatsižvelgsime į skruzdėles ir žmogaus intelekto prigimtį, dirbtinis intelektas šiuolaikiniame kontekste yra mašinų, kompiuterinių programų ir sistemų gebėjimas atlikti intelektualias ir kūrybines žmogaus funkcijas, savarankiškai rasti problemų sprendimo būdus, gebėti. daryti išvadas ir priimti sprendimus.

Racionalu nesuvokti dirbtinio intelekto kaip žmogaus proto panašumo ir atskirti futurologiją nuo mokslo, kaip AI ir „Skynet“.

Be to, dauguma šiuolaikinių produktų, sukurtų naudojant AI technologijas, yra ne naujas dirbtinio intelekto plėtros etapas, o tik senų įrankių panaudojimas kuriant naujus ir būtinus sprendimus.

Kodėl atnaujinimas nėra laikomas dirbtinio intelekto plėtra

Bet ar tai tokios naujos idėjos? Paimkite, pavyzdžiui, „Siri“ – debesies pagrindu veikiantį asistentą, aprūpintą klausimų ir atsakymų sistema. Panašus projektas buvo sukurtas dar 1966 m. ir taip pat turėjo moterišką vardą - Eliza. Interaktyvi programa dialogą su pašnekovu palaikė taip tikroviškai, kad žmonės jį atpažino kaip gyvą žmogų.

Arba pramoniniai robotai, kuriuos „Amazon“ naudoja savo sandėlyje. Dar gerokai prieš tai, 1956 m., „General Motors“ dirbo „Unimation“ robotai, kurie judė sunkias dalis ir padėjo surinkti automobilius. O kaip dėl integruoto roboto Shakey, sukurto 1966 m., kuris tapo pirmuoju mobiliu robotu, valdomu dirbtinio intelekto? Ar tai neprimena modernios ir patobulintos Nadinos?

Nenatūralaus intelekto problemos. Grigorijaus Bakunovo žvalgyba

O kur mes būtume be naujausios tendencijos – neuroninių tinklų? Žinome šiuolaikinius startuolius neuroniniuose tinkluose – pagalvokite apie „Prisma“. Tačiau dirbtinis neuroninis tinklas, pagrįstas modelio atpažinimo savaiminio organizavimo principu, vadinamas „Cognitron“, sukurtas dar 1975 m., nėra.

Išmanieji pokalbių robotai nėra išimtis. Tolimas pokalbių robotų protėvis yra CleverBot, kuris veikia pagal dirbtinio intelekto algoritmą, sukurtą dar 1998 m.

Todėl dirbtinis intelektas nėra kažkas naujo ir unikalaus. Bauginanti žmonijos pavergimo šio reiškinio perspektyva yra dar didesnė. Šiandien dirbtinis intelektas yra skirtas naudoti senus įrankius ir idėjas kuriant naujus produktus, atitinkančius šiuolaikinio pasaulio poreikius.

Dirbtinio intelekto galia ir nepagrįsti lūkesčiai

Jei lygintume dirbtinį intelektą su žmogumi, tai šiandien jo išsivystymas yra tokio vaiko, kuris mokosi laikyti šaukštą, bando atsistoti iš keturių ant dviejų kojų ir negali atpratinti nuo sauskelnių.

Esame įpratę AI vertinti kaip visagalią technologiją. Net Viešpats Dievas filmuose neparodomas toks visagalis kaip „Excel“ lentelė, kuri išėjo iš korporacijos kontrolės. Ar Dievas gali išjungti elektrą mieste, paralyžiuoti oro uostą, nutekėti į internetą slaptą valstybių vadovų susirašinėjimą ir išprovokuoti ekonominę krizę? Ne, bet dirbtinis intelektas gali, bet tik filmuose.

Išpūsti lūkesčiai yra mūsų gyvenimo priežastis, nes automatinis dulkių siurblys robotas neprilygsta Tony Starko liokajui robotui, o jaukus ir mielas Zenbo nesuteiks jums Westworld.

Rusija ir dirbtinio intelekto panaudojimas – ar kas nors gyvas?

Ir nors dirbtinis intelektas nepateisina daugumos lūkesčių, Rusijoje jis naudojamas įvairiose srityse – nuo ​​viešojo administravimo iki pasimatymų.

Šiandien AI pagalba galima rasti ir identifikuoti objektus analizuojant vaizdo duomenis. Jau dabar galima atpažinti agresyvų asmens elgesį, aptikti bandymą įsilaužti į bankomatą, o iš vaizdo įrašo atpažinti tai bandžiusio asmens tapatybę.

Biometrinės technologijos taip pat pažengė į priekį ir leidžia ne tik pirštų atspaudus, bet ir balsą, DNR ar tinklainę. Taip, kaip ir filmuose apie specialiuosius agentus, kurie į slaptą vietą galėjo patekti tik nuskenavus akies obuolį. Tačiau biometrinės technologijos naudojamos ne tik slaptiesiems agentams patikrinti. Realiame pasaulyje biometriniai duomenys naudojami autentifikavimui, kredito paraiškos tikrinimui ir personalo stebėjimui.

Biometriniai duomenys nėra vienintelis taikymo pavyzdys. Dirbtinis intelektas yra glaudžiai susijęs su kitomis technologijomis ir sprendžia mažmeninės prekybos, fintech, švietimo, pramonės, logistikos, turizmo, rinkodaros, medicinos, statybos, sporto ir ekologijos problemas. Sėkmingiausiai Rusijoje dirbtinis intelektas naudojamas sprendžiant nuspėjamosios analizės, duomenų gavybos, natūralios kalbos apdorojimo, kalbos technologijų, biometrinių duomenų ir kompiuterinio matymo problemas.

Dirbtinio intelekto užduotys ir kodėl jis jums nieko neskolingas

Dirbtinis intelektas neturi jokios misijos, jam keliamos užduotys, kurių tikslas – sumažinti išteklius, nesvarbu, ar tai būtų laikas, pinigai ar žmonės.

Pavyzdys yra duomenų gavyba, kai dirbtinis intelektas optimizuoja pirkimus, tiekimo grandines ir kitus verslo procesus. Arba kompiuterinė vizija, kai naudojant dirbtinio intelekto technologijas atliekama vaizdo analizė ir kuriamas vaizdo turinio aprašymas. Siekdamas išspręsti kalbos technologijų problemas, dirbtinis intelektas atpažįsta, analizuoja ir sintezuoja šnekamąją kalbą, žengdamas dar vieną mažą žingsnelį, mokydamas kompiuterį suprasti žmogų.

Žmogaus supratimas kompiuteriu laikomas pačia misija, kurios įgyvendinimas priartins mus prie stipraus intelekto kūrimo, nes norint atpažinti natūralią kalbą mašinai reikės ne tik didžiulių žinių apie pasaulį, bet ir nuolatinio sąveikos su juo. Todėl „tikintieji“ stipriu dirbtiniu intelektu svarbiausiu AI uždaviniu laiko mašininį žmonių supratimą.

Humanoidė Nadine turi asmenybę ir yra skirta būti socialine kompanione.

Dirbtinio intelekto filosofijoje netgi egzistuoja hipotezė, pagal kurią yra silpnas ir stiprus dirbtinis intelektas. Jame kompiuteris, gebantis mąstyti ir realizuoti save, bus laikomas stipriu intelektu. Silpno intelekto teorija šią galimybę atmeta.

Iš tiesų stipriam intelektui keliama daug reikalavimų, kai kurie iš jų jau įvykdyti. Pavyzdžiui, mokymasis ir sprendimų priėmimas. Tačiau ar „MacBook“ kada nors sugebės atitikti tokius reikalavimus kaip empatija ir išmintis – didelis klausimas.

Ar gali būti, kad ateityje atsiras robotai, galintys ne tik mėgdžioti žmogaus elgesį, bet ir užjaučiantys linkčioti, klausydami dar vieno nepasitenkinimo žmogaus būties neteisybe?

Kam dar reikalingas dirbtinį intelektą turintis robotas?

Rusijoje mažai dėmesio skiriama dirbtinį intelektą naudojančiai robotikai, tačiau yra vilties, kad tai laikinas reiškinys. „Mail Group“ generalinis direktorius Dmitrijus Grišinas netgi „Grishin Robotics“ fondo, tačiau kol kas garsių fondo radinių negirdėti.

Naujausias geras rusų pavyzdys – „i-Free“ robotas Emelya, gebantis suprasti natūralią kalbą ir bendrauti su vaikais. Pirmajame etape robotas prisimena vaiko vardą ir amžių, prisitaikydamas prie jo amžiaus grupės. Jis taip pat gali suprasti ir atsakyti į klausimus, pvz., kalbėti apie orų prognozę arba deklamuoti faktus iš Vikipedijos.

Kitose šalyse robotai yra populiaresni. Pavyzdžiui, Kinijos Henano provincijoje greitųjų traukinių stotyje yra tikras, galintis nuskaityti ir atpažinti keleivių veidus.

Dirbtinis intelektas – tai technologija, kurią tikrai pasiimsime su savimi į ateitį.

Mes jums pasakysime, kaip tai veikia ir kokius šaunius naudojimo būdus radome.

😎 Skyrius Technologijos skelbiamas kiekvieną savaitę su re:Store parama.

Kas yra dirbtinis intelektas

Dirbtinis intelektas (DI) – tai išmaniųjų programų ir mašinų kūrimo technologija, galinti išspręsti kūrybines problemas ir generuoti naują informaciją remiantis esama informacija. Tiesą sakant, dirbtinis intelektas yra skirtas imituoti žmogaus veiklą, kuri laikoma intelektualine.

Tradiciškai buvo manoma, kad kūrybiškumas būdingas tik žmonėms. Tačiau dirbtinio intelekto sukūrimas pakeitė įprastą dalykų tvarką

Robotas, kuris tiesiog mechaniškai smulkina medieną, neturi AI. Robotas, kuris pats išmoko kapoti medieną, žiūrint į žmogaus pavyzdį arba rąstą ir jo dalis, ir kaskart tai daro vis geriau, turi AI.

Jei programa tiesiog nuskaito reikšmes iš duomenų bazės pagal tam tikras taisykles, joje nėra AI. Jei sistema po apmokymų kuria programas, metodus ir dokumentus, spręsdama tam tikras problemas, ji turi AI.

Kaip sukurti dirbtinio intelekto sistemą

Pasauline prasme turime mėgdžioti žmogaus mąstymo modelį. Tačiau iš tikrųjų būtina sukurti juodąją dėžę - sistemą, kuri, reaguodama į įvesties reikšmių rinkinį, sukuria išvesties vertes, kurios būtų panašios į asmens rezultatus. Ir mums apskritai nerūpi, kas vyksta „jos galvoje“ (tarp įvesties ir išvesties).

Dirbtinio intelekto sistemos yra sukurtos tam tikros klasės problemų sprendimui

Dirbtinio intelekto pagrindas yra mokymasis, vaizduotė, suvokimas ir atmintis

Pirmas dalykas, kurį reikia padaryti norint sukurti dirbtinį intelektą, yra sukurti funkcijas, įgyvendinančias informacijos suvokimą, kad galėtumėte „pateikti“ duomenis į sistemą. Tada – gebėjimą mokytis įgyvendinančios funkcijos. Ir duomenų saugykla, kad sistema galėtų kur nors saugoti informaciją, kurią gauna mokymosi proceso metu.

Po to sukuriamos vaizduotės funkcijos. Jie gali imituoti situacijas naudodami esamus duomenis ir pridėti naujos informacijos (duomenų ir taisyklių) į atmintį.

Mokymasis gali būti indukcinis arba dedukcinis. Indukcinėje versijoje sistemai pateikiamos įvesties ir išvesties duomenų poros, klausimai ir atsakymai ir kt. Sistema turi rasti ryšius tarp duomenų ir tada, naudodama šiuos šablonus, rasti išvesties duomenis iš įvesties duomenų.

Taikant dedukcinį metodą (labas, Šerlokai Holmsai!) pasitelkiama ekspertų patirtis. Ji perkeliama į sistemą kaip žinių bazė. Yra ne tik duomenų rinkiniai, bet ir paruoštos taisyklės, kurios padeda rasti sprendimą pagal sąlygą.

Šiuolaikinės dirbtinio intelekto sistemos naudoja abu būdus. Be to, sistemos dažniausiai jau yra apmokytos, bet toliau mokosi, kai veikia. Tai daroma taip, kad programa pradžioje parodytų tinkamą gebėjimų lygį, tačiau ateityje ji taps dar geresnė. Pavyzdžiui, atsižvelgiau į jūsų norus ir pageidavimus, situacijos pokyčius ir pan.

Dirbtinio intelekto sistemoje netgi galite nustatyti nenuspėjamumo tikimybę. Taip jis taps panašesnis į žmogų.

Kodėl dirbtinis intelektas įveikia žmones

Visų pirma dėl to, kad ji turi mažesnę klaidos tikimybę.

• Dirbtinis intelektas negali pamiršti – jis turi absoliučią atmintį.
• Jis negali atsitiktinai ignoruoti veiksnių ir priklausomybių – kiekvienas AI veiksmas turi aiškų pagrindimą.
• AI nedvejoja, o įvertina tikimybes ir pasilenkia didesnės naudai. Todėl jis gali pateisinti kiekvieną savo žingsnį.
• AI taip pat neturi emocijų. Tai reiškia, kad jie neturi įtakos sprendimų priėmimui.
• Dirbtinis intelektas nesustoja vertindamas dabartinio žingsnio rezultatus, o galvoja kelis žingsnius į priekį.
• Ir jis turi pakankamai išteklių, kad galėtų apsvarstyti visus galimus scenarijus.

Šaunūs dirbtinio intelekto panaudojimo būdai

Paprastai tariant, dirbtinis intelektas gali viską. Svarbiausia teisingai suformuluoti problemą ir pateikti jai pradinius duomenis. Be to, dirbtinis intelektas gali padaryti netikėtas išvadas ir ieškoti modelių ten, kur jų, atrodo, nėra.

Atsakymas į bet kurį klausimą

Davido Ferrucci vadovaujama mokslininkų komanda sukūrė superkompiuterį Watson su klausimų atsakymų sistema. Sistema, pavadinta pirmojo IBM prezidento Thomaso Watsono vardu, gali suprasti klausimus natūralia kalba ir ieškoti atsakymų duomenų bazėje.

„Watson“ integruoja 90 IBM p750 serverių, kurių kiekvienas turi keturis aštuonių branduolių POWER7 architektūros procesorius. Bendras sistemos RAM kiekis viršija 15 TB.

Tarp Watsono laimėjimų yra „Jeopardy! (Amerikietiškas „savo žaidimas“). Jis nugalėjo du geriausius žaidėjus: didžiausių laimėjimų laimėtoją Bradą Rutterį ir ilgiausios nepralaimėjimų serijos rekordininką Keną Jenningsą.

Watsono premija: 1 mln. Tiesa, vien 2014 metais į jį investuota 1 mlrd.

Be to, Watsonas dalyvauja diagnozuojant vėžį, padeda finansų specialistams, yra naudojamas didelių duomenų analizei.

Veido atpažinimas

„IPhone X“ veido atpažinimas sukurtas naudojant neuroninius tinklus – dirbtinio intelekto sistemos versiją. Neuroninių tinklų algoritmai yra realizuoti A11 Bionic procesoriaus lygiu, todėl efektyviai dirba su mašininio mokymosi technologijomis.

Neuroniniai tinklai atlieka iki 60 milijardų operacijų per sekundę. To pakanka norint išanalizuoti iki 40 tūkstančių pagrindinių veido taškų ir per sekundės dalį itin tiksliai nustatyti savininką.

Net jei auginate barzdą ar nešiojate akinius, iPhone X jus atpažins. Ji tiesiog neatsižvelgia į plaukus ir aksesuarus, bet analizuoja plotą nuo šventyklos iki šventyklos ir nuo kiekvienos šventyklos iki įdubos po apatine lūpa.

Energijos taupymas

Ir vėl Apple. „IPhone X“ turi įmontuotą išmaniąją sistemą, kuri stebi įdiegtų programų veiklą, ir judesio jutiklį, kad suprastų jūsų kasdienybę.

Po to, pavyzdžiui, „iPhone X“ pasiūlys atnaujinti jums patogiausiu metu. Jis pagaus momentą, kai turite stabilų internetą, o ne šokinėjantį signalą iš mobiliųjų bokštų ir neatliekate skubių ar svarbių darbų.

AI taip pat paskirsto užduotis tarp procesoriaus branduolių. Tokiu būdu jis suteikia pakankamai galios su minimaliomis energijos sąnaudomis.

Paveikslų kūrimas

Kūrybiškumas, kuris anksčiau buvo prieinamas tik žmonėms, dabar yra atviras AI. Taigi sistema, sukurta mokslininkų iš Rutgers universiteto Naujajame Džersyje ir AI laboratorijos Los Andžele, pristatė savo meninį stilių.

O „Microsoft“ dirbtinio intelekto sistema gali piešti paveikslėlius pagal jų tekstinį aprašymą. Pavyzdžiui, jei paprašysite AI nupiešti „geltoną paukštį juodais sparnais ir trumpu snapu“, jis atrodys maždaug taip:

Tokių paukščių realiame pasaulyje gali ir nebūti – būtent taip juos vaizduoja mūsų kompiuteris.

Plačiau paplitęs pavyzdys yra programa „Prisma“, kuri kuria paveikslus iš nuotraukų:

Muzikos rašymas

Dirbtinis intelektas Amper rugpjūtį kartu su dainininke Taryn Southern kūrė, prodiusavo ir atliko muziką albumui „I AM AI“ (angl. I am dirbtinis intelektas).

„Amper“ sukūrė profesionalių muzikantų ir technologijų ekspertų komanda. Jie pažymi, kad dirbtinis intelektas yra skirtas padėti žmonėms tobulinti kūrybinį procesą.

AI gali parašyti muziką per kelias sekundes

„Amper“ savarankiškai sukūrė akordų struktūras ir instrumentinius kūrinius „Break Free“. Žmonės tik šiek tiek pakoregavo stilių ir bendrą ritmą.

Kitas pavyzdys – „Civilinės gynybos“ dvasios muzikos albumas, kurio žodžius parašė AI. Eksperimentą atliko „Yandex“ darbuotojai Ivanas Jamščikovas ir Aleksejus Tichonovas. Grupės „Neural Defense“ albumas 404 buvo paskelbtas internete. Tai pasirodė Letovo dvasia:

Tada programuotojai nuėjo toliau ir privertė AI rašyti poeziją Kurto Cobaino dvasia. Muzikantas Robas Carrollas parašė muziką keturiems geriausiems tekstams, o kūriniai buvo sujungti į albumą „Neurona“. Jie netgi nufilmavo vaizdo klipą vienai dainai, nors ir nedalyvaujant AI:

Tekstų kūrimas

Rašytojus ir žurnalistus taip pat netrukus gali pakeisti AI. Pavyzdžiui, Dewey sistema buvo tiekiama knygomis iš projekto Gutenbergo bibliotekos, tada buvo pridėti moksliniai tekstai iš „Google Scholar“, reitinguojant juos pagal populiarumą ir pavadinimus, taip pat pardavimą „Amazon“. Be to, jie nustatė naujos knygos rašymo kriterijus.

Svetainėje buvo prašoma žmonių priimti sprendimus sudėtingose ​​situacijose: pavyzdžiui, ji pasodino juos į vairuotojo, galinčio partrenkti tris suaugusiuosius arba du vaikus, vietą. Taigi „Moral Machine“ buvo išmokyta priimti sunkius sprendimus, pažeidžiančius robotikos dėsnį, kad robotas negali pakenkti žmogui.

Ką lems žmonių mėgdžiojimas robotais su AI? Futuristai tiki, kad vieną dieną jie taps visaverčiais visuomenės nariais. Pavyzdžiui, Honkongo kompanijos „Hanson Robotics“ robotė Sophia jau gavo pilietybę Saudo Arabijoje (o paprastos šalies moterys tokios teisės neturi!).

Kai New York Times apžvalgininkas Andrew Rossas paklausė Sophios, ar robotai yra protingi ir sąmoningi, ji atsakė į klausimą:

Leiskite man atsakyti, kaip žinoti, kad esate žmogus?

Be to, Sofija pareiškė:

Noriu panaudoti savo dirbtinį intelektą, kad padėčiau žmonėms gyventi geriau, pavyzdžiui, kurti išmanesnius namus, kurti ateities miestus. Noriu būti empatiškas robotas. Jei elgsitės su manimi gerai, aš elgsiuosi su jumis gerai.

O anksčiau ji prisipažino, kad nekenčia žmonijos ir netgi sutiko sunaikinti žmones...

Veidų keitimas vaizdo įrašuose

Deepfakes vaizdo įrašai pradėjo masiškai plisti internete. Dirbtinio intelekto algoritmai suaugusiems skirtų filmų aktorių veidus pakeitė žvaigždžių veidais.

Tai veikia taip: neuroninis tinklas analizuoja veidų fragmentus originaliame vaizdo įraše. Tada ji lygina jas su nuotraukomis iš Google ir vaizdo įrašais iš YouTube, perdengia reikiamus fragmentus ir... jūsų mėgstamiausia aktorė patenka į filmą, kurio geriau nežiūrėtumėte darbe.

„PornHub“ jau uždraudė skelbti tokius vaizdo įrašus

Deepfake pasirodė pavojingas dalykas. Abstrakti aktorė yra viena, tavęs, tavo žmonos, sesers, kolegės vaizdo įrašas, kurį būtų galima panaudoti šantažui, – kas kita.

Prekyba biržoje

Erlangeno-Niurnbergo universiteto (Vokietija) mokslininkų komanda sukūrė algoritmų seriją, kuri naudoja istorinius rinkos duomenis, kad atkartotų investicijas realiuoju laiku. Vienas modelis teikė 73 % investicijų grąžą kasmet nuo 1992 m. iki 2015 m., palyginti su realia rinkos grąža 9 % per metus.

Kai rinka drebėjo 2000 ir 2008 m., grąža buvo rekordinė – atitinkamai 545 % ir 681 %.

2004 metais „Goldman Sachs“ pradėjo dirbtiniu intelektu paremtą prekybos platformą „Kensho“. Dirbtinio intelekto pagrindu veikiančios sistemos, skirtos prekybai biržose, atsiranda ir kriptovaliutų rinkose – Mirocana ir kt. Jie yra geresni už gyvus prekybininkus, nes neturi emocijų ir pasikliauja aiškia analize bei griežtomis taisyklėmis.

Ar AI pakeis tave ir mane?