www.machinelearningmastery.ru

Машинное обучение, нейронные сети, искусственный интеллект
Header decor

Home
Занимательная история, выдающиеся люди, малоизвестные факты, находки, открытия, фальсификации. Присоединяйся!

Древний квест для ИИ

Дата публикации Oct 3, 2019

Узнайте больше об авторе:http://intelligentstory.com/about.html

Эта статья является второй из серии, предназначенной для углубления понимания ИИ. Вы можете прочитать первую главу этой серии на страницеЧто, черт возьми, ИИ?

2019 год запомнится как 500-летие со дня смерти изобретателя первого самостоятельного вождения автомобиля: Леонардо да Винчи. Когда в 1478 году мастер эпохи Возрождения разработал проект самоходной тележки, он мало что знал о том, что в будущем устройство будет считаться прародителем автономных транспортных средств с двигателем искусственного интеллекта. Как и ученые, философы, авторы и художники до него, Леонардо участвовал в очень древнем поиске ИИ. Квест, который охватывает века и континенты и находит общих предков в современных областях робототехники и искусственного интеллекта.

ИИ - это новый черный, но это не новая технология

Мало того, что ИИ существует как область компьютерных наук более 70 лет, его корни уходят далеко за пределы середины 20-го века.До того, как ИИ стал машиной предсказания с высокой стоимостью, которая должна была изменить мировую экономику, искусственные существа и автономные артефакты неустанно одерживали человеческий разум.

Генезис автоматизации и искусственной автономии возвращает нас к древнегреческому периоду.В связи с этим, вы можете отметить, что латинское слово «автомат» происходит от греческогоautomatos- соединениеавтотехники«Я» иМатос«Мыслящий, оживленный, желающий». Древняя Греция содержит множество мифологических автоматов и множество описаний самодвижущихся устройств. Если вы готовы погрузиться в колыбель автономных машин, отличная книгаБоги и роботыСтэнфордский профессор Эдриенн Майор анализирует самые ранние выражения искусственных автономных машин в греческой мифологии. Вы узнаете, что первым известным роботом был автоматизированный бронзовый гигант Талос, созданный божественной рукой Гефеста; Бог огня и металлургии. Интересно, что Гефест также разработал крылатый шлем и сандалии Гермеса, наделяя его способностью доставлять информацию куда угодно, на скоростях, превышающих скорости других олимпийских богов.Эти рассказы, среди многих других, передают темы искусственного восприятия и повсеместности, которые подкрепили многие обещания наших «новых цифровых технологий».

Первым известным роботом был автоматизированный бронзовый гигант Талос.

Автоматы были также широко распространены в Древнем Китае; среди них полностью построенный механический оркестр, созданный для императора во времена династии Хань (3 век до н.э.), и знаменитый механический монах, созданный для генерала Яна Вулиана. Такие устройства были очень популярны в имперских кругах, вдохновляя поколения инженеров на поиски самодвижущихся машин.

Исламский мир также имеет свою долю оркестровых автоматов с работами арабского эрудита аль-Джазари (12-13 вв). Среди 100 механических устройств, указанных в егоКнига Знаний Гениальных Механических Устройствнаписанный в 1206 году, эрудит создал водный оркестр и несколько автоматических устройств для домашнего использования. По словам профессора Стамбульского университета Мустафы Какара, автоматы «Аль-Джазари» были ранними прототипами многих современных технологий: «Идея иметь роботов для работы людей - или просто для автоматизации», говорит Pr. Какар, «был разработан аль-Джазари за 250 лет до Леонардо да Винчи»(Источник: MiddleEastEye),

Века междисциплинарного сотрудничества

На Западе, спустя несколько десятилетий после изобретений Аль-Джазари, средневековье приписывает создание говорящей головы и железного андроида выдающимся философам Роджеру Бэкону и Альбертусу Магнусу.Интересно, что философия и математика, наряду с эмпирическими науками, в те времена постоянно заботились друг о друге.

Это мощное трансдисциплинарное сотрудничество было в основе духа Ренессанса, поэтому открыло гостеприимный этап для автоматов.Задолго доБостонская Динамикаспроектировав роботов для армии США, в 1495 году Леонардо да Винчи разработал рабочий прототип «Механического рыцаря», чтобы развлекать двор герцога Милана Людовико Сфорца. Полностью функциональный «робот-рыцарь» может выполнять такие маневры, как сидеть, стоять, поднимать козырек и двигать руками. Леонардо также разработал «Механического льва», который получил высокую оценку. Жестокий автомат был создан для коронации покровителя Леонардо, короля Франции Франсуа I. Среди его многочисленных инженерных проектов мастер Ренессанса дополнительно разработал чертежи длясамоходная тележкасчитается родоначальником современных автоуправляемых автомобилей.

Леонардо да Винчи разработал рабочий прототип «Механического рыцаря» и автоматизированного льва.

Философы 17-го века, в частности Гоббс и Лейбниц, оставили свой след в поисках «мыслящих машин» Лейбниц, логик, математик и философ эпохи Просвещения, предвидел вычислительный ИИ во многих отношениях.Он впервые применил двоичную систему и изобрел практическую вычислительную машину. Сторонник радикальной теории Гоббса о вычислительной природе рассуждений, Лейбниц писал:«Томас Гоббс, повсюду являющийся глубоким исследователем принципов, справедливо заявил, что все, что делается нашим умом, является вычислением».Вдохновленный современными исследователями, Лейбниц считал, что его исследования в области математики так же важны, как и развитие егофилософия ума.

Автоматы стали особенно модными в 18-м и 19-м веках, со сложными механическими животными, автоматизированными театрами и поразительным биомеханическим «Флейтистом», изобретенным французским инженером.Жак де Вокансонв 1737 году. Даже королева Мария Антуанетта приняла участие в европейском «увлечении автоматом» при покупкецимбалы-играющий автоматспроектированный Питером Кинцингом и Дэвидом Рентгеном в 1784 году для Французской академии наук.
Пятьдесят лет спустя Чарльз Бэббидж и Ада Лавлейс сделали гигантский шаг к современному вычислительному подходу автоматизации при проектированииАналитический двигатель; сегодня признан первым паровым программируемым компьютером.

«Нам нужна машина, которая может учиться на собственном опыте» - Алан Тьюринг.

«Могут ли машины мыслить?»

Столетия мечтаний и опытных образцов автоматических машин проложили путь для различных областей робототехники и искусственного интеллекта, которые расцвели в 20-м веке.

В 1940-х годах Норберт Винер, отецКибернетика, разработал первые саморегулирующиеся и самокорректирующиеся системы, которые привели бы к интеграции автопилота в самолеты.Винер оказал большое влияние на исследования ИИ, особенно в теории, что интеллект в основном является результатом механизмов обратной связи.Первый шаг к искусственным нейронным сетям, используемым в настоящее время в Deep Learning, был сделан в 1943 годуУоррен МакКаллох и Уолтер Питтс, которые разработали вычислительные методы, имитирующие функциональность биологических нейронов.

Многие выдающиеся исследователи самостоятельно работали на интеллектуальных машинах после Второй мировой войны. Среди них британский математик Алан Тьюринг, который предположил, что машины должны быть в состоянии имитировать способ, которым люди используют доступную информацию для решения проблем. В 1947 году он интуитивно понял будущее машинного обучения (подмножество искусственного интеллекта), заявив:«То, что мы хотим, это машина, которая может учиться на опыте»,
Проекты Тьюринга были очевидны: создать универсальный компьютер (который он впервые сформулировал в 30-х годах) и автоматизировать интеллект, создавая самообучающиеся машины.В 1950 году он опубликовал влиятельную статьюВычислительная техника и интеллектВ котором он ставит вопрос, над которым все еще размышляют современные исследователи ИИ: «Могут ли машины мыслить?».

Ответ на вопрос Тьюринга эмпирическим путем оказался трудным. В середине 20-го века вычислительная мощность была чрезвычайно дорогой, и данные не были рогом изобилия, который мы знаем сегодня как «Большие данные». В начале 1950-х компьютеры не могли хранить команды и могли только выполнять их. Эти ограничения были препятствиями для построения интеллектуальных процессов. Компьютеры тоже были безумно дорогими. Более дорогой, чем любой арендуемый дом в Сан-Франциско в 2019 году: аренда одного компьютера обходилась до 200 000 долларов в месяц.Только ведущие университеты и крупные корпорации могли позволить себе инвестировать в прикладные исследования для вычислительной разведки.

AI: машина для решения проблем

В 1956 году «Heartbreak Hotel» Элвиса Пресли стал хитом номер один в чарте синглов США, однако это не то, что существенно изменило курс ИИ. Также не было брака Грейс Келли и принца Ренье. Вместо этого, Джон Маккарти и Марвин Мински приняли историческоеЛетний исследовательский проект по искусственному интеллекту (DSRPAI) в Дартмуте, Во время этого исторического семинара Аллен Ньюэлл, Клифф Шоу и Герберт Саймон представилиТеоретик логикиисследовательская программа, созданная для того, чтобы воспроизвести навыки решения человеческих проблем в компьютерах.
Хотя все исследователи считали, что ИИ достижим, не было достигнуто единого мнения о том, как туда добраться. Тем не менее, мастерская в Дартмуте остается определяющей вехой в истории отрасли:выражение «искусственный интеллект» было придумано, предположительно, Джоном Маккарти во время семинара.
Итак, что именно Маккарти и его сверстники имели в виду под «ИИ»? Выражение «искусственный интеллект» демонстрирует намерение эмулировать интеллект на уровне человека в машинах. С точки зрения Маккарти,AI «это наука и техника создания интеллектуальных машин, особенно интеллектуальных компьютерных программ»(Источник: Стэнфорд) Опрошенный о природе ИИ и его потенциале, Маккарти уточнил, что«Конечное усилие состоит в том, чтобы создавать компьютерные программы, которые могут решать проблемы и достигать целей в мире и для людей».(Источник: Стэнфорд)

Теперь, когда я рассмотрел генезис и семантику ИИ, вы можете задаться вопросомчто произошло между 1956 и 2019 годами? Как и в мире природы, ИИ переживал циклическое лето и зиму.

Семинар в Дартмуте вызвал интерес к различным направлениям исследований, которые не оправдали ожиданий. Подход «сверху вниз» Марвина Мински (состоящий в предварительном программировании компьютера с использованием правил, регулирующих поведение человека) оказался дорогостоящим, трудоемким и неэффективным. Подход «снизу вверх», основанный на биоинспекции, опирающийся на искусственные нейронные сети, позволяющие машинам изучать новое поведение, также оказался разочаровывающим. Человеческий здравый смысл и такие задачи, как распознавание изображений, все еще были недоступны для ИИ и, возможно, всегда будут. По крайней мере, так верил выдающийся математик сэр Джеймс Лайтхилл. Во время захватывающих дебатов в Лайтхилле в 1973 году сэр Лайтхилл призвал исследователей ИИ прекратить тратить больше времени и денег на ИИ.После миллионов долларов инвестиций и небольшой демонстрации того, что любая машина когда-либо будет подражать человеческому интеллекту, финансирование ИИ утонуло, как исследования Титаника и ИИ, прекратились почти десятилетие.

В конце концов, после зимы наступает весна. В случае ИИ весна пришла в 80-х годах в форме значительного финансирования со стороны корпораций, заинтересованных в «Экспертных системах» - системах, которые решают проблемы с использованием логических правил, полученных на основе экспертных знаний человека. Однако безумие длилось недолго, и поле пережило еще одну крупную зиму из-за истощения финансирования.

Умные ходы, лучшие машины прогнозирования

К счастью,ИИ сделал поворотный ход 11 мая 1997 года, когдаШахматный компьютер IBM Deep Blueпобедил российский шахматный гроссмейстер Гарри Каспаров.IBM Deep Blue вызвала большой интерес в корпоративном мире, поскольку его архитектура успешно применялась для финансового моделирования, анализа тенденций рынка, анализа рисков, добычи данных, а также для обнаружения и разработки лекарств.

Новый рассвет ИИ поднялся в начале 2000-х годов.Вместо того, чтобы пытаться эмулировать рассуждения в машинах путем кодирования логических правил,Исследователи ИИ научили машины учиться самостоятельно, непосредственно на основе данных, и делать прогнозы оттуда.Алгоритмы также приобрели изощренность, и поток данных начал расти из-за увеличения онлайн-транзакций и экспоненциального использования цифровых устройств.

В 2011 году IBM снова подняла проблему искусственного интеллекта на новый уровень, позволив своей вычислительной системе Watson, отвечающей на вопросы, победить людей, победивших в американском конкурсе Favorite Quiz Show Jeopardy.«Технология Watson стала существенным шагом вперед по сравнению с Deep Blue и более ранними машинами, потому что она имела программное обеспечение, которое могло обрабатывать и рассуждать о естественном языке, а затем полагаться на огромный объем информации, залитой в него за несколько месяцев до соревнования».(Источник: IBM),
Чтобы нанести такой исторический удар по человеческому эго,IBM Watson задействовал множество подмножеств ИИ, среди которых былиОбработка естественного языка (NLP) и машинное обучение.НЛП - это процесс автоматического извлечения значимой информации из входных данных на естественном языке для получения выходных данных на естественном языке. Машинное обучение обозначает«Практика использования алгоритмов для анализа данных, изучения их, а затем принятия решения или прогноза о чем-либо в мире».(Источник: Nvidia)

AlphaGo научился открывать для себя новые стратегии.

Успехи IBM подтвердили гипотезу о том, что исследования ИИ могут развиваться быстрее в игровой среде. В 2016 году это направление было подтверждено, когда AlphaGo, обученная DeepMind (компанией, принадлежащей Google), победила топ-игрока Ли Седола в эпическом соревновании.
Игра в Го возникла в Китае более 2500 лет назад, и Конфуций считал ее одним из самых возвышенных видов искусства. Генеральный директор DeepMind Демис Хассабис объясняет, что «AlphaGo научилась открывать для себя новые стратегии, играя в тысячи игр между нейронными сетями и настраивая соединения, используя метод проб и ошибок, известный как обучение с подкреплением».(Источник: Google)AlphaGo выполнила стратегические шаги, которые чемпионы Го считают выше уровня человеческого интеллекта и которые они назвали «невероятно креативными».
Хотя такое достижение уже было значительным,квантовый скачок ИИ произошел, когда самообучаемая версия алгоритма DeepMind, AlphaGo Zero, научилась играть полностью с нуля и против себя (я почти написал «себя») в течение трех дней и без какой-либо помощи человека. «Он более эффективен, чем предыдущие подходы, потому что, не используя человеческие данные или человеческий опыт каким-либо образом, мы устранили ограничения человеческих знаний и способны сами создавать знания»сказал Дэвид Сильвер, ведущий исследователь AlphaGo.(Источник: Хранитель)
Метод, используемый для достижения таких уровней производительности, представляет собой категорию машинного обучения, которая называется «Укрепительное обучение». Помните, когда вы научились ездить на велосипеде? В процессе проб и ошибок вы быстро узнали, какая поза вознаградит вас приятным круизом по сравнению с набором синяков.Вот что такое Reinforcement Learning: самокорректирующееся поведение, которое возникает, когда искусственный агент получает вознаграждение за хорошее взаимодействие с окружающей средой.
Научно-фантастическая видеоигра Blizzard EntertainmentStarCraft IIбыл выбран DeepMind для своего следующего вызова AI. AlphaStar - следующий DeepMind AI, использующий контролируемое обучение и обучение с подкреплением - сумел победить всех профессиональных игроков 5–0, используя широкий спектр творческих стратегий. Если вы хотите узнать больше об этом прорыве 2019 года,У DeepMind есть замечательный блогэто позволит вам погрузиться в архитектуру AlphaStar.

Хотя ИИ побеждает человеческий интеллект в играх и превосходит человеческие игровые стратегии, это не означает, что такая производительность может быть перенесена в любую реальную ситуацию.Другими словами, это не потому, что ИИ может побить вашу бабушку в игре «Го» (или в StarCraft, если ваша бабушка крутая), что он может открыть ваш холодильник, приготовить любимую еду и быть увлекательным собеседником за обеденным столом. Тем не мение,достижения ИИ в игровой среде могут отразиться за пределами этого контекста и привести к реальной ценности.Прорывы DeepMind привели к инновациям в очень специализированных приложенияхтакие как открытие и разработка лекарств, молекулярные исследования, диагностика заболеваний и даже обнаружение внесолнечной системы.

Глубокие Нейронные Сети привели к лучшему пониманию реального мира и более точным предсказаниям.

Четыре скоростных двигателя ИИ

В 2019 году AI обеспечивает выдающуюся производительность в каждом сегменте общества и промышленности.Скоро, чем вы думаете, ИИ научит ваших детей и позволит вашему интеллектуальному цифровому близнецу отвечать на деловые запросы и делать покупки от вашего имени. Согласно PWC, AI должен внести 15,7 триллиона долларов в мировую экономику к 2030 году.Четыре высокоскоростных двигателя выдерживают это ускорение: большие данные; увеличение вычислительной мощности; более сложные алгоритмы; и изменение в поведении пользователя.

  • Насколько велики большие данные?Мы производим каждый год больше многомерных данных и информации, чем когда-либо прежде в истории человечества. В 2019 году мы говорим о 40 раз большем количестве байтов данных, чем наблюдаемые звезды во вселенной.
  • Сколько вычислительной мощности доступно сегодня?Современные чипы могут выполнять более 10 триллионов вычислений в секунду. Чтобы дать вам ориентир, в смартфоне больше вычислительной мощности, чем во всех компьютерах НАСА, используемых для отправкигомо сапиенсна луну в 1969 году.
  • Что делает алгоритмы лучше?Больше данных и больше вычислительной мощности, а также более сложные подмножества машинного обучения привели к лучшему пониманию реального мира и более точному прогнозированию. Для получения более подробной информации о глубоком обучении, глубоких нейронных сетях и таких методах, как усиление или трансфертное обучение,Прочтите первую статью этой серии об искусственном интеллекте.
  • Как изменилось поведение пользователя?Созревание цифровой культуры достигло стадии, когда пользователи готовы обменивать данные на товары. ПослеКембридж аналитика скандалЭто утверждение может показаться нелогичным, однако результаты исследования показывают, чтоесли отдача оправдывает сделку, люди без колебаний отдают свои данные.Подумайте об этом: вы уже торгуете конфиденциальностью своих странствий по миру, чтобы быть уверенными, что Карты Google доставят вас туда, куда вам нужно.Вы также отдаете то, что имеете в виду, каждый раз, когда делаете запрос в поисковой системе Google.
ИИ должен приносить пользу человечеству и другим живым существам.

ИИ Ренессанс нуждается в Полиматах

В первой статье этой серииЯ сообщил, что большинство исследователей ИИ считают, что в какой-то момент будет достигнут интеллект человеческого уровня в машинах. Вызывается AGI (Artificial Intelligence General) или «Сильный ИИ», этот прорыв устанавливается происходить где-то между 2029 и 2200. Спору, по состоянию на 2019 год, AI будет продолжать строить экспоненциальные силы-в очень быстром темпе.
По этим причинам компании ИИ должны сейчас задавать тон и активно работать над этически выровненным ИИ, который приносит пользу человечеству и другим живым существам.Борьба с предубеждением человека и развитие этики и справедливости в мире - это миссии, в которых все мы должны участвовать Исследователи ИИ и компании, управляемые ИИ, несут главную ответственность за активное выполнение таких задач. Предотвращение алгоритмического смещения и вредных целей на основе ИИ не может быть запоздалым. Также не может быть намерения развивать ИИ в интеллектуальных и возвышающих целях.ИИ Ренессанс нуждается в многословии. Для расширения цели ИИ и его полезного воздействия нужны междисциплинарные и разнообразные команды.

Предстоящее путешествие захватывающее, и хотя ИИ намерен расширить и наш воображаемый мир, и нашу реальную игровую площадку,человеческий интеллект все еще ведет. Что касается любого руководства, оно должно осуществляться ответственно.

ИИ является одновременно концепцией и совокупностью технологий. Углубите свое понимание возможностей и потенциала ИИ.Прочитайте главу 1 этой серии статей: что такое ИИ?


Первоначально опубликовано наhttp://intelligentstory.com,

Оригинальная статья

Footer decor

© www.machinelearningmastery.ru | Ссылки на оригиналы и авторов сохранены. | map