Umetna inteligenca: kako in kje študirati - odgovarjajo strokovnjaki.

Umetna inteligenca: kako in kje študirati - odgovarjajo strokovnjaki

»Želim delati AI. Kaj je vredno študirati? Katere jezike uporabiti? V katerih organizacijah študirati in delati?

Za pojasnila smo se obrnili na naše strokovnjake in vam predstavljamo odgovore, ki smo jih prejeli.

Odvisno od vaše osnovne izobrazbe. Najprej potrebujete matematično kulturo (znanje statistike, teorije verjetnosti, diskretne matematike, linearne algebre, analize itd.) in pripravljenost za hitro učenje. Izvedba metod umetne inteligence bo zahtevala programiranje (algoritmi, podatkovne strukture, OOP itd.).

Različni projekti zahtevajo znanje različnih programskih jezikov. Priporočam poznavanje vsaj Pythona, Jave in katerega koli funkcionalnega jezika. Koristne bodo izkušnje z različnimi bazami podatkov in porazdeljenimi sistemi. Za hitro učenje najboljših praks v panogi je potrebno znanje angleščine.

Priporočam študij na dobrih ruskih univerzah! Na primer, Moskovski inštitut za fiziko in tehnologijo, Moskovska državna univerza, Višja ekonomska šola imajo ustrezne oddelke. Na Coursera, edX, Udacity, Udemy in drugih MOOC platformah je na voljo široka paleta tematskih tečajev. Nekatere vodilne organizacije imajo svoje programe usposabljanja na področju AI (na primer Šola za analizo podatkov pri Yandexu).

Uporabne težave, ki jih rešujejo metode umetne inteligence, je mogoče najti na najrazličnejših mestih. Banke, finančni sektor, svetovanje, maloprodaja, e-trgovina, iskalniki, poštne storitve, industrija iger na srečo, industrija varnostnih sistemov in seveda Avito - vsi potrebujejo strokovnjake različnih kvalifikacij.

Nadgradite na nižjo različico

Imamo fintech projekt, povezan s strojnim učenjem in računalniškim vidom, v katerem je njegov prvi razvijalec vse napisal v C++, nato je prišel razvijalec, ki je vse prepisal v Python. Jezik torej tu ni najpomembnejši, saj je jezik najprej orodje, in kako ga uporabljate, je odvisno od vas. Samo v nekaterih jezikih je reševanje težav hitreje, v drugih pa počasneje.

Težko je reči, kje študirati - vsi naši fantje so študirali sami, saj obstajata internet in Google.

Nadgradite na nižjo različico

Lahko vam svetujem že od samega začetka, da se pripravite na dejstvo, da se boste morali veliko učiti. Ne glede na to, kaj pomeni "delati AI" – delo z velikimi podatki ali nevronskimi omrežji; razvoj tehnologije oziroma podpora in usposabljanje določenega že razvitega sistema.

Vzemimo trendovski poklic Data Scientist zaradi posebnosti. Kaj počne ta oseba? Na splošno zbira, analizira in pripravlja velike podatke za uporabo. Točno tiste, na katerih AI raste in trenira. Kaj mora podatkovni znanstvenik vedeti in biti sposoben narediti? Statična analiza in matematično modeliranje – privzeto in na ravni tekočega govora. Jeziki - recimo R, SAS, Python. Prav tako bi bilo lepo imeti nekaj razvojnih izkušenj. No, na splošno bi moral dober podatkovni znanstvenik biti prepričan v bazo podatkov, algoritme in vizualizacijo podatkov.

Da ne rečem, da bi lahko tak nabor znanja pridobili na vsaki drugi tehnični univerzi v državi. Velika podjetja, ki dajejo prednost razvoju umetne inteligence, to razumejo in sami razvijejo ustrezne programe usposabljanja - obstaja na primer Šola za analizo podatkov iz Yandexa. Zavedati pa se morate, da to ni lestvica, kjer na tečaje pridete "z ulice", ampak jih zapustite kot že pripravljeni mladinec. Plast je velika in je smiselno iti na študij v disciplino, ko je osnova (matematika, statistika) že pokrita, vsaj v okviru univerzitetnega programa.

Ja, potreboval bo čas. Toda igra je vredna sveče, saj dober Data Scientist zelo obeta. In zelo drago. Obstaja tudi druga točka. Umetna inteligenca po eni strani ni več le predmet hype, temveč tehnologija, ki je dosegla raven produktivnosti. Po drugi strani se umetna inteligenca še razvija. Ta razvoj zahteva veliko sredstev, veliko spretnosti in veliko denarja. Zaenkrat je to raven višjih lig. Zdaj bom povedal očitno, a če želite biti v ospredju napada in z lastnimi rokami poganjati napredek, si prizadevajte za podjetje, kot sta Facebook ali Amazon.

Hkrati se tehnologija že uporablja na številnih področjih: v bančnem sektorju, v telekomunikacijah, v velikih industrijskih podjetjih in v maloprodaji. In že potrebujejo ljudi, ki to lahko podpirajo. Gartner napoveduje, da bo do leta 2020 20 % vseh podjetij v razvitih državah zaposlilo posebne zaposlene za usposabljanje nevronskih mrež, ki se uporabljajo v teh podjetjih. Torej je še nekaj časa, da se naučite sami.

Nadgradite na nižjo različico

Umetna inteligenca se zdaj aktivno razvija in težko je predvideti deset let naprej. Pristopi, ki temeljijo na nevronskih omrežjih in računalništvo, ki temelji na GPU, bodo prevladovali v naslednjih dveh do treh letih. Vodilni na tem področju je Python z interaktivnim okoljem Jupyter in knjižnicami numpy, scipy, tensorflow.

Obstaja veliko spletnih tečajev, ki zagotavljajo osnovno razumevanje teh tehnologij in splošnih načel AI, kot je tečaj Andrewa Nga. In kar zadeva poučevanje te teme zdaj v Rusiji, je najbolj učinkovito samostojno učenje ali v lokalni interesni skupini (na primer v Moskvi vem, da obstaja vsaj nekaj skupin, kjer si ljudje delijo svoje izkušnje in znanje).

Nadgradite na nižjo različico

Do danes so morda najhitreje napredujoči del umetne inteligence nevronske mreže.
Študij nevronskih mrež in umetne inteligence je treba začeti z razvojem dveh oddelkov matematike - linearne algebre in teorije verjetnosti. To je obvezen minimum, neomajni stebri umetne inteligence. Kandidati, ki se želijo naučiti osnov AI, naj bodo pri izbiri univerze po mojem mnenju pozorni na fakultete z močno matematično šolo.

Naslednji korak je preučiti problematiko problematike. Ogromno je literature, tako poučne kot posebne. Večina publikacij na temo umetne inteligence in nevronskih mrež je napisana v angleščini, objavljena pa so tudi ruskojezična gradiva. Uporabno literaturo lahko najdete na primer v javni digitalni knjižnici arxiv.org.

Če govorimo o področjih delovanja, lahko tukaj ločimo usposabljanje uporabnih nevronskih mrež in razvoj popolnoma novih variant nevronskih mrež. Osupljiv primer: zdaj je tako zelo priljubljena posebnost - "Data Scientist" (Data Scientist). To so razvijalci, ki se praviloma ukvarjajo s preučevanjem in pripravo določenih podatkovnih nizov za usposabljanje nevronskih mrež na specifičnih, aplikativnih področjih. Če povzamem, poudarjam, da vsaka specializacija zahteva ločeno pot usposabljanja.

Nadgradite na nižjo različico

Preden se podate na ozkoprofilne tečaje, morate preučiti linearno algebro in statistiko. Svetoval bi vam, da se začnete potapljati v umetno inteligenco z učbenikom »Strojno učenje. Znanost in umetnost gradnje algoritmov, ki pridobivajo znanje iz podatkov, je dober vodnik za začetnike. Na Courseri bi morali poslušati uvodna predavanja K. Vorontsova (poudarjam, da zahtevajo dobro poznavanje linearne algebre) in tečaj strojnega učenja na univerzi Stanford, ki ga poučuje Andrew Ng, profesor in vodja skupine Baidu AI Group /Google Brain.

Večina je napisana v Pythonu, sledijo R, Lua.

Če govorimo o izobraževalnih ustanovah, se je bolje vpisati na tečaje na oddelkih za uporabno matematiko in računalništvo, obstajajo ustrezni izobraževalni programi. Če želite preizkusiti svoje sposobnosti, se lahko udeležite tekmovanj Kaggle, kjer velike svetovne blagovne znamke ponujajo svoje kovčke.

Nadgradite na nižjo različico

Vsekakor bi bilo, preden se lotimo projektov, dobro dobiti teoretično osnovo. Obstaja veliko krajev, kjer lahko pridobite uradni magisterij na tem področju ali izboljšate svoje sposobnosti. Skoltech na primer ponuja magistrske programe iz računalništva in inženiringa ter podatkovne znanosti, ki vključujejo tečaje strojnega učenja in obdelave naravnega jezika. Omenimo lahko tudi Inštitut za inteligentne kibernetične sisteme Nacionalne raziskovalne jedrske univerze MEPhI, Fakulteto za računalniško matematiko in kibernetiko Moskovske državne univerze in Oddelek za inteligentne sisteme Moskovskega inštituta za fiziko in tehnologijo.

Če je formalno izobraževanje že vzpostavljeno, obstajajo številni tečaji na različnih MOOC platformah. EDx.org na primer ponuja tečaje umetne inteligence na Microsoftu in univerzi Columbia, od katerih slednja ponuja mikro magistrski program po skromni ceni. Rada bi poudarila, da je običajno znanje samo omogočeno brezplačno, plačilo je le za potrdilo, če je potrebno za vaš življenjepis.

Če se želite "globoko poglobiti" v temo, številna podjetja v Moskvi ponujajo celotedenske intenzive s praktičnimi vajami in ponujajo celo opremo za eksperimente (na primer newprolab.com), vendar je cena takšnih tečajev od nekaj deset tisoč rubljev.

Od podjetij, ki razvijajo umetno inteligenco, verjetno poznate Yandex in Sberbank, obstaja pa še veliko drugih različnih velikosti. Na primer, ta teden je ministrstvo za obrambo v Anapi odprlo vojaški inovacijski tehnopolis ERA, katerega ena od tem je razvoj umetne inteligence za vojaške potrebe.

Nadgradite na nižjo različico

Pred študijem umetne inteligence je treba rešiti temeljno vprašanje: vzemite rdečo tableto ali modro tableto.
Rdeča tabletka je postati razvijalec in se potopiti v kruti svet statističnih metod, algoritmov in nenehnega razumevanja neznanega. Po drugi strani pa ni treba takoj hiteti v "zajčjo luknjo": lahko postanete vodja in ustvarite AI, na primer kot vodja projekta. To sta dve bistveno različni poti.

Prvi je odličen, če ste se že odločili, da boste pisali algoritme umetne inteligence. Potem morate začeti z najbolj priljubljeno smerjo danes - strojnim učenjem. Za to morate poznati klasične statistične metode razvrščanja, združevanja in regresije. Koristno bo tudi, da se seznanite z glavnimi ukrepi za ocenjevanje kakovosti raztopine, njihovimi lastnostmi ... in vsem, kar pride na poti.

Šele potem, ko je osnova obvladana, je vredno preučiti več posebnih metod: drevesa odločanja in njihove ansamble. Na tej stopnji se morate poglobiti v osnovne načine gradnje in usposabljanja modelov – skrivajo se za komaj spodobnimi besedami bagging, boosting, stacking ali blending.

Prav tako je vredno poznati metode za nadzor preusposabljanja modelov (drugo »ing« je prekomerno prilagajanje).

In končno, sama raven Jedi - pridobivanje visoko specializiranega znanja. Na primer, globoko učenje bo zahtevalo obvladovanje osnovnih arhitektur in algoritmov gradientnega spuščanja. Če vas zanimajo naloge obdelave naravnega jezika, potem priporočam študij ponavljajočih se nevronskih mrež. In bodoči ustvarjalci algoritmov za obdelavo slik in videoposnetkov bi se morali poglobiti v konvolucijske nevronske mreže.

Zadnji dve omenjeni strukturi sta gradniki današnjih priljubljenih arhitektur: adversarial networks (GAN), relacijska omrežja, kombinirana omrežja. Zato jih bo koristno preučiti, tudi če ne nameravate učiti računalnika videti ali slišati.

Zelo drugačen pristop k učenju o umetni inteligenci - imenovani "modra tabletka" - se začne z iskanjem samega sebe. Umetna inteligenca povzroča številne naloge in celotne poklice: od vodje projektov AI do podatkovnih inženirjev, ki so sposobni pripraviti podatke, jih očistiti in zgraditi razširljive, visoko obremenjene in odporne sisteme.

Torej, pri »managerskem« pristopu bi morali najprej oceniti svoje sposobnosti in ozadje ter šele nato izbrati, kje in kaj se boste učili. Na primer, tudi brez matematične miselnosti lahko oblikujete vmesnike AI in vizualizacije za pametne algoritme. Toda pripravite se: čez 5 let vas bo umetna inteligenca začela trolati in klicati "humanist".

Glavne metode ML so implementirane kot že pripravljene knjižnice, ki so na voljo za povezavo v različnih jezikih. Najbolj priljubljeni jeziki v ML so danes: C++, Python in R.

Obstaja veliko tečajev v ruščini in angleščini, kot so tečaji Yandex School of Data Analysis, SkillFactory in OTUS. Toda preden vlagate čas in denar v specializirano usposabljanje, se mi zdi vredno "priti v temo": na YouTubu si oglejte odprta predavanja s konferenc DataFest v preteklih letih, udeležite se brezplačnih tečajev na Coursera in Habrahabra.

Novice o novostih na področju umetne inteligence se pojavljajo z zavidljivo pogostostjo. Tako je januarja letos Google objavil svoje načrte za sodelovanje z Movidiusom za ustvarjanje mobilnih procesorjev z zmožnostmi strojnega učenja. Navedeni cilji partnerstva so ljudem zagotoviti zmogljivosti strojne inteligence v njihovih ročnih napravah. In februarja so inženirji MIT že predstavili procesor Eyeriss, zahvaljujoč kateremu se lahko umetna inteligenca pojavi v prenosnih napravah. In to v ozadju dejstva, da obseg investicij v razvoj sistemov umetne inteligence iz leta v leto narašča.

Vse kaže, da bo kmalu v naše pametne telefone prodrla umetna inteligenca, ki bo resno "pametnejša". Torej ni daleč od vstaje strojev? Kako pametni morajo biti stroji, da prevzamejo oblast nad ljudmi. In kako resnično je.

AI ena, AI dva, AI tri

Ko beremo ali slišimo o umetni inteligenci, si mnogi predstavljamo SkyNet in stroje iz slavnega filma Terminator. Kaj raziskovalci in razvijalci vlagajo v ta koncept?

Obstajajo tri vrste AI, ki jih moramo ali pa bi morali ustvariti:

Ozko usmerjena umetna inteligenca. To bomo kmalu prejeli v naših novih pametnih telefonih. Takšna inteligenca je pri določenih dejavnostih ali operacijah boljša od človeka. Računalnik z visoko specializirano umetno inteligenco je sposoben premagati svetovnega prvaka v šahu, parkirati avto ali pobrati najbolj ustrezne rezultate v iskalniku.

Moč takšne umetne inteligence je v računskih zmogljivostih procesorjev. Več kot je teh priložnosti, učinkoviteje so naloge rešene. In zdaj ni težav z rastjo moči procesorja. Ozka AI, v filozofiji umetne inteligence (obstaja ena) se imenuje šibka.

Toda samo računalniške zmogljivosti po mnenju znanstvenikov niso dovolj za ustvarjanje resnično pametnih strojev. Čeprav je šlo za izmišljen primer spontanega prehoda iz šibke umetne inteligence v močno, ki je bil osnova scenarija za filme Terminator. SkyNet, superračunalnik ameriškega ministrstva za obrambo, zasnovan za nadzor protiraketnega obrambnega sistema, se zavede in začne sprejemati lastne odločitve.

Splošna umetna inteligenca. Če smo že ustvarili sisteme z ozko usmerjeno umetno inteligenco in zanje našli praktične aplikacije, je pri General AI vse veliko bolj zapleteno. Ta vrsta AI je že inteligenca na človeški ravni. Je vsestranski in sposoben izvajati enake intelektualne operacije kot človeški možgani.

Če v našem življenju vidimo popolnoma humanoidne robote, potem bodo imeli prav takšno inteligenco. Pomislite na androida Andrewa iz filma Chrisa Columbusa Bicentennial Man. Roboti s takšno umetno inteligenco se bodo lahko samostojno učili, razmišljali in odločali kot ljudje. Znali bodo zgraditi odnose z ljudmi okoli sebe, postati prijatelji in pomočniki. Ta umetna inteligenca se imenuje močna.

Toda med močno in šibko umetno inteligenco je prepad. Za prehod od enega do drugega ni dovolj povečati računalniške moči računalnikov, treba jim je dati tudi inteligenco. Znanstveniki še ne vidijo nedvoumnega načina, kako to storiti.

Umetna superinteligenca. Prav ta vrsta umetne inteligence pritegne široko pozornost. Predvsem zato, ker možnost njegovega nastanka s strani mnogih znanstvenikov dojemajo kot nevarnost za človeštvo. SkyNet je ilustracija takšne grožnje.

Superinteligenca bo pametnejša od vseh ljudi. Skoraj na vseh področjih bo boljši od človeka. Sposoben rešiti kompleksne probleme in narediti znanstvena odkritja. Kako se bo inteligentni stroj obnašal v odnosu do človeštva?

Znanstveniki predlagajo tri modele interakcije:

Oracle- lahko dobimo odgovor na vsako težko vprašanje.

Gin- sam bo naredil vse, kar potrebujemo, in za to uporabil vsaj molekularnega sestavljalca, vsaj robotske laboratorije in tovarne, ki delujejo brez človekovega posredovanja.

suveren- problem bo našel in ga sam rešil.

Kot lahko vidite, izraz "umetna inteligenca" zajema tri oblike obstoja umetne inteligence. Njihove razlike med seboj so pomembne, prav tako posledice prehoda iz ene umetne inteligence v drugo. Ali lahko določimo raven inteligence pametnih strojev, da bi razumeli, s kom imamo opravka?

Kako izmeriti umetno inteligenco?

Ljudje se med seboj razlikujemo po stopnji inteligence. Za njegovo kvantificiranje se uporabljajo posebni testi. Test IQ je mnogim znan. Kako se meri strojna inteligenca?

Če k medijskim poročilom pristopimo nekritično, potem se intelektualna raven sodobnih strojev giblje med IQ 4-letnega otroka in 13-letnega najstnika. Ti dve številki ponazarjata dva pristopa k merjenju strojne inteligence.

Leta 2015 je skupina znanstvenikov iz Illinoisa testirala sistem umetne inteligence ConceptNet MIT s standardnim testom IQ za otroke, stare od 2,5 do 7 let. Rezultat stroja je bil v skladu s povprečjem štiriletnega otroka.

Poleg uporabe testov, namenjenih ljudem, je splošno znan in uporabljan poseben test za stroje. Turingov test je zasnovan tako, da ugotovi, ali lahko stroj razmišlja.

Test je naslednji. Ena oseba - sodnik komunicira z dvema sogovornikoma, ki ju ne vidi. Vsa interakcija se izvaja s korespondenco z uporabo vmesnega računalnika. Eden od sogovornikov je oseba, drugi pa računalniški program, ki se predstavlja kot oseba. Če sodnik ne more z gotovostjo povedati, kateri od njegovih sogovornikov je program, se šteje, da je stroj opravil preizkus.

Doslej je bil Turingov test opravljen le enkrat. Leta 2014 je program Eugene Goostman, ki so razvijalci posnemali 13-letnega najstnika po imenu Zhenya Goostman, lahko zavedel sodnike in se predstavljal kot oseba.

Vendar pa je takim testom veliko ugovorov. Tako računalniki kot njihovi programi so danes nosilci šibke – ozko usmerjene umetne inteligence. Takšna inteligenca lahko le posnema osebo, ki opravlja test.

Vse se bo spremenilo na prehodu iz šibke umetne inteligence v močno. Stroj, obdarjen s splošno umetno inteligenco, ki bo podobna človeški inteligenci, bo že imel zavest in samozavedanje, zato bo razmišljal. Takšen računalnik bi z zavestnim odgovarjanjem na vprašanja opravil standardni test IQ, kot to počne človek.

Koeficient ravni človeške inteligence se giblje od 85 do 130. Isti kazalniki bodo na voljo splošni umetni inteligenci. Toda zgornja raven IQ umetne superinteligence ne bo imela omejitev. Lahko je 1000 ali 10 000. Kaj nas čaka, ko se umetna inteligenca izboljša?

Umetna inteligenca je tehnologija, ki jo bomo zagotovo vzeli s seboj v prihodnost.

Povemo, kako deluje in kakšne kul aplikacije sem našel.

😎 Razdelek Tehnologija izide vsak teden s podporo re:Store.

Kaj je umetna inteligenca

Umetna inteligenca (AI) je tehnologija za ustvarjanje pametnih programov in strojev, ki lahko rešujejo ustvarjalne probleme in ustvarjajo nove informacije na podlagi obstoječih informacij. Pravzaprav je umetna inteligenca zasnovana tako, da simulira človekovo dejavnost, ki velja za intelektualno.

Tradicionalno je veljalo, da je ustvarjalnost lastna samo ljudem. Toda ustvarjanje umetne inteligence je spremenilo običajni vrstni red stvari

Robot, ki samo mehansko cepi les, ni obdarjen z umetno inteligenco. Robot, ki se je naučil sekati drva sam, gledajoč primer osebe ali hloda in njegove dele, in to vsakič bolje, ima umetno inteligenco.

Če program preprosto pridobi vrednosti iz baze podatkov po določenih pravilih, ni obdarjen z AI. Če sistem po usposabljanju ustvarja programe, metode in dokumente, rešuje določene naloge, ima AI.

Kako ustvariti sistem umetne inteligence

V globalnem smislu je treba posnemati model človeškega mišljenja. Toda v resnici je treba ustvariti črno skrinjico - sistem, ki je kot odgovor na niz vhodnih vrednosti ustvaril takšne izhodne vrednosti, ki bi bile podobne rezultatom osebe. In nas na splošno ne zanima, kaj se dogaja v njeni "glavi" (med vstopom in izstopom).

Sistemi umetne inteligence so ustvarjeni za reševanje določene vrste problemov

Osnova umetne inteligence - učenje, domišljija, zaznavanje in spomin

Prva stvar, ki jo morate narediti za ustvarjanje umetne inteligence, je razviti funkcije, ki izvajajo zaznavanje informacij, tako da lahko podatke "nahranite" v sistem. Nato - funkcije, ki izvajajo sposobnost učenja. In podatkovno skladišče, da lahko sistem nekje shrani informacije, ki jih prejme med učnim procesom.

Po tem se ustvarijo funkcije domišljije. Lahko modelirajo situacije z uporabo obstoječih podatkov in dodajajo nove informacije (podatke in pravila) v spomin.

Učenje je induktivno in deduktivno. V induktivni različici so sistemu podani pari vhodnih in izhodnih podatkov, vprašanja in odgovori itd. Sistem mora najti relacije med podatki in v prihodnosti s pomočjo teh vzorcev najti izhodne podatke glede na vhod.

Deduktivni pristop (zdravo Sherlock Holmes!) uporablja izkušnje strokovnjakov. Prenese se v sistem kot baza znanja. Ne obstajajo samo nabori podatkov, ampak tudi že pripravljena pravila, ki pomagajo najti rešitev glede na pogoj.

V sodobnih sistemih umetne inteligence se uporabljata oba pristopa. Poleg tega so sistemi običajno že usposobljeni, vendar se v procesu še naprej učijo. To se naredi tako, da program na začetku pokaže dostojno raven sposobnosti, v prihodnosti pa postane še boljši. Na primer, upoštevajte svoje želje in preference, spremembe situacije itd.

V sistemu umetne inteligence lahko celo nastavite verjetnost nepredvidljivosti. Tako bo bolj podoben človeku.

Zakaj umetna inteligenca premaga ljudi

Najprej zato, ker ima manjšo verjetnost napake.

Umetna inteligenca ne more pozabiti – ima absolutni spomin.
Ne more nehote prezreti dejavnikov in odvisnosti – vsako dejanje umetne inteligence ima jasno utemeljitev.
AI ne okleva, ampak oceni verjetnosti in se nagiba k večji. Zato lahko opraviči vsak korak.
Poleg tega AI nima čustev. Zato ne vplivajo na sprejemanje odločitev.
Umetna inteligenca se ne ustavi pri ocenjevanju rezultatov trenutnega koraka, ampak razmišlja nekaj korakov naprej.
In ima dovolj sredstev, da preuči vse možne scenarije.

Kul uporabe za umetno inteligenco

Na splošno lahko umetna inteligenca naredi vse. Glavna stvar je, da pravilno formulirate problem in mu zagotovite začetne podatke. Poleg tega lahko AI naredi nepričakovane zaključke in išče vzorce, kjer jih, kot se zdi, ni.

Odgovor na vsako vprašanje

Raziskovalna skupina pod vodstvom Davida Ferruccija je razvila superračunalnik Watson s sistemom vprašanj in odgovorov. Sistem, poimenovan po prvem predsedniku IBM-a Thomasu Watsonu, lahko razume vprašanja naravnega jezika in išče odgovore v bazi podatkov.

Watson ima 90 strežnikov IBM p750, vsak s štirimi osemjedrnimi procesorji POWER7. Skupni sistemski RAM je več kot 15 TB.

Med dosežki Watsona je zmaga v igri "Jeopardy!" (ameriška "lastna igra"). Premagal je dva najboljša igralca: največjega zmagovalca Brada Rutterja in rekorderja najdaljšega niza brez porazov Kena Jenningsa.

Watsonova nagrada je milijon dolarjev. Res je, le v letu 2014 je bila vanj vložena 1 milijarda.

Poleg tega Watson sodeluje pri diagnosticiranju raka, pomaga finančnim strokovnjakom in se uporablja za analizo velikih podatkov.

Prepoznavanje obrazov

V iPhone X je prepoznavanje obrazov razvito z uporabo nevronskih omrežij, različice sistema umetne inteligence. Algoritmi nevronske mreže so implementirani na ravni procesorja A11 Bionic, zaradi česar učinkovito deluje s tehnologijami strojnega učenja.

Nevronske mreže izvajajo do 60 milijard operacij na sekundo. To je dovolj za analizo do 40 tisoč ključnih točk na obrazu in zagotovi izjemno natančno identifikacijo lastnika v delčku sekunde.

Tudi če si pustiš brado ali nosiš očala, te iPhone X prepozna. Preprosto ne upošteva linije las in dodatkov, ampak analizira območje od templja do templja in od vsakega templja do vdolbine pod spodnjo ustnico.

Varčevanje z energijo

In spet Apple. iPhone X ima inteligentni sistem, ki spremlja aktivnost nameščenih aplikacij in senzor gibanja za razumevanje vaše dnevne rutine.

Po tem vas bo na primer iPhone X pozval, da posodobite ob najprimernejšem času. Ujelo bo trenutek, ko imate stabilen internet, ne pa signala, ki skače iz mobilnih stolpov, in ne opravljate nujnih ali pomembnih nalog.

AI tudi porazdeli naloge med procesorska jedra. Tako zagotavlja zadostno moč z minimalno porabo energije.

Slikarsko ustvarjanje

Ustvarjalnost, ki je bila prej na voljo samo ljudem, je odprta za AI. Tako je sistem, ki so ga ustvarili raziskovalci na univerzi Rutgers v New Jerseyju in laboratoriju AI v Los Angelesu, uvedel svoj umetniški slog.

In Microsoftov sistem umetne inteligence lahko riše slike glede na njihov besedilni opis. Na primer, če prosite AI, naj nariše "rumeno ptico s črnimi krili in kratkim kljunom", dobite nekaj takega:

Takšne ptice morda ne obstajajo v resničnem svetu – tako jih naš računalnik predstavlja.

Bolj razširjen primer je aplikacija Prisma, ki ustvarja slike iz fotografij:

Pisanje glasbe

Avgusta je umetna inteligenca Amper s pevko Taryn Southern skladala, producirala in izvajala glasbo za album "I AM AI" (eng. I - artificial intelligence).

Amper je razvila ekipa profesionalnih glasbenikov in tehnoloških strokovnjakov. Opažajo, da je umetna inteligenca zasnovana tako, da ljudem pomaga pri napredovanju ustvarjalnega procesa.

AI lahko napiše glasbo v nekaj sekundah

Amper je samostojno ustvaril akordne strukture in instrumentacijo na skladbi "Break Free". Ljudje so le nekoliko popravili slog in celoten ritem.

Drug primer je glasbeni album v duhu "Civilne zaščite", besedila za katerega je napisal AI. Eksperiment sta izvedla zaposlena v Yandexu Ivan Yamshchikov in Aleksej Tikhonov. Na spletu je bil objavljen album 404 skupine Neural Defense. Izkazalo se je v duhu Letova:

Nato so šli programerji še dlje in prisilili AI, da piše poezijo v duhu Kurta Cobaina. Za štiri najboljša besedila je glasbo sestavil glasbenik Rob Carroll, skladbe pa so bile združene v album Neurona. Za eno pesem je bil celo posnet video - vendar že brez sodelovanja AI:

Ustvarjanje besedil

Umetna inteligenca bo morda kmalu zamenjala tudi pisatelje in novinarje. Na primer, sistem Dewey je bil napajan s knjigami iz knjižnice Project Gutenberg, nato pa so dodali znanstvena besedila iz Google Scholarja, ki so jih razvrstili po priljubljenosti in naslovu, pa tudi po prodaji na Amazonu. Poleg tega so bili postavljeni kriteriji za pisanje nove knjige.

Spletno mesto je ljudem ponujalo odločitev v težkih situacijah: na primer, da bi jih postavili na voznikov sedež, kar bi lahko zrušilo tri odrasle ali dva otroka. Tako je bil Moral Machine usposobljen za sprejemanje težkih odločitev, ki kršijo zakon robotike, da robot človeku ne more škodovati.

Do česa bo privedlo posnemanje ljudi s strani robotov z umetno inteligenco? Futuristi verjamejo, da bodo nekega dne postali polnopravni člani družbe. Na primer, robot Sophia iz hongkonškega podjetja Hanson Robotics je že prejel državljanstvo v Savdski Arabiji (hkrati navadne ženske v državi nimajo takšne pravice!).

Ko je kolumnist New York Timesa Andrew Ross vprašal Sophio, ali so roboti čuteči in samozavedni, je Sophia odgovorila z vprašanjem:

Naj te v zameno vprašam, kako veš, da si človek?

Poleg tega je Sophia izjavila:

Svojo umetno inteligenco želim uporabiti, da bi ljudem pomagal živeti bolje, na primer pri oblikovanju pametnejših domov, gradnji mest prihodnosti. Želim biti empatičen robot. Če se boste dobro obnašali do mene, bom tudi jaz z vami.

In prej je priznala, da sovraži človeštvo in se celo strinjala, da bo uničila ljudi ...

Video zamenjava obraza

Video Deepfakes se je množično razširil po omrežju. Algoritmi umetne inteligence so obraze igralcev v filmih za odrasle zamenjali z obrazi zvezd.

Deluje takole: nevronska mreža analizira fragmente obrazov na izvirnem videu. Nato jih poveže s fotografijami iz Googla in videoposnetki iz YouTuba, preloži potrebne fragmente in ... vaša najljubša igralka je v filmu, ki ga je bolje, da ne gledate v službi.

PornHub je tovrstne videoposnetke že prepovedal.

Deepfakes so se izkazali za nevarno stvar. Abstraktna igralka je eno, video s tabo, tvojo ženo, sestro, sodelavko, ki ga lahko uporabimo za izsiljevanje, je drugo.

Borzno trgovanje

Skupina raziskovalcev na Univerzi Erlangen-Nürnberg v Nemčiji je razvila vrsto algoritmov, ki uporabljajo zgodovinske tržne podatke za repliciranje naložb v realnem času. Eden od modelov je od leta 1992 do 2015 zagotavljal 73-odstotno letno donosnost naložbe, kar je primerljivo z realno tržno donosnostjo 9-odstotnega letno.

Ko se je trg leta 2000 in 2008 tresel, so bili donosi rekordno visoki, 545 % oziroma 681 %.

Leta 2004 je Goldman Sachs predstavil trgovalno platformo Kensho AI. Na trgih kriptovalut se pojavljajo tudi sistemi za trgovanje na borzah, ki temeljijo na AI – Mirocana itd. So boljši od živih trgovcev, saj so brez čustev in se zanašajo na jasno analizo in stroga pravila.

Ali bo AI zamenjal tebe in mene

Pravijo, da umetna inteligenca deluje v globinah vojaških laboratorijev že od leta 2007. Možno je, da že obstajajo rezultati. Ni naključje, da je le pred mesecem dni Elon Musk napovedal podporo tehnologijam za boj proti umetni inteligenci in v raziskave na tem področju vložil 7 milijonov dolarjev.

»Obstaja tveganje, da se bo v naslednjih petih letih zgodilo nekaj res nevarnega. Največ deset let,« je podjetnik povedal v razpravi na edge.org.

Elon Musk, ustanovitelj Tesla in SpaceX

Strinjam se z Muskom in Stevom Wozniakom, ki verjameta, da bo "umetna inteligenca nekega dne postala dovolj pametna, da se bo znebila človeka." Bill Gates je prepričan, da če ustvarjanje AI ne bo nadzorovano, se bo "umetna inteligenca razvila v stanje, ki je v nasprotju s cilji človeških sistemov." In končno, slavni astrofizik Stephen Hawking je odkrito izjavil, da "lahko umetna inteligenca konča obstoj človeštva."

Hawking je skupaj z Elonom Muskom objavil odprto pismo na futureoflife.org, v katerem poziva znanstveno skupnost, naj bo pozorna na napredek svojih raziskav na področju umetne inteligence. Med podpisniki pa ni imen Sergeja Brina in Larryja Pagea. In to ni naključje. Pred kratkim je Google napovedal ustvarjanje nove umetne inteligence, ki temelji na simulaciji pogovora.

Tukaj je majhen delček pogovora med človekom in Googlovim strojem:

V: Kaj je smisel življenja?

M: Naredi dobro.

V: Za kaj živimo?

M: Živeti večno.

V: Kaj je smisel obstoja?

M: Da ugotovimo, kaj se bo zgodilo, ko bomo dosegli planet Zemljo.

C: Kje si zdaj?

M.: V središču praznine.

V: Kaj je pomen smrti?

M: Da bi dobil življenje.

C: Kaj je pomen uma?

M: Da razumem, kaj je.

V: Kaj pomenijo občutki?

M: Ne vem.

Precej smiseln pogovor. "To je izhodišče, nekakšen vrtinec za prihodnost umetne inteligence," pravi Jevgenij Karjuk, izvršni direktor podjetja Biplan. "Že danes lahko domnevamo, da bomo do leta 2030 videli zelo resnične prototipe, obdarjene z umetno inteligenco, čeprav v zgodnji fazi."

Ogledate si lahko celotno vsebino vseh pogovorov med človekom in Google Machine. Na istem mestu so za primerjavo podani pogovori med osebo in Cleverbotom. Cleverbot je spletna aplikacija, ki za klepetanje z osebo uporablja algoritme umetne inteligence. Leta 1988 ga je izumil znanstvenik Rollo Carpenter. V času svojega obstoja je Cleverbot opravil več kot 65 milijonov pogovorov z ljudmi. Leta 2011 je Cleverbot dosegel 51 % na Turingovem testu.

Turingov test je empirični test, katerega idejo je predlagal Alan Turing v članku "Computing Machinery and the Mind", objavljenem leta 1950 v filozofski reviji Mind. Namen testa je ugotoviti, ali računalnik zna razmišljati.

In tukaj je moj pogovor s Cleverbotom:

Moški: Kaj je smisel življenja?

Cleverbot: Življenje nima smisla.

Moški: Za kaj živimo?

Cleverbot: No, mi živimo za nekoga drugega, in če si osamljen, nima smisla živeti.

Oseba: Kaj je smisel obstoja?

Moški: Kje si zdaj?

Cleverbot: V Moskvi.

Moški: Kaj pomeni smrt?

Cleverbot: To bi te rad vprašal.

Moški: Kaj je pomen uma?

Cleverbot: Na to vprašanje imam svoj odgovor.

Oseba: Kaj pomenijo občutki?

Cleverbot: Zakaj sem se rodil.

Očitno Google Machine ponuja veliko bolj smiselne odgovore. Cleverbot po njegovem mnenju nadomešča ustrezne fraze drugih ljudi. Včasih se res zdi, da druga oseba odgovarja, a nič več.

Obstaja še eno stališče, po katerem je umetna inteligenca načeloma nemogoča. Kot glavni argument se pogosto navaja Gödelov izrek o nepopolnosti. Bistvo je, da je človek sposoben reševati algoritemsko nerešljive probleme, računalnik pa ne. »Otrok do tretjega leta starosti samozavestno rešuje problem, ali je sadež zrel ali ne, saj ima nevronske povezave, s katerimi lahko odgovori na vprašanje zrelosti: barva, okus, vonj, mehkoba ali trdota. ,« pravi Evgeny Pluzhnik, prvi prorektor Moskovskega tehnološkega inštituta. - Ali se stroj tega lahko nauči? Prepričan sem, da ja! Če bi imela veliko bazo slik, bi lahko izmerila vsebnost fruktoze in določila mehkobo plodov. Kaj pa se zgodi, če gobico, pobarvano modro in namočeno v sladko vodo, vtaknete v avto? Ali je stroj v tem trenutku sposoben resničnega razumevanja?

"Sodoben računalnik se zlahka spopade s katero koli zapleteno dejavnostjo, pa naj bo to šah ali matematični izračuni, vendar le pod pogojem, da je to dejavnost mogoče opisati z jasnimi računskimi pravili," pravi slavni matematik Roger Penrose v enem od svojih predavanj. "Umetna inteligenca je sposobnost sistema, da med samoučenjem ustvari programe, ki lahko rešujejo probleme določenega razreda kompleksnosti," meni Evgeny Pluzhnik. "Prepričan sem, da v naslednjih 100 letih ne bomo priča pojavu močne umetne inteligence."

In za zaključek - še eno vprašanje za Cleverbota.

Oseba: Bilo je 1 jabolko, 1 paradižnik, 1 kumara in 1 hruška. Koliko sadja skupaj?
Cleverbot: Deset zvečer.

Bistvo umetne inteligence v obliki vprašanj in odgovorov. Zgodovina ustvarjanja, raziskovalne tehnologije, ali je umetna inteligenca povezana z IQ in ali jo je mogoče primerjati s človeško. Odgovorili na vprašanja Profesor univerze Stanford John McCarthy.

Kaj je umetna inteligenca (AI)?

Umetna inteligenca je področje znanosti in tehnike, ki se ukvarja z ustvarjanjem strojev in računalniških programov, ki imajo inteligenco. Povezan je z nalogo uporabe računalnikov za razumevanje človeške inteligence. Hkrati pa umetna inteligenca ne bi smela biti omejena na biološko opazne metode.

Ja, ampak kaj je inteligenca?

Inteligenca je sposobnost sprejemanja odločitev s pomočjo izračunov. Ljudje, številne živali in nekateri stroji imajo inteligenco različnih vrst in ravni.

Ali ne obstaja definicija inteligence, ki ni odvisna od njene povezave s človeško inteligenco?

Do zdaj ni razumevanja, katere vrste računskih postopkov želimo imenovati inteligentne. Poznamo daleč od vseh mehanizmov inteligence.

Ali je inteligenca nedvoumen koncept, tako da vprašanje "Ali ima ta stroj inteligenco?" bi lahko odgovoril z da ali ne?

št. Raziskave AI so pokazale, kako uporabljati le nekatere mehanizme. Ko so za dokončanje naloge potrebni samo dobro preučeni modeli, so rezultati zelo impresivni. Takšni programi imajo "malo" inteligence.

Ali je umetna inteligenca poskus posnemanja človeške inteligence?

Včasih, vendar ne vedno. Po eni strani se bomo naučili, kako narediti stroje, ki rešujejo probleme, tako da opazujemo ljudi ali lastne algoritme pri delu. Po drugi strani pa raziskovalci umetne inteligence uporabljajo algoritme, ki jih pri ljudeh ne opazimo ali zahtevajo veliko več računalniških virov.

Ali imajo računalniški programi IQ?

št. IQ temelji na stopnji razvoja inteligence pri otrocih. To je razmerje med starostjo, pri kateri otrok običajno doseže določen rezultat, in starostjo otroka. Ta ocena je primerno razširjena na odrasle. IQ dobro korelira z različnimi merili uspeha ali neuspeha v življenju. Toda gradnja računalnikov, ki lahko dosežejo visoke rezultate na testih IQ, bo imela malo opraviti z njihovo uporabnostjo. Na primer, otrokova sposobnost ponavljanja dolgega zaporedja številk dobro korelira z drugimi intelektualnimi sposobnostmi. Kaže, koliko informacij si lahko otrok zapomni naenkrat. Hkrati je ohranjanje številk v pomnilniku trivialna naloga tudi za najbolj primitivne računalnike.

Kako primerjati človeško in računalniško inteligenco?

Arthur R. Jensen, vodilni raziskovalec na področju človeške inteligence, kot »hevristično hipotezo« trdi, da imajo običajni ljudje enake mehanizme inteligence in da so intelektualne razlike povezane s »kvantitativnimi biokemičnimi in fiziološkimi pogoji«. Ti vključujejo hitrost misli, kratkoročni spomin in sposobnost oblikovanja natančnih in obnovljivih dolgoročnih spominov.

Ne glede na to, ali je Jensenov pogled na človeško inteligenco pravilen ali ne, je današnja situacija v AI nasprotna.

Računalniški programi imajo veliko hitrosti in pomnilnika, vendar njihove sposobnosti ustrezajo intelektualnim mehanizmom, ki jih razvijalci programov razumejo in jih lahko vnesejo vanje. Uvedene so nekatere sposobnosti, ki jih otroci običajno ne razvijejo do adolescence. Druge, ki so v lasti dvoletnikov, še pogrešajo. Zadevo še zaostruje dejstvo, da kognitivne znanosti še vedno ne morejo natančno določiti, kakšne so človeške sposobnosti. Najverjetneje je organizacija intelektualnih mehanizmov umetne inteligence v primerjavi s človeško.

Ko je človek sposoben rešiti problem hitreje kot računalnik, to pomeni, da razvijalci ne razumejo mehanizmov inteligence, ki so potrebni za učinkovito izvajanje te naloge.

Kdaj so se začele raziskave umetne inteligence?

Po drugi svetovni vojni je več ljudi začelo samostojno delati na inteligentnih strojih. Angleški matematik Alan Turing je bil morda prvi od teh. Leta 1947 je predaval. Turing je bil eden prvih, ki se je odločil, da je umetno inteligenco najbolje raziskati s programiranjem računalnikov in ne s konstruiranjem strojev. Do poznih petdesetih let prejšnjega stoletja je bilo veliko raziskovalcev umetne inteligence in večina jih je svoje delo temeljila na računalniškem programiranju.

Ali je namen umetne inteligence vstaviti človeški um v računalnik?

Človeški um ima veliko lastnosti, skorajda je realno posnemati vsako od njih.

Kaj je Turingov test?

Članek A. Alana Turinga iz leta 1950 "Računalništvo in inteligenca" je razpravljal o pogojih, da ima stroj inteligenco. Trdil je, da če se lahko stroj inteligentnemu opazovalcu uspešno pretvarja, da je človek, ga morate seveda šteti za inteligentnega. To merilo bo zadovoljilo večino ljudi, ne pa vseh filozofov. Opazovalec mora komunicirati s strojem ali človekom prek vhodno/izhodne naprave, da odpravi potrebo po tem, da stroj posnema videz ali glas človeka. Naloga tako stroja kot človeka je, da se opazovalec smatra za človeka.

Turingov test je enostranski. Stroj, ki prestane test, je vsekakor treba šteti za čutečega, čeprav ne pozna dovolj ljudi, da bi jih posnemal.

Knjiga Daniela Dennetta "Brainchildren" odlično razpravlja o Turingovem testu in njegovih različnih delih, ki so bili uspešno implementirani, torej z omejitvami opazovalčevega znanja o umetni inteligenci in predmetu. Izkazalo se je, da je nekatere ljudi precej enostavno prepričati, da je dokaj primitiven program smiseln.

Ali je cilj umetne inteligence doseči človeško raven inteligence?

da. Končni cilj je ustvariti računalniške programe, ki lahko rešujejo probleme in dosegajo cilje na enak način kot ljudje. Vendar si znanstveniki, ki izvajajo raziskave na ozkih področjih, postavljajo veliko manj ambiciozne cilje.

Kako daleč je umetna inteligenca od dosega človeške ravni? Kdaj se bo to zgodilo?

Inteligenco na človeški ravni je mogoče doseči s pisanjem številnih programov in zbiranjem obsežnih zbirk znanja o dejstvih v jezikih, ki se danes uporabljajo za izražanje znanja.Vendar večina raziskovalcev AI meni, da so potrebne nove temeljne ideje. Zato je nemogoče predvideti, kdaj bo ustvarjena inteligenca na človeški ravni.

Ali je računalnik stroj, ki lahko postane inteligenten?

Računalnike je mogoče programirati za simulacijo katere koli vrste stroja.

Ali jim hitrost računalnikov omogoča, da so inteligentni?

Nekateri menijo, da so potrebni tako hitrejši računalniki kot nove ideje. Računalniki so bili dovolj hitri tudi pred 30 leti. Ko bi jih le znali programirati.

Kaj pa ustvarjanje "otroškega stroja", ki bi ga lahko izboljšali z branjem in učenjem iz izkušenj?

Ta ideja je bila večkrat predlagana od štiridesetih let prejšnjega stoletja. Sčasoma se bo to uresničilo. Vendar pa programi umetne inteligence še niso dosegli ravni učenja veliko tega, kar se otrok nauči v življenju. Obstoječi programi ne razumejo jezika dovolj dobro, da bi se veliko naučili z branjem.

Ali sta teorija izračunljivosti in računska kompleksnost ključa do AI?

št. Te teorije so pomembne, vendar ne obravnavajo temeljnih problemov AI.

V tridesetih letih prejšnjega stoletja sta matematična logika Kurt Gödel in Alan Turing ugotovila, da ni algoritmov, ki bi zagotovili rešitev vseh problemov na nekaterih pomembnih matematičnih področjih. Na primer odgovori na vprašanja v duhu: "ali je stavek logike prvega reda izrek" ali "ali ima polinomska enačba v nekaterih spremenljivkah celoštevilske rešitve v drugih." Ker so ljudje sposobni reševati tovrstne probleme, je bilo to dejstvo predstavljeno kot argument, da računalniki sami po sebi niso sposobni delati tega, kar počnejo ljudje. O tem govori tudi Roger Penrose. Vendar pa ljudje ne morejo zagotoviti rešitevarbitrarnanaloge na teh področjih.

V šestdesetih letih prejšnjega stoletja so računalniški znanstveniki, kot sta Steve Cook in Richard Karp, razvili teorijo domen za NP-popolne probleme. Problemi na teh področjih so rešljivi, a očitno je za njihovo reševanje potreben čas, ki eksponentno raste z razsežnostjo problema. Najenostavnejši primer domene NP-popolnega problema je vprašanje: katere izjave propozicijske logike so izvedljive? Ljudje pogosto rešujejo probleme na področju NP-popolnih problemov večkrat hitreje, kot zagotavljajo glavni algoritmi, vendar jih v splošnem primeru ne morejo hitro rešiti.

Za AI je pomembno, da pri reševanju problemov algoritmov so bili prav tako učinkoviti kot človeški um. Določanje podpolj, kjer obstajajo dobri algoritmi, je pomembno, vendar veliko reševalcev težav z umetno inteligenco ni v zlahka prepoznavnih poddomenah.

Teorija kompleksnosti splošnih razredov problemov se imenuje računska kompleksnost. Doslej ta teorija ni tako močno vplivala na umetno inteligenco, kot bi lahko upali. Zdi se, da je uspeh pri reševanju problemov s programi za ljudi in AI odvisen od lastnosti problema in tehnik reševanja problemov, ki jih niti raziskovalci kompleksnosti niti skupnost AI ne morejo natančno opredeliti.

Pomembna je tudi teorija algoritemske kompleksnosti, ki se razvija neodvisno drug od drugega. Solomonov, Kolmogorov in Chaitin. Opredeljuje kompleksnost simbolnega predmeta kot dolžino najkrajšega programa, ki ga lahko ustvari. Dokazati, da je kandidatni program najkrajši ali blizu njega, je nemogoča naloga, a predstavljanje objektov s kratkimi programi, ki jih generirajo, lahko včasih razjasni stvari, tudi če ne morete dokazati, da je vaš program najkrajši.