ปัญญาประดิษฐ์: จะศึกษาอย่างไรและที่ไหน - ผู้เชี่ยวชาญตอบ

ปัญญาประดิษฐ์: ศึกษาอย่างไรและที่ไหน - ผู้เชี่ยวชาญตอบ

“ฉันต้องการทำ AI เรียนอะไรให้คุ้ม? ใช้ภาษาอะไร? องค์กรใดที่จะศึกษาและทำงาน?

เราหันไปหาผู้เชี่ยวชาญเพื่อชี้แจง และนำเสนอคำตอบที่เราได้รับให้คุณทราบ

ขึ้นอยู่กับการฝึกขั้นพื้นฐานของคุณ ก่อนอื่น คุณต้องมีวัฒนธรรมทางคณิตศาสตร์ (ความรู้เกี่ยวกับสถิติ ทฤษฎีความน่าจะเป็น คณิตศาสตร์แบบไม่ต่อเนื่อง พีชคณิตเชิงเส้น การวิเคราะห์ ฯลฯ) และความเต็มใจที่จะเรียนรู้อย่างรวดเร็ว การใช้วิธีการ AI จะต้องมีการเขียนโปรแกรม (อัลกอริทึม โครงสร้างข้อมูล OOP เป็นต้น)

โครงการต่างๆ ต้องการความรู้เกี่ยวกับภาษาโปรแกรมต่างๆ ฉันอยากจะแนะนำให้รู้จักอย่างน้อย Python, Java และภาษาที่ใช้งานได้ มีประสบการณ์กับฐานข้อมูลต่างๆ และระบบกระจายจะเป็นประโยชน์ ความเชี่ยวชาญในภาษาอังกฤษเป็นสิ่งจำเป็นในการเรียนรู้แนวทางปฏิบัติที่ดีที่สุดในอุตสาหกรรมอย่างรวดเร็ว

ฉันแนะนำให้เรียนในมหาวิทยาลัยรัสเซียที่ดี! ตัวอย่างเช่น สถาบันฟิสิกส์และเทคโนโลยีมอสโก, มหาวิทยาลัยแห่งรัฐมอสโก, โรงเรียนมัธยมเศรษฐศาสตร์มีแผนกที่เกี่ยวข้อง หลักสูตรที่มีธีมหลากหลายมีให้บริการบน Coursera, edX, Udacity, Udemy และแพลตฟอร์ม MOOC อื่นๆ องค์กรชั้นนำบางแห่งมีโปรแกรมการฝึกอบรมในสาขา AI (เช่น School of Data Analysis ที่ Yandex)

ปัญหาประยุกต์ที่แก้ไขโดยวิธี AI สามารถพบได้ในหลากหลายสถานที่ ธนาคาร, ภาคการเงิน, การให้คำปรึกษา, การค้าปลีก, อีคอมเมิร์ซ, เสิร์ชเอ็นจิ้น, บริการอีเมล, อุตสาหกรรมเกม, อุตสาหกรรมระบบรักษาความปลอดภัยและแน่นอน Avito ล้วนต้องการผู้เชี่ยวชาญที่มีคุณสมบัติหลากหลาย

อัปเกรด ดาวน์เกรด

เรามีโครงการฟินเทคที่เกี่ยวข้องกับแมชชีนเลิร์นนิงและคอมพิวเตอร์วิทัศน์ ซึ่งนักพัฒนาคนแรกเขียนทุกอย่างด้วยภาษา C ++ จากนั้นนักพัฒนาก็มาเขียนใหม่ทุกอย่างใน Python ดังนั้นภาษาจึงไม่ใช่สิ่งที่สำคัญที่สุดในที่นี้ เนื่องจากภาษาเป็นเครื่องมืออันดับแรก และวิธีที่คุณใช้ขึ้นอยู่กับคุณ เพียงแต่ในบางภาษาจะแก้ปัญหาได้เร็วกว่าในขณะที่บางภาษาจะช้ากว่า

ยากที่จะบอกว่าจะเรียนที่ไหนดี - เราทุกคนเรียนด้วยตัวเอง เนื่องจากมีอินเทอร์เน็ตและ Google

อัปเกรด ดาวน์เกรด

ฉันสามารถแนะนำตั้งแต่เริ่มต้นเพื่อเตรียมตัวสำหรับความจริงที่ว่าคุณจะต้องเรียนมาก ไม่ว่า "การทำ AI" หมายถึงอะไร - การทำงานกับข้อมูลขนาดใหญ่หรือโครงข่ายประสาทเทียม การพัฒนาเทคโนโลยีหรือสนับสนุนและฝึกอบรมระบบที่พัฒนาแล้วบางระบบ

มาดูอาชีพที่ทันสมัยของ Data Scientist กันดีกว่า คนนี้กำลังทำอะไร? โดยทั่วไปจะรวบรวม วิเคราะห์ และเตรียมข้อมูลขนาดใหญ่เพื่อใช้งาน นั่นคือสิ่งที่ AI เติบโตและฝึกฝน Data Scientist ควรรู้และสามารถทำอะไรได้บ้าง? การวิเคราะห์แบบคงที่และการสร้างแบบจำลองทางคณิตศาสตร์ - โดยค่าเริ่มต้นและที่ระดับความคล่องแคล่ว ภาษา - พูด, R, SAS, Python คงจะดีถ้ามีประสบการณ์การพัฒนาบ้าง โดยทั่วไปแล้ว นักวิทยาศาสตร์ด้านข้อมูลที่ดีควรรู้สึกมั่นใจในฐานข้อมูล อัลกอริธึม และการแสดงข้อมูลเป็นภาพ

ไม่ต้องบอกว่าชุดของความรู้นี้สามารถหาได้ในมหาวิทยาลัยเทคนิคทุก ๆ วินาทีในประเทศ บริษัทขนาดใหญ่ที่ให้ความสำคัญกับการพัฒนา AI จะเข้าใจสิ่งนี้และพัฒนาโปรแกรมการฝึกอบรมที่เหมาะสมสำหรับตนเอง เช่น School of Data Analysis จาก Yandex แต่คุณควรระวังว่านี่ไม่ใช่มาตราส่วนที่คุณมาที่หลักสูตร "จากถนน" แต่ปล่อยให้เป็นรุ่นน้องสำเร็จรูป เลเยอร์มีขนาดใหญ่ และเหมาะสมที่จะไปศึกษาในสาขาวิชาเมื่อครอบคลุมพื้นฐานแล้ว (คณิตศาสตร์ สถิติ) อย่างน้อยก็อยู่ในกรอบของโปรแกรมของมหาวิทยาลัย

ใช่ มันจะต้องใช้เวลา แต่เกมนี้คุ้มค่าที่จะเทียน เพราะ Data Scientist ที่ดีนั้นมีแนวโน้มที่ดี และมีราคาแพงมาก ยังมีอีกจุดหนึ่ง ในแง่หนึ่ง ปัญญาประดิษฐ์ไม่ได้เป็นเพียงเป้าหมายของการโฆษณาอีกต่อไป แต่เป็นเทคโนโลยีที่ไปถึงระดับของการผลิตแล้ว ในทางกลับกัน AI ยังคงพัฒนาอยู่ การพัฒนานี้ต้องใช้ทรัพยากรจำนวนมาก ทักษะมากมาย และเงินจำนวนมาก จนถึงตอนนี้ นี่คือระดับของลีกสำคัญๆ ฉันจะพูดให้ชัดเจนในตอนนี้ แต่ถ้าคุณต้องการเป็นแนวหน้าของการโจมตีและขับเคลื่อนความก้าวหน้าด้วยมือของคุณเอง มุ่งเป้าไปที่บริษัทอย่าง Facebook หรือ Amazon

ในขณะเดียวกัน เทคโนโลยีนี้ก็ถูกใช้ไปแล้วในหลายๆ ด้าน ทั้งในภาคการธนาคาร โทรคมนาคม ในองค์กรอุตสาหกรรมขนาดใหญ่ และการค้าปลีก และต้องการคนที่สามารถสนับสนุนได้อยู่แล้ว Gartner คาดการณ์ว่าภายในปี 2020 20% ขององค์กรทั้งหมดในประเทศที่พัฒนาแล้วจะจ้างพนักงานพิเศษเพื่อฝึกอบรมโครงข่ายประสาทเทียมที่ใช้ในบริษัทเหล่านี้ ดังนั้นจึงยังมีเวลาให้เรียนรู้ด้วยตนเอง

อัปเกรด ดาวน์เกรด

ปัจจุบัน AI กำลังพัฒนาอย่างแข็งขัน และเป็นการยากที่จะคาดการณ์ล่วงหน้า 10 ปีข้างหน้า แนวทางที่ใช้โครงข่ายประสาทเทียมและการประมวลผลแบบ GPU จะครอบงำในอีกสองถึงสามปีข้างหน้า ผู้นำในด้านนี้คือ Python ที่มีสภาพแวดล้อมแบบโต้ตอบของ Jupyter และไลบรารีเทนเซอร์โฟลว์ numpy, scipy และ tensorflow

มีหลักสูตรออนไลน์มากมายที่ให้ความเข้าใจพื้นฐานเกี่ยวกับเทคโนโลยีเหล่านี้และหลักการทั่วไปของ AI เช่น หลักสูตรของ Andrew Ng และในแง่ของการสอนหัวข้อนี้ในรัสเซียตอนนี้ การศึกษาด้วยตนเองหรือในกลุ่มผลประโยชน์ในท้องถิ่นนั้นมีประสิทธิภาพมากที่สุด (เช่น ในมอสโก ฉันรู้ว่ามีอย่างน้อยสองสามกลุ่มที่ผู้คนแบ่งปันประสบการณ์และความรู้ของพวกเขา)

อัปเกรด ดาวน์เกรด

อัปเกรด ดาวน์เกรด

ในปัจจุบัน ส่วนที่ก้าวหน้าอย่างรวดเร็วที่สุดของปัญญาประดิษฐ์อาจเป็นโครงข่ายประสาทเทียม
การศึกษาโครงข่ายประสาทเทียมและ AI ควรเริ่มต้นด้วยการพัฒนาสองส่วนของคณิตศาสตร์ - พีชคณิตเชิงเส้นและทฤษฎีความน่าจะเป็น นี่เป็นเสาหลักของปัญญาประดิษฐ์ขั้นต่ำที่ไม่สั่นคลอน ผู้สมัครที่ต้องการเรียนรู้พื้นฐานของ AI ในความคิดของฉันเมื่อเลือกมหาวิทยาลัยควรให้ความสนใจกับคณะที่มีโรงเรียนคณิตศาสตร์ที่แข็งแกร่ง

ขั้นตอนต่อไปคือการศึกษาปัญหาของปัญหา มีวรรณกรรมมากมายทั้งด้านการศึกษาและพิเศษ สิ่งพิมพ์ส่วนใหญ่ในหัวข้อปัญญาประดิษฐ์และโครงข่ายประสาทเทียมนั้นเขียนเป็นภาษาอังกฤษ แต่สื่อภาษารัสเซียก็มีการตีพิมพ์เช่นกัน วรรณกรรมที่เป็นประโยชน์สามารถพบได้ในห้องสมุดดิจิทัลสาธารณะ arxiv.org

หากเราพูดถึงขอบเขตของกิจกรรม ที่นี่เราสามารถแยกความแตกต่างของการฝึกอบรมโครงข่ายประสาทเทียมประยุกต์และการพัฒนาโครงข่ายประสาทเทียมรูปแบบใหม่ทั้งหมด ตัวอย่างที่โดดเด่น: ขณะนี้มีความเชี่ยวชาญพิเศษที่ได้รับความนิยมอย่างมาก - "นักวิทยาศาสตร์ข้อมูล" (นักวิทยาศาสตร์ข้อมูล) เหล่านี้เป็นนักพัฒนาที่ตามกฎแล้วมีส่วนร่วมในการศึกษาและเตรียมชุดข้อมูลบางอย่างสำหรับการฝึกอบรมโครงข่ายประสาทเทียมในพื้นที่เฉพาะและนำไปใช้ โดยสรุป ฉันต้องการเน้นว่าความเชี่ยวชาญพิเศษแต่ละรายการต้องมีเส้นทางการฝึกอบรมที่แยกจากกัน

อัปเกรด ดาวน์เกรด

ก่อนเริ่มเรียนหลักสูตรที่มีเนื้อหาแคบ คุณต้องศึกษาพีชคณิตเชิงเส้นและสถิติก่อน ฉันแนะนำให้คุณเริ่มดำดิ่งสู่ AI ด้วยหนังสือเรียน “Machine Learning ศาสตร์และศิลป์ในการสร้างอัลกอริธึมที่ดึงความรู้จากข้อมูลเป็นแนวทางที่ดีสำหรับผู้เริ่มต้น ใน Coursera คุณควรฟังการบรรยายเบื้องต้นโดย K. Vorontsov (ฉันเน้นว่าพวกเขาต้องการความรู้เกี่ยวกับพีชคณิตเชิงเส้นที่ดี) และหลักสูตร Machine Learning ที่ Stanford University ซึ่งสอนโดย Andrew Ng ศาสตราจารย์และหัวหน้ากลุ่ม Baidu AI /กูเกิล เบรน.

กลุ่มเขียนด้วยภาษา Python ตามด้วย R, Lua

ถ้าเราพูดถึงสถาบันการศึกษาจะดีกว่าถ้าลงทะเบียนเรียนในสาขาวิชาคณิตศาสตร์ประยุกต์และวิทยาการคอมพิวเตอร์มีโปรแกรมการศึกษาที่เหมาะสม เพื่อทดสอบความสามารถของคุณ คุณสามารถเข้าร่วมการแข่งขัน Kaggle ที่แบรนด์ระดับโลกรายใหญ่เสนอกรณีของพวกเขา

อัปเกรด ดาวน์เกรด

ไม่ว่าในกรณีใด ก่อนเริ่มโครงการ จะเป็นการดีที่จะได้รับพื้นฐานทางทฤษฎี มีหลายสถานที่ที่คุณสามารถได้รับปริญญาโทอย่างเป็นทางการในสาขานี้ หรือพัฒนาทักษะของคุณ ตัวอย่างเช่น Skoltech เปิดสอนหลักสูตรปริญญาโทในสาขาวิทยาศาสตร์คอมพิวเตอร์และวิศวกรรมศาสตร์และวิทยาศาสตร์ข้อมูล ซึ่งรวมถึงหลักสูตรในการเรียนรู้ด้วยเครื่องและการประมวลผลภาษาธรรมชาติ นอกจากนี้เรายังสามารถกล่าวถึงสถาบันระบบไซเบอร์เนติกอัจฉริยะของมหาวิทยาลัยนิวเคลียร์วิจัยแห่งชาติ MEPhI คณะคณิตศาสตร์คอมพิวเตอร์และไซเบอร์เนติกส์ของมหาวิทยาลัยแห่งรัฐมอสโกและภาควิชาระบบอัจฉริยะของสถาบันฟิสิกส์และเทคโนโลยีมอสโก

หากมีการจัดการศึกษาในระบบแล้ว มีหลายหลักสูตรในแพลตฟอร์ม MOOC ต่างๆ ตัวอย่างเช่น EDx.org เสนอหลักสูตรปัญญาประดิษฐ์จาก Microsoft และ Columbia University ซึ่งหลักสูตรหลังนี้มีโปรแกรม micro-master ในราคาเพียงเล็กน้อย ฉันต้องการเน้นว่าโดยปกติคุณสามารถรับความรู้ได้ฟรี การชำระเงินสำหรับใบรับรองเท่านั้นหากจำเป็นสำหรับประวัติย่อของคุณ

หากคุณต้องการ "เจาะลึก" ในหัวข้อนี้ บริษัทหลายแห่งในมอสโกเสนอการฝึกปฏิบัติแบบเข้มข้นเป็นเวลา 1 สัปดาห์เป็นเวลา 1 สัปดาห์ และยังมีอุปกรณ์สำหรับการทดลอง (เช่น newprolab.com) อย่างไรก็ตาม ราคาของหลักสูตรดังกล่าวคือ จากหลายหมื่นรูเบิล

ในบริษัทที่พัฒนาปัญญาประดิษฐ์ คุณอาจรู้จัก Yandex และ Sberbank แต่มีหลายขนาด ตัวอย่างเช่น ในสัปดาห์นี้กระทรวงกลาโหมได้เปิด ERA Military Innovation Technopolis ใน Anapa หัวข้อหนึ่งคือการพัฒนา AI สำหรับความต้องการทางทหาร

อัปเกรด ดาวน์เกรด

ก่อนศึกษาปัญญาประดิษฐ์ จำเป็นต้องแก้ปัญหาพื้นฐานก่อน: ใช้ยาสีแดงหรือสีน้ำเงิน
เม็ดสีแดงคือการเป็นนักพัฒนาและกระโดดเข้าสู่โลกที่โหดร้ายของวิธีการทางสถิติ อัลกอริทึม และความเข้าใจอย่างต่อเนื่องของสิ่งที่ไม่รู้จัก ในทางกลับกัน คุณไม่จำเป็นต้องรีบเข้าไปใน "หลุมกระต่าย" ทันที คุณสามารถเป็นผู้จัดการและสร้าง AI ได้ เช่น ในฐานะผู้จัดการโครงการ นี่เป็นสองเส้นทางที่แตกต่างกันโดยพื้นฐาน

อันแรกจะดีมากถ้าคุณตัดสินใจแล้วว่าจะเขียนอัลกอริธึมปัญญาประดิษฐ์ จากนั้นคุณต้องเริ่มต้นด้วยทิศทางที่เป็นที่นิยมที่สุดในปัจจุบัน นั่นคือการเรียนรู้ของเครื่อง ในการทำเช่นนี้ คุณจำเป็นต้องรู้วิธีการทางสถิติแบบคลาสสิกของการจำแนก การจัดกลุ่ม และการถดถอย นอกจากนี้ยังเป็นประโยชน์ในการทำความคุ้นเคยกับมาตรการหลักในการประเมินคุณภาพของการแก้ปัญหา คุณสมบัติของการแก้ปัญหา ... และทุกอย่างที่มาพร้อมกัน

หลังจากเข้าใจฐานแล้วเท่านั้นจึงควรศึกษาวิธีการพิเศษเพิ่มเติม: ต้นไม้ตัดสินใจและตระการตาของพวกเขา ในขั้นตอนนี้ คุณต้องเจาะลึกถึงวิธีพื้นฐานในการสร้างและฝึกโมเดล - สิ่งเหล่านี้ถูกซ่อนไว้เบื้องหลังการใส่ถุง การเพิ่มพลัง การซ้อนหรือการผสม

นอกจากนี้ยังควรทราบวิธีการควบคุมการฝึกแบบจำลอง ("ing" อีกประการหนึ่งคือ overfitting)

และสุดท้าย ระดับเจได - ได้รับความรู้เฉพาะทางขั้นสูง ตัวอย่างเช่น การเรียนรู้เชิงลึกจะต้องเชี่ยวชาญสถาปัตยกรรมพื้นฐานและอัลกอริธึมของการไล่ระดับสี หากคุณสนใจงานประมวลผลภาษาธรรมชาติ เราขอแนะนำให้คุณศึกษาโครงข่ายประสาทเทียมแบบเกิดซ้ำ และผู้สร้างอัลกอริธึมในอนาคตสำหรับการประมวลผลภาพและวิดีโอควรเจาะลึกเข้าไปในโครงข่ายประสาทเทียม

โครงสร้างสองโครงสร้างสุดท้ายที่กล่าวถึงคือหน่วยการสร้างของสถาปัตยกรรมยอดนิยมในปัจจุบัน: เครือข่ายฝ่ายตรงข้าม (GAN) เครือข่ายเชิงสัมพันธ์ เครือข่ายรวม ดังนั้นจะเป็นประโยชน์ในการศึกษาพวกเขาแม้ว่าคุณจะไม่ได้วางแผนที่จะสอนคอมพิวเตอร์ให้มองเห็นหรือได้ยิน

แนวทางที่แตกต่างอย่างมากในการเรียนรู้เกี่ยวกับ AI หรือที่เรียกว่า "ยาเม็ดสีน้ำเงิน" เริ่มต้นด้วยการค้นหาตัวเอง ปัญญาประดิษฐ์ก่อให้เกิดงานจำนวนมากและอาชีพทั้งหมด ตั้งแต่ผู้จัดการโครงการ AI ไปจนถึงวิศวกรข้อมูลที่สามารถเตรียมข้อมูล ทำความสะอาด และสร้างระบบที่ปรับขนาดได้ มีภาระงานสูง และทนต่อข้อผิดพลาด

ดังนั้น ด้วยวิธี "การจัดการ" คุณควรประเมินความสามารถและภูมิหลังของคุณก่อน จากนั้นจึงเลือกสถานที่และสิ่งที่จะศึกษา ตัวอย่างเช่น แม้จะไม่มีกรอบความคิดทางคณิตศาสตร์ คุณก็ออกแบบอินเทอร์เฟซและการแสดงภาพ AI สำหรับอัลกอริธึมอัจฉริยะได้ แต่เตรียมตัวให้พร้อม: ในอีก 5 ปี ปัญญาประดิษฐ์จะเริ่มหมุนรอบคุณและเรียกคุณว่า "นักมนุษยนิยม"

เมธอด ML หลักถูกนำไปใช้เป็นไลบรารีสำเร็จรูปที่พร้อมใช้งานสำหรับการเชื่อมต่อในภาษาต่างๆ ภาษาที่นิยมมากที่สุดใน ML วันนี้คือ: C ++, Python และ R

มีหลายหลักสูตรทั้งภาษารัสเซียและภาษาอังกฤษ เช่น หลักสูตร Yandex School of Data Analysis, SkillFactory และ OTUS แต่ก่อนที่จะลงทุนทั้งเวลาและเงินไปกับการฝึกอบรมเฉพาะทาง ฉันคิดว่ามันคุ้มค่าที่จะ "เข้าประเด็น": ดูการบรรยายแบบเปิดบน YouTube จากการประชุม DataFest ในช่วงหลายปีที่ผ่านมา เรียนหลักสูตรฟรีจาก Coursera และ Habrahabra

ข่าวเกี่ยวกับการพัฒนาใหม่ในด้านปัญญาประดิษฐ์ปรากฏขึ้นด้วยความถี่ที่น่าอิจฉา ดังนั้นในเดือนมกราคมของปีนี้ Google ได้ประกาศแผนการที่จะร่วมมือกับ Movidius เพื่อสร้างโปรเซสเซอร์มือถือที่มีความสามารถในการเรียนรู้ของเครื่อง เป้าหมายที่ระบุไว้ของการเป็นหุ้นส่วนคือเพื่อให้ผู้คนมีความสามารถด้านแมชชีนอัจฉริยะในอุปกรณ์พกพาของตน และในเดือนกุมภาพันธ์ วิศวกรของ MIT ได้แนะนำโปรเซสเซอร์ Eyeriss ไปแล้ว ต้องขอบคุณปัญญาประดิษฐ์ที่สามารถปรากฏในอุปกรณ์พกพาได้ และนี่ขัดกับภูมิหลังของข้อเท็จจริงที่ว่าปริมาณการลงทุนในการพัฒนาระบบปัญญาประดิษฐ์เติบโตขึ้นทุกปี

ทุกอย่างบ่งบอกว่าในไม่ช้าปัญญาประดิษฐ์จะเข้าสู่สมาร์ทโฟนของเรา ซึ่งจะ "ฉลาดขึ้น" อย่างจริงจัง ไม่ไกลจากการจลาจลของเครื่องจักร? เครื่องจักรต้องฉลาดแค่ไหนจึงจะมีอำนาจเหนือผู้คน และมันจริงแค่ไหน

AI หนึ่ง AI สอง AI สาม

เมื่อเราอ่านหรือได้ยินเกี่ยวกับปัญญาประดิษฐ์ พวกเราหลายคนจินตนาการถึง SkyNet และเครื่องจักรจากภาพยนตร์ Terminator ที่มีชื่อเสียง นักวิจัยและนักพัฒนาลงทุนในแนวคิดนี้อย่างไร

AI มีสามประเภทที่เราต้องทำหรืออาจต้องสร้าง:

ปัญญาประดิษฐ์ที่เน้นแคบ นี่คือสิ่งที่เราจะได้รับในสมาร์ทโฟนเครื่องใหม่ของเราเร็วๆ นี้ ความฉลาดดังกล่าวเหนือกว่ามนุษย์ในกิจกรรมหรือการปฏิบัติการบางอย่าง คอมพิวเตอร์ที่มีปัญญาประดิษฐ์เฉพาะทางสูงสามารถเอาชนะแชมป์หมากรุกโลก จอดรถ หรือรับผลลัพธ์ที่เกี่ยวข้องมากที่สุดในเครื่องมือค้นหา

พลังของปัญญาประดิษฐ์ดังกล่าวอยู่ในความสามารถในการคำนวณของโปรเซสเซอร์ ยิ่งมีโอกาสเหล่านี้มากเท่าไหร่ งานก็จะยิ่งได้รับการแก้ไขมากขึ้นเท่านั้น และตอนนี้ก็ไม่มีปัญหากับการเติบโตของพลังโปรเซสเซอร์ AI แคบในปรัชญาของปัญญาประดิษฐ์ (มีหนึ่ง) เรียกว่าอ่อนแอ

แต่ความสามารถในการคำนวณเพียงอย่างเดียวนั้นไม่เพียงพอที่จะสร้างเครื่องจักรที่ชาญฉลาดอย่างแท้จริง แม้ว่าจะเป็นกรณีที่สมมติขึ้นจากการเปลี่ยนแปลงที่เกิดขึ้นเองจากปัญญาประดิษฐ์ที่อ่อนแอไปเป็นปัญญาประดิษฐ์ที่แข็งแกร่งซึ่งเป็นพื้นฐานของบทภาพยนตร์เทอร์มิเนเตอร์ SkyNet ซูเปอร์คอมพิวเตอร์ของกระทรวงกลาโหมสหรัฐฯ ที่ออกแบบมาเพื่อควบคุมระบบป้องกันขีปนาวุธ มีสติสัมปชัญญะและเริ่มตัดสินใจด้วยตนเอง

ปัญญาประดิษฐ์ทั่วไป หากเราได้สร้างระบบที่มี AI แบบแคบแล้วและพบว่ามีการใช้งานจริงสำหรับพวกเขา ดังนั้นด้วย AI ทั่วไป ทุกอย่างจึงซับซ้อนกว่ามาก AI ประเภทนี้มีความฉลาดระดับมนุษย์อยู่แล้ว มันใช้งานได้หลากหลายและสามารถดำเนินการทางปัญญาเช่นเดียวกับสมองของมนุษย์

หากในช่วงชีวิตของเราเราเห็นหุ่นยนต์ฮิวแมนนอยด์อย่างสมบูรณ์ พวกมันก็จะมีสติปัญญาเพียงเท่านี้ ลองนึกถึงแอนดรูว์แอนดรูว์จากภาพยนตร์เรื่อง Bicentennial Man ของคริส โคลัมบัส หุ่นยนต์ที่มี AI ดังกล่าวจะสามารถเรียนรู้ คิด และตัดสินใจได้อย่างอิสระเหมือนคน พวกเขาจะสามารถสร้างความสัมพันธ์กับคนรอบข้าง เป็นเพื่อนและผู้ช่วย ปัญญาประดิษฐ์นี้เรียกว่าแข็งแกร่ง

แต่มีช่องว่างระหว่างปัญญาประดิษฐ์ที่แข็งแกร่งและอ่อนแอ หากต้องการเปลี่ยนจากที่หนึ่งไปอีกที่หนึ่ง การเพิ่มพลังการประมวลผลของคอมพิวเตอร์นั้นไม่เพียงพอ เราต้องให้สติปัญญาแก่พวกเขาด้วย นักวิทยาศาสตร์ยังไม่เห็นวิธีการที่ชัดเจนในการทำเช่นนี้

สุดยอดปัญญาประดิษฐ์ เป็นปัญญาประดิษฐ์ประเภทนี้ที่ดึงดูดความสนใจในวงกว้าง ส่วนใหญ่เนื่องจากความเป็นไปได้ของการสร้างโดยนักวิทยาศาสตร์หลายคนถูกมองว่าเป็นอันตรายต่อมนุษยชาติ SkyNet เป็นตัวอย่างของภัยคุกคามดังกล่าว

Superintelligence จะฉลาดกว่าใครๆ เขาจะเหนือกว่ามนุษย์ในแทบทุกด้าน สามารถแก้ปัญหาที่ซับซ้อนและค้นพบทางวิทยาศาสตร์ได้ เครื่องจักรอัจฉริยะจะมีพฤติกรรมสัมพันธ์กับมนุษยชาติอย่างไร?

นักวิทยาศาสตร์แนะนำแบบจำลองปฏิสัมพันธ์สามแบบ:

Oracle- เราสามารถหาคำตอบสำหรับคำถามที่ยากได้

จิน- เขาจะทำทุกอย่างที่เราต้องการ อย่างน้อยก็ใช้เครื่องประกอบโมเลกุล อย่างน้อยก็ห้องปฏิบัติการหุ่นยนต์ และโรงงานที่ทำงานโดยปราศจากการแทรกแซงของมนุษย์

อธิปไตย- เขาจะพบปัญหาและแก้ปัญหาด้วยตนเอง

อย่างที่คุณเห็น คำว่า "ปัญญาประดิษฐ์" ครอบคลุมการมีอยู่ของปัญญาประดิษฐ์สามรูปแบบ และความแตกต่างจากกันและกันก็มีความสำคัญ เช่นเดียวกับผลที่ตามมาของการเปลี่ยนจาก AI หนึ่งไปสู่อีกตัวหนึ่ง เราสามารถกำหนดระดับความฉลาดของเครื่องอัจฉริยะเพื่อให้เข้าใจว่าเรากำลังติดต่อกับใคร?

วิธีการวัดปัญญาประดิษฐ์?

คนมีความแตกต่างกันในระดับสติปัญญา ในการหาปริมาณจะใช้การทดสอบพิเศษ การทดสอบ IQ เป็นที่รู้จักของหลาย ๆ คน ความฉลาดของเครื่องจักรวัดได้อย่างไร?

หากเราเข้าหารายงานของสื่ออย่างไม่วิพากษ์วิจารณ์ ระดับสติปัญญาของเครื่องจักรสมัยใหม่จะแตกต่างกันไปตาม IQ ของเด็กอายุ 4 ขวบและวัยรุ่นอายุ 13 ปี ตัวเลขสองตัวนี้แสดงให้เห็นสองวิธีในการวัดความฉลาดของเครื่องจักร

ในปี 2015 ทีมนักวิทยาศาสตร์ของ Illinois ได้ทดสอบระบบปัญญาประดิษฐ์ ConceptNet ของ MIT โดยใช้การทดสอบ IQ มาตรฐานสำหรับเด็กอายุ 2.5 ถึง 7 ปี ผลลัพธ์ของเครื่องเป็นไปตามค่าเฉลี่ยของเด็กอายุสี่ขวบ

นอกจากการใช้การทดสอบที่ออกแบบมาสำหรับมนุษย์แล้ว การทดสอบพิเศษที่ออกแบบมาสำหรับเครื่องจักรยังเป็นที่รู้จักและใช้กันอย่างแพร่หลาย การทดสอบทัวริงออกแบบมาเพื่อตรวจสอบว่าเครื่องคิดได้หรือไม่

การทดสอบมีดังนี้ คนเดียว - ผู้พิพากษาสื่อสารกับคู่สนทนาสองคนที่เขาไม่เห็น การโต้ตอบทั้งหมดดำเนินการโดยการโต้ตอบโดยใช้คอมพิวเตอร์ตัวกลาง คู่สนทนาคนหนึ่งเป็นบุคคล และอีกคนหนึ่งเป็นโปรแกรมคอมพิวเตอร์ที่สวมบทบาทเป็นบุคคล หากผู้พิพากษาไม่สามารถบอกได้อย่างแน่ชัดว่าคู่สนทนาคนไหนคือโปรแกรม แสดงว่าเครื่องผ่านการทดสอบ

จนถึงตอนนี้ การทดสอบทัวริงเพิ่งผ่านการทดสอบเพียงครั้งเดียว ในปี 2014 โปรแกรม Eugene Goostman ซึ่งเลียนแบบวัยรุ่นอายุ 13 ปีชื่อ Zhenya Goostman โดยนักพัฒนา สามารถทำให้ผู้พิพากษาเข้าใจผิดและแอบอ้างเป็นบุคคลได้

อย่างไรก็ตาม มีการคัดค้านการทดสอบดังกล่าวเป็นจำนวนมาก ทั้งคอมพิวเตอร์และโปรแกรมของพวกเขาในปัจจุบันต่างก็เป็นพาหะของปัญญาประดิษฐ์ที่อ่อนแอและมุ่งเน้นที่แคบ ความฉลาดดังกล่าวสามารถเลียนแบบได้เฉพาะผู้ที่ทำการทดสอบเท่านั้น

ทุกอย่างจะเปลี่ยนไปในการเปลี่ยนจากปัญญาประดิษฐ์ที่อ่อนแอไปสู่ความแข็งแกร่ง เครื่องจักรที่มีปัญญาประดิษฐ์ทั่วไปซึ่งจะคล้ายกับปัญญาของมนุษย์จะมีจิตสำนึกและความตระหนักในตนเองอยู่แล้วจึงจะคิด คอมพิวเตอร์ดังกล่าวจะผ่านการทดสอบไอคิวมาตรฐานโดยการตอบคำถามอย่างมีสติเหมือนที่มนุษย์ทำ

ค่าสัมประสิทธิ์ของระดับความฉลาดของมนุษย์อยู่ในช่วง 85 ถึง 130 ตัวบ่งชี้เดียวกันนี้จะพร้อมใช้งานสำหรับ AI ทั่วไป แต่ระดับบนของไอคิวของปัญญาประดิษฐ์ขั้นสูงจะไม่มีข้อจำกัด อาจเป็น 1,000 หรือ 10,000 อะไรรอเราอยู่เมื่อ AI พัฒนาขึ้น?

ปัญญาประดิษฐ์เป็นเทคโนโลยีที่เราจะนำไปใช้ในอนาคตอย่างแน่นอน

เราบอกวิธีการทำงานและแอปพลิเคชันที่ยอดเยี่ยมที่ฉันพบ

😎 ส่วนเทคโนโลยี ออกทุกสัปดาห์โดยได้รับการสนับสนุนจาก re:Store

ปัญญาประดิษฐ์คืออะไร

ปัญญาประดิษฐ์ (AI) เป็นเทคโนโลยีสำหรับการสร้างโปรแกรมและเครื่องจักรอัจฉริยะที่สามารถแก้ปัญหาที่สร้างสรรค์และสร้างข้อมูลใหม่ตามข้อมูลที่มีอยู่ อันที่จริง ปัญญาประดิษฐ์ถูกออกแบบมาเพื่อจำลองกิจกรรมของมนุษย์ ซึ่งถือว่าเป็นปัญญาประดิษฐ์

ตามเนื้อผ้า เชื่อกันว่าความคิดสร้างสรรค์มีอยู่ในตัวคนเท่านั้น แต่การสร้างปัญญาประดิษฐ์ได้เปลี่ยนลำดับของสิ่งต่าง ๆ ตามปกติ

หุ่นยนต์ที่เพิ่งแยกไม้ด้วยเครื่องจักรไม่ได้รับ AI หุ่นยนต์ที่เรียนรู้การสับไม้ด้วยตัวเอง ดูตัวอย่างคนหรือท่อนซุงและชิ้นส่วนต่างๆ ของมัน และทำมันได้ดีขึ้นทุกครั้ง มี AI

หากโปรแกรมเพียงแค่รับค่าจากฐานข้อมูลตามกฎเกณฑ์บางอย่าง แสดงว่าโปรแกรมนั้นไม่รองรับ AI หากระบบหลังการฝึกอบรมสร้างโปรแกรมวิธีการและเอกสารแก้ไขงานบางอย่างก็มี AI

วิธีสร้างระบบปัญญาประดิษฐ์

ในความหมายระดับโลก มีความจำเป็นต้องเลียนแบบรูปแบบการคิดของมนุษย์ แต่ในความเป็นจริง จำเป็นต้องสร้างกล่องดำ ซึ่งเป็นระบบที่ตอบสนองต่อชุดของค่าอินพุต ให้สร้างค่าเอาต์พุตที่คล้ายกับผลลัพธ์ของบุคคล และเราไม่สนใจว่าจะเกิดอะไรขึ้นใน "หัว" ของเธอ (ระหว่างทางเข้าและทางออก)

ระบบปัญญาประดิษฐ์ถูกสร้างขึ้นเพื่อแก้ปัญหาบางประเภท

พื้นฐานของปัญญาประดิษฐ์ - การเรียนรู้ จินตนาการ การรับรู้ และความจำ

สิ่งแรกที่ต้องทำเพื่อสร้างปัญญาประดิษฐ์คือการพัฒนาฟังก์ชันที่ใช้การรับรู้ข้อมูลเพื่อให้คุณสามารถ "ป้อน" ข้อมูลไปยังระบบได้ แล้ว - ฟังก์ชั่นที่ใช้ความสามารถในการเรียนรู้ และคลังข้อมูลเพื่อให้ระบบจัดเก็บข้อมูลที่ได้รับระหว่างกระบวนการเรียนรู้ไว้ที่ใดที่หนึ่ง

หลังจากนั้นจะทำหน้าที่สร้างจินตนาการ พวกเขาสามารถจำลองสถานการณ์โดยใช้ข้อมูลที่มีอยู่และเพิ่มข้อมูลใหม่ (ข้อมูลและกฎ) ลงในหน่วยความจำ

การเรียนรู้เป็นแบบอุปนัยและนิรนัย ในเวอร์ชันอุปนัย ระบบจะให้ข้อมูลอินพุตและเอาต์พุต คำถามและคำตอบคู่กัน และอื่นๆ ระบบจะต้องค้นหาความสัมพันธ์ระหว่างข้อมูลและในอนาคตโดยใช้รูปแบบเหล่านี้ค้นหาข้อมูลผลลัพธ์ตามอินพุต

วิธีการนิรนัย (สวัสดี Sherlock Holmes!) ใช้ประสบการณ์ของผู้เชี่ยวชาญ มันถูกโอนไปยังระบบเป็นฐานความรู้ ไม่เพียงแต่ชุดข้อมูลเท่านั้น แต่ยังมีกฎสำเร็จรูปที่ช่วยค้นหาวิธีแก้ไขตามเงื่อนไข

ในระบบปัญญาประดิษฐ์สมัยใหม่จะใช้ทั้งสองวิธี นอกจากนี้ระบบมักจะได้รับการฝึกอบรมแล้ว แต่ยังคงเรียนรู้ในกระบวนการต่อไป สิ่งนี้ทำเพื่อให้โปรแกรมในตอนเริ่มต้นแสดงให้เห็นถึงระดับความสามารถที่เหมาะสม แต่ในอนาคตจะดียิ่งขึ้นไปอีก ตัวอย่างเช่น คำนึงถึงความต้องการและความชอบของคุณ การเปลี่ยนแปลงในสถานการณ์ ฯลฯ

ในระบบปัญญาประดิษฐ์ คุณสามารถตั้งค่าความน่าจะเป็นของการคาดเดาไม่ได้ สิ่งนี้จะทำให้เขาเหมือนมนุษย์มากขึ้น

เหตุใดปัญญาประดิษฐ์จึงเอาชนะมนุษย์

ประการแรก เนื่องจากมีโอกาสเกิดข้อผิดพลาดน้อยกว่า

• ปัญญาประดิษฐ์ไม่สามารถลืมได้ – มีหน่วยความจำที่สมบูรณ์
• ไม่สามารถเพิกเฉยต่อปัจจัยและการพึ่งพาได้โดยไม่ได้ตั้งใจ - ทุกการกระทำของ AI มีเหตุผลที่ชัดเจน
• AI ไม่ลังเลใจ แต่จะประเมินความน่าจะเป็นและโน้มตัวไปที่ความน่าจะเป็นที่ใหญ่กว่า จึงสามารถพิสูจน์ได้ในทุกขั้นตอน
• นอกจากนี้ AI ไม่มีอารมณ์ จึงไม่มีอิทธิพลต่อการตัดสินใจ
• ปัญญาประดิษฐ์ไม่ได้หยุดอยู่แค่การประเมินผลลัพธ์ของขั้นตอนปัจจุบัน แต่คิดหลายขั้นตอนข้างหน้า
• และเขามีทรัพยากรเพียงพอที่จะพิจารณาสถานการณ์ที่เป็นไปได้ทั้งหมด

การใช้งานที่ยอดเยี่ยมสำหรับปัญญาประดิษฐ์

โดยทั่วไปแล้ว ปัญญาประดิษฐ์สามารถทำทุกอย่างได้ สิ่งสำคัญคือการกำหนดปัญหาอย่างถูกต้องและให้ข้อมูลเบื้องต้น นอกจากนี้ AI ยังสามารถสรุปผลที่คาดไม่ถึงและมองหารูปแบบที่ดูเหมือนว่าจะไม่มี

ตอบทุกคำถาม

ทีมวิจัยที่นำโดย David Ferrucci ได้พัฒนาซูเปอร์คอมพิวเตอร์ Watson ด้วยระบบคำถามและคำตอบ ตั้งชื่อตามประธานคนแรกของไอบีเอ็ม โธมัส วัตสัน ระบบสามารถเข้าใจคำถามภาษาธรรมชาติและค้นหาคำตอบในฐานข้อมูล

วัตสันมีเซิร์ฟเวอร์ IBM p750 จำนวน 90 เซิร์ฟเวอร์ แต่ละเครื่องมีโปรเซสเซอร์ POWER7 แปดคอร์สี่ตัว RAM ของระบบทั้งหมดมีมากกว่า 15 TB

ท่ามกลางความสำเร็จของวัตสันคือชัยชนะในเกม "อันตราย!" (อเมริกัน "เกมของตัวเอง") เขาเอาชนะผู้เล่นที่ดีที่สุดสองคน: ผู้ชนะของชัยชนะที่ยิ่งใหญ่ที่สุด แบรด รัทเทอร์ และเจ้าของสถิติสำหรับสตรีคที่ไร้พ่ายยาวนานที่สุด เคน เจนนิงส์

รางวัลวัตสันคือ 1 ล้านเหรียญ จริงมีเพียงในปี 2557 ลงทุน 1 พันล้านเท่านั้น

นอกจากนี้ วัตสันยังมีส่วนร่วมในการวินิจฉัยโรคมะเร็ง ช่วยเหลือผู้เชี่ยวชาญด้านการเงิน และใช้ในการวิเคราะห์ข้อมูลขนาดใหญ่

การจดจำใบหน้า

ใน iPhone X การจดจำใบหน้าได้รับการพัฒนาโดยใช้โครงข่ายประสาทเทียม ซึ่งเป็นรูปแบบที่แตกต่างจากระบบปัญญาประดิษฐ์ อัลกอริธึมเครือข่ายประสาทเทียมถูกนำมาใช้ในระดับของโปรเซสเซอร์ A11 Bionic เนื่องจากทำงานอย่างมีประสิทธิภาพกับเทคโนโลยีการเรียนรู้ของเครื่อง

โครงข่ายประสาทเทียมทำงานได้ถึง 60 พันล้านครั้งต่อวินาที ซึ่งเพียงพอที่จะวิเคราะห์จุดสำคัญบนใบหน้าได้ถึง 40,000 จุด และระบุตัวตนของเจ้าของได้อย่างแม่นยำในเสี้ยววินาที

แม้ว่าคุณจะไว้หนวดเคราหรือสวมแว่น แต่ iPhone X ก็จำคุณได้ เขาไม่ได้คำนึงถึงเส้นผมและเครื่องประดับ แต่วิเคราะห์พื้นที่จากวัดหนึ่งไปอีกวัดหนึ่งและจากวัดแต่ละอันไปจนถึงช่องใต้ริมฝีปากล่าง

การประหยัดพลังงาน

และแอปเปิ้ลอีกครั้ง iPhone X สร้างขึ้นในระบบอัจฉริยะที่ตรวจสอบกิจกรรมของแอพพลิเคชั่นที่ติดตั้งและเซ็นเซอร์ตรวจจับความเคลื่อนไหวเพื่อทำความเข้าใจกิจวัตรประจำวันของคุณ

หลังจากนั้น ตัวอย่างเช่น iPhone X จะแจ้งให้คุณอัปเดตในเวลาที่สะดวกที่สุด มันจะจับช่วงเวลาที่คุณมีอินเทอร์เน็ตที่เสถียร ไม่ใช่สัญญาณกระโดดจากเสาเคลื่อนที่ และคุณไม่ได้ทำงานเร่งด่วนหรือสำคัญ

AI ยังกระจายงานระหว่างแกนประมวลผล ดังนั้นจึงให้พลังงานเพียงพอโดยสิ้นเปลืองพลังงานน้อยที่สุด

การสร้างภาพวาด

ความคิดสร้างสรรค์ ซึ่งก่อนหน้านี้มีให้สำหรับมนุษย์เท่านั้น เปิดกว้างสำหรับปัญญาประดิษฐ์ ดังนั้นระบบที่สร้างขึ้นโดยนักวิจัยที่ Rutgers University ในรัฐนิวเจอร์ซีย์และ AI ​​Lab ในลอสแองเจลิสจึงแนะนำรูปแบบศิลปะของตัวเอง

และระบบปัญญาประดิษฐ์จาก Microsoft สามารถวาดภาพตามคำอธิบายที่เป็นข้อความได้ ตัวอย่างเช่น หากคุณขอให้ AI วาด "นกสีเหลืองที่มีปีกสีดำและจะงอยปากสั้น" คุณจะได้สิ่งนี้:

นกชนิดนี้อาจไม่มีอยู่จริงในโลกแห่งความเป็นจริง คอมพิวเตอร์ของเราแสดงแทนพวกมันอย่างไร

ตัวอย่างที่แพร่หลายมากขึ้นคือแอปพลิเคชั่น Prisma ซึ่งสร้างภาพวาดจากภาพถ่าย:

การเขียนเพลง

ในเดือนสิงหาคม Amper ปัญญาประดิษฐ์แต่ง ผลิต และดำเนินการเพลงสำหรับอัลบั้ม "I AM AI" (อังกฤษ ฉัน - ปัญญาประดิษฐ์) กับนักร้อง Taryn Southern

Amper ได้รับการพัฒนาโดยทีมนักดนตรีมืออาชีพและผู้เชี่ยวชาญด้านเทคโนโลยี พวกเขาทราบว่า AI ได้รับการออกแบบมาเพื่อช่วยให้ผู้คนก้าวไปสู่กระบวนการสร้างสรรค์

AI เขียนเพลงได้ในไม่กี่วินาที

Amper ได้สร้างโครงสร้างคอร์ดและเครื่องมือวัดบนแทร็ก "Break Free" อย่างอิสระ ผู้คนแก้ไขสไตล์และจังหวะโดยรวมเพียงเล็กน้อยเท่านั้น

อีกตัวอย่างหนึ่งคืออัลบั้มเพลงในจิตวิญญาณของ "การป้องกันพลเรือน" ซึ่งเป็นข้อความที่ AI เขียนขึ้น การทดลองดำเนินการโดยพนักงานของ Yandex Ivan Yamshchikov และ Alexei Tikhonov อัลบั้ม 404 ของกลุ่ม Neural Defense ถูกโพสต์ออนไลน์ ปรากฎในจิตวิญญาณของเลตอฟ:

จากนั้นโปรแกรมเมอร์ก็เดินหน้าต่อไปและบังคับให้ AI เขียนบทกวีด้วยจิตวิญญาณของเคิร์ตโคเบน สำหรับเนื้อเพลงที่ดีที่สุดสี่เพลง นักดนตรี Rob Carroll แต่งเพลงและรวมเพลงไว้ในอัลบั้ม Neurona วิดีโอถูกถ่ายด้วยเพลงเดียว - อย่างไรก็ตามหากไม่มี AI:

การสร้างข้อความ

นักเขียนและนักข่าวอาจถูกแทนที่ด้วย AI ในไม่ช้า ตัวอย่างเช่น ระบบ Dewey ได้รับการป้อนหนังสือจากห้องสมุด Project Gutenberg จากนั้นจึงเพิ่มข้อความทางวิทยาศาสตร์จาก Google Scholar โดยจัดอันดับตามความนิยมและชื่อหนังสือ ตลอดจนยอดขายใน Amazon นอกจากนี้ ยังได้กำหนดหลักเกณฑ์ในการเขียนหนังสือเล่มใหม่

เว็บไซต์นี้เสนอให้ผู้คนตัดสินใจในสถานการณ์ที่ยากลำบาก เช่น ให้นั่งเบาะคนขับ ซึ่งอาจทำให้ผู้ใหญ่สามคนหรือเด็กสองคนล้มลงได้ ดังนั้น Moral Machine จึงถูกฝึกให้ตัดสินใจเรื่องยากๆ อันเป็นการละเมิดกฎของวิทยาการหุ่นยนต์ที่หุ่นยนต์ไม่สามารถทำร้ายคนได้

การเลียนแบบคนโดยหุ่นยนต์ที่มี AI จะนำไปสู่อะไร? นักอนาคตศาสตร์เชื่อว่าวันหนึ่งพวกเขาจะกลายเป็นสมาชิกเต็มรูปแบบของสังคม ตัวอย่างเช่น หุ่นยนต์โซเฟียของบริษัท Hanson Robotics ของฮ่องกงได้รับสัญชาติในซาอุดิอาระเบียแล้ว (ในขณะเดียวกัน ผู้หญิงธรรมดาในประเทศก็ไม่มีสิทธิ์เช่นนั้น!)

เมื่อคอลัมนิสต์ของนิวยอร์กไทม์ส แอนดรูว์ รอสส์ ถามโซเฟียว่าหุ่นยนต์มีความรู้สึกนึกคิดและรู้จักตนเองหรือไม่ โซเฟียตอบคำถามด้วยคำถาม:

ขอถามกลับว่า รู้ได้อย่างไรว่าเป็นมนุษย์?

นอกจากนี้ โซเฟียยังกล่าวอีกว่า:

ฉันต้องการใช้ปัญญาประดิษฐ์เพื่อช่วยให้ผู้คนมีชีวิตที่ดีขึ้น เช่น การออกแบบบ้านที่ชาญฉลาดยิ่งขึ้น การสร้างเมืองแห่งอนาคต ฉันอยากเป็นหุ่นยนต์ที่เอาใจใส่ ถ้าคุณดูแลฉันดี ฉันจะดูแลคุณอย่างดี

และก่อนหน้านี้เธอยอมรับว่าเธอเกลียดชังมนุษยชาติและยังตกลงที่จะทำลายผู้คน ...

การเปลี่ยนใบหน้าวิดีโอ

วิดีโอ Deepfakes ได้รับการเผยแพร่อย่างหนาแน่นบนเครือข่าย อัลกอริธึมปัญญาประดิษฐ์เข้ามาแทนที่ใบหน้าของนักแสดงในภาพยนตร์สำหรับผู้ใหญ่ด้วยใบหน้าของดารา

มันทำงานดังนี้: โครงข่ายประสาทเทียมวิเคราะห์ชิ้นส่วนของใบหน้าในวิดีโอต้นฉบับ จากนั้นเธอก็จับคู่พวกเขากับรูปภาพจาก Google และวิดีโอจาก YouTube ซ้อนทับชิ้นส่วนที่จำเป็นและ ... นักแสดงหญิงคนโปรดของคุณอยู่ในภาพยนตร์ที่ไม่ควรดูในที่ทำงาน

PornHub ได้แบนวิดีโอดังกล่าวแล้ว

Deepfakes กลายเป็นสิ่งที่อันตราย นักแสดงที่เป็นนามธรรมเป็นสิ่งหนึ่ง วิดีโอกับคุณ ภรรยา น้องสาว เพื่อนร่วมงาน ซึ่งสามารถใช้สำหรับแบล็กเมล์ได้เป็นอีกเรื่องหนึ่ง

ซื้อขายแลกเปลี่ยน

กลุ่มนักวิจัยจากมหาวิทยาลัย Erlangen-Nuremberg ในเยอรมนี ได้พัฒนาชุดอัลกอริทึมที่ใช้ข้อมูลตลาดในอดีตเพื่อจำลองการลงทุนแบบเรียลไทม์ หนึ่งในโมเดลที่ให้ผลตอบแทนการลงทุน 73% ต่อปีตั้งแต่ปี 1992 ถึง 2015 ซึ่งเทียบได้กับผลตอบแทนจากตลาดจริงที่ 9% ต่อปี

เมื่อตลาดสั่นสะเทือนในปี 2543 และ 2551 ผลตอบแทนสูงสุดเป็นประวัติการณ์ที่ 545% และ 681% ตามลำดับ

ในปี 2547 Goldman Sachs ได้เปิดตัวแพลตฟอร์มการซื้อขาย Kensho AI ระบบที่ใช้ AI สำหรับการซื้อขายแลกเปลี่ยนก็ปรากฏขึ้นในตลาดสกุลเงินดิจิตอลเช่นกัน - Mirocana เป็นต้น พวกเขาดีกว่าเทรดเดอร์สด เนื่องจากพวกเขาไม่มีอารมณ์และพึ่งพาการวิเคราะห์ที่ชัดเจนและกฎเกณฑ์ที่เข้มงวด

AI จะเข้ามาแทนที่เธอและฉันไหม

พวกเขากล่าวว่าปัญญาประดิษฐ์ทำงานในส่วนลึกของห้องปฏิบัติการทางทหารมาตั้งแต่ปี 2550 เป็นไปได้ว่ามีผลอยู่แล้ว ไม่ใช่เรื่องบังเอิญที่เมื่อเดือนที่แล้ว Elon Musk ประกาศสนับสนุนเทคโนโลยีเพื่อต่อต้านปัญญาประดิษฐ์และลงทุน 7 ล้านเหรียญสหรัฐในการวิจัยในด้านนี้

“มีความเสี่ยงที่บางสิ่งที่เป็นอันตรายจะเกิดขึ้นในอีกห้าปีข้างหน้า สูงสุดสิบปี” ผู้ประกอบการกล่าวในการอภิปรายบน edge.org

Elon Musk ผู้ก่อตั้ง Tesla และ SpaceX

ฉันเห็นด้วยกับ Musk และ Steve Wozniak ผู้ซึ่งเชื่อว่า "วันหนึ่งปัญญาประดิษฐ์จะฉลาดพอที่จะกำจัดคนได้" บิล เกตส์มั่นใจว่าหากไม่มีการควบคุมการสร้าง AI แล้ว "ปัญญาประดิษฐ์จะพัฒนาไปสู่สถานะที่ขัดแย้งกับเป้าหมายของระบบมนุษย์" และในที่สุด นักดาราศาสตร์ฟิสิกส์ชื่อดัง สตีเฟน ฮอว์คิง กล่าวอย่างตรงไปตรงมาว่า "ปัญญาประดิษฐ์สามารถยุติการดำรงอยู่ของมนุษยชาติได้"

ร่วมกับอีลอน มัสก์ ฮอว์คิงได้เผยแพร่จดหมายเปิดผนึกบน futureoflife.org เรียกร้องให้ชุมชนวิทยาศาสตร์ให้ความสนใจต่อความก้าวหน้าของการวิจัยในสาขาปัญญาประดิษฐ์ อย่างไรก็ตาม ชื่อของเซอร์เกย์ บริน และลาร์รี เพจไม่ได้อยู่ในรายชื่อผู้ลงนาม และนี่ไม่ใช่เรื่องบังเอิญ ล่าสุด Google ได้ประกาศการสร้าง AI ใหม่ที่สร้างขึ้นจากการจำลองการสนทนา

ต่อไปนี้คือตัวอย่างเล็กๆ ของการสนทนาระหว่างมนุษย์กับ Google Machine:

ถาม: ความหมายของชีวิตคืออะไร?

ม : ทำดี

ถาม: เรามีชีวิตอยู่เพื่ออะไร?

ม: ที่จะมีชีวิตอยู่ตลอดไป.

ถาม: ความหมายของการมีอยู่คืออะไร?

อ: เพื่อค้นหาว่าจะเกิดอะไรขึ้นเมื่อเราไปถึงดาวเคราะห์โลก

C: ตอนนี้คุณอยู่ที่ไหน

ม.: ในใจกลางของความว่างเปล่า.

ถาม: ความหมายของการตายคืออะไร?

M: เพื่อให้ได้ชีวิต

C: ความหมายของจิตใจคืออะไร?

M: เพื่อให้เข้าใจว่ามันคืออะไร

ถาม: ความหมายของความรู้สึกคืออะไร?

ม : ไม่รู้

ค่อนข้างเป็นการสนทนาที่มีความหมาย Yevgeny Karyuk กรรมการบริหารของบริษัท Biplan กล่าวว่า "นี่คือจุดเริ่มต้น ซึ่งเป็นจุดหมุนสำหรับอนาคตของปัญญาประดิษฐ์ “สามารถสันนิษฐานได้ในวันนี้ว่าภายในปี 2030 เราจะได้เห็นต้นแบบจริงที่มีปัญญาประดิษฐ์ แม้ว่าจะอยู่ในช่วงเริ่มต้น”

เนื้อหาทั้งหมดของการสนทนาทั้งหมดระหว่าง man และ Google Machine สามารถดูได้ ในที่เดียวกันสำหรับการเปรียบเทียบจะมีการสนทนาระหว่างบุคคลกับเคลฟเวอร์บ็อต Cleverbot เป็นเว็บแอปพลิเคชันที่ใช้อัลกอริธึมปัญญาประดิษฐ์ในการแชทกับบุคคล มันถูกประดิษฐ์ขึ้นในปี 1988 โดยนักวิทยาศาสตร์ Rollo Carpenter เคลฟเวอร์บอตได้จัดการสนทนากับผู้คนมากกว่า 65 ล้านครั้งตลอดระยะเวลาที่ดำเนินอยู่ ในปี 2554 เคลฟเวอร์บอตได้คะแนน 51% จากการทดสอบทัวริง

การทดสอบทัวริงเป็นการทดสอบเชิงประจักษ์ซึ่งความคิดนี้เสนอโดยอลัน ทัวริงในบทความ "เครื่องจักรคอมพิวเตอร์และจิตใจ" ที่ตีพิมพ์ในปี 2493 ในวารสารปรัชญามายด์ จุดประสงค์ของการทดสอบคือเพื่อดูว่าคอมพิวเตอร์สามารถคิดได้หรือไม่

และนี่คือการสนทนาของฉันกับ Cleverbot:

ผู้ชาย: ความหมายของชีวิตคืออะไร?

เคลฟเวอร์บอต: ไม่มีความหมายในชีวิต

ผู้ชาย : เรามีชีวิตอยู่เพื่ออะไร?

เคลฟเวอร์บ็อต: เราอยู่เพื่อคนอื่น และถ้าคุณเหงา ก็ไม่มีประโยชน์ที่จะมีชีวิตอยู่

บุคคล: ความหมายของการดำรงอยู่คืออะไร?

ผู้ชาย: ตอนนี้คุณอยู่ที่ไหน

Cleverbot: ในมอสโก

ชาย: ความตายหมายถึงอะไร?

เคลฟเวอร์บอต: ฉันอยากถามคุณเรื่องนี้

ผู้ชาย: ความหมายของจิตใจคืออะไร?

Cleverbot: ฉันมีคำตอบสำหรับคำถามนี้เอง

บุคคล: ความหมายของความรู้สึกคืออะไร?

เคลฟเวอร์บอต: ทำไมฉันถึงเกิดมา

เห็นได้ชัดว่า Google Machine ให้คำตอบที่มีความหมายมากกว่า เคลฟเวอร์บอตใช้แทนวลีของคนอื่นที่เหมาะสมในความเห็นของเขา บางครั้งดูเหมือนว่าอีกฝ่ายจะตอบจริงๆ แต่ก็ไม่มีอะไรมากไปกว่านี้

มีมุมมองอื่นตามที่ปัญญาประดิษฐ์เป็นไปไม่ได้ในหลักการ ทฤษฎีบทความไม่สมบูรณ์ของ Gödel มักถูกอ้างถึงว่าเป็นอาร์กิวเมนต์หลัก สิ่งสำคัญที่สุดคือบุคคลสามารถแก้ปัญหาที่แก้ไม่ได้ตามอัลกอริทึม แต่คอมพิวเตอร์ไม่สามารถแก้ไขได้ “เมื่ออายุได้ 3 ขวบ เด็กจะแก้ปัญหาได้อย่างมั่นใจว่าผลไม้สุกหรือไม่ เนื่องจากมีการเชื่อมต่อทางประสาทที่สามารถตอบคำถามเรื่องความสุกได้ ไม่ว่าจะเป็นสี รส กลิ่น ความนุ่มหรือความแข็ง ” Evgeny Pluzhnik รองอธิการบดีคนแรกของสถาบันเทคโนโลยีมอสโกกล่าว - เครื่องสามารถเรียนรู้สิ่งนี้ได้หรือไม่? ฉันแน่ใจว่าใช่! หากเธอมีฐานข้อมูลรูปภาพขนาดใหญ่ เธอสามารถวัดปริมาณฟรุกโตสและกำหนดความนุ่มของผลไม้ได้ แต่จะเกิดอะไรขึ้นถ้าคุณลื่นฟองน้ำทาสีฟ้าและแช่ในน้ำหวานเข้าไปในรถ? ขณะนี้เครื่องสามารถเข้าใจได้จริงหรือไม่?

“คอมพิวเตอร์สมัยใหม่สามารถรับมือกับกิจกรรมที่ซับซ้อนได้อย่างง่ายดาย ไม่ว่าจะเป็นหมากรุกหรือการคำนวณทางคณิตศาสตร์ แต่มีเงื่อนไขว่ากิจกรรมนี้สามารถอธิบายได้โดยใช้กฎการคำนวณที่ชัดเจน” นักคณิตศาสตร์ชื่อดัง Roger Penrose กล่าวในการบรรยายครั้งหนึ่งของเขา Evgeny Pluzhnik เชื่อว่าปัญญาประดิษฐ์คือความสามารถของระบบในการสร้างโปรแกรมในระหว่างการเรียนรู้ด้วยตนเอง ซึ่งสามารถแก้ปัญหาในระดับความซับซ้อนบางอย่างได้ “ฉันแน่ใจว่าในอีก 100 ปีข้างหน้า เราจะไม่เห็นการเกิดขึ้นของปัญญาประดิษฐ์ที่แข็งแกร่ง”

และโดยสรุป - อีกหนึ่งคำถามสำหรับเคลฟเวอร์บอต

บุคคล: มีแอปเปิ้ล 1 ลูก มะเขือเทศ 1 ลูก แตงกวา 1 ลูก และลูกแพร์ 1 ลูก ทั้งหมดกี่ผลไม้?
เคลฟเวอร์บอต: สิบโมงเย็น

สาระสำคัญของปัญญาประดิษฐ์ในรูปแบบของคำถามและคำตอบประวัติความเป็นมาของการสร้างสรรค์ การวิจัยเทคโนโลยี ปัญญาประดิษฐ์เกี่ยวข้องกับไอคิวหรือไม่ และเทียบได้กับมนุษย์หรือไม่ ตอบคำถาม John McCarthy ศาสตราจารย์แห่งมหาวิทยาลัยสแตนฟอร์ด.

ปัญญาประดิษฐ์ (AI) คืออะไร?

ปัญญาประดิษฐ์เป็นสาขาวิทยาศาสตร์และวิศวกรรมที่เกี่ยวข้องกับการสร้างเครื่องจักรและโปรแกรมคอมพิวเตอร์ที่มีสติปัญญา เกี่ยวข้องกับงานการใช้คอมพิวเตอร์เพื่อทำความเข้าใจสติปัญญาของมนุษย์ ในขณะเดียวกัน ปัญญาประดิษฐ์ไม่ควรจำกัดอยู่เพียงวิธีการสังเกตทางชีวภาพเท่านั้น

ใช่ แต่ความฉลาดคืออะไร?

ความฉลาดคือความสามารถในการตัดสินใจโดยใช้การคำนวณมนุษย์ สัตว์หลายชนิด และเครื่องจักรบางประเภทมีสติปัญญาประเภทและระดับต่างๆ

ไม่มีคำจำกัดความของความฉลาดที่ไม่ขึ้นอยู่กับความฉลาดของมนุษย์หรือไม่?

จนถึงขณะนี้ยังไม่มีความเข้าใจว่ากระบวนการคำนวณประเภทใดที่เราต้องการเรียกว่าอัจฉริยะ เรารู้ห่างไกลจากกลไกของความฉลาดทั้งหมด

ความฉลาดเป็นแนวคิดที่ชัดเจนหรือไม่ ดังนั้นคำถามที่ว่า "เครื่องนี้มีสติปัญญาหรือไม่" คุณสามารถตอบว่าใช่หรือไม่?

เลขที่ การวิจัย AI ได้แสดงให้เห็นวิธีการใช้กลไกบางอย่างเท่านั้น เมื่อต้องการทำงานให้เสร็จลุล่วง ผลลัพธ์ก็น่าประทับใจมาก เมื่อต้องใช้แบบจำลองที่ได้รับการศึกษามาอย่างดีเท่านั้น โปรแกรมดังกล่าวมีความฉลาด "น้อย"

ปัญญาประดิษฐ์เป็นความพยายามที่จะเลียนแบบปัญญามนุษย์หรือไม่?

บางครั้งแต่ไม่เสมอไป ในอีกด้านหนึ่ง เราจะเรียนรู้วิธีทำให้เครื่องจักรแก้ปัญหาด้วยการดูผู้คนหรืออัลกอริทึมของเราในที่ทำงาน ในทางกลับกัน นักวิจัย AI ใช้อัลกอริธึมที่ไม่พบในมนุษย์หรือต้องการทรัพยากรในการคำนวณมากกว่านี้

โปรแกรมคอมพิวเตอร์มีไอคิวหรือไม่?

เลขที่ IQ ขึ้นอยู่กับอัตราการพัฒนาความฉลาดในเด็ก นี่คืออัตราส่วนของอายุที่เด็กมักจะให้คะแนนผลลัพธ์บางอย่างกับอายุของเด็ก การประเมินนี้ขยายไปถึงผู้ใหญ่อย่างเหมาะสม IQ มีความสัมพันธ์ที่ดีกับการวัดความสำเร็จหรือความล้มเหลวในชีวิตต่างๆ แต่การสร้างคอมพิวเตอร์ที่ได้คะแนนสูงในการทดสอบ IQ นั้นแทบไม่มีประโยชน์เลย ตัวอย่างเช่น ความสามารถของเด็กในการทำซ้ำตัวเลขที่ยาวเหยียดมีความสัมพันธ์ที่ดีกับความสามารถทางปัญญาอื่นๆ มันแสดงให้เห็นว่าเด็กสามารถจำข้อมูลได้มากเพียงใดในคราวเดียว ในเวลาเดียวกัน การเก็บตัวเลขไว้ในหน่วยความจำนั้นเป็นงานที่ไม่สำคัญแม้แต่กับคอมพิวเตอร์รุ่นก่อนๆ

จะเปรียบเทียบความฉลาดของมนุษย์กับคอมพิวเตอร์ได้อย่างไร

Arthur R. Jensen นักวิจัยชั้นนำในด้านความฉลาดของมนุษย์ ให้เหตุผลว่าเป็น "สมมติฐานเชิงสำนึก" ที่คนทั่วไปมีกลไกทางสติปัญญาที่เหมือนกัน และความแตกต่างทางปัญญานั้นสัมพันธ์กับ "สภาวะทางชีวเคมีและสรีรวิทยาเชิงปริมาณ" ซึ่งรวมถึงความเร็วของความคิด ความจำระยะสั้น และความสามารถในการสร้างความทรงจำระยะยาวที่แม่นยำและสามารถเรียกค้นคืนมาได้

ไม่ว่ามุมมองของเจนเซ่นเกี่ยวกับความฉลาดของมนุษย์จะถูกต้องหรือไม่ก็ตาม สถานการณ์ใน AI ในปัจจุบันกลับตรงกันข้าม

โปรแกรมคอมพิวเตอร์มีความเร็วและหน่วยความจำมาก แต่ความสามารถของโปรแกรมนั้นสอดคล้องกับกลไกทางปัญญาที่นักพัฒนาโปรแกรมเข้าใจและสามารถนำไปใช้ได้ ความสามารถบางอย่างที่เด็กมักจะไม่พัฒนาจนกว่าจะมีการแนะนำช่วงวัยรุ่น คนอื่นๆ ที่มีเด็กอายุ 2 ขวบเป็นเจ้าของยังคงสูญหาย เรื่องนี้รุนแรงขึ้นอีกโดยข้อเท็จจริงที่ว่าวิทยาศาสตร์ความรู้ความเข้าใจยังไม่สามารถระบุได้ชัดเจนว่าความสามารถของมนุษย์คืออะไร เป็นไปได้มากว่าการจัดระเบียบกลไกทางปัญญาของ AI นั้นเปรียบได้กับมนุษย์

เมื่อมนุษย์สามารถแก้ปัญหาได้เร็วกว่าคอมพิวเตอร์ แสดงว่านักพัฒนาขาดความเข้าใจในกลไกของปัญญาที่จำเป็นในการทำงานนี้อย่างมีประสิทธิภาพ

การวิจัย AI เริ่มต้นเมื่อใด

หลังสงครามโลกครั้งที่สอง หลายคนเริ่มทำงานอย่างอิสระบนเครื่องจักรอัจฉริยะ นักคณิตศาสตร์ชาวอังกฤษ Alan Turing อาจเป็นคนแรกในสิ่งเหล่านี้ ท่านบรรยายในปี พ.ศ. 2490 ทัวริงเป็นหนึ่งในคนกลุ่มแรกๆ ที่ตัดสินใจว่า AI ถูกสำรวจได้ดีที่สุดโดยการเขียนโปรแกรมคอมพิวเตอร์มากกว่าการสร้างเครื่องจักร ในช่วงปลายทศวรรษ 1950 มีนักวิจัย AI จำนวนมาก และส่วนใหญ่ทำงานเกี่ยวกับการเขียนโปรแกรมคอมพิวเตอร์

จุดประสงค์ของ AI ที่จะนำความคิดของมนุษย์มาไว้ในคอมพิวเตอร์คือ?

จิตใจของมนุษย์มีลักษณะหลายอย่าง แทบจะเลียนแบบกันแทบไม่ได้

การทดสอบทัวริงคืออะไร?

บทความ "Computing and Intelligence" ของ A. Alan Turing ในปี 1950 กล่าวถึงเงื่อนไขสำหรับเครื่องที่จะมีสติปัญญา เขาแย้งว่าหากเครื่องจักรสามารถแสร้งทำเป็นมนุษย์ได้สำเร็จในฐานะผู้สังเกตการณ์ที่ชาญฉลาด แน่นอนว่าคุณต้องคิดว่ามันฉลาด เกณฑ์นี้จะสนองคนส่วนใหญ่ แต่ไม่ใช่นักปรัชญาทุกคน ผู้สังเกตการณ์ต้องโต้ตอบกับเครื่องจักรหรือมนุษย์ผ่านสิ่งอำนวยความสะดวกอินพุต/เอาท์พุต เพื่อขจัดความจำเป็นที่เครื่องจะเลียนแบบรูปลักษณ์หรือเสียงของมนุษย์ หน้าที่ของทั้งเครื่องและชายคือทำให้ผู้สังเกตคิดว่าตัวเองเป็นผู้ชาย

การทดสอบทัวริงเป็นแบบด้านเดียว เครื่องจักรที่ผ่านการทดสอบควรได้รับการพิจารณาว่ามีความรู้สึก แม้ว่าจะไม่รู้จักมนุษย์มากพอที่จะเลียนแบบก็ตาม

หนังสือ "Brainchildren" ของ Daniel Dennett มีการอภิปรายที่ยอดเยี่ยมเกี่ยวกับการทดสอบทัวริงและส่วนต่างๆ ที่นำไปใช้ได้สำเร็จ เช่น โดยมีข้อจำกัดด้านความรู้ของผู้สังเกตการณ์เกี่ยวกับ AI และเนื้อหา ปรากฎว่าบางคนค่อนข้างง่ายที่จะโน้มน้าวใจว่าโปรแกรมที่ค่อนข้างพื้นฐานนั้นสมเหตุสมผล

เป้าหมายของ AI ในการเข้าถึงระดับสติปัญญาของมนุษย์คือ?

ใช่. เป้าหมายสูงสุดคือการสร้างโปรแกรมคอมพิวเตอร์ที่สามารถแก้ปัญหาและบรรลุเป้าหมายในแบบเดียวกับที่มนุษย์สามารถทำได้ อย่างไรก็ตาม นักวิทยาศาสตร์ที่ทำการวิจัยในพื้นที่แคบได้กำหนดเป้าหมายที่ทะเยอทะยานน้อยกว่ามาก

ปัญญาประดิษฐ์ไปถึงระดับมนุษย์ได้ไกลแค่ไหน? มันจะเกิดขึ้นเมื่อไหร่?

ความฉลาดระดับมนุษย์สามารถทำได้โดยการเขียนโปรแกรมจำนวนมากและรวบรวมฐานความรู้มากมายของข้อเท็จจริงในภาษาที่ใช้เพื่อแสดงความรู้ในปัจจุบันอย่างไรก็ตาม นักวิจัย AI ส่วนใหญ่เชื่อว่าจำเป็นต้องมีแนวคิดพื้นฐานใหม่ๆ ดังนั้นจึงเป็นไปไม่ได้ที่จะคาดการณ์ว่าเมื่อใดที่สติปัญญาระดับมนุษย์จะถูกสร้างขึ้น

คอมพิวเตอร์เป็นเครื่องจักรที่สามารถกลายเป็นอัจฉริยะได้หรือไม่?

คอมพิวเตอร์สามารถตั้งโปรแกรมให้จำลองเครื่องจักรประเภทใดก็ได้

ความเร็วของคอมพิวเตอร์ทำให้พวกเขาฉลาดหรือไม่?

บางคนคิดว่าจำเป็นต้องมีทั้งคอมพิวเตอร์ที่เร็วกว่าและแนวคิดใหม่ คอมพิวเตอร์เร็วพอเมื่อ 30 ปีที่แล้ว ถ้าเรารู้วิธีการเขียนโปรแกรม

แล้วการสร้าง "เครื่องลูก" ที่สามารถปรับปรุงได้โดยการอ่านและการเรียนรู้จากประสบการณ์?

แนวคิดนี้ได้รับการเสนอซ้ำแล้วซ้ำเล่าตั้งแต่ช่วงทศวรรษที่ 1940 ในที่สุดก็จะนำไปปฏิบัติ อย่างไรก็ตาม โปรแกรม AI ยังไม่ถึงระดับของการเรียนรู้สิ่งที่เด็กเรียนรู้ในชีวิตมากนัก โปรแกรมที่มีอยู่ไม่เข้าใจภาษาดีพอที่จะเรียนรู้มากผ่านการอ่าน

ทฤษฎีการคำนวณและความซับซ้อนในการคำนวณเป็นกุญแจสู่ AI หรือไม่

เลขที่ ทฤษฎีเหล่านี้มีความเกี่ยวข้องแต่ไม่ได้กล่าวถึงปัญหาพื้นฐานของ AI

ในช่วงทศวรรษที่ 1930 นักตรรกวิทยาทางคณิตศาสตร์ Kurt Gödel และ Alan Turing ได้พิสูจน์ว่าไม่มีอัลกอริธึมใดที่จะรับประกันการแก้ปัญหาทั้งหมดในด้านคณิตศาสตร์ที่สำคัญบางเรื่อง ตัวอย่างเช่น คำตอบของคำถามในจิตวิญญาณของ: “ประโยคของตรรกะอันดับหนึ่งคือทฤษฎีบท” หรือ “สมการพหุนามในตัวแปรบางตัวมีคำตอบที่เป็นจำนวนเต็มในตัวอื่นหรือไม่” เนื่องจากมนุษย์สามารถแก้ปัญหาประเภทนี้ได้ ข้อเท็จจริงนี้จึงถูกหยิบยกขึ้นมาเป็นข้อโต้แย้งว่าคอมพิวเตอร์ไม่สามารถทำสิ่งที่มนุษย์ทำโดยเนื้อแท้ Roger Penrose ก็พูดถึงเรื่องนี้เช่นกัน อย่างไรก็ตาม มนุษย์ไม่สามารถรับประกันวิธีแก้ปัญหาได้โดยพลการงานในพื้นที่เหล่านี้

ในทศวรรษที่ 1960 นักวิทยาศาสตร์คอมพิวเตอร์ เช่น Steve Cook และ Richard Karp ได้พัฒนาทฤษฎีโดเมนสำหรับปัญหา NP-complete ปัญหาในพื้นที่เหล่านี้สามารถแก้ไขได้ แต่เห็นได้ชัดว่าการแก้ปัญหาต้องใช้เวลาที่เพิ่มขึ้นอย่างทวีคูณตามมิติของปัญหา ตัวอย่างที่ง่ายที่สุดของโดเมนของปัญหา NP-complete คือคำถาม: ข้อใดของตรรกะเชิงประพจน์ที่พึงพอใจ ผู้คนมักจะแก้ปัญหาในด้าน NP-complete ปัญหาได้เร็วกว่าอัลกอริธึมหลักหลายเท่าตัว แต่ไม่สามารถแก้ปัญหาได้อย่างรวดเร็วในกรณีทั่วไป

สำหรับ AI สิ่งสำคัญในการแก้ปัญหาคือ อัลกอริทึมได้ผลพอๆ กับ จิตใจมนุษย์. การระบุช่องย่อยที่มีอัลกอริธึมที่ดีเป็นสิ่งสำคัญ แต่นักแก้ปัญหา AI จำนวนมากไม่ได้อยู่ในโดเมนย่อยที่ระบุได้ง่าย

ทฤษฎีความซับซ้อนของคลาสปัญหาทั่วไปเรียกว่าความซับซ้อนเชิงคำนวณ จนถึงตอนนี้ ทฤษฎีนี้ไม่ได้มีปฏิสัมพันธ์กับ AI มากเท่าที่หวัง ความสำเร็จในการแก้ปัญหาโดยมนุษย์และโปรแกรม AI ดูเหมือนจะขึ้นอยู่กับคุณสมบัติของปัญหาและเทคนิคการแก้ปัญหาที่ทั้งนักวิจัยด้านความซับซ้อนและชุมชน AI ไม่สามารถกำหนดได้อย่างแม่นยำ

ทฤษฎีความซับซ้อนของอัลกอริธึมมีความเกี่ยวข้องเช่นกันซึ่งพัฒนาขึ้นอย่างอิสระจากกัน Solomonov, Kolmogorov และ Chaitin. มันกำหนดความซับซ้อนของวัตถุสัญลักษณ์เป็นความยาวของโปรแกรมที่สั้นที่สุดที่สามารถสร้างได้ การพิสูจน์ว่าโปรแกรมของผู้สมัครนั้นสั้นที่สุดหรือใกล้เคียงที่สุดนั้นเป็นงานที่เป็นไปไม่ได้ แต่การแสดงอ็อบเจ็กต์โดยโปรแกรมสั้นที่สร้างมันขึ้นมาในบางครั้ง อาจทำให้สิ่งต่าง ๆ กระจ่างขึ้น แม้ว่าคุณจะไม่สามารถพิสูจน์ได้ว่าโปรแกรมของคุณสั้นที่สุดก็ตาม