Машины станут такими же умными, как люди


1 000
Примерно
31 августа 2029
прогноз сбудется
В 2029 году, по мнению Курцвейла, искусственный интеллект пройдет признанный тест Тьюринга и достигнет человеческого уровня интеллекта

Сводная информация по прогнозу Редактировать сводную информацию

Сможет ли искусственный интеллект получить разум и стать умнее человека? Сообщения СМИ, аргументы в пользу и против прогноза:

16 августа 2018 - У человека около 86 миллиардов нейронов, а между ними — 150 триллионов синапсов. У каждого синапса порядка тысячи молекулярных триггеров. Если представить мозг в виде компьютера, то у него было бы 150 квадриллионов транзисторов. У суперкомпьютера последнего поколения Summit, запущенного в США в июне этого года, всего 21 миллиард транзисторов. По оценкам футурологов, суперкомпьютер необходимой мощности появится не раньше чем через 100 лет. Чтобы детально симулировать деятельность человеческого мозга, необходимы йоттафлопсы мощности 10 в 24-й степени операций в секунду, а возможностей нынешних машин, измеряемых в сотнях петафлопс (10 в 15-й степени операций в секунду), хватит только на грубую симуляцию нервной системы червя Rotifera, состоящей из надглоточного ганглия и нескольких нервных стволовhttps://ria.ru/science/20180816/1526608414.html

16 августа 2018 - Сегодня в мире реализуют два крупных проекта, чья основная цель — действующая компьютерная модель мозга. В рамках первого — Brain Blue Gene, стартовавшего еще в 2005 году, исследователи создали искусственный аналог неокортекса крысы (части коры больших полушарий головного мозга), состоящего из 31 тысячи нейронов. Чтобы смоделировать небольшой участок крысиного мозга (объемом всего 0,29 кубического миллиметра) и симулировать его работу, понадобились десять лет и вся вычислительная мощность суперкомпьютера Blue Gene (209 терафлопс), разработанного компанией IBM специально для этого проекта. Разработкой модели мозга занимаются ученые из международного проекта Human Brain Project, основанного пять лет назад. Планируется, что действующая модель человеческого мозга будет готова к 2023 году. Сейчас исследователи из Human Brain Project пытаются реконструировать отделы мозга крысы (гиппокамп, мозжечок, сенсомоторная кора, базальные ганглии) и работают над "режимом реального времени", при котором одна секунда функционирования мозга моделировалась бы процессорами тоже за одну секунду. На основе полученных результатов исследователи надеются воссоздать весь мозг грызуна, а впоследствии и человека. https://ria.ru/science/20180816/1526608414.html

09 августа 2018 - В Институте точной механики и вычислительной техники им. С.А. Лебедева РАН при участии АО «Интеллект» прошел испытания робот, в основу обучения которого положен абсолютно новый принцип, копирующий, по словам ученых, алгоритмы познания мира младенцем. Система управления робота была основана на принципах доктора физико-математических наук Александра Жданова. В его концепции, нейрон не требует никакого внешнего супервизора, наблюдающего все входы и выходы нервной сети и настраивающего все веса нейронов методом back propagation, как это делается в современных так называемых искусственных нейросетях — это абсолютно нереально в природе. Биологический нейрон и наша модель имеют всё необходимое, чтобы самим обнаруживать коррелирующие сигналы на своих входах. Искусственный нейрон Жданова может иметь тысячи входов. Он наблюдает за входными сигналами и по определенному автономному правилу сам выращивает свои синапсы. В какой-то момент нейрон как бы говорит себе: «Ага! Эта комбинация сигналов повторялась уже 20 раз. Это не может быть случайностью. Запомню-ка я ее и буду на нее реагировать. С этого момента он начинает сообщать вовне о распознавании этого образа. Один нейрон отвечает за один образ. По словам ученого, это было подтверждено в известных опытах с «нейроном Дженнифер Энистон», когда было обнаружено, что если человек распознает образ актрисы, то срабатывает определенный нейрон. Схема запоминания образов аналогична процессу обучения человека: чтобы мы запомнили нового соседа во дворе, нам надо встретить его несколько раз. Либо он сразу должен произвести на нас сильное впечатление — это еще один алгоритм обучения. Нейрон считается обучившимся, когда ситуация повторилась нужное количество раз. Это количество устанавливается программистом для каждой ситуации индивидуально. Либо образ запоминается с первого раза, но тогда его появление должно сопровождаться очень сильной эмоцией — положительной или отрицательной. Оценка эмоций заложена в линейке нейронов. Если задевается нейрон с одной стороны линейки — машинным мозгом это воспринимается как «невыносимо плохо». С другой стороны линейки — «необыкновенно хорошо». Таким образом, в случае системы управления, основанной на «нейронах Жданова», происходит самообучение робота, а не обучение с учителем, как в случае других нейросетей. Управляющая система робота может ассоциировать слышимые ею слова с реальными ситуациями. Например, если несколько раз при появлении препятствия справа говорить вслух слова «препятствие справа», то робот свяжет эти слова с ситуацией и через некоторое время даже начнет реагировать на эти слова так, как будто он действительно увидел препятствие. Это лишний раз подтверждает биологичность разработанной схемы искусственного мозга. Принцип обучения нейронов без учителя похож на тот, что есть в сетях Хопфилда. При этом точно его не повторяет, так как у Жданова обучается один нейрон, а не сеть. В этом существенное отличие. Его оцифровка «аппарата эмоций» похожа на «обучение с подкреплением» — это целый раздел в машинном обучении, по которому идут эксперименты во всем мире. https://iz.ru/772421/anna-urmantceva/algoritm-poznaniia-v-rossii-sozdan-...

24 июля 2018 - Нынешний уровень развития искусственного интеллекта примерно равен уровню развития годовалого ребёнка. При этом этот ребёнок – часто неосознанно – ведёт себя как слон в посудной лавке. Об этом и многом другом говорили 19 июля 2018 года в Москве на III Форуме Scoring Case Forum. Сейчас нейронные сети способны найти 3-4 случая мошеннических операций из 10 тысяч операций. Однако именно нейронные сети виновны в том, что вам не с того не с сего блокируют обычный перевод. "У меня зуб на искусственный интеллект потому, что недавно я переводил деньги жене и мне заблокировали перевод", - рассказал Илья Мунерман, директор исследовательского подразделения Интерфакс ЛАБ. По его словам, даже разработчики не могут понять, почему машина приняла такое решение, а не другое. Ведущий попросил зал поднять руку тем, кто столкнулся с подобной проблемой. И очень многие руку подняли. https://www.finversia.ru/news/events/iskusstvennyi-intellekt-kak-godoval...

04 июля 2018 - Маркетинговая компания Alimama, приндлежащая Alibaba, представила ИИ-копирайтера. Как только клиенты выберут параметры для своей будущей рекламы, алгоритм приступит к работе со скоростью 20 000 строк рекламного текста в секунду. В компании сообщили, что алгоритм обучен на лучших работах и уже смог пройти тесть Тьюринга, то есть убедил наблюдателя, что он человек. Компания разработала копирайтера в первую очередь для своих собственных интернет-магазинов, таких как Tmall или Taobao. Ежедневно там появляются тысячи новых товаров, которым необходимо рекламное сопровождение. Достаточное количество человеческих ресурсов найти трудно, да и эффективность копирайтеров-людей ниже, считают в Alimama. На помощь пришел ИИ-копирайтер, на вооружении которого стоят последние достижения в области обработки натуральной речи и глубокого обучения. Алгоритм использует эти возможности, чтобы изучать миллионы самых качественных текстов и на их основе делать свои. Разработчики говорят, что клиент может регулировать размер текста, его эмоциональный окрас, выбирать целевую аудиторию.  https://hightech.plus/2018/07/04/ii-kopiraiter-alibaba-proshel-test-tyuringa

27 апреля 2018 - На Нижнетагильском металлургическом комбинате (входит в состав горно-металлургического холдинга ЕВРАЗ) в апреле произошло долгожданное событие - запустили в работу доменную печь № 7. Управляющий директор ЕВРАЗ НТМК и ЕВРАЗ КГОК Алексей Кушнарев: "Прежде всего надо сказать о системе искусственного интеллекта, которая в автоматическом режиме контролирует практически все процессы на доменной печи. Доменщики сидят за пультом, управляют печью, а система им советует, какие решения принять, какой режим работы выбрать".  https://rg.ru/2018/04/26/reg-urfo/evraz-proizvodstva-v-nizhnem-tagile-i-...

13 февраля 2018 - Лаборатория Google DeepMind разработала новый подход к обучению алгоритмов искусственного интеллекта, который позволяет сделать процесс в десять раз эффективнее. Разработчики из лаборатории DeepMind предложили новый алгоритм машинного обучения под названием Importance Weighted Actor-Learner Architectures (IMPALA). Он позволяет отдельным частям обучаться выполнению сразу нескольких задач, а потом обмениваться знаниями между собой. Алгоритм лаборатории DeepMind обучался на недавно выпущенном датасете DMLab-30 — программа тренировалась на 57 играх компании Atari. Как показало тестирование, при наличии достаточного числа процессоров IMPALA может обрабатывать примерно 250 000 кадров в секунду или 21 миллиардов кадров в день. Как пишет The Next Web, это абсолютный рекорд для такого рода задач. Сравнение с A3C показало, что система проходила игры в 10 раз эффективнее и в конце игры имела в два раза больше очков. Кроме того, разработчики отмечают, что новая программа превосходит и все предыдущие системы ИИ, и человекаhttps://nplus1.ru/news/2018/02/13/deepmind-ai-train

23 января 2018Профессор Гари Маркус, бывший глава ИИ-направления в Uber, считает, что ожидания в отношении ИИ сейчас сильно завышены. "Глубокое обучение" — это слово означает лишь то, что у нейронных сетей такого формата много слоев, но ни о какой глубине «мышления» алгоритмов речи не идет. Маркус объясняет успехи ИИ в играх тем, что он хорошо работает только на статических наборах данных. Поэтому алгоритмам подвластны, например, шашки и го. Когда же речь заходит о применении ИИ в медицине, финансах и экономике, то появляется ряд проблем. Например, непрозрачность (о чем речь ниже в новости от 16 января - комментарий 4teller). Алгоритмы глубокого обучения используют миллионы и даже миллиарды параметров. Человеку сложно идентифицировать их привычным для себя способом, что в конечном итоге может привести к тому, что неправильный диагноз или финансовый прогноз будет выдан за правильный. Эта непрозрачность приводит к тому, что ИИ трудно корректировать. Настроить алгоритм нельзя, залезть внутрь тоже нельзя. Другими словами, подход глубокого обучения очень ограничен и мало вероятности, что именно он приведет к созданию так называемого общего ИИ, то есть алгоритма, способного имитировать работу человеческого сознания. 

19 января 2018 - Исследователи из Дартмутского колледжа в США оценили, насколько эффективен алгоритм COMPAS, оценивающий вероятность рецидива преступления у обвиняемых. Программа успешно выявляла преступников-рецидивистов лишь в 65% случаев. Люди без специального образования и опыта вынесения приговоров справлялись с этой задачей в 67% случаев, зная лишь возраст, пол и историю преступлений обвиняемого. Авторы новой работы считают: полагаться на такие алгоритмы в реальной судебной практике пока не стоит — вероятность ошибки слишком велика.

16 января 2018 - Попытка IBM представить суперкомпьютерную программу врачам-онкологам (Watson for Oncology) стала провальной. ИИ обещал предоставить высококачественные рекомендации по лечению 12 видов рака, на долю которых приходится 80% случаев в мире. На сегодняшний день более 14 000 пациентов получили рекомендации на основании его расчетов. Но когда врачи впервые столкнулись с Watson, они оказались в довольно сложной ситуации. С одной стороны, если Watson давал указания относительно лечения, совпадающие с их собственными мнениями, медики не видели большой ценности в рекомендациях ИИ. Суперкомпьютер просто рассказывал им то, что они уже знали, и эти рекомендации не меняли фактического лечения. Это, возможно, давало врачам спокойствие и уверенность в собственных решениях. Но IBM еще не доказала, что Watson действительно увеличивает процент выживаемости с раком. С другой стороны, если Watson давал рекомендации, которые расходились с мнением экспертов, врачи заключали, что Watson некомпетентен. И машина не могла объяснить, почему ее лечение должно сработать, потому что ее алгоритмы машинного обучения были слишком сложными, чтобы их могли понять люди. Соответственно, это приводило к еще большему недоверию, и многие врачи просто игнорировали рекомендации ИИ, полагаясь на собственный опыт. В результате главный медицинский партнер IBM Watson — MD Anderson Cancer Center — недавно сообщил об отказе от программы. Датская больница также сообщила, что отказывается от программы после того, как обнаружила, что врачи-онкологи не согласны с Watson в двух случаях из трех.

09 декабря 2017 - Искусственный интеллект победил лучшего шахматиста, ничего не зная об игре. Свое мастерство AlphaZero приобрел без посторонней помощи, в отличие от всех предыдущих шахматных программ у него не было никаких эмпирических данных, никакой базы с архивами уже сыгранных шахматных партий, никакого знания о шахматных стратегиях и фигурах. Он просто знал, как ходят фигуры, и цель игры. Начав с чистого листа и вооружившись обучающим алгоритмом подкрепления, нейросетью и фигурами на доске перед ним, AlphaZero начал играть сам с собой, снова и снова, оттачивая свои навыки с каждой партией, и если говорить человеческими понятиями времени, провел за игрой в шахматы около 1400 лет за эти четыре часа. Система может обработать 800 000 позиций за секунду. Затем он таким же образом за восемь часов сумел превзойти AlphaGo в го, и за два часа — программу Elmo, которая раньше считалась неоспоримым чемпионом по игре в сёги

6 Августа 2017. Hi-News Практически любому человеку не составит труда, глядя на простенький рисунок, построить ассоциативный ряд и понять, что двухмерный квадратик с треугольником сверху представляет собой дом, а кружок над ним — это солнце. Компьютеры же таким похвастаться не могут. Однако, группа исследователей создала новый алгоритм, способный распознавать двухмерные образы и переводить их в 3D. Новый алгоритм уже прошел успешную серию испытаний и получил название SurfNet. В ходе его разработки на первом этапе эксперты «научили» нейронную сеть самостоятельно преобразовывать различные трехмерные изображения самолетов разных типов в их двухмерные аналоги, которые могут быть трансформированы обратно в трехмерную модель. Разработчики SurfNet утверждают, что алгоритмы, использованные в новой технологии, могут быть применены для упрощения создания трехмерных моделей, для систем дополненной или виртуальной реальности и при разработке видеоигр.

1 Августа 2017. Hi-News Специалисты DeepMind создали новый искусственный интеллект, способный использовать своё воображение для планирования дальнейших действийРазработчики говорят, что программы, оснащенные подобным ИИ, способны более осмысленно подходить к своим действиям, а именно – результату, которого они могут достичь. Они «думают» о своих будущих действиях и лучше предугадывают, какие их поступки впоследствии окажутся наиболее правильными. Новый подход к планированию на основе воображения получил название I2As. Развитие искусственного интеллекта может получить новый виток, если программы научатся использовать воображение, память и начнут проявлять любопытство.

23 Июля 2017. Hi-News Искусственный интеллект развивается большими шагами. В частности, так можно сказать про DeepMind. Компьютерные системы распознавания лиц уже работают достаточно хорошо и даже умеют различать эмоции. Но люди передают информацию не только лишь посредством лица, но и при помощи различных жестов и поз. Так что ученые из Института робототехники университета Карнеги — Меллон решили создать программу, которая с легкостью бы «читала» язык человеческих жестов и интерпретировала полученную информацию, и они ее разработали.

18 Июля 2017. Сообщество ВКонтакте Илон Маск вполне серьезно считает, что искусственный интеллект может стать серьезным противником человечеству, если не предпринимать никаких мер по предотвращению возможных угроз. Как говорит сам Маск: «У меня есть опыт работы с очень продвинутым ИИ и, по моему мнению, людям действительно стоит опасаться их. Я продолжаю бить тревогу, но пока люди не видят роботов, убивающих других людей на улицах, они не знают, как реагировать, поскольку им такой сценарий кажется нереалистичным». И решение этой проблемы Маск видит в должном регулировании. 

8 Июня 2017. Hi-News Рэй Курцвейл — известная фигура в кругах футурологов. По некоторым оценкам, 86% его прогнозов в прошлом сбывались с высокой точностью, среди которых: развал Советского Союза, развитие Интернета и победа компьютера над человеком в шахматной партии. На прошедшей конференции SXSW он заявил, что момент, когда технологии станут умнее людей, — будет в 2045 году. За шестнадцать лет до этого они будут такими же умными, как и мы - в 2029 году.

Другие прогнозы по теме "Искусственный интеллект"

О проекте "Википедии будущего"

16 августа 2018
User Image4teller(85)%
У человека около 86 миллиардов нейронов, а между ними — 150 триллионов синапсов. У каждого синапса порядка тысячи молекулярных триггеров. Если представить мозг в виде компьютера, то у него было бы 150 квадриллионов транзисторов. Такой машины не существует, отметил, выступая на Geek Picnic, Сергей Марков, специалист по машинному обучению. У суперкомпьютера последнего поколения Summit, запущенного в США в июне этого года, всего 21 миллиард транзисторов. По оценкам футуролога Андерса Сандберга и философа Ника Бострома, суперкомпьютер необходимой мощности появится не раньше 2111 года. Нейрофизиолог Генри Маркрам, возглавляющий и Brain Blue Gene, и Human Brain Project, в опубликованной в прошлом году статье предлагал отказаться от "попыток рассчитать срок, за который мы сможем воссоздать мозг с точностью до каждой его молекулы". Основная причина все та же — недостаточная вычислительная мощность современных суперкомпьютеров. Чтобы настолько детально симулировать деятельность человеческого мозга, необходимы йоттафлопсы мощности 10 в 24-й степени операций в секунду, а возможностей нынешних машин, измеряемых в сотнях петафлопс (10 в 15-й степени операций в секунду), хватит только на грубую симуляцию нервной системы червя Rotifera, состоящей из надглоточного ганглия и нескольких нервных стволов. Сегодня в мире реализуют два крупных проекта, чья основная цель — действующая компьютерная модель мозга. В рамках первого — Brain Blue Gene, стартовавшего еще в 2005 году, исследователи создали искусственный аналог неокортекса крысы (части коры больших полушарий головного мозга), состоящего из 31 тысячи нейронов. Чтобы смоделировать небольшой участок крысиного мозга (объемом всего 0,29 кубического миллиметра) и симулировать его работу, понадобились десять лет и вся вычислительная мощность суперкомпьютера Blue Gene (209 терафлопс), разработанного компанией IBM специально для этого проекта. Разработкой такой модели занимаются ученые из международного проекта Human Brain Project, основанного пять лет назад. Ядро исследовательской команды составляют специалисты из Brain Blue Gene, продемонстрировавшие в 2015 году компьютерную симуляцию неокортекса крысы. Планируется, что действующая модель человеческого мозга будет готова к 2023 году. Сейчас исследователи из Human Brain Project пытаются реконструировать отделы мозга крысы (гиппокамп, мозжечок, сенсомоторная кора, базальные ганглии) и работают над "режимом реального времени", при котором одна секунда функционирования мозга моделировалась бы процессорами тоже за одну секунду. На основе полученных результатов исследователи надеются воссоздать весь мозг грызуна, а впоследствии и человека.
9 августа 2018
User Image4teller(85)%
В Институте точной механики и вычислительной техники им. С.А. Лебедева РАН при участии АО «Интеллект» прошел испытания робот, в основу обучения которого положен абсолютно новый принцип, копирующий, по словам ученых, алгоритмы познания мира младенцем. Программа, формирующая алгоритмы обучения, воспроизводит построенную ими функциональную модель мозга и реализована с использованием разработанных специально для этой цели моделей нейрона. В этих моделях воплощается революционное убеждение авторов в том, что сам по себе биологический нейрон — это уже небольшая самообучающаяся система распознавания образов. По двум одинаковым лабиринтам ползают робот и мышонок. И тот и другой демонстрируют одинаковое поведение. Мышонок ощупывает стены усами-вибриссами, робот замечает препятствия своими визуальными и тактильными датчиками. Оба поначалу то и дело натыкаются на препятствия. Но проходит некоторое время, и постепенно и тот, и другой начинают понимать, как им вести себя, чтобы избежать столкновений со стенками лабиринта. Испытуемые перестают натыкаться на стенки, вовремя поворачивая в нужную сторону. Адаптивное поведение робота соответствует поведению новорожденного мышонка, как и способ обучения. Этот эксперимент был проведен в Институте нормальной физиологии РАН под руководством российского нейрофизиолога Константина Анохина в сотрудничестве с учеными Института точной механики и вычислительной техники им. С.А. Лебедева РАН. По результатам эксперимента написана совместная статья под названием «Исследование формирования поведенческих стратегий в биолого-кибернетических экспериментах». Система управления робота была основана на принципах доктора физико-математических наук Александра Жданова: им была предложена оригинальная концепция работы кибернетических устройств, названная принципом автономного адаптивного управления. Схема работы описывает взаимосогласованное решение ряда таких сложных задач, как самообучение распознаванию образов, моделирование эмоций, поиск и накопление знаний, принятие решений. Реализовать такую схему можно разными способами, применяя подходящие методы решения каждой из указанных задач. Но поскольку в природе все эти задачи решаются с помощью нейронов, то авторам пришлось смоделировать новые модели нейронов, соответствующие по своим свойствам биологическому нейрону. — Биологический нейрон — это самостоятельная самообучающаяся система распознавания образов, — поясняет Александр Жданов. — Нейрон не требует никакого внешнего супервизора, наблюдающего все входы и выходы нервной сети и настраивающего все веса нейронов методом back propagation, как это делается в современных так называемых искусственных нейросетях — это абсолютно нереально в природе. Биологический нейрон и наша модель имеют всё необходимое, чтобы самим обнаруживать коррелирующие сигналы на своих входах. Искусственный нейрон Жданова может иметь тысячи входов. Он наблюдает за входными сигналами и по определенному автономному правилу сам выращивает свои синапсы. — В какой-то момент нейрон как бы говорит себе: «Ага! Эта комбинация сигналов повторялась уже 20 раз. Это не может быть случайностью. Запомню-ка я ее и буду на нее реагировать», — говорит Александр Жданов. — С этого момента он начинает сообщать вовне о распознавании этого образа. Один нейрон отвечает за один образ. По словам ученого, это было подтверждено в известных опытах с «нейроном Дженнифер Энистон», когда было обнаружено, что если человек распознает образ актрисы, то срабатывает определенный нейрон. Александр Жданов подчеркивает: несмотря на то что при узнавании Энистон срабатывает множество нейронов, отвечающих за разные составляющие этого образа, — есть один нейрон, отвечающий за итоговый образ. Так происходит поиск закономерностей в потоке информации. Схема запоминания образов аналогична процессу обучения человека: чтобы мы запомнили нового соседа во дворе, нам надо встретить его несколько раз. Либо он сразу должен произвести на нас сильное впечатление — это еще один алгоритм обучения. Нейрон считается обучившимся, когда ситуация повторилась нужное количество раз. Это количество устанавливается программистом для каждой ситуации индивидуально. Либо образ запоминается с первого раза, но тогда его появление должно сопровождаться очень сильной эмоцией — положительной или отрицательной. Оценка эмоций заложена в линейке нейронов. Если задевается нейрон с одной стороны линейки — машинным мозгом это воспринимается как «невыносимо плохо». С другой стороны линейки — «необыкновенно хорошо». Таким образом, в случае системы управления, основанной на «нейронах Жданова», происходит самообучение робота, а не обучение с учителем, как в случае других нейросетей. Там предварительное обучение — обязательно. Еще одно отличие нейроноподобной модели Жданова — способность порождать языковое общение, что в природе является прерогативой человека. Эту способность человека русский физиолог Иван Павлов выделил в специальный тип высшей нервной деятельности, назвав его второй сигнальной системой. Управляющая система робота может ассоциировать слышимые ею слова с реальными ситуациями. Например, если несколько раз при появлении препятствия справа говорить вслух слова «препятствие справа», то робот свяжет эти слова с ситуацией и через некоторое время даже начнет реагировать на эти слова так, как будто он действительно увидел препятствие. Это лишний раз подтверждает биологичность разработанной схемы искусственного мозга. Схема мозга, разработанная Александром Ждановым, выведена не из биологии, а из кибернетической постановки задачи. Ученый поставил цель создать информационную управляющую машину, которая при рождении оказывается в среде с малоизвестными ей свойствами. Она должна уметь приспосабливаться к миру прямо в процессе «жизни», непрерывно обучаясь, дообучаясь и переобучаясь. Поскольку «выживать» ей приходится за счет правильного принятия решений, она вынуждена всё время активно искать знания о свойствах этого мира, чтобы принимаемые ею решения были правильными. В целом схема мозга такова: в своей афферентной части мозг учится распознавать в поступающей из органов чувств информации образы неслучайных явлений, которыми он может оперировать при управлении. Сопоставляя их со своими совершенными действиями, мозг должен понять, как он может вызвать распознавание известных ему образов. Но для управления этого мало, нужна еще целезадающая система, качественно оценивающая состояния-образы и указывающая, какие из них предпочтительнее. Для этого в каждом организме существует аппарат эмоций, именно он оценивает образы, делит их на приятные и неприятные. Для управления нужны знания о том, куда из текущей ситуации можно перейти доступными действиями и хороши или плохи эти возможные результаты. Коллекция этих эмпирически добытых знаний и составляет «базу знаний» живого организма. — В мозге человека она реализована в виде совокупности обучившихся нейронов, собранных в трехмерные матрицы, — объясняет Александр Жданов. — Принимая каждое решение, мозг смотрит в свою базу знаний и выбирает то действие, которое вызовет распознавание образов с максимально лучшими из возможных в данной ситуации эмоциональными оценками. Кроме того, принимая решения, мозг постоянно взвешивает: выбрать ли решение из уже известных, чтобы получить надежный результат, или попробовать что-то новое, неизвестное. Принятые мозгом решения идут на исполняющие устройства, которые переводят бинарные команды в сокращение или расслабление мышц. Так мы идем, летим, плывем, управляем автомобилем, пишем симфонии, двигаем шахматные фигуры. Весь этот алгоритм работы мозга математически формализован и подробно описан в статьях и монографии Александра Жданова. Впрочем, по мнению многих нейрофизиологов, общая схема мало что может сказать о том, как именно происходит работа биологического мозга. — Нет сомнений, что на современной процессорной базе можно построить самые разные алгоритмы для реализации простых и сложных самообучающихся технических систем, — говорит заведующий лабораторией нейрофизиологии и нейроинтерфейсов МГУ им. М.В. Ломоносова Александр Каплан. — Как правило, интеллект этих роботов построен на больших сетях нейроподобных элементов. Сейчас трудно сказать, насколько перспективны системы управления, основанные на «нейронах Жданова», каждый из которых помнит уникальную комбинацию своих эффективных входов, то есть отвечает за конкретный образ или событие. Можно только заметить, что ни один из авторских коллективов, нашедших знаменитые нейроны «Дженнифер Энистон», «Мэрилин Монро» и других известных личностей, в своих статьях не утверждал, что система детектирования предъявляемых испытуемому картинок состоит из одного нейрона. Нейрофизиологи убеждены скорее в том, что элементарные «вычислительные» функции выполняются в мозгу группами нервных клеток. Это обеспечивает высокую надежность мозговых операций и устойчивость всей системы управления к потере отдельных нервных клеток, что случается по естественным причинам каждый день. По мнению заведующего лабораторией нейронных систем и глубокого обучения МФТИ Михаила Бурцева, нейроподобные сети Жданова действительно уникальны по своему строению, но по решению поставленных перед ИИ задач пока не показывают результатов, которые бы могли обеспечить России приоритет в области развития обучения роботехнических систем. — Александр Жданов предлагает сложную модель, которая объединяет разные подходы, — говорит Михаил Бурцев. — Например, его принцип обучения нейронов без учителя похож на тот, что есть в сетях Хопфилда. При этом точно его не повторяет, так как у Жданова обучается один нейрон, а не сеть. В этом существенное отличие. Его оцифровка «аппарата эмоций» похожа на «обучение с подкреплением» — это целый раздел в машинном обучении, по которому идут эксперименты во всем мире. Чтобы эти два подхода были бы объединены, я нигде не встречал.
24 июля 2018
User Image4teller(85)%
Нынешний уровень развития искусственного интеллекта примерно равен уровню развития годовалого ребёнка. При этом этот ребёнок – часто неосознанно – ведёт себя как слон в посудной лавке. Об этом и многом другом говорили 19 июля 2018 года в Москве на III Форуме Scoring Case Forum, который организовала компания Conglomerat. Форум проводится уже в третий раз и привлекает множество экспертов — судя по полным собираемым залам. Но это полные залы узких специалистов, которые, в сущности, говорят на малознакомом языке и о малознакомых вещах. Вот и в этот раз — чтобы были понятны хотя бы каждые три слова из десяти — ведущий Форума Эльман Мехтиев, вице-президент Ассоциации российских банков, всё время извинялся, что ничего не понимает и просил объяснить на пальцах. Понятное дело, что приём такой. Но не только в этом дело. Показательной в этом смысле стала дискуссионная панель на тему «Логистическая регрессия против нейросетей». Первый метод используется на небольших массивах данных, второй — там, где нужно вычленить из огромного массива данных несколько величин. К примеру, нейронные сети способны найти 3-4 случая мошеннических операций из 10 тысяч операций. Однако именно нейронные сети виновны в том, что вам не с того не с сего блокируют обычный перевод. - У меня зуб на искусственный интеллект потому, что недавно я переводил деньги жене и мне заблокировали перевод, - рассказал Илья Мунерман, директор исследовательского подразделения Интерфакс ЛАБ. По его словам, даже разработчики не могут понять, почему машина приняла такое решение, а не другое. Ведущий попросил зал поднять руку тем, кто столкнулся с подобной проблемой. И очень многие руку подняли. Арина Беликина, один из создателей компании Abot Solutions, призналась, что искусственный интеллект (ИИ) в том виде, в котором он сейчас находится, напоминает годовалого ребёнка, который только учится ходить, пытается произнести первые звуки и так далее. - Но я уверена, что всё изменится, не сразу, конечно. Думаю, что не раньше, чем через 10 лет. Пока же все только учатся работать с ИИ, набирают опыт. Прямым подтверждением неразумности ИИ является высокий уровень дефолта по кредитам в России. По словам Ильи Мунермана, нынешний скоринг настолько плох, что даёт кредит человеку, у которого одна работа, но не даёт кредит человеку, у которого работ несколько. Любопытным было выступление Романа Сарачева, руководителя проектов компании ТЕРН, который рассказывал про ИИ в работе специалистов по кадрам. Роман признался, что нынешние скоринговые системы его не видят: - Мне никто не даёт кредит, я выпадаю из системы. - Почему, - спросил ведущий? - Не знаю, - ответил Роман. Тем не менее, индустрия по управлению большими данными не стоит на месте.
Существующие похожие прогнозы
Примерно
17 апреля 2032
прогноз сбудется
Техника и наука
Летающие беспилотные такси могут разгрузить дороги и ускорить поездки. Над этим работает множество людей, и результат уже близок
Примерно
31 декабря 2028
прогноз сбудется
Техника и наука
Компания Vollebak только что выпустила в свет первую в мире графеновую куртку.
(+2)
(+2)
Примерно
4 августа 2035
прогноз сбудется
Техника и наука
Главные задачи этих судов — обеспечение круглогодичной навигации по Северному морскому пути и проведение экспедиций в Арктику.
Примерно
31 декабря 2038
прогноз сбудется
Техника и наука
Microsoft запатентовала технологию, показывающую, что ведется работа над методом бесконтактного ввода, который может найти себе применение в устройствах грядущих Surface
Когда-нибудь
прогноз сбудется
Техника и наука
Techrules представила свой первый электрический суперкар Ren с турбинным приводом
(+1)
(+1)
Когда-нибудь
прогноз сбудется
Техника и наука
Уже сегодня армии по всему миру тестируют автоматизированные системы вооружения, но это только начало. Скоро оборонный сектор будет пронизан технологиями ИИ
Когда-нибудь
прогноз сбудется
Техника и наука
Новый робот-гепард при этом не просто подражает движениям животного, но и является крайне энергоэффективным
Примерно
1 ноября 2027
прогноз сбудется
Техника и наука
Предыдущие станции для исследования Венеры были запущены более 30 лет назад. Последней была советская "Вега-2" - спускаемый аппарат совершил посадку на Венере в 1985 году
(+1)
(+1)
Примерно
26 июля 2040
прогноз сбудется
Техника и наука
Будет разрешена продажа только электромобилей и других экологически чистых машин. Об этом в среду пишет газета The Times.
Примерно
31 декабря 2021
прогноз сбудется
Техника и наука
KIA на выставке CES в Лас-Вегасе озвучила новую стратегию ACE (Autonomous, Connected and Eco). KIA планирует стать мировым лидером по электрификации своих моделей

Политика:    2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Технологии:    2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Экономика:      2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Общество:      2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

Медицина:        2016    2017    2018    2019    2020    2021    2022    2023    2024    2025    2026    2027    2028    2029    2030-е    2040-е    2050-е    2060-е    Избранное 

 

С помощью поиска можно найти прогнозы по любым темам