Hogyan határozzuk meg a mesterséges intelligenciát. Mesterséges intelligencia (AI)

Rámutat: „A probléma az, hogy eddig nem tudjuk általánosságban meghatározni, hogy mely számítási eljárásokat akarjuk intelligensnek nevezni. Az intelligencia egyes mechanizmusait megértjük, másokat nem. Ezért az intelligencia ezen a tudományon belül csak a világ céljainak eléréséhez szükséges képesség számítási összetevőjére vonatkozik."

Ugyanakkor létezik egy álláspont, amely szerint az intelligencia csak biológiai jelenség lehet.

Amint az Orosz Mesterséges Intelligencia Szövetség szentpétervári szervezetének elnöke, T. A. Gavrilova rámutat, angol nyelv kifejezés mesterséges intelligencia nem rendelkezik azokkal a kissé fantasztikus antropomorf felhangokkal, amelyeket a meglehetősen sikertelen orosz fordításban szerzett. Szó intelligencia„a racionális érvelés képességét” jelenti, és egyáltalán nem „intelligenciát”, amire van angol analógja intelligencia .

Az Orosz Mesterséges Intelligencia Szövetség tagjai a következő definíciókat adják a mesterséges intelligencia fogalmára:

Az intelligencia egyik sajátos definíciója, amely közös az emberben és a „gépben” a következőképpen fogalmazható meg: „Az intelligencia egy rendszer azon képessége, hogy öntanulás során (elsősorban heurisztikus) programokat hozzon létre egy bizonyos összetettségi osztályú problémák megoldására. és megoldja ezeket a problémákat."

A legegyszerűbb elektronikát gyakran mesterséges intelligenciának nevezik, hogy jelezzék az érzékelők jelenlétét és az üzemmódok automatikus kiválasztását. A mesterséges szó ebben az esetben azt jelenti, hogy nem szabad elvárni, hogy a rendszer új üzemmódot találjon a fejlesztők által előre nem látott helyzetben.

A mesterséges intelligencia tudomány fejlődésének előfeltételei

A mesterséges intelligencia, mint új tudományos irányzat története a 20. század közepén kezdődik. Ekkorra már számos előfeltétele kialakult keletkezésének: a filozófusok között régóta vita folyik az ember természetéről és a világ megértésének folyamatáról, neurofiziológusok és pszichológusok számos elméletet dolgoztak ki az emberi agy működésével kapcsolatban. és gondolkodók, közgazdászok és matematikusok tettek fel kérdéseket az optimális számításokról és a világgal kapcsolatos ismeretek formalizált formában történő bemutatásáról; végül megszületett a matematikai számításelmélet alapja - az algoritmusok elmélete - és létrejöttek az első számítógépek.

Az új gépek képességei a számítási sebesség tekintetében nagyobbnak bizonyultak, mint az emberieké, így belopózott a kérdés a tudományos közösségbe: mik a számítógépes képességek határai, és vajon a gépek elérik-e az emberi fejlettség szintjét? 1950-ben a számítástechnika egyik úttörője, Alan Turing angol tudós írt egy cikket „Can a Machine Think?” címmel. , amely egy Turing-tesztnek nevezett eljárást ír le, amellyel meg lehet határozni azt a pillanatot, amikor egy gép egyenlővé válik egy emberrel az intelligencia szempontjából.

A mesterséges intelligencia fejlődésének története a Szovjetunióban és Oroszországban

1964-ben Szergej Maszlov leningrádi logikus munkája " Fordított módszer levezethetőség megállapítása a klasszikus predikátumszámításban”, amely elsőként javasolta a tételek bizonyításának automatikus keresésére szolgáló módszert predikátumszámításban.

Az 1970-es évekig a Szovjetunióban minden mesterséges intelligenciával kapcsolatos kutatást a kibernetika keretein belül végeztek. D. A. Pospelov szerint a „számítástechnika” és a „kibernetika” tudományok akkoriban számos akadémiai vita miatt keveredtek. Csak az 1970-es évek végén a Szovjetunióban kezdtek beszélni a „mesterséges intelligencia” tudományos irányáról, mint a számítástechnika egyik ágáról. Ezzel egy időben megszületett maga az informatika is, alárendelve ősét a „kibernetikának”. Az 1970-es évek végén egy magyarázó szótár a mesterséges intelligenciáról, egy háromkötetes kézikönyv a mesterséges intelligenciáról, ill. enciklopédikus szótár az informatikában, amelyben a „Kibernetika” és a „Mesterséges intelligencia” szekciók szerepelnek más részekkel együtt a számítástechnikában. A „számítástechnika” kifejezés az 1980-as években terjedt el, és a „kibernetika” kifejezés fokozatosan eltűnt a forgalomból, és csak azoknak az intézményeknek a nevében maradt, amelyek az 1950-es évek végén - 1960-as évek elején a „kibernetikai fellendülés” korszakában keletkeztek. A mesterséges intelligencia, a kibernetika és a számítástechnika ezen nézetét nem mindenki osztja. Ez annak a ténynek köszönhető, hogy Nyugaton e tudományok határai némileg eltérőek.

Megközelítések és irányok

A probléma megértésének megközelítései

Nincs egyetlen válasz arra a kérdésre, hogy mit csinál a mesterséges intelligencia. Szinte minden szerző könyvet írni a mesterséges intelligencia tekintetében bármilyen definícióból indul ki, figyelembe véve e tudomány vívmányait annak fényében.

csökkenő (angol) Top-Down AI), szemiotikai - szakértői rendszerek, tudásbázisok és rendszerek létrehozása logikai következtetés magas szintű mentális folyamatok szimulálása: gondolkodás, érvelés, beszéd, érzelmek, kreativitás stb.;
növekvő (angol) Alulról felfelé irányuló AI), biológiai – az intelligens viselkedést modellező neurális hálózatok és evolúciós számítások tanulmányozása. biológiai elemek, valamint megfelelő létrehozása számítástechnikai rendszerek, mint például egy neurokomputer vagy egy bioszámítógép.

Ez utóbbi megközelítés szigorúan véve nem tartozik a mesterséges intelligencia tudományához John McCarthy szerint – csak egy közös végső cél köti össze őket.

A Turing-teszt és az intuitív megközelítés

Egy empirikus tesztet javasolt Alan Turing "Computing Machines and Minds" című írásában. Számítástechnikai gépek és intelligencia ), amely 1950-ben jelent meg a "filozófiai folyóiratban" Ész" A teszt célja az emberhez közeli mesterséges gondolkodás lehetőségének meghatározása.

Ennek a tesztnek a standard értelmezése az a következő módon: « Egy személy egy számítógéppel és egy személlyel kommunikál. A kérdésekre adott válaszok alapján meg kell határoznia, hogy kivel beszél: emberrel vagy számítógépes programmal. A számítógépes program célja, hogy félrevezessen egy személyt, hogy rossz döntést hozzon." A teszt résztvevői nem láthatják egymást.

A legáltalánosabb megközelítés azt feltételezi, hogy a mesterséges intelligencia normál helyzetekben képes lesz emberszerű viselkedést tanúsítani. Ez az elképzelés a Turing-teszt megközelítésének általánosítása, amely kimondja, hogy a gép akkor válik intelligenssé, ha képes egy hétköznapi emberrel beszélgetni, és nem lesz képes megérteni, hogy a géppel beszél (a a beszélgetést levelezés útján bonyolítják le).
A sci-fi írók gyakran más megközelítést javasolnak: a mesterséges intelligencia akkor jön létre, amikor egy gép képes érezni és alkotni. Tehát Andrew Martin tulajdonosa a „Bicentennial Man”-ból elkezdi emberként kezelni, amikor saját terve szerint játékot készít. A Star Trek adata pedig kommunikációra és tanulásra képes, érzelmek és intuíció megszerzéséről álmodik.

Ez utóbbi megközelítés azonban alaposabban megvizsgálva aligha állja ki a kritikát. Például nem nehéz olyan mechanizmust létrehozni, amely értékeli a külső vagy belső környezet bizonyos paramétereit, és reagál azok kedvezőtlen értékeire. Egy ilyen rendszerről elmondhatjuk, hogy vannak érzései (a „fájdalom” reakció a sokkérzékelő kioldására, az „éhség” reakció az akkumulátor alacsony töltöttségére stb.). A Kohonen-kártyák és az „intelligens” rendszerek sok más terméke által létrehozott klaszterek pedig a kreativitás egy fajtájának tekinthetők.

Szimbolikus megközelítés

Történelmileg a szimbolikus megközelítés volt az első a digitális gépek korában, hiszen a Lisp, az első szimbolikus számítástechnikai nyelv megalkotása után bízott meg a szerzője abban, hogy képes gyakorlatilag elkezdeni az intelligencia eszközeinek megvalósítását. A szimbolikus megközelítés lehetővé teszi, hogy gyengén formalizált reprezentációkkal és azok jelentéseivel operáljunk.

Az új problémák megoldásának sikere és hatékonysága azon múlik, hogy csak a lényeges információkat tudjuk elkülöníteni, ami rugalmasságot igényel az absztrakciós módszerekben. Míg egy normál program saját maga határozza meg az adatok értelmezésének módját, ezért munkája elfogultnak és tisztán mechanikusnak tűnik. Ebben az esetben az intellektuális problémát csak egy ember, egy elemző vagy egy programozó oldja meg, anélkül, hogy ezt egy gépre tudná bízni. Ennek eredményeként egyetlen absztrakciós modell, konstruktív entitások és algoritmusok rendszere jön létre. A rugalmasság és sokoldalúság pedig jelentős erőforrás-ráfordítást eredményez a nem tipikus feladatokhoz, vagyis a rendszer visszatér az intelligenciából a nyers erőbe.

A szimbolikus számítástechnika fő jellemzője az új szabályok létrehozása a program végrehajtása során. Míg a nem intelligens rendszerek képességei közvetlenül azelőtt véget érnek, hogy legalább az újonnan felmerülő nehézségeket felismernék. Ráadásul ezek a nehézségek nem oldódnak meg, és végül a számítógép önmagában nem javítja ezeket a képességeket.

A szimbolikus megközelítés hátránya, hogy az ilyen nyitott lehetőségeket a felkészületlen emberek eszközhiányként érzékelik. Ezt a meglehetősen kulturális problémát részben megoldja a logikai programozás.

Logikus megközelítés

A mesterséges intelligencia rendszerek létrehozásának logikus megközelítése a tudásbázisok logikai modelljeivel rendelkező szakértői rendszerek létrehozását célozza predikátumnyelv használatával.

A Prolog nyelvi és logikai programozási rendszert az 1980-as években alkalmazták a mesterséges intelligencia rendszerek képzési modelljeként. A Prolog nyelven írt tudásbázisok a logikai predikátumok nyelvén írt tények és logikai következtetési szabályok halmazait képviselik.

A tudásbázisok logikai modellje lehetővé teszi nemcsak konkrét információk és adatok rögzítését tények formájában a Prolog nyelven, hanem általánosított információkat is a logikai következtetések szabályai és eljárásai segítségével, beleértve logikai szabályokat bizonyos tudást konkrét és általánosított információként kifejező fogalmak meghatározásai.

Általánosságban elmondható, hogy a mesterséges intelligencia problémáinak kutatása a tudásbázisok és szakértői rendszerek tervezésének logikus megközelítése keretében az intelligens információs rendszerek létrehozására, fejlesztésére és működtetésére irányul, beleértve a hallgatók és iskolások oktatásának, valamint az ilyen intelligens információs rendszerek felhasználóinak és fejlesztőinek képzése.

Ügynök alapú megközelítés

Az 1990-es évek eleje óta kidolgozott legújabb megközelítés az ún ügynök alapú megközelítés, vagy intelligens (racionális) ágensek felhasználásán alapuló megközelítés. E megközelítés szerint az intelligencia az intelligens gép számára kitűzött célok elérésének képességének számítási része (nagyjából a tervezés). Egy ilyen gép maga is intelligens ágens lesz, amely érzékelők segítségével érzékeli a körülötte lévő világot, és képes befolyásolni a környezetben lévő tárgyakat aktuátorok segítségével.

Ez a megközelítés azokra a módszerekre és algoritmusokra összpontosít, amelyek segítik az intelligens ágenst a környezetben való túlélésben, miközben feladatát ellátja. Így az útkeresési és döntéshozatali algoritmusokat itt sokkal alaposabban tanulmányozzuk.

Hibrid megközelítés

Fő cikk: Hibrid megközelítés

Hibrid megközelítés azt feltételezi csak szinergikus kombinációja neurális és szimbolikus modellek eléri a kognitív és számítási képességek teljes skáláját. Például szakértői következtetési szabályok generálhatók neurális hálózatokkal, generatív szabályok pedig statisztikai tanulással. E megközelítés hívei úgy vélik, hogy a hibrid Információs rendszerek lényegesen erősebb lesz az összegnél különböző fogalmak külön.

Kutatási modellek és módszerek

A gondolkodási folyamatok szimbolikus modellezése

Fő cikk: Modellező okoskodás

Az AI történetét elemezve olyan széles területet azonosíthatunk, mint modellező érvelés. Sok éven át ennek a tudománynak a fejlődése pontosan ezen az úton haladt, és most az egyik legjelentősebb fejlett területek a modern AI-ban. A modellező gondolkodás szimbolikus rendszerek létrehozását jelenti, amelyek bemenete egy bizonyos probléma, és a kimenet megköveteli a megoldását. Általában a javasolt feladatot már formalizálták, azaz lefordították matematikai forma, de vagy nincs megoldási algoritmusa, vagy túl bonyolult, időigényes stb. Ebbe a területbe tartozik: tételek bizonyítása, döntéshozatal, ill. játékelmélet, tervezés és kiszállítás , előrejelzés .

Természetes nyelvekkel való munka

Fontos irány az természetes nyelvi feldolgozás, amelyen belül az „emberi” nyelvű szövegek megértésének, feldolgozásának és generálásának képességeinek elemzése folyik. Ez az irány a természetes nyelvet úgy kívánja feldolgozni, hogy az interneten elérhető szövegek olvasásával önállóan is elsajátítható legyen az ismeret. A természetes nyelvi feldolgozás néhány közvetlen alkalmazása magában foglalja az információkeresést (beleértve mély szkennelés szöveg) és gépi fordítás.

Az ismeretek ábrázolása, felhasználása

Irány tudásmérnökiötvözi az egyszerű információkból ismeretszerzés, azok rendszerezésének és felhasználásának feladatait. Ez az irány történelmileg kapcsolódik a teremtéshez szakértői rendszerek- olyan programok, amelyek speciális tudásbázisokat használnak, hogy megbízható következtetéseket vonjanak le bármilyen problémáról.

Az adatokból tudás előállítása az adatbányászat egyik alapvető problémája. Létezik különböző megközelítések a probléma megoldására, beleértve a neurális hálózati technológiát is, neurális hálózat verbalizációs eljárások alkalmazásával.

Gépi tanulás

Problémák gépi tanulás folyamatra vonatkozik független tudásszerzés egy intelligens rendszer által a működése során. Ez az irány az AI fejlesztésének legeleje óta központi szerepet játszik. 1956-ban, a Dartmundi Nyári Konferencián Ray Solomonoff dolgozatot írt egy valószínűségi, felügyelt tanulógépről, „Induktív következtetési motornak” nevezve.

Robotika

Fő cikk: Intelligens robotika

Gépi kreativitás

Fő cikk: Gépi kreativitás

Az emberi kreativitás természetét még kevésbé tanulmányozzák, mint az intelligencia természetét. Ennek ellenére ez a terület létezik, és a számítógépes zeneírás, irodalmi művek (gyakran versek vagy mesék) és a művészi alkotás problémái vetődnek fel itt. A valósághű képek létrehozását széles körben használják a film- és játékiparban.

Külön kiemelkedik a mesterséges intelligencia rendszerek technikai kreativitásának problémáinak vizsgálata. Az 1946-ban G. S. Altshuller által javasolt feltalálói problémák megoldásának elmélete jelentette az ilyen kutatások kezdetét.

Ha ezt a képességet bármely intelligens rendszerhez hozzáadja, akkor nagyon világosan bemutathatja, hogy a rendszer pontosan mit érzékel és hogyan érti azt. Azáltal, hogy a hiányzó információk helyett zajt ad hozzá, vagy a zajt a rendszerben rendelkezésre álló tudással szűri, az absztrakt tudásból konkrét, az ember által könnyen észlelhető képeket állít elő, ez különösen hasznos az intuitív és kis értékű ismeretek esetében, amelyek ellenőrzése egy formális forma jelentős szellemi erőfeszítést igényel.

Egyéb kutatási területek

Végül a mesterséges intelligenciának számos alkalmazása létezik, amelyek mindegyike szinte független irányt alkot. Ilyen például a programozási intelligencia a számítógépes játékokban, a nemlineáris vezérlés és az intelligens információbiztonsági rendszerek.

Látható, hogy számos kutatási terület fedi egymást. Ez minden tudományra jellemző. De a mesterséges intelligenciában a látszólag különböző területek közötti kapcsolat különösen erős, és ez összefügg az erős és gyenge mesterségesintelligencia filozófiai vitájával.

Modern mesterséges intelligencia

Az AI fejlesztésének két iránya különböztethető meg:

a speciális mesterséges intelligencia rendszerek emberi képességekhez való közelítésével és integrációjával kapcsolatos problémák megoldása, amit az emberi természet megvalósít ( lásd: Intelligenciafejlesztés);
mesterséges intelligencia létrehozása, amely a már megalkotott mesterséges intelligencia rendszerek integrálását jelenti egységes rendszer képes megoldani az emberiség problémáit ( lásd: Erős és gyenge mesterséges intelligencia).

Jelenleg azonban a mesterséges intelligencia területén számos olyan témakör vesz részt, amelyek gyakorlati kapcsolatban állnak az AI-val, nem pedig alapvető. Számos megközelítést teszteltek, de még egyetlen kutatócsoport sem közelítette meg a mesterséges intelligencia megjelenését. Az alábbiakban csak néhányat mutatunk be a leghíresebb fejlesztések közül az AI területén.

Alkalmazás

RoboCup verseny

A leghíresebb AI rendszerek közül néhány:

A bankok mesterséges intelligencia rendszereket (AI) használnak a biztosítási tevékenységekben (biztosításmatematika), a tőzsdén való játék során és az ingatlankezelésben. A mintafelismerő módszereket (beleértve a bonyolultabb és speciális és neurális hálózatokat is) széles körben alkalmazzák az optikai és akusztikus felismerésben (beleértve a szöveget és a beszédet), az orvosi diagnosztikában, a spamszűrőkben, a légvédelmi rendszerekben (célpont azonosítás), valamint számos egyéb nemzetbiztonsági feladat.

Pszichológia és kognitív tudomány

A kognitív modellezési módszertan célja a rosszul meghatározott helyzetek elemzése és döntéshozatala. Axelrod javasolta.

A szakértők helyzetről alkotott szubjektív elképzeléseinek modellezésén alapul, és a következőket tartalmazza: módszertan a helyzet strukturálására: modell a szakértő tudásának előjeles digráf (kognitív térkép) (F, W) formájában történő megjelenítésére, ahol F a helyzet tényezőinek halmaza, W a helyzet tényezői közötti ok-okozati összefüggések halmaza ; helyzetelemzés módszerei. Jelenleg a kognitív modellezés módszertana a helyzetelemző és modellező apparátus fejlesztése irányába fejlődik. Itt modelleket javasolunk a helyzet alakulásának előrejelzésére; inverz problémák megoldásának módszerei.

Filozófia

A mesterséges intelligencia létrehozásának filozófiai problémáit két csoportra lehet osztani, viszonylagosan: „az MI fejlesztése előtt és után”. Az első csoport a következő kérdésre válaszol: "Mi az AI, lehetséges-e létrehozni, és ha lehetséges, hogyan kell csinálni?" A második csoport (a mesterséges intelligencia etikája) felteszi a kérdést: „Milyen következményekkel jár az AI létrehozása az emberiség számára?”

Az „erős mesterséges intelligencia” kifejezést John Searle vezette be, és a megközelítést az ő szavai jellemzik:

Ráadásul egy ilyen program nem egyszerűen az elme modellje lenne; a szó szó szerinti értelmében ő maga lesz az elme, ugyanabban az értelemben, ahogyan az emberi elme az elme.

Ugyanakkor meg kell érteni, hogy lehetséges-e egy „tiszta mesterséges” elme („metamind”), amely megérti és megoldja a valódi problémákat, ugyanakkor mentes az egyénre jellemző érzelmektől, amelyek szükségesek az egyéni túléléshez. .

Ezzel szemben a gyenge mesterséges intelligencia hívei inkább csak olyan eszközöknek tekintik a programokat, amelyek lehetővé teszik bizonyos problémák megoldását, amelyekhez nincs szükség az emberi kognitív képességek teljes skálájára.

Etika

Tudományos-fantasztikus

A mesterséges intelligencia témájával foglalkozunk különböző szögekből Robert Heinlein munkáiban: az AI öntudatának kialakulásának hipotézise, amikor a struktúra egy bizonyos kritikus szintet meghaladóan összetettebbé válik, és interakcióba kerül a külvilággal és az intelligencia más hordozóival (“ A Hold Kemény úrnő”, „Elég idő a szerelemhez”, Mycroft, Dora és Aya szereplői a „Jövő története” sorozatban), problémák a mesterséges intelligencia fejlesztésével kapcsolatban feltételezett öntudatosság után és néhány társadalmi-etikai probléma („“ Péntek"). Az emberi mesterséges intelligenciával való interakció szociálpszichológiai problémáit Philip K. Dick „Do Androids Dream of Electric Sheep?” című regénye is tárgyalja. ", amely a Blade Runner filmadaptációjáról is ismert.

Stanislaw Lem tudományos-fantasztikus író és filozófus művei a virtuális valóság, a mesterséges intelligencia, a nanorobotok és a mesterséges intelligencia filozófiájának számos egyéb problémájának létrejöttét írják le és nagyrészt előrevetítik. Különös figyelmet érdemel a Technológia Összegének futurológiája. Ezen kívül Iyon the Quiet kalandjaiban többször is leírják az élőlények és a gépek kapcsolatát: a fedélzeti számítógép lázadását az azt követő váratlan eseményekkel (11. utazás), a robotok alkalmazkodását emberi társadalom(„Mosási tragédia” a „Csendes Ijon emlékirataiból”), abszolút rend kialakítása a bolygón élő lakosok feldolgozásával (24. utazás), Corcoran és Diagoras találmányai („Csendes Ijon emlékei”), pszichiátriai klinika robotok számára („Csendes Ijon emlékiratai”). Ezen kívül van egy egész sorozat a Cyberiad regényekből és történetekből, ahol szinte minden szereplő robot, akik az emberek elől megszökött robotok távoli leszármazottai (az embereket sápadtoknak nevezik és mitikus lényeknek tartják).

Filmek

Majdnem a 60-as évektől kezdve, az írással együtt fantasy történetekés történetek, filmek készülnek a mesterséges intelligenciáról. A világszerte elismert szerzők számos történetét megfilmesítik, és a műfaj klasszikusává váltak, mások pedig a sci-fi mozi fejlődésének mérföldkövévé válnak, például a Terminátor és a Mátrix.

Lásd még

Megjegyzések

GYIK John McCarthytól, 2007
M. Andrew. Való életés mesterséges intelligencia // „Artificial Intelligence News”, RAAI, 2000
Gavrilova T. A. Khoroshevsky V. F. Intelligens rendszerek tudásbázisa: Tankönyv egyetemek számára
Averkin A. N., Gaase-Rapoport M. G., Pospelov D. A. Magyarázó szótár a mesterséges intelligenciáról. - M.: Rádió és Hírközlés, 1992. - 256 p.
G. S. Osipov. Mesterséges intelligencia: a kutatás helyzete és a jövőbe tekintés
Ilyasov F.N. Mesterséges és természetes intelligencia // A Türkmén SSR Tudományos Akadémia hírei, társadalomtudományi sorozat. 1986. No. 6. P. 46-54.
Alan Turing: Tudnak-e gondolkodni a gépek?
Intelligens gépek S. N. Korsakovtól
D. A. Poszpelov. A számítástechnika kialakulása Oroszországban
A kibernetika történetéről a Szovjetunióban. Első esszé, második esszé
Jack Copeland. Mi az a mesterséges intelligencia? 2000
Alan Turing, „Computing Machinery and Intelligence”, Mind, vol. LIX, sz. 236., 1950. október, pp. 433-460.
Természetes nyelvi feldolgozás:
A természetes nyelvi feldolgozó alkalmazások közé tartozik az információkeresés (beleértve a szövegbányászatot és a gépi fordítást):
Gorban P. A. Neurális hálózatok tudáskinyerése adatokból és számítógépes pszichoanalízisből
Gépi tanulás:
Alan Turing ezt központi témaként tárgyalta már 1950-ben, a Computing Machinery and Intelligence című klasszikus tanulmányában. ()
(Az eredeti dokumentum pdf szkennelt másolata) (1957-ben megjelent változat, An Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Part 2, pp. 56-62")
Robotika:
, pp. 916–932
, pp. 908–915
Blue Brain Project – mesterséges agy
Az enyhe modorú Watson felnyársalja az emberi ellenfeleket veszélyben
20Q.net Inc
Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. - Princeton. Egyetemi Kiadó, 1976
John Searle. Az agy elméje számítógépes program?
Penrose R. A király új elméje. A számítógépekről, a gondolkodásról és a fizika törvényeiről. - M.: URSS, 2005. - ISBN 5-354-00993-6
Az AI mint globális kockázati tényező
...az Örök Életbe vezet
http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf Ortodox nézet a mesterséges intelligencia problémájáról
Harry Harrison. Turing választás. - M.: Eksmo-Press, 1999. - 480 p. - ISBN 5-04-002906-3

Irodalom

A számítógép tanul és okos (1. rész) // A számítógép intelligenciát nyer = Artificial Intelligence Computer Images / szerk. V. L. Stefanyuk. - Moszkva: Mir, 1990. - 240 p. - 100 000 példányban. - ISBN 5-03-001277-X (orosz); ISBN 705409155 (angol)
Devyatkov V.V. Mesterséges intelligencia rendszerek / Ch. szerk. I. B. Fedorov. - M.: MSTU kiadó im. N. E. Bauman, 2001. - 352 p. - (Informatika a műszaki egyetemen). - 3000 példányban. - ISBN 5-7038-1727-7

Korszakov S.N. A kutatás új módjának felvázolása ötleteket összehasonlító gépekkel / Szerk. MINT. Mihajlova. - M.: MEPhI, 2009. - 44 p. - 200 példány. -

A preambulumban idézett mesterséges intelligencia meghatározása, amelyet John McCarthy adott 1956-ban a Dartmouth Egyetemen tartott konferencián, nem kapcsolódik közvetlenül az emberi intelligencia megértéséhez. McCarthy szerint a mesterséges intelligencia kutatói szabadon alkalmazhatnak olyan technikákat, amelyeket embereknél nem figyeltek meg, ha szükséges egy probléma megoldásához. konkrét problémákat.

Ugyanakkor létezik egy álláspont, amely szerint az intelligencia csak biológiai jelenség lehet.

Amint az Orosz Mesterséges Intelligencia Szövetség szentpétervári szervezetének elnöke, T. A. Gavrilova rámutat, angolul a kifejezés mesterséges intelligencia nem rendelkezik azokkal a kissé fantasztikus antropomorf felhangokkal, amelyeket a meglehetősen sikertelen orosz fordításban szerzett. Szó intelligencia„a racionális érvelés képességét” jelenti, és egyáltalán nem „intelligenciát”, amire van angol analógja intelligencia .

Az Orosz Mesterséges Intelligencia Szövetség tagjai a következő definíciókat adják a mesterséges intelligencia fogalmára:

A mesterséges intelligencia tudomány fejlődésének előfeltételei

Az új gépek képességei a számítási sebesség tekintetében nagyobbnak bizonyultak, mint az emberieké, így felmerült a kérdés a tudományos közösségben: mik a határai a számítógépes képességeknek, és vajon a gépek elérik-e az emberi fejlettség szintjét? 1950-ben a számítástechnika egyik úttörője, Alan Turing angol tudós írt egy cikket „Can a Machine Think?” címmel. , amely egy Turing-tesztnek nevezett eljárást ír le, amellyel meg lehet határozni azt a pillanatot, amikor egy gép egyenlővé válik egy emberrel az intelligencia szempontjából.

A mesterséges intelligencia fejlődésének története a Szovjetunióban és Oroszországban

A Szovjetunióban a mesterséges intelligencia területén végzett munka az 1960-as években kezdődött. Számos úttörő tanulmányt végeztek a Moszkvai Egyetemen és a Tudományos Akadémián Veniamin Puskin és D. A. Pospelov vezetésével. M. L. Tsetlin és munkatársai az 1960-as évek eleje óta dolgoznak a véges állapotú gépek képzésével kapcsolatos kérdéseken.

1964-ben jelent meg Szergej Maszlov leningrádi logikus „The Inverse Method for Establishing Derivability in Classical Predicate Calculus” című munkája, amelyben elsőként javasolt egy módszert a tételek bizonyításának automatikus keresésére predikátumszámításban.

Az 1970-es évekig a Szovjetunióban minden mesterséges intelligenciával kapcsolatos kutatást a kibernetika keretein belül végeztek. D. A. Pospelov szerint a „számítástechnika” és a „kibernetika” tudományok akkoriban számos akadémiai vita miatt keveredtek. Csak az 1970-es évek végén a Szovjetunióban kezdtek beszélni a „mesterséges intelligencia” tudományos irányáról, mint a számítástechnika egyik ágáról. Ezzel egy időben megszületett maga az informatika is, alárendelve ősét a „kibernetikának”. Az 1970-es évek végén született egy mesterséges intelligencia magyarázó szótár, egy háromkötetes kézikönyv a mesterséges intelligenciáról és egy enciklopédikus számítástechnikai szótár, amelyben a „Kibernetika” és a „Mesterséges intelligencia” fejezetek is szerepelnek. szekciók, számítástechnikában. A „számítástechnika” kifejezés az 1980-as években terjedt el, és a „kibernetika” kifejezés fokozatosan eltűnt a forgalomból, és csak azoknak az intézményeknek a nevében maradt, amelyek az 1950-es évek végén - 1960-as évek elején a „kibernetikai fellendülés” korszakában keletkeztek. A mesterséges intelligencia, a kibernetika és a számítástechnika ezen nézetét nem mindenki osztja. Ez annak a ténynek köszönhető, hogy Nyugaton e tudományok határai némileg eltérőek.

Megközelítések és irányok

A probléma megértésének megközelítései

Nincs egyetlen válasz arra a kérdésre, hogy mit csinál a mesterséges intelligencia. Szinte minden szerző, aki könyvet ír az MI-ről, valamilyen meghatározásból indul ki, figyelembe véve e tudomány eredményeit annak fényében.

top-down AI), szemiotikai - magas szintű mentális folyamatokat szimuláló szakértői rendszerek, tudásbázisok és logikai következtetési rendszerek létrehozása: gondolkodás, érvelés, beszéd, érzelmek, kreativitás stb.;
Bottom-Up AI), biológiai - a neurális hálózatok és az evolúciós számítások tanulmányozása, amelyek biológiai elemeken alapuló intelligens viselkedést modelleznek, valamint megfelelő számítástechnikai rendszerek létrehozása, például neuroszámítógép vagy bioszámítógép.

Ez utóbbi megközelítés szigorúan véve nem tartozik a mesterséges intelligencia tudományához John McCarthy szerint – csak egy közös végső cél köti össze őket.

A Turing-teszt és az intuitív megközelítés

Ez a megközelítés azokra a módszerekre és algoritmusokra összpontosít, amelyek segítenek az intelligens ügynöknek abban, hogy életben maradjon a környezetében, miközben feladatait teljesíti. Tehát itt sokkal alaposabban tanulmányozzák az útkeresés és a döntéshozatal algoritmusait.

Hibrid megközelítés

Hibrid megközelítés azt feltételezi csak a neurális és szimbolikus modellek szinergikus kombinációja a kognitív és számítási képességek teljes skáláját éri el. Például szakértői következtetési szabályok generálhatók neurális hálózatokkal, generatív szabályok pedig statisztikai tanulással. E megközelítés hívei úgy vélik, hogy a hibrid információs rendszerek sokkal erősebbek lesznek, mint a különböző fogalmak külön-külön összege.

Kutatási modellek és módszerek

A gondolkodási folyamatok szimbolikus modellezése

Az AI történetét elemezve olyan széles területet azonosíthatunk, mint modellező érvelés. Ennek a tudománynak a fejlődése sok éven keresztül pontosan ezen az úton haladt, és most a modern AI egyik legfejlettebb területe. A modellező érvelés szimbolikus rendszerek létrehozását jelenti, amelyek bemenete egy bizonyos feladatra van állítva, és a kimenet megköveteli a megoldását. A javasolt probléma általában már formalizálva van, azaz matematikai formára lefordítva, de vagy nincs megoldási algoritmusa, vagy túl bonyolult, időigényes stb. Ebbe a terület tartozik: tételek bizonyítása, döntéshozatal és játékelmélet, tervezés és kiszállítás, előrejelzés.

Természetes nyelvekkel való munka

Az ismeretek ábrázolása, felhasználása

Az adatokból tudás előállítása az adatbányászat egyik alapvető problémája. Különféle megközelítések léteznek a probléma megoldására, beleértve a neurális hálózati technológián alapulókat is, amelyek neurális hálózat verbalizációs eljárásait alkalmazzák.

Gépi tanulás

Problémák gépi tanulás folyamatra vonatkozik független tudásszerzés egy intelligens rendszer által a működése során. Ez az irány az AI fejlesztésének legeleje óta központi szerepet játszik. 1956-ban, a Dartmundi Nyári Konferencián Ray Solomonoff jelentést írt egy valószínűségi, felügyelt tanulógépről, „Az induktív következtetés gépének” nevezve.

Robotika

Gépi kreativitás

Egyéb kutatási területek

Végül a mesterséges intelligenciának számos alkalmazása létezik, amelyek mindegyike szinte független irányt alkot. Ilyen például a programozási intelligencia a számítógépes játékokban, a nemlineáris vezérlés, az intelligens információbiztonsági rendszerek.

A jövőben ez várható szoros kapcsolat a mesterséges intelligencia fejlesztése a kvantumszámítógép fejlesztésével, mivel a mesterséges intelligencia egyes tulajdonságai a kvantumszámítógépekhez hasonló működési elvekkel rendelkeznek.

Modern mesterséges intelligencia

Az AI fejlesztésének két iránya különböztethető meg:

a speciális mesterséges intelligencia rendszerek emberi képességekhez való közelítésével és integrációjával kapcsolatos problémák megoldása, amit az emberi természet megvalósít ( lásd: Intelligenciafejlesztés);
mesterséges intelligencia létrehozása, amely a már megalkotott mesterséges intelligencia rendszerek integrálását jelenti egyetlen rendszerré, amely képes megoldani az emberiség problémáit ( lásd: Erős és gyenge mesterséges intelligencia).

Alkalmazás

A leghíresebb AI rendszerek közül néhány:

Pszichológia és kognitív tudomány

A kognitív modellezési módszertan célja a rosszul meghatározott helyzetek elemzése és döntéshozatala. Axelrod javasolta.

Filozófia

Az „erős mesterséges intelligencia” kifejezést John Searle vezette be, és a megközelítést az ő szavai jellemzik:

Ráadásul egy ilyen program nem egyszerűen az elme modellje lenne; a szó szó szerinti értelmében ő maga lesz az elme, ugyanabban az értelemben, ahogyan az emberi elme az elme.

Etika

Más hagyományos vallások ritkán írják le a mesterséges intelligencia problémáit. Egyes teológusok azonban figyelnek erre. Például Mihail Zakharov főpap, aki szemszögből vitatkozik Keresztény világnézet, tesz következő kérdés: „Az ember racionálisan szabad lény, akit Isten az Ő képére és hasonlatosságára teremtett. Megszoktuk, hogy ezeket a meghatározásokat a biológiainak tulajdonítjuk faj Homo Sapiens. De mennyire indokolt ez? . Erre a kérdésre így válaszol:

Ha azt feltételezzük, hogy a mesterséges intelligencia területén végzett kutatások egy nap egy olyan mesterséges lény megjelenéséhez vezetnek, amely intelligenciában magasabb rendű, mint az ember, és szabad akarattal rendelkezik, ez azt jelentené, hogy ez a lény egy személy? ... az ember Isten teremtménye. Nevezhetjük ezt a teremtményt Isten teremtményének? Első pillantásra emberi alkotás. De még az ember teremtésekor sem érdemes szó szerint megérteni, hogy Isten a saját kezével faragta agyagból az első embert. Valószínűleg ez egy allegória, amely a lényegességet jelzi emberi test Isten akarata teremtette. De Isten akarata nélkül semmi sem történik ezen a világon. Az ember, mint e világ társteremtője, Isten akaratát teljesítve új teremtményeket hozhat létre. Az ilyen lényeket, amelyeket Isten akarata szerint emberi kéz hozta létre, valószínűleg Isten teremtményeinek nevezhetjük. Hiszen az ember új állat- és növényfajokat hoz létre. A növényeket és állatokat pedig Isten teremtményeinek tekintjük. Ugyanez vonatkozik egy nem biológiai természetű mesterséges lényre is.

Tudományos-fantasztikus

A mesterséges intelligencia témáját Robert Heinlein munkái különböző szemszögből vizsgálják: az MI öntudatának kialakulásának hipotézise, amikor a struktúra egy bizonyos kritikus szintet meghaladóan összetettebbé válik, és interakcióba kerül a külvilággal és a hordozókkal. intelligencia („The Moon Is a Harsh Mistress”, „Time Enough For Love”, Mycroft, Dora és Aya szereplői a „History of the Future” sorozatban), a mesterséges intelligencia fejlődésének problémái a hipotetikus önismeret után és néhány társadalmi és etikai probléma ("Péntek"). Az emberi mesterséges intelligenciával való interakció szociálpszichológiai problémáit Philip K. Dick „Do Androids Dream of Electric Sheep?” című regénye is tárgyalja. ", amely a Blade Runner filmadaptációjáról is ismert.

Stanislaw Lem tudományos-fantasztikus író és filozófus művei a virtuális valóság, a mesterséges intelligencia, a nanorobotok és a mesterséges intelligencia filozófiájának számos egyéb problémájának létrejöttét írják le és nagyrészt előrevetítik. Különösen érdemes megemlíteni a Sum technológia futurológiáját. Emellett Iyon the Quiet kalandjaiban többször is leírják az élőlények és a gépek kapcsolatát: a fedélzeti számítógép lázadását az azt követő váratlan eseményekkel (11. utazás), a robotok alkalmazkodását az emberi társadalomban ("The Washing" Tragédia” a „Csendes Ijon emlékirataiból”), abszolút rend megteremtése a bolygón élő lakosok feldolgozásával (24. utazás), Corcoran és Diagoras találmányai („Csendes Ijon emlékei”), egy pszichiátriai klinika robotok számára ( „Csendes Ijon emlékiratai”). Ezen kívül van egy egész sorozat a Cyberiad regényekből és történetekből, ahol szinte minden szereplő robot, akik az emberek elől megszökött robotok távoli leszármazottai (az embereket sápadtoknak nevezik és mitikus lényeknek tartják).

Filmek

Szinte az 1960-as évek óta a sci-fi történetek és novellák írása mellett filmek is készülnek a mesterséges intelligenciáról. A világszerte elismert szerzők számos történetét megfilmesítik, és a műfaj klasszikusává válnak, mások pedig a fejlődés mérföldkövévé válnak.

Mesterséges intelligencia – be Utóbbi időben a technológiai világ egyik legnépszerűbb témája. Az olyan elmék, mint Elon Musk, Stephen Hawking és Steve Wozniak, komolyan aggódnak az AI-kutatás miatt, és azzal érvelnek, hogy annak létrehozása halálos veszélybe sodor bennünket. Ugyanakkor a sci-fi és a hollywoodi filmek sok tévhitet szültek az AI-val kapcsolatban. Valóban veszélyben vagyunk, és milyen pontatlanságokat követünk el, amikor a Skynet Föld pusztulását, általános munkanélküliséget, vagy éppen ellenkezőleg, jólétet és gondtalanságot képzelünk el? A Gizmodo megvizsgálta a mesterséges intelligenciával kapcsolatos emberi mítoszokat. Bemutatjuk teljes fordítás cikkeit.

Úgy hívták a legfontosabb teszt gépi intelligencia azóta, hogy Deep Blue sakkmérkőzésen aratott Garri Kaszparov felett 20 évvel ezelőtt. A Google AlphaGo legyőzte Lee Sedol nagymestert a Go-tornán 4:1-re, megmutatva, hogy a mesterséges intelligencia (AI) milyen komoly fejlődést mutatott. Soha nem tűnt ennyire közelinek az a végzetes nap, amikor a gépek végre felülmúlják az embereket az intelligenciában. De úgy tűnik, nem vagyunk közelebb ahhoz, hogy megértsük ennek a korszakalkotó eseménynek a következményeit.

Valójában komoly, sőt veszélyes tévhitekhez ragaszkodunk a mesterséges intelligenciával kapcsolatban. Tavaly a SpaceX alapítója Elon Musk figyelmeztetett, hogy a mesterséges intelligencia elfoglalhatja a világot. Szavai vihart kavartak e vélemény ellenzői és támogatói között. Egy ilyen jövőbeli monumentális esemény kapcsán meglepően sok a nézeteltérés abban, hogy megtörténik-e, és ha igen, milyen formában. Ez különösen aggasztó, tekintettel arra, hogy az emberiség milyen hihetetlen előnyökhöz juthat az AI-ból és a lehetséges kockázatokból. Más emberi találmányokkal ellentétben a mesterséges intelligencia képes megváltoztatni az emberiséget vagy elpusztítani minket.

Nehéz tudni, mit higgyek. De az informatikusok, idegtudósok és mesterséges intelligencia-teoretikusok korai munkájának köszönhetően tisztább kép kezd kialakulni. Íme néhány általános tévhit és mítosz a mesterséges intelligenciáról.

1. mítosz: „Soha nem fogunk az emberekéhez hasonló intelligenciájú mesterséges intelligenciát létrehozni”

Valóság: Vannak már olyan számítógépeink, amelyek elérik vagy meghaladták emberi képességek a sakkban, a Go, a tőzsdei kereskedésben és a beszélgetésben. A számítógépek és az őket futtató algoritmusok csak jobbak lehetnek. Csak idő kérdése, hogy bármilyen feladatban felülmúlják az embereket.

Gary Marcus, a New York-i Egyetem kutatópszichológusa azt mondta, hogy „szó szerint mindenki”, aki mesterséges intelligenciával foglalkozik, azt hiszi, hogy a gépek végül legyőznek minket: „Az egyetlen valódi különbség a rajongók és a szkeptikusok között az időzítés becslése.” A futuristák, mint például Ray Kurzweil, úgy vélik, hogy ez néhány évtizeden belül megtörténhet, mások szerint évszázadokig tart.

Az AI-szkeptikusok nem meggyőzőek, amikor azt mondják, hogy ez egy megoldhatatlan technológiai probléma, és van valami egyedi a biológiai agy természetében. Agyunk biológiai gépezet – benne van való Világés tartsák be a fizika alapvető törvényeit. Nincs bennük semmi kiismerhetetlen.

2. mítosz: „A mesterséges intelligenciának lesz tudata”

Valóság: A legtöbben azt képzelik, hogy a gépi intelligencia tudatos lesz, és úgy gondolkodik, ahogy az emberek. Ráadásul olyan kritikusok, mint a Microsoft társalapítója, Paul Allen, úgy vélik, hogy még nem tudjuk elérni az általános mesterséges intelligenciát (amely képes bármilyen mentális feladatot megoldani, amit az ember meg tud oldani), mert hiányunk van. tudományos elméletöntudat. De ahogy az Imperial College London kognitív robotika specialistája, Murray Shanahan mondja, nem szabad egyenlőségjelet tenni a két fogalom között.

„A tudat határozottan csodálatos és fontos dolog, de nem hiszem, hogy a mesterséges intelligenciához szükséges emberi szinten. Pontosabban, a „tudatosság” szót számos pszichológiai és kognitív tulajdonságra használjuk, amelyekkel az ember „jár” – magyarázza a tudós.

Elképzelhető egy intelligens gép, amelyből hiányzik egy vagy több ilyen funkció. Végső soron hihetetlenül intelligens mesterséges intelligencia jön létre, amely nem képes szubjektíven és tudatosan érzékelni a világot. Shanahan azt állítja, hogy az elme és a tudat kombinálható egy gépben, de nem szabad elfelejtenünk, hogy ez két különböző fogalom.

Csak azért, mert egy gép átmegy a Turing-teszten, amelyben megkülönböztethetetlen az embertől, még nem jelenti azt, hogy tudatos. Számunkra a fejlett mesterséges intelligencia tudatosnak tűnhet, de nem lesz öntudatosabb, mint egy szikla vagy egy számológép.

3. mítosz: „Nem kell félnünk az AI-tól”

Valóság: Januárban az alapító Facebook Mark Zuckerberg szerint nem kell félnünk az AI-tól, mert az hihetetlenül sok jót fog tenni a világnak. Félig igaza van. Óriási hasznunk lesz az AI-ból, az önvezető autóktól az új gyógyszerek megalkotásáig, de nincs garancia arra, hogy minden mesterséges intelligencia-megvalósítás jóindulatú lesz.

Egy rendkívül intelligens rendszer mindent tudhat konkrét feladat, kellemetlen megoldásnak tűnik pénzügyi probléma vagy rendszerhackelés ellenséges védekezés. De ezeknek a szakterületeknek a határain kívül mélyen tudatlan és öntudatlan lesz. A Google DeepMind rendszere a Go szakértője, de nincs lehetősége vagy oka a szakterületén kívül eső területek felfedezésére.

Ezek közül a rendszerek közül sokra nem vonatkoznak biztonsági megfontolások. Jó példa erre az összetett és erős Stuxnet vírus, egy militarizált féreg, amelyet az izraeli és az amerikai hadsereg fejlesztett ki, hogy beszivárogjon és szabotálja az iráni atomerőműveket. Ez a vírus valahogy (szándékosan vagy véletlenül) megfertőzött egy orosz atomerőművet.

Egy másik példa a Flame program, amelyet kiberkémkedésre használnak a Közel-Keleten. Könnyen elképzelhető, hogy a Stuxnet vagy a Flame jövőbeli verziói túlmutatnak a rendeltetésükön, és hatalmas károkat okoznak az érzékeny infrastruktúrában. (Az egyértelműség kedvéért ezek a vírusok nem mesterséges intelligencia, de a jövőben előfordulhat, hogy megvan bennük, ezért aggodalomra ad okot).

A Flame vírust kiberkémkedésre használták a Közel-Keleten. Fotó: vezetékes

4. tévhit: „A mesterséges szuperintelligencia túl okos lesz ahhoz, hogy hibázzon”

Valóság: Az AI-kutató és a Surfing Samurai Robots alapítója, Richard Lucimore úgy véli, hogy a legtöbb forgatókönyv utolsó ítélet az AI-val kapcsolatosan következetlenek. Mindig arra a feltételezésre épülnek, hogy a mesterséges intelligencia azt mondja: "Tudom, hogy az emberiség pusztulását az én tervezésem hibája okozza, de mégis kénytelen vagyok megtenni." Lucimore azt mondja, hogy ha egy mesterséges intelligencia így viselkedik, és a pusztulásunkról okoskodik, akkor az ilyen logikai ellentmondások egész életében kísérteni fogják. Ez viszont lerontja a tudásbázisát, és túl butává teszi ahhoz, hogy veszélyes helyzetet teremtsen. A tudós azt is állítja, hogy azok, akik azt mondják: „Az AI csak azt tudja megtenni, amire programozták”, éppúgy tévednek, mint kollégáik a számítógépes korszak hajnalán. Akkoriban az emberek ezzel a kifejezéssel azzal érveltek, hogy a számítógépek a legcsekélyebb rugalmasságot sem képesek bemutatni.

Peter McIntyre és Stuart Armstrong, akik a Future of Humanity Institute-nál dolgoznak Oxford Egyetem, nem értek egyet Lucimore-ral. Azzal érvelnek, hogy a mesterséges intelligencia nagymértékben függ a programozástól. McIntyre és Armstrong úgy gondolja, hogy a mesterséges intelligencia nem tud hibázni, és nem lesz túl buta ahhoz, hogy ne tudja, mit várunk tőle.

„Definíció szerint a mesterséges szuperintelligencia (ASI) olyan téma, amelynek intelligenciája lényegesen nagyobb, mint a legjobbaké. emberi agy a tudás bármely területén. Pontosan tudni fogja, mit akartunk tőle” – mondja McIntyre. Mindkét tudós úgy gondolja, hogy a mesterséges intelligencia csak azt fogja megtenni, amire programozták. De ha elég okos lesz, megérti, hogy ez mennyire különbözik a törvény szellemétől vagy az emberek szándékaitól.

McIntyre az emberek és a mesterséges intelligencia jövőbeli helyzetét a jelenlegi ember-egér interakcióhoz hasonlította. Az egér célja, hogy élelmet és menedéket keressen. De ez gyakran ütközik egy olyan személy vágyával, aki azt akarja, hogy állata szabadon szaladgáljon. „Elég okosak vagyunk ahhoz, hogy megértsük az egerek néhány célját. Tehát az ASI is megérti a vágyainkat, de legyen közömbös irántuk” – mondja a tudós.

Amint az Ex Machina című film cselekménye mutatja, rendkívül nehéz lesz az embernek ragaszkodnia egy okosabb mesterséges intelligenciához

5. mítosz: „Egy egyszerű javítás megoldja az AI-vezérlés problémáját”

Valóság: Mesterséges intelligencia létrehozásával okosabb az embernél, az „irányítási problémaként” ismert problémával állunk szemben. A futuristák és a mesterséges intelligencia teoretikusai teljes zűrzavarba esnek, ha megkérdezik őket, hogyan fogjuk korlátozni és korlátozni az ASI-t, ha megjelenik. Vagy hogyan lehet megbizonyosodni arról, hogy barátságos lesz az emberekkel. Nemrég a Georgia Institute of Technology kutatói naivan azt sugalmazták, hogy a mesterséges intelligencia átveheti az emberi értékeket és társadalmi szabályokat egyszerű történetek olvasásával. A valóságban ez sokkal nehezebb lesz.

„Sok egyszerű trükköt javasoltak, amelyek „megoldhatnák” az egész AI-szabályozási problémát” – mondja Armstrong. Ilyen például az ASI programozása úgy, hogy annak célja az emberek kedvében járjon, vagy hogy egyszerűen eszközként működjön az ember kezében. Egy másik lehetőség a szeretet vagy tisztelet fogalmának integrálása a forráskódba. Annak megakadályozására, hogy a mesterséges intelligencia leegyszerűsített, egyoldalú világnézetet vegyen fel, javasolták, hogy programozzák az intellektuális, kulturális és társadalmi sokszínűség értékére.

De ezek a megoldások túl egyszerűek, mintha az emberi tetszések és nemtetszések teljes összetettségét egyetlen felületes definícióba tömörítenék. Próbáljon meg például világos, logikus és működőképes meghatározást adni a „tiszteletre”. Ez rendkívül nehéz.

A Mátrix gépei könnyen elpusztíthatják az emberiséget

6. mítosz: „A mesterséges intelligencia el fog pusztítani minket”

Valóság: Nincs garancia arra, hogy a mesterséges intelligencia elpusztít minket, vagy hogy nem tudjuk megtalálni a módját annak ellenőrzésére. Ahogy Eliezer Yudkowsky mesterséges intelligencia-teoretikus mondta: „A mesterséges intelligencia sem nem szeret, sem nem gyűlöl, de atomokból vagytok, amelyeket más célokra is fel tud használni.”

„Mesterséges intelligencia. Szakasz. Fenyegetések. Stratégiák” – írta Nick Bostrom oxfordi filozófus, hogy a valódi mesterséges szuperintelligencia, ha egyszer megjelenik, nagyobb kockázatot jelent, mint bármely más emberi találmány. Olyan prominens elmék, mint Elon Musk, Bill Gates és Stephen Hawking (utóbbi arra figyelmeztetett, hogy a mesterséges intelligencia a „történelem legrosszabb hibája” lehet) szintén aggodalmának adott hangot.

McIntyre azt mondta, hogy az ASI-nek a legtöbb célja lehet jó okok megszabadulni az emberektől.

„A mesterséges intelligencia teljesen helyesen megjósolhatja, hogy nem akarjuk, hogy maximalizálja egy adott vállalat nyereségét, bármilyen költséggel járjon is az ügyfelek, a környezet és az állatok számára. Ezért erős ösztönzése van annak biztosítására, hogy ne szakítsák meg, ne avatják bele, ne kapcsolják ki vagy változtassák meg céljait, mert ez megakadályozná eredeti céljai elérését” – érvel McIntyre.

Hacsak az ASI céljai nem tükrözik szorosan a mieinket, jó okuk lesz megakadályozni, hogy megállítsuk. Tekintettel arra, hogy intelligenciaszintje jelentősen meghaladja a miénket, ez ellen nem tehetünk semmit.

Senki sem tudja, hogy a mesterséges intelligencia milyen formát ölt, vagy hogyan fenyegetheti az emberiséget. Ahogy Musk megjegyezte, a mesterséges intelligencia felhasználható más mesterséges intelligencia irányítására, szabályozására és megfigyelésére. Vagy áthatja az emberi értékek, vagy az emberekkel való barátságosság mindenek felett álló vágya.

7. mítosz: „A mesterséges szuperintelligencia barátságos lesz”

Valóság: Immanuel Kant filozófus úgy vélte, hogy az értelem szorosan összefügg az erkölcsösséggel. David Chalmers idegtudós „A szingularitás: Filozófiai elemzés” átvette Kant híres ötletét, és a feltörekvő mesterséges szuperintelligenciára alkalmazta.

Ha ez igaz... számíthatunk arra, hogy egy intellektuális robbanás erkölcsi robbanáshoz vezet. Ekkor arra számíthatunk, hogy a feljövőben lévő ASI rendszerek szupermorálisak és szuperintelligensek lesznek, ami lehetővé teszi, hogy jó minőséget várjunk el tőlük.

De az az elképzelés, hogy a fejlett mesterséges intelligencia felvilágosult és kedves lesz, nem túl valószínű. Ahogy Armstrong megjegyezte, sok okos háborús bűnös van. Az intelligencia és az erkölcs közötti kapcsolat úgy tűnik, nem létezik az emberek között, ezért megkérdőjelezi ennek az elvnek a működését más intelligens formák között.

„Az erkölcstelenül viselkedő intelligens emberek sokkal nagyobb mértékben tudnak fájdalmat okozni, mint hülyébb társaik. Az ésszerűség egyszerűen lehetőséget ad nekik, hogy nagy intelligenciával rosszak legyenek, nem teszi őket jó emberekké” – mondja Armstrong.

Ahogy MacIntyre kifejtette, az alanynak a cél elérésére való képessége nem releváns abból a szempontból, hogy a cél ésszerű-e. „Nagyon szerencsések leszünk, ha mesterséges intelligenciaink egyedülálló tehetséggel rendelkeznek, és erkölcsi szintjük is nő az intelligenciájukkal együtt. A szerencsére hagyatkozni nem a legjobb megközelítés olyan dolgokhoz, amelyek alakíthatják a jövőnket” – mondja.

8. mítosz: „A mesterséges intelligencia és a robotika kockázatai egyenlőek”

Valóság: Különleges gyakori hiba, amelyet kritikátlan média és olyan hollywoodi filmek terjesztenek, mint a „Terminátor”.

Ha egy olyan mesterséges szuperintelligencia, mint a Skynet, tényleg el akarná pusztítani az emberiséget, akkor nem használna hatcsövű géppuskával rendelkező androidokat. Sokkal hatékonyabb lenne biológiai pestist vagy nanotechnológiai szürke gomolygót küldeni. Vagy egyszerűen elpusztítja a légkört.

A mesterséges intelligencia nem azért veszélyes, mert befolyásolhatja a robotika fejlődését, hanem azért, mert megjelenése általában milyen hatással lesz a világra.

9. mítosz: „A mesterséges intelligencia sci-fi ábrázolása a jövő pontos ábrázolása.”

Sokféle elme. Kép: Eliezer Yudkowsky

Természetesen a szerzők és a futuristák felhasználták a sci-fit, hogy fantasztikus jóslatokat készítsenek, de az ASI által felállított eseményhorizont teljesen más történet. Ráadásul a mesterséges intelligencia nem emberi természete lehetetlenné teszi, hogy megismerjük természetét és formáját, és így előre jelezzük.

Hogy szórakoztasson minket, ostoba embereket tudományos-fantasztikus a legtöbb mesterséges intelligencia hozzánk hasonlónak van ábrázolva. „Minden lehetséges elme spektruma létezik. Még az emberek között is egészen más vagy, mint a szomszéd, de ez a változatosság semmi az összes létező elméhez képest” – mondja McIntyre.

A legtöbb science fictionnek nem kell tudományosan pontosnak lennie ahhoz, hogy lenyűgöző történetet meséljen el. A konfliktus általában hasonló erősségű hősök között bontakozik ki. „Képzeld el, milyen unalmas lenne egy történet, ahol egy tudatosság, öröm vagy gyűlölet nélküli mesterséges intelligencia véget vet az emberiségnek anélkül, hogy ellenállást tanúsítana egy érdektelen cél elérése érdekében” – meséli Armstrong ásítva.

Több száz robot dolgozik a Tesla gyárban

10. mítosz: „Szörnyű, hogy a mesterséges intelligencia elveszi az összes munkánkat.”

Valóság: Az AI azon képessége, hogy tevékenységeink nagy részét automatizálja, és az emberiség elpusztítására való képessége két nagyon különböző dolog. Martin Ford, a The Dawn of the Robots: Technology and the Threat of a Jobless Future (A robotok hajnala: Technológia és a munkanélküli jövő veszélye) című könyv szerzője szerint azonban gyakran egy egészként tekintenek rájuk. Jó a mesterséges intelligencia távoli jövőjére gondolni, mindaddig, amíg nem vonja el figyelmünket az elkövetkező évtizedek kihívásaitól. Ezek közül a legfontosabb a tömeges automatizálás.

Senki sem vonja kétségbe afelől, hogy a mesterséges intelligencia sok meglévő munkahelyet felvált, a gyári munkásoktól kezdve a szellemi munkások felső rétegéig. Egyes szakértők azt jósolják, hogy a közeljövőben az összes amerikai munkahely felét az automatizálás veszélye fenyegeti.

De ez nem jelenti azt, hogy ne tudnánk megbirkózni a sokkkal. Általánosságban elmondható, hogy a fizikai és szellemi munkánk nagy részétől megszabadulni fajunk számára kvázi utópisztikus cél.

„A mesterséges intelligencia néhány évtizeden belül sok munkahelyet tönkretesz, de ez nem rossz” – mondja Miller. Az önvezető autók felváltják a teherautó-vezetőket, ami csökkenti a szállítási költségeket, és ennek eredményeként számos termék olcsóbb lesz. „Ha teherautó-sofőr vagy, és megélsz, veszíteni fogsz, de mindenki más – ellenkezőleg – több árut vásárolhat ugyanannyi fizetésért. A megtakarított pénzt pedig más árukra és szolgáltatásokra költik, amelyek új munkahelyeket teremtenek az emberek számára” – mondja Miller.

A mesterséges intelligencia minden valószínűség szerint új lehetőségeket teremt majd az áruk előállítására, felszabadítva az embereket más dolgokra. A mesterséges intelligencia fejlődését más területeken, különösen a gyártásban elért fejlődés kíséri majd. A jövőben nem nehezebb, hanem könnyebb lesz az alapvető szükségleteink kielégítése.

Mesterséges intelligencia (AI, angol mesterséges intelligencia, AI) - az intelligens gépek, különösen az intelligens gépek létrehozásának tudománya és technológiája számítógépes programok. A mesterséges intelligencia ahhoz a hasonló feladathoz kapcsolódik, hogy számítógépeket használnak a megértéshez humán felderítés, de nem feltétlenül korlátozódik biológiailag elfogadható módszerekre.

Mi a mesterséges intelligencia

Intelligencia(a lat. intellectus szóból - érzés, észlelés, megértés, megértés, fogalom, értelem), vagy elme - a psziché egy olyan tulajdonsága, amely az új helyzetekhez való alkalmazkodás képességéből, a tapasztalaton alapuló tanulás és emlékezés, megértés és alkalmazás képességéből áll. elvont fogalmakat, és tudását a környezetgazdálkodásban felhasználni. Az intelligencia az Általános képesség a tudásra és a nehézségek megoldására, ami mindent egyesít kognitív képességek emberi: érzékelés, észlelés, emlékezet, ábrázolás, gondolkodás, képzelet.

Az 1980-as évek elején. Barr és Fajgenbaum számítástechnikai tudósok a mesterséges intelligencia (AI) következő meghatározását javasolták:

Később számos algoritmust és szoftverrendszert kezdtek besorolni a mesterséges intelligencia körébe, amelyek megkülönböztető tulajdonsága, hogy bizonyos problémákat ugyanúgy meg tud oldani, ahogyan azt az ember, aki a megoldásán gondolkodik.

A mesterséges intelligencia fő tulajdonságai a nyelv megértése, a tanulás, valamint a gondolkodás, és ami fontos, a cselekvés képessége.

Az AI kapcsolódó technológiák és folyamatok komplexuma, amelyek minőségileg és gyorsan fejlődnek, például:

természetes nyelvű szövegfeldolgozás
szakértői rendszerek
virtuális ügynökök (chatbotok és virtuális asszisztensek)
ajánlási rendszerek.

Az AI technológiai irányai. Deloitte adatok

AI kutatás

Fő cikk: Mesterséges intelligencia kutatás

Szabványosítás az AI-ban

2018: Szabványok kidolgozása a kvantumkommunikáció, az AI és az intelligens város területén

2018. december 6-án az RVC-n alapuló „Kiberfizikai rendszerek” Műszaki Bizottság a „SafeNet” Regionális Mérnöki Központtal közösen megkezdte a Nemzeti Technológiai Kezdeményezés (NTI) és a digitális gazdaság piacaira vonatkozó szabványcsomag kidolgozását. 2019 márciusára a tervek szerint műszaki szabványosítási dokumentumokat dolgoznak ki a kvantumkommunikáció területén, és számolt be az RVC. Olvass tovább.

A mesterséges intelligencia hatása

Az emberi civilizáció fejlődésének veszélye

Hatás a gazdaságra és az üzleti életre

A mesterséges intelligencia technológiák hatása a gazdaságra és az üzleti életre

Hatás a munkaerőpiacra

Mesterséges intelligencia elfogultság

Mindennek a középpontjában, ami az AI gyakorlata (gépi fordítás, beszédfelismerés, szövegfeldolgozás). természetes nyelvek, számítógépes látás, autóvezetési automatizálás és még sok más) mély tanulásban rejlik. Ez a gépi tanulás egy részhalmaza, amelyet neurális hálózati modellek használata jellemez, amelyekről elmondható, hogy utánozzák az agy működését, ezért nehéz lenne az MI-be sorolni őket. Bármely neurális hálózati modellt nagy adathalmazokra képeznek ki, így bizonyos „készségekre” tesz szert, de ezek felhasználási módja továbbra is homályos a készítői számára, ami végül az egyik a legfontosabb problémákat sok mély tanulási alkalmazáshoz. Ennek az az oka, hogy egy ilyen modell formálisan működik képekkel, anélkül, hogy megértené, mit csinál. Egy ilyen rendszer mesterséges intelligencia, és megbízhatóak-e a gépi tanulásra épülő rendszerek? Az utolsó kérdésre adott válasz következményei túlmutatnak a tudományos laboratóriumon. Ezért a média figyelme az AI torzításnak nevezett jelenség iránt érezhetően felerősödött. Lefordítható „AI torzításnak” vagy „AI torzításnak”. Olvass tovább.

Mesterséges intelligencia technológiai piac

AI piac Oroszországban

Globális AI piac

Az AI alkalmazási területei

Az AI alkalmazási területei meglehetősen szélesek, és egyaránt lefedik az ismert technológiákat és a kialakulóban lévő új területeket, amelyek távol állnak a tömeges alkalmazástól, vagyis ez a megoldások teljes skálája, a porszívóktól egészen a űrállomások. Az összes sokféleségüket feloszthatja a kulcsfontosságú fejlesztési pontok kritériumai szerint.

Az AI nem monolitikus tárgykörben. Ezenkívül a mesterséges intelligencia egyes technológiai területei a gazdaság új alágazataként és különálló entitásként jelennek meg, miközben a gazdaság legtöbb területét egyidejűleg szolgálják ki.

A mesterséges intelligencia technológiák főbb kereskedelmi alkalmazásai

A mesterséges intelligencia használatának fejlődése a gazdaság klasszikus ágazataiban a technológiák adaptációjához vezet a teljes értéklánc mentén, és átalakítja azokat, ami a logisztikától a vállalatirányításig szinte minden funkcionalitás algoritmizálásához vezet.

AI használata védelmi és katonai ügyekben

Használata az oktatásban

AI használata az üzleti életben

AI az elektromos energiaiparban

Tervezési szinten: a termelés és az energiaforrások iránti kereslet jobb előrejelzése, az energiatermelő berendezések megbízhatóságának felmérése, a megnövekedett kereslet esetén a megnövekedett termelés automatizálása.
Gyártási szinten: berendezések megelőző karbantartásának optimalizálása, termelési hatékonyság növelése, veszteségek csökkentése, energiaforrások ellopásának megelőzése.
Promóciós szinten: az árképzés napszaktól és dinamikus számlázástól függő optimalizálása.
Szolgáltatásnyújtás szintjén: a legjövedelmezőbb szállító automatikus kiválasztása, részletes fogyasztási statisztikák, automatizált ügyfélszolgálat, az energiafogyasztás optimalizálása a vevő szokásait és viselkedését figyelembe véve.

AI a gyártásban

Tervezési szinten: új termékfejlesztés hatékonyságának növelése, automatizált beszállítói felmérés és alkatrészigények elemzése.
Gyártási szinten: a feladatok elvégzésének folyamatának javítása, az összeszerelő sorok automatizálása, a hibák számának csökkentése, az alapanyagok szállítási idejének csökkentése.
Promóciós szinten: támogatási és karbantartási szolgáltatások volumenének előrejelzése, árkezelés.
A szolgáltatásnyújtás szintjén: a flottaútvonal-tervezés javítása Jármű, a flottaerőforrások iránti igény, a szervizmérnökök képzésének minőségének javítása.

AI a bankokban

Mintafelismerés – használt incl. hogy felismerje az ügyfeleket a fiókokban, és speciális ajánlatokat közvetítsen számukra.

A mesterséges intelligencia technológiák alkalmazásának főbb kereskedelmi területei a bankokban

AI a közlekedésben

Az autóipar forradalom küszöbén áll: 5 kihívás a pilóta nélküli vezetés korszakában

AI a logisztikában

AI a sörfőzésben

Az AI használata a közigazgatásban

AI a kriminalisztika területén

Mintafelismerés – használt incl. hogy azonosítsák a bűnözőket a nyilvános helyeken.

2018 májusában vált ismertté, hogy a holland rendőrség mesterséges intelligenciát használ összetett bűncselekmények kivizsgálására.

A The Next Web szerint rendvédelmi szervek több mint 1500 feljelentést és 30 millió oldalt kezdett digitalizálni a megoldatlan ügyekkel kapcsolatban. Számítógépes formátumba kerülnek át az 1988-tól származó anyagok, amelyekben a bűncselekményt legalább három évig nem sikerült megoldani, és az elkövetőt több mint 12 év börtönbüntetésre ítélték.

Oldjon meg egy összetett bűntényt egy nap alatt. A rendőrség elfogadja az AI-t

Az összes tartalom digitalizálása után egy gépi tanulási rendszerhez csatlakozik, amely elemzi a rekordokat, és eldönti, hogy mely esetek használják a legmegbízhatóbb bizonyítékokat. Ez több hétről egy napra csökkentheti az ügyek feldolgozásának, valamint a múltbeli és jövőbeli bűncselekmények megoldásának idejét.

A mesterséges intelligencia az eseteket „megoldhatóságuk” szerint kategorizálja, és jelzi a DNS-vizsgálat lehetséges eredményeit. A terv ezután az elemzések automatizálása a kriminalisztika más területein, és talán még az adatok kiterjesztése is olyan területekre, mint pl társadalomtudományokés tanúvallomások.

Ráadásul – ahogyan az egyik rendszerfejlesztő, Jeroen Hammer elmondta – a jövőben megjelenhetnek a partnereknek szánt API-funkciók.

A holland rendőrség megvan speciális egység, amely a bűncselekmények megoldására szolgáló új technológiák fejlesztésére szakosodott. Ő volt az, aki létrehozta az AI rendszert a bűnözők gyors felkutatására bizonyítékok alapján.

AI az igazságszolgáltatásban

A mesterséges intelligencia területén végrehajtott fejlesztések hozzájárulnak az igazságszolgáltatási rendszer radikális megváltoztatásához, igazságosabbá és korrupciós rendszerektől mentessé téve azt. Ezt a véleményt fogalmazta meg 2017 nyarán dr. műszaki tudományok, az Artezio Vladimir Krylov műszaki tanácsadója.

A tudós úgy véli, hogy a mesterséges intelligencia területén meglévő megoldások sikeresen alkalmazhatók a gazdaság különböző ágazataiban és publikus élet. A szakember kiemeli, hogy a mesterséges intelligenciát sikeresen alkalmazzák az orvostudományban, de a jövőben teljesen megváltoztathatja az igazságszolgáltatási rendszert.

„Minden nap nézegeti a híradásokat a mesterséges intelligencia terén elért fejleményekről, és csak csodálkozik a kutatók és fejlesztők kimeríthetetlen fantáziáján és gyümölcsöző képességén ezen a területen. A tudományos kutatásokról szóló jelentések folyamatosan tarkítják a piacra betörő új termékekről szóló publikációkat és a mesterséges intelligencia használatával elért lenyűgöző eredményekről szóló jelentéseket. különböző területeken. Ha a várható eseményekről beszélünk, a médiában feltűnő hype kíséretében, amelyben a mesterséges intelligencia ismét a hírek hőse lesz, akkor valószínűleg nem kockáztatom meg a technológiai előrejelzéseket. El tudom képzelni, hogy a következő esemény egy rendkívül hozzáértő bíróság megjelenése valahol mesterséges intelligencia formájában, tisztességes és megvesztegethetetlen. Ez nyilván 2020-2025-ben fog megtörténni. Az ebben a bíróságon lezajló folyamatok pedig váratlan gondolatokhoz és sok ember vágyához vezetnek, hogy az emberi társadalom irányításának legtöbb folyamatát átvigyék a mesterséges intelligenciára.”

A tudós a mesterséges intelligencia igazságszolgáltatási rendszerben történő alkalmazását „logikus lépésként” ismeri el a jogalkotási egyenlőség és igazságosság fejlesztése felé. A gépi intelligencia nem kitéve a korrupciónak és az érzelmeknek, szigorúan be tudja tartani a jogszabályi keretet, és számos tényezőt figyelembe véve hozhat döntéseket, beleértve a vitában részt vevő feleket jellemző adatokat is. Az orvosi terület analógiájára a robotbírók a tároló létesítményekből származó big data-okkal dolgozhatnak közszolgáltatások. Feltételezhető, hogy a gépi intelligencia képes lesz gyorsan feldolgozni az adatokat és lényegesen több tényezőt vesz figyelembe, mint egy emberi bíró.

A szakértő pszichológusok azonban úgy vélik, hogy az érzelmi összetevő hiánya a bírósági ügyek mérlegelésekor negatívan befolyásolja a döntés minőségét. A gépbíróság ítélete túlságosan egyértelmű lehet, nem veszi figyelembe az emberek érzéseinek és hangulatainak fontosságát.

Festmény

2015-ben a Google csapata neurális hálózatokat tesztelt, hogy megnézze, képesek-e önállóan képeket létrehozni. Aztán a mesterséges intelligenciát példával képezték nagy mennyiség különféle képek. Amikor azonban „megkérték” a gépet, hogy önmagában is ábrázoljon valamit, kiderült, hogy kissé furcsán értelmezi a minket körülvevő világot. Például a súlyzók rajzolásához a fejlesztők egy képet kaptak, amelyen a fém összekapcsolódott emberi kéz által. Ez valószínűleg annak köszönhető, hogy a képzési szakaszban a súlyzókkal elemzett képek kezet tartalmaztak, és a neurális hálózat ezt rosszul értelmezte.

2016. február 26-án egy különleges aukción San Franciscóban a Google képviselői mintegy 98 ezer dollárt gyűjtöttek a mesterséges intelligencia által létrehozott pszichedelikus festményekből. Ezeket az összegeket jótékony célokra ajánlották fel. Az alábbiakban bemutatjuk az egyik legsikeresebb képet az autóról.

A Google mesterséges intelligenciája által festett festmény.

Mesterséges intelligencia

A mesterséges intelligencia a számítástechnikának egy olyan ága, amely az intelligens érvelés és cselekvés lehetőségét vizsgálja számítógépes rendszerek és más mesterséges eszközök segítségével. A legtöbb esetben a probléma megoldásának algoritmusa előre ismeretlen.

Ennek a tudománynak nincs pontos meghatározása, mivel az emberi intelligencia természetének és státuszának kérdése a filozófiában nem megoldott. Nincsenek pontos kritériumok a számítógépek számára az „intelligencia” elérésére, bár a mesterséges intelligencia hajnalán számos hipotézist javasoltak, például a Turing-tesztet vagy a Newell-Simon hipotézist. Tovább Ebben a pillanatban Számos megközelítés létezik az AI-probléma megértésére és az intelligens rendszerek létrehozására.

Így az egyik osztályozás az AI fejlesztésének két megközelítését azonosítja:

felülről lefelé irányuló, szemiotikai - szimbolikus rendszerek létrehozása, amelyek magas szintű mentális folyamatokat modelleznek: gondolkodás, érvelés, beszéd, érzelmek, kreativitás stb.;

alulról felfelé építkező, biológiai – neurális hálózatok és evolúciós számítások tanulmányozása, amelyek intelligens viselkedést modelleznek kisebb "nem intelligens" elemek alapján.

Ez a tudomány kapcsolódik a pszichológiához, a neurofiziológiához, a transzhumanizmushoz és másokhoz. Mint minden számítástechnika, ez is matematikát használ. A filozófia és a robotika különösen fontos számára.

A mesterséges intelligencia egy nagyon fiatal kutatási terület, amely 1956-ban indult. Neki történelmi út szinuszhullámhoz hasonlít, amelynek minden egyes „felszállását” valamilyen új ötlet indította el. Fejlődése jelenleg hanyatlóban van, teret adva a már elért eredmények alkalmazásának a tudomány, az ipar, az üzleti élet, sőt a mindennapi élet más területein is.

Tanulmányi megközelítések

Különféle megközelítések léteznek az AI-rendszerek felépítésére. Jelenleg 4 teljesen eltérő megközelítés létezik:

1. Logikai megközelítés. A logikai megközelítés alapja a Boole-algebra. Minden programozó ismeri ezt és a logikai operátorokat attól kezdve, hogy elsajátította az IF operátort. A Boole-algebra továbbfejlesztését predikátumszámítás formájában kapta meg - melyben alanyi szimbólumok, a köztük lévő kapcsolatok, a létezés és az univerzalitás kvantifikátorainak bevezetésével bővült. Szinte minden logikai elven felépített mesterséges intelligencia rendszer tételbizonyító gép. Ebben az esetben a forrásadatokat axiómák, logikai következtetési szabályok, köztük kapcsolatok formájában tárolják az adatbázisban. Ráadásul minden ilyen gépnek van egy célgeneráló egysége, amit a következtetési rendszer igyekszik bizonyítani ezt a célt tételként. Ha a cél beigazolódik, akkor az alkalmazott szabályok nyomon követése lehetővé teszi, hogy a cél eléréséhez szükséges cselekvési láncot kapjuk (az ilyen rendszert szakértői rendszereknek nevezzük). Egy ilyen rendszer teljesítményét a célgenerátor és a tételbizonyító gép képességei határozzák meg. Egy viszonylag új irány, mint például a fuzzy logika, lehetővé teszi, hogy a logikai megközelítés nagyobb kifejezőerőt érjen el. Legfőbb különbsége, hogy egy állítás valóságtartalma az igen/nem (1/0) mellett köztes értékeket is felvehet – nem tudom (0,5), a beteg nagyobb valószínűséggel él, mint halott (0,75) ), a beteg nagyobb valószínűséggel halott, mint él (0,25). Ez a megközelítés jobban hasonlít az emberi gondolkodáshoz, mivel ritkán válaszol a kérdésekre csak igennel vagy nemmel.

2. Strukturális megközelítésen itt olyan kísérleteket értünk, amelyek az emberi agy szerkezetének modellezésével mesterséges intelligencia felépítésére irányulnak. Az egyik első ilyen kísérlet Frank Rosenblatt perceptronja volt. A perceptronok fő modellezett szerkezeti egysége (mint a legtöbb más agyi modellezési lehetőségnél) a neuron. Később más modellek is megjelentek, amelyeket a legtöbben neurális hálózatok (NN) elnevezés alatt ismernek. Ezek a modellek különböznek az egyes neuronok felépítésében, a köztük lévő kapcsolatok topológiájában és tanulási algoritmusaiban. A legismertebb NN-lehetőségek közé tartoznak a hibák visszaszaporításával rendelkező NN-ek, a Hopfield-hálózatok és a sztochasztikus neurális hálózatok. Tágabb értelemben ezt a megközelítést konnektivizmusnak nevezik.

3. Evolúciós megközelítés. A mesterséges intelligencia rendszerek építésekor aszerint ez a megközelítés a fő figyelem a kezdeti modell felépítésére, és azokra a szabályokra irányul, amelyek alapján változhat (fejlődik). Sőt, a modell sokféle módszerrel összeállítható, lehet neurális hálózat, logikai szabályok halmaza vagy bármilyen más modell. Ezt követően bekapcsoljuk a számítógépet, és a modellek ellenőrzése alapján kiválasztja közülük a legjobbakat, amelyek alapján változatos szabályok szerint új modelleket generálnak. Az evolúciós algoritmusok közül a genetikai algoritmus számít klasszikusnak.

4. Szimulációs megközelítés. Ez a megközelítés klasszikus a kibernetikában, egyik alapfogalma a fekete doboz. Az objektum, amelynek viselkedését szimulálják, pontosan egy „fekete doboz”. Számunkra teljesen mindegy, hogy mi van benne és a modellben, és hogyan működik, a lényeg, hogy a mi modellünk pontosan ugyanúgy viselkedjen hasonló helyzetekben. Így egy másik emberi tulajdonságot modelleznek itt: azt a képességet, hogy lemásolják azt, amit mások csinálnak, anélkül, hogy részletesen belemennénk, hogy miért van erre szükség. Ez a képesség gyakran sok időt takarít meg neki, különösen élete elején.

A hibrid intelligens rendszerek keretein belül ezeket a területeket próbálják ötvözni. Szakértői következtetési szabályok generálhatók neurális hálózatokkal, generatív szabályok pedig statisztikai tanulással.

Az intelligenciaerősítésnek nevezett ígéretes új megközelítés az MI evolúciós fejlődésen keresztüli elérését az emberi intelligenciát fejlesztő technológia mellékhatásaként tekinti.

Kutatási irányok

Az AI történetét elemezve egy olyan tág területet emelhetünk ki, mint az érvelési modellezés. Ennek a tudománynak a fejlődése sok éven keresztül pontosan ezen az úton haladt, és most a modern AI egyik legfejlettebb területe. A modellező gondolkodás szimbolikus rendszerek létrehozását jelenti, amelyek bemenete egy bizonyos probléma, és a kimenet megköveteli a megoldását. A javasolt probléma általában már formalizálva van, azaz matematikai formára lefordítva, de vagy nincs megoldási algoritmusa, vagy túl bonyolult, időigényes stb. Ez a terület magában foglalja: tételek bizonyítását, döntéshozatalt és játékelmélet, tervezés és feladás, előrejelzés.

Fontos terület a természetes nyelvi feldolgozás, amely magában foglalja az „emberi” nyelvű szövegek megértésének, feldolgozásának és generálásának képességeit. Különösen a szövegek egyik nyelvről a másikra történő gépi fordításának problémája még nem megoldott. A modern világban az információkeresési módszerek fejlesztése fontos szerepet játszik. Az eredeti Turing-teszt természeténél fogva ehhez az irányhoz kapcsolódik.

Sok tudós szerint az intelligencia egyik fontos tulajdonsága a tanulási képesség. Így előtérbe kerül a tudásmérnökség, amely egyesíti az egyszerű információból tudásszerzés, rendszerezés és felhasználás feladatait. Az ezen a területen elért haladás az AI-kutatás szinte minden más területére hatással van. Itt sem lehet figyelmen kívül hagyni két fontos részterületet. Ezek közül az első - a gépi tanulás - egy intelligens rendszer által a működése során történő önálló tudásszerzés folyamatára vonatkozik. A második szakértői rendszerek létrehozásával kapcsolatos - olyan programok, amelyek speciális tudásbázisokat használnak, hogy megbízható következtetéseket vonjanak le bármilyen problémáról.

Nagy és érdekes eredmények születtek a biológiai rendszerek modellezése terén. Szigorúan véve ez több független irányt is magában foglalhat. Neurális hálózatokat használnak a fuzzy és a összetett problémák, mint például a geometriai alakzatfelismerés vagy az objektumcsoportosítás. A genetikai megközelítés azon az elképzelésen alapul, hogy egy algoritmus hatékonyabbá válhat, ha kölcsönkér legjobb tulajdonságait más algoritmusoktól („szülők”). Egy viszonylag új megközelítést, ahol a feladat egy autonóm program létrehozása - egy ágens, amely kölcsönhatásba lép a külső környezettel, ágens megközelítésnek nevezzük. És ha megfelelően rákényszerítesz sok „nem túl intelligens” ügynököt az együttműködésre, akkor „hangya” intelligenciához juthatsz.

A mintafelismerési problémák más területeken már részben megoldottak. Ez magában foglalja a karakterfelismerést, a kézzel írt szöveget, a beszédet és a szövegelemzést. Külön említést érdemel a számítógépes látás, amely a gépi tanuláshoz és a robotikához kapcsolódik.

Általában a robotikát és a mesterséges intelligenciát gyakran összekapcsolják egymással. E két tudomány integrációja, az intelligens robotok létrehozása az AI másik területe.

A gépi kreativitás abban különbözik egymástól, hogy az emberi kreativitás természetét még kevésbé tanulmányozzák, mint az intelligencia természetét. Ennek ellenére ez a terület létezik, és a számítógépes zeneírás, irodalmi művek (gyakran versek vagy mesék) és a művészi alkotás problémái vetődnek fel itt.

A 17. század elején Rene Descartes azt javasolta, hogy az állat egyfajta összetett mechanizmus, és ezzel egy mechanisztikus elméletet fogalmazott meg. 1623-ban Wilhelm Schickard megépítette az első mechanikus digitális számítógépet, majd Blaise Pascal (1643) és Leibniz (1671) gépeit követte. Leibniz volt az első, aki leírta a modern kettes számrendszert, bár előtte sok nagy tudós rendszeresen érdeklődött e rendszer iránt. A 19. században Charles Babbage és Ada Lovelace programozható mechanikus számítógépen dolgozott.

1910-1913-ban Bertrand Russell és A. N. Whitehead kiadta a Principia Mathematicát, amely forradalmasította a formális logikát. 1941-ben Konrad Zuse megépítette az első működő szoftverrel vezérelt számítógépet. Warren McCulloch és Walter Pitts 1943-ban kiadta az A Logical Calculus of the Ideas Immanent in Nervous Activity (Az idegi tevékenységben rejlő gondolatok logikai számítása) című könyvét, amely lefektette a neurális hálózatok alapjait.

A dolgok jelenlegi állása

Jelenleg (2008) a mesterséges intelligencia létrehozásában (a szó eredeti értelmében a szakértői rendszerek és a sakkprogramok nem tartoznak ide) ötlethiány van. Szinte minden megközelítést teszteltek, de egyetlen kutatócsoport sem közelítette meg a mesterséges intelligencia megjelenését.

A leglenyűgözőbb polgári AI-rendszerek közül néhány:

Deep Blue - legyőzte a sakkvilágbajnokot. (A Kaszparov és a szuperszámítógépek mérkőzése sem az informatikusok, sem a sakkozók számára nem okozott megelégedést, és a rendszert Kaszparov sem ismerte fel, pedig az eredeti kompakt sakkprogramok a sakkkreativitás szerves részét képezik. Aztán megjelent az IBM szuperszámítógépek sora 2010-ben. a brute force a BluGene-t (molekuláris modellezés) és a piramis sejtrendszer modellezését vetíti ki a Swiss Blue Brain Centerben. Ez a történet- egy példa a mesterséges intelligencia, az üzleti élet és a nemzeti stratégiai célok közötti bonyolult és titkos kapcsolatra.)

A Mycin egyike volt azoknak a korai szakértői rendszereknek, amelyek a betegségek kis csoportját tudtak diagnosztizálni, gyakran olyan pontosan, mint az orvosok.

A 20q egy mesterséges intelligencia-ötleteken alapuló projekt, amely a „20 Questions” klasszikus játékon alapul. Nagyon népszerűvé vált, miután megjelent az interneten a 20q.net weboldalon.

Beszédfelismerés. Az olyan rendszerek, mint a ViaVoice, képesek kiszolgálni a fogyasztókat.

A robotok a futball leegyszerűsített formájában versenyeznek az éves RoboCup versenyen.

Az AI alkalmazása

A bankok mesterséges intelligencia rendszereket (AI) használnak a biztosítási tevékenységeikben (biztosításmatematika), amikor tőzsdén és ingatlankezelésben játszanak. 2001 augusztusában a robotok legyőzték az embereket egy rögtönzött kereskedelmi versenyen (BBC News, 2001). A mintafelismerési módszereket (beleértve a bonyolultabb, speciális és neurális hálózatokat is) széles körben használják az optikai és akusztikus felismerésben (beleértve a szöveget és a beszédet), az orvosi diagnosztikában, a spamszűrőkben, a légvédelmi rendszerekben (célpont azonosítás), valamint a számok biztosítására is. más nemzetbiztonsági feladatok ellátására.

A számítógépes játékok fejlesztői kénytelenek különböző kifinomultságú mesterséges intelligenciát használni. A mesterséges intelligencia szabványos feladatai a játékokban: útkeresés a két- vagy háromdimenziós térben, egy harci egység viselkedésének szimulálása, a helyes gazdasági stratégia kiszámítása stb.

Az AI kilátásai

Az AI fejlesztésének két iránya látható:

az első a speciális mesterséges intelligencia rendszerek emberi képességekhez való közelítésével és integrációjával kapcsolatos problémák megoldása, amit az emberi természet valósít meg.

a második a mesterséges intelligencia megalkotása, amely a már megalkotott mesterséges intelligencia rendszerek integrálását jelenti egyetlen rendszerbe, amely képes megoldani az emberiség problémáit.

Kapcsolatok más tudományokkal

A mesterséges intelligencia szorosan összefügg a transzhumanizmussal. A neurofiziológiával és a kognitív pszichológiával együtt pedig egy általánosabb tudományt alkot, amit kognitív tudománynak neveznek. A filozófia különleges szerepet játszik a mesterséges intelligenciában.

Filozófiai kérdések

A „mesterséges intelligencia létrehozásának” tudománya nem tudta nem felkelteni a filozófusok figyelmét. Az első intelligens rendszerek megjelenésével alapvető kérdések vetődtek fel az emberrel és a tudással, részben a világrenddel kapcsolatban. Egyrészt elválaszthatatlanul kapcsolódnak ehhez a tudományhoz, másrészt némi káoszt vezetnek belé. Az AI-kutatók körében továbbra sincs domináns nézőpont az intelligencia kritériumairól, a célok és a megoldandó feladatok rendszerezéséről, még a tudomány szigorú meghatározása sincs.

Tud gondolkodni egy gép?

A mesterséges intelligencia filozófiájának leghevesebb vitája az emberi kéz által teremtett gondolkodás lehetőségének kérdése. A „Gondolkodhat-e egy gép?” kérdést, amely az emberi elme szimulációjának tudományának megalkotására késztette a kutatókat, Alan Turing tette fel 1950-ben. A kérdés két fő nézőpontját az erős és gyenge mesterséges intelligencia hipotézisének nevezzük.

Az „erős mesterséges intelligencia” kifejezést John Searle vezette be, és a megközelítést az ő szavai jellemzik:

„Sőt, egy ilyen program nem csak az elme modellje lenne; a szó szó szerinti értelmében ő maga lesz az elme, ugyanabban az értelemben, ahogyan az emberi elme az elme.”

"Kínai szoba" gondolatkísérletében John Searle megmutatja, hogy a Turing-teszt sikeres teljesítése nem feltétele annak, hogy egy gép valódi érvelési folyamata legyen.

A gondolkodás a memóriában tárolt információk feldolgozásának folyamata: elemzés, szintézis és önprogramozás.

Hasonló álláspontot foglal el Roger Penrose is, aki „A király új elméje” című könyvében amellett érvel, hogy a gondolkodási folyamat formális rendszereken alapuló megszerzése lehetetlen.

Különböző nézetek vannak ebben a kérdésben. Az analitikus megközelítés magában foglalja egy személy magasabb idegi aktivitásának elemzését a legalacsonyabb, oszthatatlan szintig (magasabb idegi aktivitás funkciója, elemi reakció a külső irritáló hatásokra (ingerekre), a funkcióval összekapcsolt idegsejtek halmazának szinapszisainak irritációja), ill. ezeknek a funkcióknak a későbbi újratermelése.

Egyes szakértők összetévesztik az intelligenciával a racionális, motivált választás képességét az információhiány körülményei között. Vagyis egy intellektuális program egyszerűen azt a tevékenységi programot (nem feltétlenül modern számítógépeken implementálva) tekinti, amely bizonyos alternatívák közül választhat, például, hogy hova menjen a „balra fogsz menni .. .”, „jobbra mész…”, „egyenesen mész…”

A tudás tudománya

Szintén az ismeretelmélet - a filozófia keretein belüli tudástudomány - szorosan kapcsolódik a mesterséges intelligencia problémáihoz. Az ezen a témán dolgozó filozófusok olyan kérdésekkel küszködnek, amelyek hasonlóak az AI-mérnökökhöz azzal kapcsolatban, hogyan lehet a legjobban reprezentálni és felhasználni a tudást és az információkat.

Az AI-hoz való hozzáállás a társadalomban

AI és a vallás

Az Ábrahám-vallások követői körében több álláspont is létezik a strukturális megközelítésen alapuló mesterséges intelligencia létrehozásának lehetőségéről.

Egyikük szerint az agy, amelynek munkáját a rendszerek utánozni próbálják, véleményük szerint nem vesz részt a gondolkodási folyamatban, nem a tudat és más mentális tevékenység forrása. Strukturált megközelítésen alapuló mesterséges intelligencia létrehozása lehetetlen.

Egy másik nézőpont szerint az agy részt vesz a gondolkodási folyamatban, de a lélek információinak „továbbítója” formájában. Az agy olyan „egyszerű” funkciókért felelős, mint a feltétel nélküli reflexek, a fájdalomra adott válasz stb. Strukturális megközelítésen alapuló mesterséges intelligencia létrehozása akkor lehetséges, ha a tervezett rendszer képes „átviteli” funkciókat ellátni.

Mindkét álláspont nem felel meg a modern tudomány adatainak, mert a lélek fogalmát nem veszik figyelembe modern tudomány mint tudományos kategória.

Sok buddhista szerint a mesterséges intelligencia lehetséges. Így XIV. Dalai Láma spirituális vezető nem zárja ki a tudat számítógépes alapon való létezésének lehetőségét.

A raeliták aktívan támogatják a mesterséges intelligencia fejlesztéseit.

AI és sci-fi

A sci-fi irodalomban az MI-t leggyakrabban olyan erőként ábrázolják, amely megpróbálja megdönteni az emberi hatalmat (Omnius, HAL 9000, Skynet, Colossus, A Mátrix és a Replikáns) vagy egy szolgáló humanoidot (C-3PO, Data, KITT és KARR, Bicentennial Man). Az olyan sci-fi írók vitatják, hogy a mesterséges intelligencia elkerülhetetlen uralja a világot, ami kiment az irányításból.

Egy különös jövőképet mutat be Harry Garrison tudományos-fantasztikus író és Marvin Minsky tudós "The Turing Selection" című regénye. A szerzők az emberiség elvesztésének témáját tárgyalják egy olyan személyben, akinek az agyába számítógépet ültettek be, valamint az emberiség megszerzését egy mesterséges intelligencia-gép által, amelynek memóriájába az emberi agy információit másolták.

Egyes sci-fi-írók, például Vernor Vinge, szintén elgondolkoztak az AI megjelenésének következményein, amely valószínűleg drámai változásokat fog okozni a társadalomban. Ezt az időszakot nevezik technológiai szingularitásnak.

Előző cikk: Mekkora a fénysebesség Következő cikk: Harmonikus rezgések Az oszcillációs frekvencia fizikai képlete