Viime aikoina julkaisut keinotekoisen älykkyyden esiintymismahdollisuuksista ovat lisääntyneet. Keskustelemme ihmiskunnan rinnakkaiselon käytännöllisistä ja moraalis-eettisistä näkökohdista hänen kanssaan. Kuinka ajankohtaiset nämä keskustelut ovat? Voimmeko todella odottaa "ajattelevien koneiden" esiintymisen?
Kaikki tekoälyn luomiseen liittyvät hankkeet voidaan jakaa karkeasti kahteen osaan. Ensimmäinen on tietokantojen kerääminen ja käsittely prosessoinnilla, jotka jäljittelevät ihmisen aivojen toimintaa. Toinen perustuu henkisen käyttäytymisen mallien tutkimukseen. Kummankin osapuolen haittana on, että emme vieläkään tiedä tarpeeksi hyvin, mikä on mieli ja henkinen käyttäytyminen, ja ihmisen aivoja on suoraan sanottuna tutkittu vakavasti suhteellisen viime aikoina.
On olemassa mielipide, että ongelmaa voidaan kiertää kyborgien vuoksi, toisin sanoen sulauttamalla elävät aivot (apina ja tulevaisuudessa ihminen) tietokoneeseen, mutta tämä polku on täynnä valtavia vaikeuksia, ja mikä pahempaa, tässä tapauksessa on mahdotonta puhua täysi tekoäly.
Tutkijoiden mielestä on kuitenkin varsin realistista hypätä useiden vaiheiden yli, jolloin keinoäly voi kehittyä itsenäisesti - aivan kuten se kehittyi elävässä luonnossa, sillä erolla, että sen kehitys tapahtuu virtuaalisessa, ei aineellisessa tilassa. Veto asetetaan tässä keinotekoisissa hermoverkoissa tai hermoverkoissa (keinotekoinen hermoverkko).
Muistakaamme mikä on neuroni. Tämä on hermosolun nimi, joka eroaa muista soluista siinä mielessä, että se pystyy varastoimaan ja lähettämään tietoja sähköisillä ja kemiallisilla signaaleilla. Neuronien toiminta löydettiin 1800-luvun lopulla, mikä tietenkin pelasi materialistien käsissä, jotka olivat saaneet aikaan valtaa ympäri maailmaa tuolloin: he ilmoittivat heti, että "sielu" sisälsi neuroneihin. Tästä syystä ajatus siitä, että jos kasvatat jollain tavalla tarkkaa kopiota aivoista, niin sieluun syntyy "sielu". Mutta nousi filosofinen kysymys: onko mahdollista puhua”sielusta” ilman syytä? Loppujen lopuksi se on kasvattamisen tuote, kuten osoittaa "Mowgli" - eläinten kasvattamat ihmislapset. Siksi ei riitä, että luodaan kopio aivoista - se on silti "koulutettava" saadakseen älykkyyttä.
TEKNINEN Hieno
Normaalin aikuisen aivoissa on noin 86 miljardia neuronia. Ei niin kauan sitten, ajatus digitaalisen analogin luomisesta näytti aivan mahtavalta. Tietotekniikan kehittyessä tämä näyttää kuitenkin jo aika saavutettavalta.
Mainosvideo:
On muistettava, että kuuluisaa amerikkalaista matemaatikko Norbert Wieneria, joka on kybernetiikan "isä", pidetään monimutkaisten biologisten prosessien, mukaan lukien aivoprosessien, mallintamisen teorian perustajana. Vuonna 1949 kanadalainen psykologi Donald Hebb, ajatteluprosessien tutkimuksen asiantuntija, Wienerin laskelmien perusteella, laati ensimmäisen hermoverkkojen koulutusalgoritmin (muuten, Hebb toimi yhdellä kertaa CIA: ssa, jossa hän käsitteli aivopesua).
Vuonna 1957 amerikkalainen Frank Rosenblatt, tekoälyn teoreetikko, loi aikaisempaan työhönsä perustuvan logiikkakaavion - aivojen itseoppimisen kyberneettisen mallin, joka otettiin käyttöön kolme vuotta myöhemmin Mark-1-elektronisen tietokoneen pohjalta. Perceptron välittää signaaleja valosoluista (antureista, S-soluista) satunnaisesti kytkettyihin sähkömekaanisten muistisolujen lohkoihin. Jos yksi soluista vastaanottaa kynnysarvon ylittävän signaalin, niin se lähettää sen edelleen - summaimeen (R-elementti) ja tietyllä kertoimella (AR-yhteyden "paino"). Riippuen signaalin summasta kerrottuna painokertoimilla, summain antaa yhden kolmesta mahdollisesta tuloksesta koko järjestelmän lähtöön: -1, 0 ja +1. Perceptronin koulutus tapahtuu vaihekertoimien tuomisen vaiheessa järjestelmään. Esimerkiksi,asetamme “neliön” hahmon valokennojen eteen ja asetamme säännön: kun neliö ilmestyy näkymäkenttään, perceptronin tulisi antaa positiivinen tulos (+1) ja kun jokin muu esine ilmestyy, negatiivinen (-1). Sitten muutamme esineitä yksi kerrallaan ja säädämme painoja, kun neliö ilmestyy kasvavaan suuntaan, ja sen puuttuessa - laskun suuntaan. Seurauksena on, että saamme järjestelmässä ainutlaatuisen joukon painokertoimien arvoja millä tahansa neliön ulkonäön variantilla, ja voimme tulevaisuudessa käyttää sitä neliöiden tunnistamiseen. Huolimatta primitiivisyydestään nykyaikaisiin tietokoneisiin nähden, "Mark-1" pystyi tunnistamaan paitsi geometriset muodot, myös aakkosten kirjaimet ja kirjoittamaan eri käsinkirjoituksin.kun neliö ilmestyy näkökenttään, perceptronin tulisi antaa positiivinen tulos (+1) ja kun jokin muu objekti näkyy - negatiivinen (-1). Sitten muutamme esineitä yksi kerrallaan ja säädämme painoja, kun neliö ilmestyy kasvavaan suuntaan, ja sen puuttuessa - laskun suuntaan. Seurauksena on, että saamme järjestelmässä ainutlaatuisen joukon painokertoimien arvoja millä tahansa neliön ulkonäön variantilla, ja voimme tulevaisuudessa käyttää sitä neliöiden tunnistamiseen. Huolimatta primitiivisyydestään nykyaikaisiin tietokoneisiin nähden, "Mark-1" pystyi tunnistamaan paitsi geometriset muodot, myös aakkosten kirjaimet ja kirjoittamaan eri käsinkirjoituksin.kun neliö ilmestyy näkökenttään, perceptronin tulisi antaa positiivinen tulos (+1) ja kun jokin muu objekti ilmestyy - negatiivinen (-1). Sitten muutamme esineitä yksi kerrallaan ja säädämme painoja, kun neliö ilmestyy kasvavaan suuntaan, ja sen puuttuessa - laskun suuntaan. Seurauksena on, että saamme järjestelmässä ainutlaatuisen joukon painokertoimien arvoja millä tahansa neliön ulkonäön variantilla, ja voimme tulevaisuudessa käyttää sitä neliöiden tunnistamiseen. Huolimatta primitiivisyydestään nykyaikaisiin tietokoneisiin nähden, "Mark-1" pystyi tunnistamaan paitsi geometriset muodot, myös aakkosten kirjaimet ja kirjoittamaan eri käsinkirjoituksin. Sitten muutamme esineitä yksi kerrallaan ja säädämme painoja, kun neliö ilmestyy kasvavaan suuntaan, ja sen puuttuessa - laskun suuntaan. Seurauksena on, että saamme järjestelmässä ainutlaatuisen joukon painokertoimien arvoja millä tahansa neliön ulkonäön variantilla, ja voimme tulevaisuudessa käyttää sitä neliöiden tunnistamiseen. Huolimatta primitiivisyydestään nykyaikaisiin tietokoneisiin nähden, "Mark-1" pystyi tunnistamaan paitsi geometriset muodot, myös aakkosten kirjaimet ja kirjoittamaan eri käsinkirjoituksin. Sitten muutamme esineitä yksi kerrallaan ja säädämme painoja, kun neliö ilmestyy kasvavaan suuntaan, ja sen puuttuessa - laskun suuntaan. Seurauksena on, että saamme järjestelmässä ainutlaatuisen joukon painokertoimien arvoja millä tahansa neliön ulkonäön variantilla, ja voimme tulevaisuudessa käyttää sitä neliöiden tunnistamiseen. Huolimatta primitiivisyydestään nykyaikaisiin tietokoneisiin nähden, "Mark-1" pystyi tunnistamaan paitsi geometriset muodot, myös aakkosten kirjaimet ja kirjoittamaan eri käsinkirjoituksin. Seurauksena on, että saamme järjestelmässä ainutlaatuisen joukon painokertoimien arvoja millä tahansa neliön ulkonäön variantilla, ja voimme tulevaisuudessa käyttää sitä neliöiden tunnistamiseen. Huolimatta primitiivisyydestään nykyaikaisiin tietokoneisiin nähden, "Mark-1" pystyi tunnistamaan paitsi geometriset muodot, myös aakkosten kirjaimet ja kirjoittamaan eri käsinkirjoituksin. Seurauksena on, että saamme järjestelmässä ainutlaatuisen joukon painokertoimien arvoja millä tahansa neliön ulkonäön variantilla, ja voimme tulevaisuudessa käyttää sitä neliöiden tunnistamiseen. Huolimatta primitiivisyydestään nykyaikaisiin tietokoneisiin nähden "Mark-1" pystyi tunnistamaan paitsi geometriset muodot, myös aakkosten kirjaimet ja kirjoittamaan eri käsinkirjoituksin.
PIENET ASIAT
Tietysti siitä lähtien on syntynyt monia monimutkaisempia piirejä, algoritmeja ja muunnelmien variantteja. Siitä huolimatta tällä lähestymistavalla hermoverkkomallin järjestämisessä on perustavanlaatuisia rajoituksia: esimerkiksi havaintoaineet ovat voimattomia ratkaisemaan ongelma, joka liittyy kuvan jakamiseen erillisiin osiin tai kuvien suhteellisen sijainnin määrittämiseen.
Kun kävi selväksi, että havaintoihin perustuvaa tekoälyä oli mahdotonta rakentaa, kiinnostus heihin laski. Siitä huolimatta 1980-luvun alkupuolella ilmestyi uusia oppeja itsensä oppimisesta ja itseorganisoitumisesta hermoverkoista: Hopfield-verkko, Hemming-verkko, Kohonen-verkko, Jordan-verkko ja muut. Vuonna 1986 tapahtui eräänlainen vallankumous: Neuvostoliiton ja yhdysvaltalaiset tutkijat kehittivät jälkikasvatusmenetelmän (iteratiivinen gradienttialgoritmi), jonka avulla voitiin ylittää aiemmin havaitut rajoitukset. Sen jälkeen hermoverkot saivat nopeaa kehitystä, joka otettiin välittömästi käyttöön soveltuvissa tietokoneohjelmissa.
Keinotekoisten hermoverkkojen pohjalta rakennetut nykyaikaiset ohjelmistopaketit kykenevät tunnistamaan mielivaltaisesti monimutkaisia tekstejä, äänikomentoja, kasvoja, eleitä ja ilmeitä. Nämä ovat kuitenkin vain yksinkertaisimpia käyttötapoja, on myös epätavallisempia. Itseoppivat autopilotit, jotka pystyvät reagoimaan katastrofaalisten tilanteiden kehitykseen aikaisemmin kuin lentäjät. Pörssitarkastajat tunnistavat epäilyttävät liiketoimet osakemarkkinoilla. Verkko-mainosagentit, jotka seuraavat potentiaalisten asiakkaiden mieltymyksiä. Imeväisillä patologioita määrittävät lääketieteelliset diagnoosilääkärit.
On selvää, että tietotekniikan kehittyessä myös hermoverkot monimutkaistuvat. He hallitsevat kaikkia kodien kodinkoneita ja elämäntukea kodeissa, tehtaissa ja supermarketeissa. Hän voi seurata uhkia, analysoida suuntauksia ja antaa neuvoja esimerkiksi rahan optimaalisesta sijoittamisesta. He jopa pystyvät luomaan taidetta: siellä on jo hermostoverkkojen kirjoittamia maalauksia ja runoja!
PALJONTA TAI YSTÄVYYS?
Itse asiassa kaikki menee tosiasiaan, että hermostoverkosta tulee joskus korvaamaton avustaja tuhansissa suurissa ja pienissä asioissa. Futuristit pelkäävät tätä. He uskovat, että määrä muuttuu jossain vaiheessa laatua, hermostoverkoissa syntyy tekoälyä, joka haastaa välittömästi ihmiskunnan ja tuhoaa sen. Toinen vaihtoehto on myös mahdollista - ihmisistä tulee niin riippuvaisia hermoverkon tekemistä päätöksistä, etteivät he itse huomaa miten heistä tulee sen orjia.
Nämä pelottavat skenaariot vaikuttavat liian omituisilta. Tosiasia, että hermoverkot on alun perin rakennettu mukautumaan tietyn henkilön tai ihmisryhmän tarpeisiin. Ne voivat auttaa korjaamaan virheen tai antamaan neuvoja, korostamaan ongelman tai huomaamaan petoksen, mutta he eivät itse pysty valitsemaan vastaavien vaihtoehtojen välillä, koska emme (valitettavasti tai onneksi) pysty opettamaan heille pääasiallista asiaa - moraalia. Siksi hermoverkot ovat aina kotimaisten koirien tapaisia - tottelevaisia, uskollisia ja ystävällisiä.
Anton Pervushin