Какие существуют подходы к созданию искусственного интеллекта? Что такое символьный, или классический искусственный интеллект? С чем связан интерес ученых к такого рода исследованиям? Об истории кибернетики, искусственном интеллекте и моделировании человеческого мозга рассказывает кандидат физико-математических наук Михаил Бурцев.
Как отдельное направление исследований искусственный интеллект возник в середине XX века. Тогда на стыке нейрофизиологии и математики появилась дисциплина, которая получила название «кибернетика». В рамках этой области исследований математики и нейрофизиологи пытались вместе понять, как же организована работа мозга, используя математические методы. Примерно в это же время появились компьютеры, и это обеспечило технологическую платформу, ускоряющую кибернетические исследования. Ученым стало легче исследовать теории о том, как работает мозг, обычно требующие большого количества вычислений при помощи компьютера. Это и привело к возникновению направления исследований под названием «искусственный интеллект».
Параллельно возникло другое направление, которое использовало подход, основанный на том, что высшее проявление интеллекта человека — это логические суждения. Логика может быть представлена посредством манипуляций символами, а именно для таких манипуляций и были созданы компьютеры. Поэтому с использованием компьютеров можно реализовать символьный искусственный интеллект. Это подход к решению проблемы интеллекта сверху вниз, постулируя возможность воспроизведения когнитивных способностей человека без обращения к уровню отдельных нейронов. Он получил название «искусственный интеллект» (ИИ), или «символьный искусственный интеллект», или «классический искусственный интеллект». И в истории развития этого направления было много взлетов и падений, связанных с очень высоким ажиотажем. Ученые заявляли в конце 60-х — начале 70-х годов: «Через 10 лет у нас будет робот, способный делать любую работу, которую может делать человек».
Основная движущая сила, которая стояла за исследованиями в области искусственного интеллекта как фундаментальной проблемы, как проблемы создания чего-то подобного человеку и понимания через искусственный интеллект природы человека, фактически стоит на месте. С другой стороны, постоянно идут поиски решений этой проблемы. И один из подходов, который развивается в последнее время, связан с попыткой смоделировать мозг на нейрональном уровне в целом. Один из главных пропонентов этого направления — Генри Маркрам, директор Института мозга в Швейцарии.
Человек на протяжении многих веков старается создать нечто подобное себе. Когда-то это были куклы-автоматы, похожие на человека и имитирующие его поведение. Сегодня это стремление человека реализуется в области искусственного интеллекта. Возможно, причина подобных попыток заключается в том, что таким образом человек хочет познать самого себя. Как он устроен, как он думает, переживает, чувствует? Но, с другой стороны, очевидно, что понимание механизмов, обеспечивающих интеллект человека, может быть полезно и с прикладной точки зрения для создания интеллектуальных машин, которые облегчат нашу жизнь.
Как отдельное направление исследований искусственный интеллект возник в середине XX века. Тогда на стыке нейрофизиологии и математики появилась дисциплина, которая получила название «кибернетика». В рамках этой области исследований математики и нейрофизиологи пытались вместе понять, как же организована работа мозга, используя математические методы. Примерно в это же время появились компьютеры, и это обеспечило технологическую платформу, ускоряющую кибернетические исследования. Ученым стало легче исследовать теории о том, как работает мозг, обычно требующие большого количества вычислений при помощи компьютера. Это и привело к возникновению направления исследований под названием искусственный интеллект.
Russell S., Norvig P. Artificial Intelligence: A Modern Approach, Prentice Hall, 2009 (3 edition), P. 1152
В это время возникло два альтернативных подхода, изучающих интеллект человека. Первый подход был связан с нейрофизиологическим представлением о том, что мозг состоит из клеток, обменивающихся электрическими сигналами, и что этот обмен сигналами является субстратом, обеспечивающим интеллект животных. Значит компьютер, также построенный на основе преобразования электрических сигналов, может моделировать работу мозга. Это направление получило название «искусственные нейронные сети (ИНС)». В рамках искусственных нейронных сетей исследования используют тактику построения интеллекта снизу вверх, от более мелких элементов – нейронов – к более крупным когнитивным уровням.
Flreani D., Mattiussi C. Bio-Inspired Artificial Intelligence: Theories, Methods, and Technologies (Intelligent Robotics and Autonomous Agents series), The MIT Press, 2008, P. 658.
Параллельно возникло другое направление, которое использовало подход, основанный на том, что высшее проявление интеллекта человека – это логические суждения. Логика может быть представлена посредством манипуляций символами, а именно для таких манипуляций и были созданы компьютеры. Поэтому с использованием компьютеров можно реализовать символьный искусственный интеллект. Это подход к решению проблемы интеллекта сверху вниз, постулируя возможность воспроизведения когнитивных способностей человека без обращения к уровню отдельных нейронов. Он получил название – искусственный интеллект (ИИ), либо символьный искусственный интеллект, либо классический искусственный интеллект. И в истории развития этого направления было много взлетов и падений, связанных с очень высоким ажиотажем. Ученые заявляли в конце 60-х – начале 70-х годов, что: «через 10 лет у нас будет робот, способный делать любую работу, которую может делать человек».
В 80-х годах наступил период «холодной зимы искусственного интеллекта». Организации, которые финансировали подобные исследования (в первую очередь Американское агентство по оборонным исследованиям DARPA) увидели, что ожидания не сбываются. И они стали гораздо меньше вкладывать в подобные исследования. Сегодня интерес к прикладным интеллектуальным технологиям постепенно нарастает, но уже обычно не ставится задача воспроизведения интеллекта человека. Большее внимание уделяется созданию технологий, добавляющих интеллектуальности в нашу окружающую жизнь: робот-пылесос, стиральная машинка, использующая нечеткую логику, или автопилот для автомобиля. Компания Google уже добилась в Неваде принятия закона, разрешающего выдавать права на вождение автопилотам.
Редько В.Г. Эволюция, нейронные сети, интеллект. Модели и концепции эволюционной кибернетики// Серия: Синергетика: от прошлого к будущему, - М.: Либерком,2011.
Основная движущая сила, которая стояла за исследованиями в области искусственного интеллекта как фундаментальной проблемы, как проблемы создания чего-то подобного человеку и понимания через искусственный интеллект природы человека, она фактически стоит на месте. С другой стороны, постоянно идут поиски решений этой проблемы. И один из подходов, который развивается в последнее время, связан с попыткой смоделировать мозг на нейрональном уровне в целом. Один из главных пропонентов этого направления – Генри Маркрам, директор Института мозга в Швейцарии.
Идея Генри Маркрама заключается в том, что мы можем к этой модели мозга привязать все наши современные нейробиологические знания и использовать ее потом для тех экспериментов, которые мы просто не можем провести на человеке. Например, испытывать новые фармакологические препараты. Или понять как экспрессия тех или иных генов будет влиять на заболевания нервной системы, что стоит за врожденными отклонениями в развитии мозга и так далее. Многие ученые, критикуют модель Генри Маркрама, в основном из-за его обещаний, что через 10 лет у нас будет модель мозга человека. Но вне зависимости о того, получим ли мы такую модель или нет, будет ли она воспроизводить интеллект человека или нет, как создание базы знаний, базы данных, интегрирующей все представления о мозге, этот проект очень важен.
Лем С.Сумма технологии // пер. Ф. Шириков. - М.: АСТ, 2012.
Наиболее перспективными являются исследования проблемы искусственного интеллекта с точки зрения эволюционного подхода, потому что это дает возможность переформулировать задачу создания сразу целостного интеллекта человека, разбив ее на подпроблемы. Как нарастала сложность интеллектуальных способностей животных в процессе эволюции? У разных видов животных мы находим нервные системы разной сложности, и если мы будем постепенно двигаться по такой лестнице усложнения в процессе эволюции, понимая то, какие механизмы отвечали за тот или иной скачек в интеллектуальности животных, то, возможно, это позволит нам быстрее решить проблему понимания интеллекта человека.
Михаил Бурцев, кандидат физико-математических наук, НИЦ "Курчатовский Институт"
В своей лекции я сначала вкратце расскажу об истории, об эволюции искусственного интеллекта, что под ним понимается, в каком состоянии он сегодня. Затем попытаюсь кратко проанализировать текущее состояние и, возможно, предложить что-то для будущего искусственного интеллекта. Эта лекция будет в основном посвящена тому, как делать искусственный интеллект и что он из себя представляет, но в основной части я не буду затрагивать вопрос, нужен ли он, и к каким последствиям создание искусственного интеллекта может привести. В нескольких словах этого вопроса я коснусь в самом конце лекции. И потом постараюсь ответить на все ваши вопросы.
Кого считают "отцом" искусственной жизни? Какова структура клеточных автоматов Джона фон Неймана? В чем состоит проблема цифровой стерильности? Как развивается это направление сегодня? О концепции клеточных автоматов, проблеме цифровой стерильности и эволюции программ рассказывает кандидат физико-математических наук Михаил Бурцев.
Как устроен процесс обучения? Что представляет собой нейрональная культура? Как можно объяснить активность нейронов в нейрональной культуре? Об электрической активности нейронов, следах памяти в нейрональных культурах и теории функциональных систем рассказывает кандидат физико-математических наук Михаил Бурцев.
Почему в процессе эволюции появляется кооперативное поведение? Как объясняют возникновение кооперации различные теории? И как исследование данного вопроса может отразиться на представлениях о морали человека? Об условиях возникновения кооперации, истоках человеческой морали и теории родственного отбора рассказывает специалист по эволюционной кибернетике Михаил Бурцев.
В Южной Корее 15 марта завершилась историческая партия в игру го: программа AlphaGo —против Ли Седоля, одного из сильнейших игроков планеты. AlphaGo обеспечила себе победу досрочно, выиграв три первые партии из пяти. Тем не менее, Ли Седоль смог выиграть в четвертом матче, но последний остался за AlphaGo. За несколько дней до финальной игры журналист «Медузы» Султан Сулейманов поговорил с Александром Крайновым, руководителем службы компьютерного зрения и технологий искусственного интеллекта «Яндекса», о том, как искусственный интеллект научился играть в го, откуда у него взялась интуиция и какие невероятные технологии нас ждут в ближайшем будущем.
Почему за полвека усилий не удалось создать искусственный интеллект? И как киборги помогают понять работу мозга? Об этом рассказывает Михаил Бурцев, кандидат физико-математических наук, руководитель лаборатории нейронных систем и глубокого обучения МФТИ.
Что такое машинное обучение? И можно ли считать, что программа, натренированная решать ту или иную задачу, понимает, что она делает? О том, как компьютер развивает интуицию и учится фильтровать спам, распознавать изображения и играть в игры, в новом материале «Чердака» рассказывает Иван Ерофеев.
Человеческий разум превосходит системы искусственного интеллекта, потому что использует физические законы на квантовомеханическом уровне. К такому не бесспорному утверждению склоняется в своей новой книге Роджер Пенроуз, известный ученый, работающий в области математической физики. Хотя (как признает Пенроуз) это утверждение в настоящее время не может быть строго доказано, некоторые интригующие аргументы, содержащиеся в его книге «Новый ум императора», дают достаточно серьезные основания усомниться в справедливости философских положений, которые лежат в основе искусственного интеллекта.
На лекции мы обсудим вторую весну искусственного интеллекта в цифрах и фактах, ключевые работы в области искусственного интеллекта и машинного обучения в 2017 году. Поговорим о распознавании изображений, речи, обработке естественного языка и о других направлениях исследований; обсудим новые модели и оборудование 2017 года. Также поговорим о применении ИИ и машинного обучения в бизнесе, медицине и науке, а также обсудим, чего мы ждем от искусственного интеллекта и машинного обучения в 2018 году.
В 1950 году английский ученый Алан Тьюринг в статье "Вычислительные машины и разум" задался вопросом: "Может ли машина понимать человека?". Так родился знаменитый тест Тьюринга, в котором компьютер пытался обмануть людей. Но как компьютер понимает человека и чего он пока понять не может? Об этом по гамбургскому счету мы решили спросить специалиста в области машинного обучения, директора информационных технологий компании "Activebusinesscollection" Сергея Маркова.
В своей лекции я сначала вкратце расскажу об истории, об эволюции искусственного интеллекта, что под ним понимается, в каком состоянии он сегодня. Затем попытаюсь кратко проанализировать текущее состояние и, возможно, предложить что-то для будущего искусственного интеллекта. Эта лекция будет в основном посвящена тому, как делать искусственный интеллект и что он из себя представляет, но в основной части я не буду затрагивать вопрос, нужен ли он, и к каким последствиям создание искусственного интеллекта может привести. В нескольких словах этого вопроса я коснусь в самом конце лекции. И потом постараюсь ответить на все ваши вопросы.
Человеческий разум превосходит системы искусственного интеллекта, потому что использует физические законы на квантовомеханическом уровне. К такому не бесспорному утверждению склоняется в своей новой книге Роджер Пенроуз, известный ученый, работающий в области математической физики. Хотя (как признает Пенроуз) это утверждение в настоящее время не может быть строго доказано, некоторые интригующие аргументы, содержащиеся в его книге «Новый ум императора», дают достаточно серьезные основания усомниться в справедливости философских положений, которые лежат в основе искусственного интеллекта.
На лекции мы обсудим вторую весну искусственного интеллекта в цифрах и фактах, ключевые работы в области искусственного интеллекта и машинного обучения в 2017 году. Поговорим о распознавании изображений, речи, обработке естественного языка и о других направлениях исследований; обсудим новые модели и оборудование 2017 года. Также поговорим о применении ИИ и машинного обучения в бизнесе, медицине и науке, а также обсудим, чего мы ждем от искусственного интеллекта и машинного обучения в 2018 году.