Сегодняшние системы с искусственным интеллектом могут разгромить людей-чемпионов в таких сложных играх, как шахматы, го и техасский холдем. В симуляторах полёта они могут сбивать лучших пилотов. Они превосходят людей-докторов в создании точных хирургических стежков и постановке диагнозов рака. Но в некоторых случаях трёхлетний ребёнок легко обставит лучший ИИ в мире: когда соревнование идёт связано с обучением, настолько рутинным, что люди даже не подозревают о нём.Такая мысль пришла в голову Дэвиду Коксу [David Cox] – нейробиологу из Гарварда, эксперту по ИИ, гордому отцу трёхлетней дочки – когда она, заметив в музее национальной истории длинноногий скелет, показала на него пальцем и сказала: «Верблюд!» Единственная её встреча с верблюдом происходила за несколько месяцев до того, когда отец показывал ей рисованного верблюда в книжке с картинками.
Исследователи ИИ называют эту способность определять объект по единственному примеру «обучением за один раз», и жутко завидуют таким способностям карапузов. Сегодняшние ИИ-системы обучаются совершенно по-другому. Согласно автономной системе обучения под названием «глубинное обучение», программе выдаётся массив данных, из которого нужно делать выводы. Чтобы натренировать ИИ, распознающий верблюдов, система должна переварить тысячи изображений верблюдов – рисунки, анатомические схемы, фотографии одногорбых и двугорбых верблюдов – все изображения с пометкой «верблюд». ИИ потребуются также тысячи других картинок, с пометкой «не верблюд». И когда он прожуёт все эти данные и определить отличительные черты животного, он станет превосходным определителем верблюдов. Но дочка Кокса к тому времени уже успеет перейти на жирафов и утконосов.
Кокс упомянул о своей дочери, объясняя государственную программу США под названием «Машинный интеллект на корковых сетях» [Machine Intelligence from Cortical Networks, Microns]. Его амбициозная цель: провести реверс-инжиниринг человеческого интеллекта так, чтобы программисты смогли создать улучшенный ИИ. Во-первых, нейробиологи должны узнать, какие вычислительные стратегии проходят в сером веществе мозга; затем команда, работающая с данными, переведёт их в алгоритмы. Одной из основных задач итогового ИИ будет обучение за один раз. «У людей потрясающая возможность делать выводы и обобщать, – говорит Кокс, – и именно это мы пытаемся ухватить».
Пятилетняя программа, получившая финансирование на сумму $100 млн от Агентства передовых исследований в сфере разведки (IARPA) фокусируется на зрительной коре, части мозга, обрабатывающей визуальную информацию. Работая с мышами и крысами, три команды Microns планируют разметить схему расположения нейронов в кубическом миллиметре мозговой ткани. Это может звучать не так впечатляюще, но в этом кубике содержится порядка 50 000 нейронов соединённых друг с другом посредством 500 млн связей, синапсов. Исследователи надеются, что чёткое представление обо всех связях позволит им определить нейронные «контуры», активируемые во время работы зрительной коры. Проекту требуется особая система нейровизуализации, показывающая отдельные нейроны с разрешением на уровне нанометров, чего ещё не было достигнуто для участка мозга такого размера.
И хотя в каждой команде Microns работают представители нескольких институтов, большинство из участников команды, работающей под руководством Кокса, ассистент-профессора молекулярной и клеточной биологии и информатики в Гарварде, работает в одном здании на территории Гарварда. Во время прогулки по лаборатории можно наблюдать грызунов, занятых выполнением заданий в «игровом клубе» для крыс; машину, нарезающую мозг так, как наилучший автоматический резак для колбасы; одни из самых быстрых и мощных микроскопов на планете. С таким оборудованием, работающим на полную катушку, и с огромными вложениями человеческих сил Кокс считает, что у них есть все шансы взломать код этого несчастного кубического миллиметра.
Попробуйте представить эту огромную мощность человеческого мозга. Для обработки информации о мире и поддержания функционирования тела электрические импульсы проходят через 86 млрд нейронов, втиснутых в губчатые ткани внутри вашего черепа. У каждого нейрона есть длинный аксон, вьющийся сквозь эту ткань и позволяющий соединяться с тысячами других нейронов, в результате чего возникают триллионы связей. Рисунки электрических импульсов коррелируют со всеми чувствами и ощущениями человека: движением пальца, перевариванием обеда, влюблённостью или распознаванием верблюда.
Двухфотонный лазерный микроскоп. Инфракрасный лазер сканирует мозговые ткани живого животного, выполняющего определённую задачу. Когда два фотона одновременно ударяют по нейрону, флуоресцентная метка испускает фотон с другой длиной волны. Микроскоп записывает видео с этими вспышками (вверху). «Можно видеть, как думает крыса», – говорит Дэвид Кокс.
Программисты пытаются эмулировать работу мозга ещё с 1940-х, когда они впервые придумали программные структуры под названием искусственные нейросети. Большинство лучших современных ИИ используют некую современную форму этой архитектуры: глубинные нейросети, свёрточные нейросети, нейросети с обратной связью, и т.д. Эти сети, созданные по мотивам структуры мозга, состоят из множества вычислительных узлов, искусственных нейронов, выполняющих небольшие конкретные задачи и связанных друг с другом так, чтобы вся система могла выполнять впечатляющие вещи.
Нейросети не смогли скопировать анатомический мозг более точно, поскольку у науки всё ещё нет основной информации о компоновке нервной системы. Джейкоб Вогельштейн, менеджер проекта Microns в IARPA, говорит, что исследователи работали обычно либо на микромасштабе, либо на макромасштабе. «Мы использовали инструменты, которые либо отслеживали отдельные нейроны, либо собирали сигналы с больших участков мозга, – говорит он. – Существует большой разрыв в понимании операций на уровне контуров – как тысячи нейронов работают вместе над обработкой информации».
Ситуация поменялась благодаря недавним технологическим прорывам, позволившим нейробиологам построить карты "коннектома", открывающие множество связей между нейронами. Но Microns нужна не просто статичная диаграмма связей. Команда должна продемонстрировать, как эти связи активируются, когда грызун видит, обучается и вспоминает. «Очень похоже на то, как человек пытается разобраться в работе электронной схемы, – говорит Вогельштейн. – Чип можно разглядывать в подробной детализации, но вы не поймёте, что он должен делать, пока не увидите, как он работает».
Для IARPA реальный результат будет получен, если исследователи смогут отследить схему нейронов, участвующих в распознавании, и перевести её в более похожую на мозг архитектуру искусственных нейросетей. «Надеюсь, что вычислительные стратегии мозга можно воспроизвести в терминах математики и алгоритмов», – говорит Вогельштейн. Правительство ставит на то, что системы с ИИ, работающие схожим с мозгом образом, сумеют лучше справиться с реальными задачами, чем их предшественники. Конечно, понять, как работает мозг – задача благородная, но разведывательные агентства хотят, чтобы ИИ мог быстро обучаться распознавать не только верблюда, но и наполовину скрытое лицо на зернистом кадре камеры наблюдения.
«Игровой клуб» для крыс Кокса – это небольшая комната, в которой чёрные коробки размером с микроволновку поставлены друг на друга по четыре штуки. В каждой коробке мордой к экрану стоит крыса, а напротив её носа находятся два краника.
В Аргоннской национальной лаборатории синхротрон APS разгоняет электроны и они врезаются в металлическую нить, производя чрезвычайно яркие рентгеновские лучи, фокусирующиеся на небольшом кусочке мозговой ткани. Рентгеновские изображения, сделанные со многих углов, комбинируются для создания трёхмерного изображения, демонстрирующего каждый нейрон, находящийся внутри кусочка.
Нейроны в мозговой ткани
В текущем эксперименте крысы пытаются справиться со сложной задачей. На экране показывают трёхмерные изображения, созданные компьютером. Это не какие-то объекты из внешнего мира, просто комковатые абстрактные формы. Когда крыса видит объект А, она должна лизнуть левый краник, чтобы получить каплю сладкого сока. Когда она видит объект Б, сок будет в правом кранике. Но объекты показываются с разных ракурсов, поэтому крысе нужно будет в уме повернуть каждый объект и решить, относится он к А или к Б.
Тренировочные занятия разбавлены получением снимков, для которых крыс несут по коридору в другую лабораторию, где стоит большой микроскоп, накрытый чёрной тканью, и выглядящий как старомодное фотографическое оборудование. Команда использует двухфотонный лазерный микроскоп для изучения зрительной коры животного, когда она смотрит на экран, где демонстрируются два знакомых объекта А и Б в разных ракурсах. Микроскоп записывает вспышки и свечение, происходящие, когда лазер попадает на активные нейроны, а трёхмерное видео показывает рисунки, напоминающие зелёных светлячков, мигающих в летней ночи. Кокс хочет узнать, как эти рисунки меняются, когда животное становится экспертом в данной задаче.
Разрешение микроскопа недостаточно хорошее, чтобы увидеть аксоны, соединяющие нейроны друг с другом. Без этой информации учёным не определить, как один нейрон активирует следующий для создания контура обработки информации. Для этого животное нужно убить, а мозг – подвергнуть более пристальному изучению.
Исследователи вырезают крохотный кубик из зрительной коры, который FedEx доставляет в Аргоннскую национальную лабораторию. Там ускоритель частиц использует мощное рентгеновское излучение для построения трёхмерной карты, показывающей отдельные нейроны, другие типы клеток мозга и сосуды. На этой карте тоже не видно связанных аксионов в кубике, но она помогает позже, когда исследователи сравнивают изображения с двухфотонного микроскопа с изображениями, полученными с электронных микроскопов. «Рентген для нас – это Розеттский камень», – говорит Кокс.
Затем кусочек мозга возвращается в гарвардскую лабораторию Джеффа Лихтмана, профессора молекулярной и клеточной биологии, лидирующего эксперта по коннектому мозга. Команда Лихтмана берёт этот кубический миллиметр мозга и нарезает его при помощи машины на 33 000 кусочков по 30 нм толщиной. Эти тончайшие листки собираются на полосках плёнки и располагаются на кремниевой подложке. Затем исследователи используют один из быстрейших в мире электронных микроскопов, отправляющий 61 луч из электронов на каждый образец ткани, и измеряющий рассеивание электронов. Машина размером с холодильник работает круглосуточно, и выдаёт изображения каждого ломтика с разрешением в 4 нм.
Каждое изображение напоминает разрез куба из плотно упакованных спагетти. Система программной обработки изображений собирает ломтики по порядку и отслеживает каждую нить спагетти, идущую от одного ломтика до другого, делая наброски полной длины аксона каждого из нейронов вместе с его тысячами связей с другими нейронами. Но ПО иногда теряет нить или путает одну с другой. Люди лучше компьютеров справляются с такой задачей, говорит Кокс. «К несчастью, для обработки такого количества данных не хватит людей всей Земли». Программисты из Гарварда и MIT работают над задачей отслеживания, которую им необходимо решить для построения точной диаграммы структуры мозга.
Наложив эту диаграмму на карту активности мозга, полученную на двухфотонном микроскопе, можно будет обнаружить вычислительные структуры мозга. К примеру, такое совмещение должно показать, какой из нейронов схемы, зажигающийся, когда крыса видит странный объект, мысленно переворачивает его вверх ногами и решает, что он больше похож на объект А.
Ещё одна сложная проблема, стоящая перед командой Кокса – это скорость. В первой фазе проекта, закончившейся в мае, каждой команде нужно было показать результаты исследования кусочка мозговой ткани размером в 100 кубических микрометров. С таким уменьшенным кусочком команда Кокса завершила этап с электронной микроскопией и реконструкцией за две недели. Во второй фазе командам нужно научиться обрабатывать кусочки такого же размера за несколько часов. Масштабирование от 100 ?м3 to 1 мм3 приводит к увеличению объёма в тысячу раз. Поэтому Кокс одержим автоматизацией каждого шага процесса, от тренировок крыс с видео до отслеживания коннектома. «Эти проекты IARPA заставляют научные исследования походить на работу инженеров, – говорит он. – Нам нужно очень быстро вращать заводной ручкой».
Ускорение экспериментов позволяет команде Кокса проверять больше теорий, связанных со структурой мозга, которые помогут и исследователям ИИ. В машинном обучении программист задаёт общую архитектуру нейросети, а программа сама решает, как связывать расчёты в последовательность. Поэтому исследователи планируют натренировать крыс и нейросети на одной и той же визуальной задаче и сравнивать схемы связей и результаты. «Если мы заметим какие-то закономерности в мозговых связях, и не заметим их в моделях – это может стать намёком на то, что мы что-то делаем не так», – говорит Кокс.
Одна из областей исследований включает правила обучения мозга. Считается, что распознавание объектов происходит через иерархическую обработку, в которой первый набор нейронов получает основные цвета и форму, следующий набор находит края, чтобы отделить объект от фона, и так далее. Когда животное учится лучше справляться с задачей распознавания, исследователи могут спросить: какой из наборов нейронов в иерархии меняет свою деятельность сильнее всего? И когда ИИ начинает лучше справляться с той же задачей, меняется ли его нейросеть таким же образом, как нейросеть крыс?
IARPA надеется, что открытия будут применимы не только к компьютерному зрению, но и к машинному обучению в целом. «Мы все тут действуем наудачу, но наша удача подкреплена доказательствами», – говорит Кокс. Он отмечает, что кора головного мозга, внешний слой нервной ткани, в котором происходит распознавание высокого уровня, обладает «подозрительно одинаковой» структурой по всему объёму. Такая однородность заставляет нейробиологов и экспертов по ИИ считать, что в обработке информации в мозгу можно использовать одну фундаментальную схему связей, которую они и планируют обнаружить. Определение такой протосхемы может стать шагом вперёд к ИИ общего назначения.
А пока команда Кокса вращает заводную ручку, пытаясь заставить испытанные процедуры работать быстрее, другой исследователь из Microns занимается радикальной идеей. Если она сработает, как говорит Джордж Чёрч, профессор из гарвардского Института вдохновлённых биологией технологий им. Уисса, она может произвести революцию в науке о мозге.
Чёрч руководит командой Microns совместно с Тай Синг Ли из Университета Карнеги-Мэлон в Питсбурге. Чёрч отвечает за разметку коннектома, и его подход разительно отличается от других команд. Он не использует электронный микроскоп для отслеживания аксонных связей. Он считает, что эта технология слишком медленная и производит слишком много ошибок. Он говорит, что при попытке отследить аксоны в кубическом миллиметре ткани ошибки будут накапливаться и загрязнять данные коннектома.
Метод Чёрча не зависит от длины аксона или размера исследуемого кусочка мозга. Он использует генетически модифицированных мышей и технологию под названием "баркодирование ДНК", отмечающую каждый нейрон уникальным генетическим идентификатором, который можно прочесть как с бахромы его дендритов, так и с окончания его длинного аксона. «Неважно, насколько огромен ваш аксон, – говорит он. – С баркодированием вы находите два конца, а как всё запутано посередине, значения не имеет». Его команда использует ломтики мозговой ткани толщиной больше, чем у команды Кокса – 20 ?м вместо 30 нм – поскольку им не нужно волноваться по поводу потери точного пути прохождения аксона между ломтиками. Машины, секвенирующие ДНК, записывают все баркоды, присутствующие в данном ломтике, а затем программа обрабатывает списки генетической информации и создаёт карту, показывающую, какие нейроны связаны с какими.
Чёрч и его коллега Энтони Задор, профессор нейробиологии в Лаборатории Колд-Сприн-Харбор в Нью-Йорке, доказали в предыдущих экспериментах, что технологии баркодирования и секвенирования работают, но пока ещё не собрали данные в цельную карту коннектома, нужную для работы над проектом Microns. Если команде удастся это сделать, Чёрч говорит, что Microns станет только началом его попыток построения карты мозга: затем он хочет построить схему всех соединений во всём мозге мыши, в котором можно найти 70 млн нейронов и 70 млрд соединений. «Работать с кубическим миллиметром – значит, быть чрезвычайно близоруким, – говорит Чёрч. – Мои планы на этом не заканчиваются».
Карта участка мозга, построенная на основе баркодирования РНК
Секвенирующая машина
Такие крупномасштабные карты могут способствовать появлению новых идей для разработки ИИ, досконально эмулирующих биологический мозг. Но Чёрч, наслаждающийся ролью провокатора, представляет себе другой способ развития вычислительных машин: он говорит, что нужно прекратить попытки создания кремниевых копий мозга и построить биологический мозг, который сможет справиться с вычислительными задачами лучше человеческого. «Я думаю, что скоро у нас появится возможность заниматься синтетической нейробиологией и создавать видоизменённые варианты биологических мозгов», – говорит он. И хотя кремниевые компьютеры выигрывают у биологических систем в скорости обработки информации, Чёрч представляет себе искусственный мозг, дополненный специальными контурами, ускоряющими его работу.
Чёрч прикидывает, что проект Microns по реверс-инжинирингу мозга может и не завершиться удачей. Он говорит, что мозг настолько сложен, что даже если исследователи сумеют построить такие машины, они могут не понять полностью все тайны мозга – и это не страшно. «Я думаю, что понимание – это некий фетиш у учёных, – говорит Чёрч. – Может так получиться, что создать мозг будет проще, чем понять его».
Поделиться с друзьями
Комментарии (23)
AVKinc
24.06.2017 07:27Тут такая заковыка, что интеллект он и есть интеллект (без разницы искусственный или там естественный), а то что выигрывает в шахматы и го это просто компьютер, никакого интеллекта там нет и быть не может.
А если перевести в энергоэффективность, то шахматист съел тарелку пельменей и пошел играть с суперкомпьютером, если компьютеру дать ровно столько энергии как в той тарелке, то наверно матча и не будет :)
BlackMokona
24.06.2017 09:38100 грамм пельмешей без всего, это час работы среднего ПК.
Так как по энергии это 0.319 киловатт*час.
roboq6
24.06.2017 14:00а то что выигрывает в шахматы и го это просто компьютер, никакого интеллекта там нет и быть не может.
То есть у AlphaGo нет интеллекта? Почему? И что тогда интеллект?
zirix
24.06.2017 17:25А можно обратный вопрос? Почему(и кем) считается, что у альфаГо есть интеллект? И какое определение интеллекта при этом используется.
roboq6
24.06.2017 17:39Почему(и кем) считается, что у альфаГо есть интеллект?
Кто считает: Как минимум я.
Почему считает: Наличие способности к самообучению. Пусть пока и очень узко специализированной (игра в Го). В конце концов у человека тоже есть много разных видов интеллекта, пусть и не до такой степени специализированных.zirix
24.06.2017 18:39Наличие способности к самообучению.
Среди ученых распространено мнение, что главный признак интеллекта — умение поставить себе цель (целепологание).
Говорить что НС самообучается не совсем корректно. Ее обучают.roboq6
24.06.2017 19:08главный признак интеллекта — умение поставить себе цель (целепологание).
И причём здесь целеполагание? Для целеполагания достаточно инстинктов. Если животное захочет есть, то оно будет искать способы раздобыть себе еду, независимо от того являетсяя ли оное животное человеком или рыбой.
Говорить что НС самообучается не совсем корректно. Ее обучают.
Ну так по крайней мере у AlphaGo была возможность учитаться на игре против самого себя. Чем это не самообучение?zirix
24.06.2017 20:09Если животное захочет есть, то оно будет искать способы раздобыть себе еду
Да, а АльфаГо(НС) ничего не хочет. Он не умеет хотеть.
И со стратегией у него не все хорошо, еду будет сложно найти.
Ну так по крайней мере у AlphaGo была возможность учитаться на игре против самого себя. Чем это не самообучение?
Его использовали в качестве генератора данных(ходов) на которых он собирал «статистику»(учился).
Есть принципиальное отличие в том как обучаются люди/животные и НС. Нельзя приписывать алгоритму наличие интеллекта из-за того, что он чему-то «научился».roboq6
24.06.2017 20:20Да, а АльфаГо(НС) ничего не хочет. Он не умеет хотеть.
Это ещё почему? Он стремится максимизировать свои шансы на победу. Чем не хотение?
И со стратегией у него не все хорошо, еду будет сложно найти.
Не понял? Если бы со стратегией у него было «не всё хорошо», то вряд ли бы он побил лучших игроков в Го.
Его использовали в качестве генератора данных(ходов) на которых он собирал «статистику»(учился).
И чем это НЕ самообучение?
Есть принципиальное отличие в том как обучаются люди/животные и НС. Нельзя приписывать алгоритму наличие интеллекта из-за того, что он чему-то «научился»
И в чём оно выражается?zirix
24.06.2017 21:52Он стремится максимизировать свои шансы на победу.
У НС нет стремления. Она даже не знает что такое победа :)
Мы обучаем ее таким образом, чтобы результат ее действий привел к победе.
Если совсем кратко:
Мы закачиваем в НС результаты игр с разметкой где игрок выиграл, а где нет.
НС крутая штука и способна обнаружить признаки, по которым можно спрогнозировать исход игры.
Потом в игре мы просим НС предсказать результат каждого хода и выполняем тот ход, который с наибольшей вероятностью приведет к победе.
Я очень сильно упростил, но при всей навороченности альфаго в ее основе лежит довольно примитивный принцип, который не имеет ничего общего с интеллектом животных и людей.
И в чём оно выражается?
В «обучениии за один раз». Статья с этого начинается.
Если бы со стратегией у него было «не всё хорошо», то вряд ли бы он побил лучших игроков в Го.
Я про мышление. АльфаГо может только предсказывать. А вот придумать стратегию не может.roboq6
25.06.2017 05:03У НС нет стремления.
Можете предоставить критерии для фальсификации своей позиции?
. Она даже не знает что такое победа
Альфаго знает (ибо в противном случае просто было бы НЕспособно целенаправленно обучаться в направлении позволяющем победить лучших мастеров Го). Просто оная победа сформулирована для него более специализированно и формально, в духе «победа это набор наибольшего количества очков под конец партии»
Я очень сильно упростил, но при всей навороченности альфаго в ее основе лежит довольно примитивный принцип, который не имеет ничего общего с интеллектом животных и людей.
ВНЕЗАПНО, но вообще-то эта штука называется «абстрактное мышление», пусть и в самой-самой своей базовой форме. И даже не всякое животное ещё достаточно развито чтобы его иметь.
В «обучениии за один раз». Статья с этого начинается.
Тут уже ниже были возражения от меня и redpax.
https://geektimes.ru/post/290383/#comment_10149609
https://geektimes.ru/post/290383/#comment_10149691
АльфаГо может только предсказывать. А вот придумать стратегию не может.
И в чём разница между «придумать стратегию» и «предвидеть действия оппонента и ответить на них так, чтобы максимизировать свой шанс на победу»?zirix
25.06.2017 16:19Можете предоставить критерии для фальсификации своей позиции?
Да! Вы можете предоставить доказательства наличия стремления у НС. :)
ВНЕЗАПНО, но вообще-то эта штука называется «абстрактное мышление»,
Для абстрактного мышления нужно уметь создавать новые понятия. НС делать этого не могут. Им вообще недоступно мышление в т.ч. логическое.
Тут уже ниже были возражения от меня и redpax.
Отвечу тут:
Мозг это нечно похожее на гибрид ASIC и FPGA. Интеллект — это сложная софварно-хардварная «программа», которая «выполняется» в мозге.
В мозге, кроме интеллекта, есть и другие «программы/модули». Например модули помогающие распозновать изображение и звук.
Есть, к примеру, модуль отвечающий за обнаружение лиц. И еще куча всего. (гуглите строение мозга)
Если мы хотим создать интеллект на базе НС нам нужно разобратся с тем, что такое интеллект. После чего разработать «программу интеллекта» и загрузить ее в НС.
Попытки создать разум в НС, вгоняя в нее данные, выглядят глупо.roboq6
25.06.2017 17:35Да! Вы можете предоставить доказательства наличия стремления у НС. :)
Пожалуйста. Надо ответить на вопрос «Есть ли такое состояние к которому ИИ, если ему не мешать (ну или мешать, но не слишком сильно), становится всё ближе и ближе либо остаётся в нём при отсуствии (либо незначительности) внешнего воздействия?» Если ответ «да», то стремится. В данном случае это у Альфаго наблюдается во время партии.
Для абстрактного мышления нужно уметь создавать новые понятия.
Для абстрактного мышления нужно создавать категории (т.е. те же самые понятия). НС вполне это под силу. В конце концов, если НС научилась определять котиков на фото, то она выделила какие-то общие признаки по которым можно определить что перед нами котик. Если это не абстрактное мышление, то я тогда вообще без понятия что это такое.
Им вообще недоступно мышление в т.ч. логическое.
Логическое мышление это лишь разновидность абстрактного. Скажем для знаменитого «магического мышления» требуется вполне себе развитое абстрактное мышление, хотя с точки зрения логического мышления это всё дикая чушь.
Если мы хотим создать интеллект на базе НС нам нужно разобратся с тем, что такое интеллект.
В философии есть такой интересный взгляд: если один объект по неким своим ключевым функциям совпадает с другим объектом, то они принадлежат к одной и той же категории. Скажем если у нас есть пульсирующий кусок биомассы, полученный в результате бесчеловечных опытов и генетической инженерии, который позволяет пополнить или снять деньги на банковской карточке, то это, как ни странно, банкомат.
Соответсвенно чтобы ответить на вопрос «что такое интеллект?» надо ответить на вопрос «какие самые важные функции имеет интеллект?». Лично для меня это возможность решать проблемы с которыми неспособны справится инстинкты (по разным причинам. Либо это какая очень экзотическая ситуация, либо условия так быстро меняются что у инстинкта просто не будет времени сформироваться. Либо это так сложно, что никакому инстинкту не по зубам). В случае с машиной инстинктом будет жёстко заданная программа по решению некой проблемы.
После чего разработать «программу интеллекта» и загрузить ее в НС.
Попытки создать разум в НС, вгоняя в нее данные, выглядят глупо.
Во-первых, я вижу тут явное противоречие. «программа интеллекта» это тоже данные, так что если попытки «попытки создать разум в НС, вгоняя в нее данные, выглядят глупо», то ничуть не менее глупо будет выглядеть оная загрузка.
Во-вторых, мы говорим об интеллекте или разуме? В моём представлении это всё-таки разные вещи.zirix
25.06.2017 19:01Если ответ «да», то стремится. В данном случае это у Альфаго наблюдается во время партии.
А у алгоритма сортировки пузырьком есть желание/стремление отсортировать?
У НС и алгоритма сортировки нет желаний и стремлений. Они ничего не хотят и не могут ставить себе цели/задачи (один из главных признаков интеллекта).
Для абстрактного мышления нужно создавать категории (т.е. те же самые понятия). НС вполне это под силу.
Можно пример/ссылку?
Соответсвенно чтобы ответить на вопрос «что такое интеллект?» надо ответить на вопрос «какие самые важные функции имеет интеллект?». Лично для меня это возможность решать проблемы с которыми неспособны справится инстинкты… В случае с машиной инстинктом будет жёстко заданная программа по решению некой проблемы.
Ваше определение интеллекта и инстинктов сильно отличается от общепринятого.
И вопрос не в ключевых признаках интеллекта, а в том как он устроен(алгоритмы).
Во-первых, я вижу тут явное противоречие. «программа интеллекта» это тоже данные, так что если попытки «попытки создать разум в НС, вгоняя в нее данные, выглядят глупо», то ничуть не менее глупо будет выглядеть оная загрузка.
Одно дело создать программу и загрузить ее в память, а другое надеяться на «самозарождение» программы в RAM дергая ножки процессора.roboq6
25.06.2017 19:30А у алгоритма сортировки пузырьком есть желание/стремление отсортировать?
Получается что есть (точнее у той сущности что его исполняет). Если бы некое животное от природы производило сортировку пузырьком, то учёные назвали бы это инстинктом.
Они ничего не хотят и не могут ставить себе цели/задачи (один из главных признаков интеллекта).
Вы так и не сказали почему это признак интеллекта
Можно пример/ссылку?
Вы вообще знаете разницу между абстрактным и конкретным? НС переходит от конкретного (фотография конкретного котика) к абстрактному (выделению общего признака по которым можно определить котиков). Это и есть абстрактное мышление.
Ваше определение интеллекта и инстинктов сильно отличается от общепринятого.
Может быть. Но мне хотелось бы услышать контраргументы, а не простое «эта точка зрения отличается от общепринятой».
И вопрос не в ключевых признаках интеллекта, а в том как он устроен(алгоритмы).
А вот это уже другое дело. Тут работы — непаханное поле. Причём, по всей видимости, мы сейчас идём по пути развития искуственного интеллекта у которого вообще нет аналога в природе. Плохо ли это или хорошо — уже другой вопрос.
Одно дело создать программу и загрузить ее в память, а другое надеяться на «самозарождение» программы в RAM дергая ножки процессора.
Что Вы имеете в виду под "«самозарождение» программы в RAM дергая ножки процессора."?zirix
25.06.2017 21:24Получается что есть (точнее у той сущности что его исполняет). Если бы некое животное от природы производило сортировку пузырьком, то учёные назвали бы это инстинктом.
Я понял. Мы по-разному понимаем, что такое стремление, желание, мышление и интеллект.
Вы так и не сказали почему это признак интеллекта
Если кратко (и не очень научно):
За принятие решений, и в общем за поведение, отвечает сознание. Оно в некоторой степени есть и у животных.
Инстинкты это не жестко заданная программа и они не говорят животному/человеку сделать что-то конкретное. Инстинкты связанны с сознанием и влияют на притяные сознанием решения.
Например инстинкт самосохранения будет сильно мешать вам выпрыгнуть из самолета, даже если вы надели парашют и очень этого хотите.
Поведение даже примитивных животных не хаотично и оно не является прямой реакцией на окружающий мир.
Животные могут ставить себе задачи (найти еду итп) и их реакции/действия будут направлены именно на выполнение поставленной задачи.
Вот в этом и заключается отличие НС от интеллекта людей/животных.
Без возможности ставить себе цели система никогда не продемонстрирует сложного поведения, которые есть у животных.
Именно поэтому многие ученые считают целепологание основным признаком интеллекта.
Что Вы имеете в виду под "«самозарождение» программы в RAM дергая ножки процессора."?
Другой аналогии у меня нет.
НС может иметь хардварное ограничение, которое не даст программе самозародиться.
И надежда получить «программу интеллекта», бездумно вкачивая в систему произвольные данные, выглядит сомнительной.roboq6
26.06.2017 09:10За принятие решений, и в общем за поведение, отвечает сознание. Оно в некоторой степени есть и у животных.
Что Вы имеете в виду под сознанием?
Инстинкты это не жестко заданная программа и они не говорят животному/человеку сделать что-то конкретное.
В моём понимании степень жёсткости инстинкта зависит от развитости животного. Если животное совсем уж примитивное (нет нервной системы или чего-то в этом духе), то всё-таки жёстко заданная программа. Если оно более развитое, то инстинкты обеспечивают мотивацию, причём как позитивную (мотивация к совокуплению), так и негативную (мотивация к избеганию опасных для жизни ситуаций). И именно для удовлетворения этих инстинктов и служит интеллект. Скажем хищник может использовать свой интеллект чтобы увеличить свой шанс на убийство жертвы. Человек на этом фоне выделяется тем, что мы способны ставить много промежуточных целей, которые находятся в сложной зависимости между собой и инстинктами, сильно разнесены по времени, и т.д. Скажем я могу начать ходить в спортзал чтобы через долгие месяцы (если не годы) интенсивных и регулярных тренировок получить красивую фигуру и таким образом стать более популярным среди женщин. Потом я могу заметить что несмотря на мои усилия моя фигура остаётся прежней и прийти к выводу что надо заодно сесть на диету. Потом я могу заметить что что-то ни то ни другое мне не помогают несмотря на все мои усилия, забросить спортзал с диетой и перейти к стратегии «буду богатой жирной свиньёй и женщины будут иметь со мной интимную близость только из-за моих денег».
Поведение даже примитивных животных не хаотично и
А разве я говорил что оно хаотично?
оно не является прямой реакцией на окружающий мир.
Что имеется в виду под «прямой реакцией» и чем она отличается от «не-прямой» реакции?
Животные могут ставить себе задачи (найти еду итп) и их реакции/действия будут направлены именно на выполнение поставленной задачи.
Задачу ставит инстинкт. Решает задачу интеллект. То что мы в ежедневной жизни называем задачей это на самом деле лишь промежуточные шаги в решении задач поставленных нам инстинктом. В случае Альфаго задача уже поставлена разработчиками и жёстко задана в коде — задача победить в го.
Без возможности ставить себе цели система никогда не продемонстрирует сложного поведения, которые есть у животных.
Если переводить на мою терминологию, «без возможности создавать промежуточные шаги». Или выражаясь иначе, «без возможности самостоятельного составления плана решения задачи поставленной инстинктом». Такой взгляд выглядит вполне разумным (ибо честно говоря я что-то не представляю себе интеллекта для которого было бы верно обратное), другое дело что я не вижу никаких противоречий с моим пониманием интеллекта.
Bedal
26.06.2017 16:47это не у учёных, а у философов. Способ существования этой парадигмы — из понятия «интеллект» немедленно исключается всё, что достигнуто «машинами». А результат один-единственный: понятие «интеллект» сужается настолько, что «специалисты» уже не могут вообще сказать, что они под этим имеют в виду. Кроме тавтологического «целеполагания», всё достоинство которого в том, что никто не знает, что это такое — и потому не может сказать, что машины это умеют.
Извините за обилие кавычек, но без них — не получилось.
redpax
24.06.2017 12:42-1Уже немного утомлять начали постоянные сравнения ИИ с детьми которые якобы с первого раза всё опередляют. У ребенка 3 года жизни и постоянного массированого обучения через 6 органов чувств, да верблюда он видел один раз но он уже не мало видел других животных и понял как они устроены и смог определить скелет. Вырастите ребенка до 3 лет в изолированной черной камере без поступления какой либо информации по всем 6 органам чувств и он не сможет определить верблюда. ИИ находится при начале обучения в 0 точке, а 3 леткий ребенок уже очень много информации получил.
roboq6
24.06.2017 14:06+1Более того, есть теория что некоторые знания об мире у ребёнка заложены на генетическом уровне (скажем интуитивное знание некоторых базовых и универсальных грамматических принципов человеческого языка. Или что у животных должны быть внутренности), в то время как самообучающийся ИИ начинает с абсолютного нуля (или по крайней мере будет ближе к нему, чем ребёнок).
Arxitektor
Спасибо зи отличную статью.
Никогда бы не подумал что на исследования мозга брошены такие силы.
Если честно то масштаб поражает. Как и масштаб проблемы.
1 мм кубический и такие сложности.
Может начать с чего проще и оптимальней по устройству мозгов?
Мозга насекомых например. Взять самых развитых. Пчелы муравьи стрекозы.
Просто попытаться смоделировать поведение.
А может и правда более близка идея с синтетической биологией )
Доработать то что создала природа да прикрутить классический ПК по интерфейсу мозг-ПК.
Ведь та страна которая сможет первой создать пусть и слабый ни ИИ пригодный для повседневного использования считай навсегда уйдет в отрыв. Как я фильме я робот нужен был очень мощный мозг чтобы разработать мозг следующего поколения.
pda0
Уже. Нематоду моделировали.
Получилось. Робот двигался аналогично червю.