Kuidas defineerida tehisintellekti. Kaasaegne tehisintellekt

Tehisintellekt

Tehisintellekt on arvutiteaduse haru, mis uurib võimalust pakkuda intelligentset arutluskäiku ja tegevust kasutades arvutussüsteemid ja muud kunstlikud seadmed. Enamasti on probleemi lahendamise algoritm ette teadmata.

Sellel teadusel pole täpset määratlust, kuna filosoofias ei ole inimmõistuse olemuse ja staatuse küsimust lahendatud. Arvutite jaoks pole ka täpset kriteeriumi “intelligentsuse” saavutamiseks, kuigi tehisintellekti koidikul pakuti välja mitmeid hüpoteese, näiteks Turingi test või Newell-Simoni hüpotees. Praegu on palju lähenemisviise nii AI probleemi mõistmiseks kui ka loomiseks intelligentsed süsteemid.

Seega määratleb üks klassifikatsioonidest kaks lähenemisviisi AI arendamiseks:

ülalt alla, semiootiline - sümboolsete süsteemide loomine, mis modelleerivad kõrgetasemelisi vaimseid protsesse: mõtlemist, arutluskäiku, kõnet, emotsioone, loovust jne;

alt-üles, bioloogiline – uurib närvivõrke ja evolutsioonilisi arvutusi, mis modelleerivad intelligentset käitumist väiksematel "mitteintelligentsetel" elementidel.

See teadus on seotud psühholoogia, neurofüsioloogia, transhumanismi ja teistega. Nagu kõik arvutiteadused, kasutab see matemaatikat. Filosoofia ja robootika on tema jaoks eriti olulised.

Tehisintellekt on väga noor uurimisvaldkond, mis sai alguse 1956. aastal. Selle ajalooline tee meenutab sinusoidi, mille iga "tõuke" algatas mingi uus idee. IN praegu selle areng on languses, andes teed juba saavutatud tulemuste rakendamisele teistes teaduse, tööstuse, ettevõtluse ja isegi igapäevaelu valdkondades.

Uurimisviisid

AI-süsteemide ehitamisel on erinevaid lähenemisviise. Praegu on 4 üsna erinevat lähenemist:

1. Loogiline lähenemine. Loogilise lähenemise aluseks on Boole'i algebra. Iga programmeerija tunneb seda ja loogilisi operaatoreid IF-operaatori omandamisest alates. Boole'i algebra sai edasiarenduse predikaatarvutuse vormis - milles seda laiendati, tuues kasutusele subjekti sümbolid, nendevahelised suhted, olemasolu ja universaalsuse kvantorid. Peaaegu iga loogilisel põhimõttel üles ehitatud tehisintellekti süsteem on teoreemide tõestamise masin. Sel juhul salvestatakse lähteandmed andmebaasi aksioomidena, loogilised järeldusreeglid nendevaheliste suhetena. Lisaks on igal sellisel masinal eesmärgi genereerimise üksus ja järeldussüsteem püüab seda eesmärki teoreemina tõestada. Kui eesmärk on tõestatud, võimaldab rakendatud reeglite jälgimine saada eesmärgi saavutamiseks vajalike toimingute ahela (sellist süsteemi tuntakse kui ekspertsüsteemid). Sellise süsteemi võimsuse määravad eesmärgi generaatori ja teoreemide tõestamise masina võimalused. Suhteliselt uus suund, näiteks häguloogika, võimaldab loogilisel lähenemisel saavutada suuremat väljendusrikkust. Selle peamine erinevus seisneb selles, et väite tõepärasus võib võtta lisaks jah/ei (1/0) ka vahepealseid väärtusi - ei tea (0,5), patsient on tõenäolisemalt elus kui surnud (0,75). ), patsient pigem surnud kui elus (0,25). See lähenemine sarnaneb rohkem inimmõtlemisega, kuna see vastab harva küsimustele ainult jah või ei.

2. Struktuurse lähenemise all peame silmas katseid luua tehisintellekt inimaju struktuuri modelleerimise teel. Üks esimesi selliseid katseid oli Frank Rosenblatti pertseptron. Peamine modelleeritud struktuuriüksus pertseptronides (nagu enamikes teistes aju modelleerimisvõimalustes) on neuron. Hiljem tekkisid teised mudelid, mida enamik selle termini all teavad närvivõrgud(NS). Need mudelid erinevad üksikute neuronite struktuuri, nendevaheliste ühenduste topoloogia ja õppimisalgoritmide poolest. Kõige tuntumate NN-i valikute hulgas on praegu vigade tagasilevimisega NN-id, Hopfieldi võrgud ja stohhastilised närvivõrgud. Laiemas mõttes tuntakse seda lähenemist konnektivismina.

3. Evolutsiooniline lähenemine. Seda lähenemist kasutades tehisintellektisüsteemide ehitamisel pööratakse põhitähelepanu esialgse mudeli ehitamisele ja reeglitele, mille järgi see võib muutuda (areneda). Lisaks saab mudelit koostada mitmesuguste meetoditega, see võib olla närvivõrk, loogiliste reeglite komplekt või mõni muu mudel. Peale seda lülitame arvuti sisse ja mudelite kontrollimise põhjal valib see neist välja parimad, mille alusel genereeritakse erinevate reeglite järgi uued mudelid. Evolutsiooniliste algoritmide hulgas peetakse klassikaliseks geneetilist algoritmi.

4. Simulatsiooni lähenemine. See lähenemine on küberneetika jaoks klassikaline, mille üheks põhikontseptsiooniks on must kast. Objekt, mille käitumist simuleeritakse, on täpselt "must kast". Meie jaoks pole vahet, mis sellel ja mudelil sees on ja kuidas see toimib, peaasi, et meie mudel käituks sarnastes olukordades täpselt samamoodi. Seega on siin modelleeritud veel üks inimese omadus – võime kopeerida seda, mida teised teevad, laskumata detailidesse, miks seda vaja on. Sageli säästab see oskus tal palju aega, eriti elu alguses.

Hübriidintelligentsete süsteemide raames püütakse neid valdkondi kombineerida. Ekspertide järeldusreegleid saab genereerida närvivõrkude abil ja generatiivsed reeglid saadakse statistilise õppimise abil.

Paljutõotav uus lähenemisviis, mida nimetatakse intelligentsuse võimendamiseks, näeb tehisintellekti saavutamist evolutsioonilise arengu kaudu inimese intelligentsust suurendava tehnoloogia kõrvalmõjuna.

Uurimissuunad

AI ajalugu analüüsides saame esile tõsta nii laia valdkonna nagu arutlusmudelite modelleerimine. Pikad aastad selle teaduse areng liikus just seda teed mööda ja nüüd on see üks enim arenenud alad kaasaegses AI-s. Arutluse modelleerimine hõlmab sümboolsete süsteemide loomist, mille sisend on teatud probleem ja väljund nõuab selle lahendamist. Reeglina on välja pakutud probleem juba formaliseeritud, st tõlgitud matemaatilisele kujule, kuid sellel kas puudub lahendusalgoritm või see on liiga keeruline, aeganõudev vms. Sellesse valdkonda kuuluvad: teoreemide tõestamine, otsuste tegemine ja mänguteooria, planeerimine ja saatmine, prognoosimine.

Oluline valdkond on loomuliku keele töötlus, mis hõlmab „inimkeele“ tekstide mõistmise, töötlemise ja genereerimise võimekuse analüüsi. Eelkõige ei ole veel lahendatud tekstide ühest keelest teise masintõlke probleem. Kaasaegses maailmas mängib olulist rolli teabeotsingu meetodite areng. Oma olemuselt on esialgne Turingi test seotud selle suunaga.

Paljude teadlaste arvates on intelligentsuse oluline omadus õppimisvõime. Seega tuleb esiplaanile teadmustehnika, mis ühendab lihtsast informatsioonist teadmiste hankimise, selle süstematiseerimise ja kasutamise ülesanded. Edusammud selles valdkonnas mõjutavad peaaegu kõiki teisi AI-uuringute valdkondi. Ka siin ei saa mööda vaadata kahest olulisest alavaldkonnast. Esimene neist - masinõpe - puudutab intelligentse süsteemi iseseisva teadmiste omandamise protsessi oma tööprotsessis. Teine on seotud ekspertsüsteemide loomisega - programmidega, mis kasutavad mis tahes probleemi kohta usaldusväärsete järelduste tegemiseks spetsiaalseid teadmistebaase.

Suured ja huvitavaid saavutusi saadaval bioloogiliste süsteemide modelleerimise valdkonnas. Rangelt võttes võib see hõlmata mitut sõltumatut suunda. Närvivõrke kasutatakse hägusate ja keerulised probleemid, nagu geomeetrilise kuju tuvastamine või objektide rühmitamine. Geneetiline lähenemine põhineb ideel, et algoritm võib muutuda tõhusamaks, kui ta laenab teistelt algoritmidelt (“vanematest”) paremaid omadusi. Suhteliselt uut lähenemist, kus ülesandeks on luua autonoomne programm – agent, mis suhtleb väliskeskkonnaga, nimetatakse agent lähenemiseks. Ja kui sundida korralikult palju "mitte väga intelligentseid" agente koos suhtlema, võite saada "sipelgate" luureandmeid.

Mustri tuvastamise probleemid on muudes valdkondades juba osaliselt lahendatud. See hõlmab märgituvastust, käsitsi kirjutatud teksti, kõnet ja teksti analüüsi. Eriti väärib märkimist arvutinägemine, mis on seotud masinõppe ja robootikaga.

Üldiselt on robootika ja tehisintellekt sageli omavahel seotud. Nende kahe teaduse integreerimist, intelligentsete robotite loomist, võib pidada teiseks AI valdkonnaks.

Masina loovus eristub selle poolest, et inimese loovuse olemust on veel vähem uuritud kui intelligentsuse olemust. Sellegipoolest on see valdkond olemas ja siin püstitatakse arvutis muusika kirjutamise, kirjandusteoste (sageli luule või muinasjuttude) ja kunstiloomingu probleemid.

Lõpuks on tehisintellektil palju rakendusi, millest igaüks moodustab peaaegu iseseisva valdkonna. Näited hõlmavad programmeerimisintellekti arvutimängudes, mittelineaarset juhtimist ja intelligentseid turvasüsteeme.

On näha, et paljud uurimisvaldkonnad kattuvad. See on tüüpiline igale teadusele. Kuid tehisintellektis on seos pealtnäha erinevate valdkondade vahel eriti tugev ja seda seostatakse filosoofilise debatiga tugeva ja nõrga tehisintellekti üle.

17. sajandi alguses pakkus Rene Descartes, et loom on omamoodi keeruline mehhanism, sõnastades seeläbi mehhanistliku teooria. 1623. aastal ehitas Wilhelm Schickard esimese mehaanilise digitaalse arvuti, millele järgnesid Blaise Pascali (1643) ja Leibnizi (1671) masinad. Leibniz oli ka esimene, kes kirjeldas kaasaegset kahendarvusüsteemi, kuigi enne teda tundsid selle süsteemi vastu perioodiliselt huvi paljud suured teadlased. 19. sajandil töötasid Charles Babbage ja Ada Lovelace programmeeritava mehaanilise arvuti kallal.

Aastatel 1910-1913 Bertrand Russell ja A. N. Whitehead avaldasid raamatu "The Principles of Mathematics", mis tegi pöörde formaalne loogika. 1941. aastal ehitas Konrad Zuse esimese töötava tarkvaraga juhitava arvuti. Warren McCulloch ja Walter Pitts avaldasid 1943. aastal raamatu A Logical Calculus of the Ideas Immanent in Nervous Activity, mis pani aluse närvivõrkudele.

Asjade hetkeseis

Hetkel (2008) tehisintellekti loomisel (selle sõna algses tähenduses ekspertsüsteemid ja maleprogrammid siia ei kuulu) napib ideid. Peaaegu kõiki lähenemisviise on testitud, kuid tehisintellekti esilekerkimisele pole lähenenud ükski uurimisrühm.

Mõned kõige muljetavaldavamad tsiviil-AI-süsteemid on:

Deep Blue - alistas male maailmameistri. (Kasparovi ja superarvutite matš ei pakkunud rahulolu ei arvutiteadlastele ega malemängijatele ning Kasparov ei tundnud süsteemi ära, kuigi algsed kompaktsed maleprogrammid on maleloovuse lahutamatu osa. Siis ilmus IBM-i superarvutite sari aastal brute force projektid BluGene (molekulaarne modelleerimine) ja püramiidrakkude süsteemi modelleerimine Šveitsi Blue Brain Centeris See lugu on näide AI, äri ja riiklike strateegiliste eesmärkide vahelisest keerulisest ja salajasest suhtest.)

Mycin oli üks varajasi ekspertsüsteeme, mis suutis diagnoosida väikese hulga haigusi, sageli sama täpselt kui arstid.

20q on AI ideedel põhinev projekt, mis põhineb klassikalisel mängul “20 Questions”. See sai väga populaarseks pärast ilmumist Internetis veebisaidil 20q.net.

Kõnetuvastus. Sellised süsteemid nagu ViaVoice on võimelised tarbijaid teenindama.

Robotid võistlevad iga-aastasel RoboCupi turniiril jalgpalli lihtsustatud vormis.

AI rakendus

Pangad kasutavad tehisintellekti süsteeme (AI) kindlustustegevuses (kindlustusmatemaatika) börsil mängides ja kinnisvarahalduses. 2001. aasta augustis võitsid robotid inimesi improviseeritud kauplemisvõistlusel (BBC News, 2001). Mustrituvastusmeetodeid (sealhulgas nii keerukamaid kui ka spetsialiseeritud ja närvivõrke) kasutatakse laialdaselt optilises ja akustilises tuvastamises (sh tekst ja kõne), meditsiinilises diagnostikas, rämpspostifiltrites, õhutõrjesüsteemides (sihtmärgi tuvastamine) ja ka arvu tagamisel. muude riikliku julgeoleku ülesannete täitmiseks.

Arvutimängude arendajad on sunnitud kasutama erineva keerukuse astmega tehisintellekti. Mängude standardsed AI-ülesanded on tee leidmine 2D-s või kolmemõõtmeline ruum, lahinguüksuse käitumise jäljendamine, õige majandusstrateegia arvutamine jne.

AI väljavaated

Tehisintellekti arendamise kaks suunda on nähtavad:

esimene on lahendada probleeme, mis on seotud spetsialiseeritud tehisintellektisüsteemide lähendamisega inimvõimetele ja nende integreerimisele, mis on inimloomuse poolt teostatud.

teine on tehisintellekti loomine, mis kujutab endast juba loodud tehisintellekti süsteemide integreerimist ühtseks süsteemiks, mis suudab lahendada inimkonna probleeme.

Seosed teiste teadustega

Tehisintellekt on transhumanismiga tihedalt seotud. Ja koos neurofüsioloogia ja kognitiivse psühholoogiaga moodustab see üldisema teaduse, mida nimetatakse kognitiivteaduseks. Filosoofial on tehisintellektis eriline roll.

Filosoofilised küsimused

Teadus "tehisintellekti loomisest" ei saanud filosoofide tähelepanu äratada. Esimeste intelligentsete süsteemide tulekuga tõstatati fundamentaalsed küsimused inimese ja teadmiste ning osaliselt ka maailmakorra kohta. Ühest küljest on nad selle teadusega lahutamatult seotud ja teisalt toovad nad sellesse kaose sisse. Tehisintellekti teadlaste seas puudub endiselt domineeriv seisukoht intelligentsuse kriteeriumide, eesmärkide ja lahendatavate ülesannete süstematiseerimise osas, puudub isegi teaduse range definitsioon.

Kas masin suudab mõelda?

Kõige tulisem debatt tehisintellekti filosoofias on küsimus inimese kätega loodud mõtlemise võimalikkusest. Küsimuse "Kas masin suudab mõelda?", mis ajendas teadlasi looma inimmõistuse simuleerimise teadust, esitas Alan Turing 1950. aastal. Kaht peamist seisukohta selles küsimuses nimetatakse tugeva ja nõrga tehisintellekti hüpoteesiks.

Mõiste "tugev tehisintellekt" võttis kasutusele John Searle ja lähenemist iseloomustavad tema sõnad:

“Pealegi ei oleks selline programm lihtsalt mõistuse mudel; ta, selle sõna otseses tähenduses, saab ise olema mõistus, samas tähenduses, milles inimmõistus- see on mõistus."

Seevastu nõrga tehisintellekti pooldajad eelistavad vaadelda programme ainult kui tööriistu, mis võimaldavad neil lahendada teatud probleeme, mis ei nõua inimese kognitiivsete võimete täielikku ulatust.

Oma mõtteeksperimendis "Hiina tuba" näitab John Searle, et Turingi testi läbimine ei ole masina tõelise arutlusprotsessi kriteeriumiks.

Mõtlemine on mällu salvestatud teabe töötlemise protsess: analüüs, süntees ja eneseprogrammeerimine.

Sarnasel seisukohal on ka Roger Penrose, kes oma raamatus “Kuninga uus mõistus” vaidleb selle poolt, et formaalsete süsteemide alusel ei ole võimalik saavutada mõtlemisprotsessi.

Selles küsimuses on erinevaid seisukohti. Analüütiline lähenemine hõlmab inimese kõrgema närviaktiivsuse analüüsimist madalaima, jagamatu tasemeni (kõrgema närvitegevuse funktsioon, elementaarne reaktsioon välistele ärritajatele (stiimulitele), funktsiooniga seotud neuronite kogumi sünapside ärritus) ja nende funktsioonide edasine taastootmine.

Mõned eksperdid peavad infopuuduse tingimustes ratsionaalse ja motiveeritud valiku võimet luureks. See tähendab, et intellektuaalseks programmiks peetakse lihtsalt seda tegevusprogrammi (mitte tingimata tänapäevastes arvutites rakendatud), mis saab valida teatud alternatiivide hulgast, näiteks, kuhu minna juhul, kui "lähete vasakule .. ., "sa lähete paremale ...", "te lähete otse ..."

Teadmiste teadus

Samuti on tehisintellekti probleemidega tihedalt seotud epistemoloogia – teadmiste teadus filosoofia raames. Selle teemaga tegelevad filosoofid maadlevad küsimustega, mis on sarnased AI-inseneride probleemidega selle kohta, kuidas teadmisi ja teavet kõige paremini esindada ja kasutada.

Suhtumine AI-sse ühiskonnas

AI ja religioon

Aabrahami religioonide järgijate seas on struktuursel lähenemisel põhineva tehisintellekti loomise võimalikkusele mitmeid seisukohti.

Neist ühe sõnul ei ole aju, mille tööd süsteemid üritavad jäljendada, nende arvates mõtlemisprotsessis, teadvuse ja muu vaimse tegevuse allikas. AI loomine struktureeritud lähenemisviisi alusel on võimatu.

Teise vaatenurga kohaselt on aju kaasatud mõtlemisprotsessi, kuid hingest tuleva teabe “edastaja” kujul. Aju vastutab selliste "lihtsate" funktsioonide eest nagu tingimusteta refleksid, reageerimine valule jne. Struktuursel lähenemisel põhineva tehisintellekti loomine on võimalik, kui projekteeritav süsteem suudab täita "ülekande" funktsioone.

Mõlemad seisukohad ei vasta tänapäeva teaduse andmetele, sest hinge mõistet ei käsitleta kaasaegne teadus kui teaduslik kategooria.

Paljude budistide arvates on AI võimalik. Niisiis, vaimne juht 14. dalai-laama ei välista teadvuse olemasolu arvutipõhiselt.

Raeliidid toetavad aktiivselt tehisintellekti valdkonna arenguid.

AI ja ulme

Ulmekirjanduses kujutatakse tehisintellekti kõige sagedamini jõuna, mis üritab kukutada inimjõudu (Omnius, HAL 9000, Skynet, Colossus, The Matrix ja Replicant) või teenivat humanoidi (C-3PO, Data, KITT ja KARR, Bicentennial Man). Kontrolli alt väljunud tehisintellekti maailmavalitsemise paratamatuse üle vaidlevad vastu sellised ulmekirjanikud nagu Isaac Asimov ja Kevin Warwick.

Ulmekirjaniku Harry Garrisoni ja teadlase Marvin Minsky romaan "Turingi valik" esitab kurioosse tulevikunägemuse. Autorid arutlevad inimkonna kaotuse teemal inimeses, kelle ajju implanteeriti arvuti, ja inimkonna omandamist tehisintellekti masinaga, mille mällu kopeeriti inimese ajust saadud teave.

Mõned ulmekirjanikud, nagu Vernor Vinge, on samuti spekuleerinud tehisintellekti tekkimise tagajärgede üle, mis tõenäoliselt põhjustab ühiskonnas dramaatilisi muutusi. Seda perioodi nimetatakse tehnoloogiliseks singulaarsuseks.

Preambulis viidatud tehisintellekti definitsioon, mille John McCarthy andis 1956. aastal Dartmouthi ülikooli konverentsil, ei ole otseselt seotud inimintellekti mõistmisega. McCarthy sõnul võivad tehisintellekti teadlased konkreetsete probleemide lahendamiseks vajadusel vabalt kasutada tehnikaid, mida inimestel pole näha.

Samas on seisukoht, mille kohaselt intelligentsus saab olla ainult bioloogiline nähtus.

Nagu märgib Peterburi filiaali esimees Vene ühing tehisintellekt T. A. Gavrilova, in inglise keel fraas tehisintellekt ei oma seda kergelt fantastilist antropomorfset varjundit, mille ta omandas üsna ebaõnnestunud venekeelses tõlkes. Sõna intelligentsus tähendab "võimet ratsionaalselt arutleda" ja mitte üldse "intelligentsust", mille jaoks on olemas ingliskeelne analoog intelligentsus .

Venemaa Tehisintellekti Assotsiatsiooni liikmed annavad tehisintellektile järgmised määratlused:

Ühe konkreetse intelligentsuse definitsiooni, mis on ühine inimesele ja “masinale”, võib sõnastada järgmiselt: “Intelligentsus on süsteemi võime luua iseõppimise käigus programme (peamiselt heuristlikke) teatud klassi probleemide lahendamiseks. keerukust ja neid probleeme lahendada.

Eeldused tehisintellekti teaduse arendamiseks

Tehisintellekti kui uue teadussuuna ajalugu saab alguse 20. sajandi keskpaigast. Selleks ajaks olid selle tekkeks juba mitmed eeldused välja kujunenud: filosoofide seas oli pikka aega vaieldud inimese olemuse ja maailma mõistmise protsessi üle, neurofüsioloogid ja psühholoogid olid välja töötanud hulga teooriaid inimaju töö kohta. ja mõtlemine, majandusteadlased ja matemaatikud esitasid küsimusi optimaalsete arvutuste ja maailmaalaste teadmiste esitamise kohta formaliseeritud kujul; lõpuks sündis matemaatilise arvutusteooria – algoritmide teooria – alus ja loodi esimesed arvutid.

Uute masinate võimalused arvutuskiiruse osas osutusid suuremaks kui inimese omad, mistõttu tekkis teadlaskonnas küsimus: millised on arvutivõimekuse piirid ja kas masinad jõuavad inimese arengu tasemele? 1950. aastal kirjutas üks andmetöötluse teerajajaid, inglise teadlane Alan Turing artikli pealkirjaga "Kas masin suudab mõelda?" , mis kirjeldab Turingi testiks nimetatavat protseduuri, mille abil on võimalik määrata hetk, mil masin muutub intelligentsuse poolest inimesega võrdseks.

Tehisintellekti arengu ajalugu NSV Liidus ja Venemaal

NSV Liidus algas töö tehisintellekti vallas 1960. aastatel. Moskva ülikoolis ja Teaduste Akadeemias viidi läbi mitmeid teedrajavaid uuringuid, mida juhtisid Veniamin Puškin ja D. A. Pospelov. Alates 1960. aastate algusest on M. L. Tsetlin ja tema kolleegid tegelenud lõplike olekumasinate väljaõppega seotud küsimustega.

1964. aastal ilmus Leningradi loogiku Sergei Maslovi töö “The Inverse Method for Establishing Derivability in Classical Predicate Calculus”, milles ta pakkus esimesena välja meetodi teoreemide tõestuste automaatseks otsimiseks predikaatarvutuses.

Kuni 1970. aastateni NSV Liidus tehti kõik tehisintellektiuuringud küberneetika raames. D. A. Pospelovi sõnul olid teadused “arvutiteadus” ja “küberneetika” sel ajal mitmete akadeemiliste vaidluste tõttu segunenud. Alles 1970. aastate lõpus hakati NSV Liidus rääkima teaduslikust suunast “tehisintellekt” kui arvutiteaduse harust. Samal ajal sündis arvutiteadus ise, mis allutas oma esivanemale “küberneetika”. 1970. aastate lõpus loodi Sõnastik tehisintellekti kohta, kolmeköiteline teatmeteos tehisintellekti ja entsüklopeediline sõnaraamat arvutiteaduses, milles rubriigid “Küberneetika” ja “ Tehisintellekt"on koos teiste osadega kaasatud arvutiteadusesse. Mõiste "arvutiteadus" sai laialt levinud 1980ndatel ja termin "küberneetika" kadus järk-järgult käibest, jäädes ainult nende institutsioonide nimedesse, mis tekkisid 1950ndate lõpus - 1960ndate alguses "küberneetilise buumi" ajastul. Seda seisukohta tehisintellektist, küberneetikast ja arvutiteadusest ei jaga kõik. See on tingitud asjaolust, et läänes on nende teaduste piirid mõnevõrra erinevad.

Lähenemisviisid ja suunad

Lähenemisviisid probleemi mõistmiseks

Küsimusele, mida tehisintellekt teeb, ühest vastust pole. Peaaegu iga autor, kes kirjutab AI-st raamatu, lähtub mõnest definitsioonist, arvestades selle teaduse saavutusi selle valguses.

top-down AI), semiootiline - ekspertsüsteemide, teadmusbaaside ja loogiliste järeldussüsteemide loomine, mis simuleerivad kõrgetasemelisi vaimseid protsesse: mõtlemist, arutluskäiku, kõnet, emotsioone, loovust jne;
Bottom-Up AI), bioloogiline – uurib närvivõrke ja evolutsioonilisi arvutusi, mis modelleerivad bioloogilistel elementidel põhinevat intelligentset käitumist, samuti vastavate arvutussüsteemide loomist, nagu neuro- või bioarvuti.

Viimane lähenemine rangelt võttes ei kuulu tehisintellekti teadusesse John McCarthy antud mõttes – neid ühendab vaid ühine lõppeesmärk.

Turingi test ja intuitiivne lähenemine

See lähenemisviis keskendub meetoditele ja algoritmidele, mis aitavad intelligentsel agendil oma ülesannet täites oma keskkonnas ellu jääda. Niisiis, siin uuritakse tee leidmise ja otsuste tegemise algoritme palju hoolikamalt.

Hübriidne lähenemine

Hübriidne lähenemine eeldab seda ainult neuraalsete ja sümboolsete mudelite sünergilise kombinatsiooniga saavutatakse kõik kognitiivsed ja arvutuslikud võimalused. Näiteks ekspertide järeldusreegleid saab genereerida närvivõrkude abil ja generatiivsed reeglid saadakse statistilise õppimise abil. Selle lähenemisviisi pooldajad usuvad, et hübriidsed infosüsteemid on palju tugevamad kui erinevate mõistete summa eraldi.

Uurimismudelid ja meetodid

Mõtteprotsesside sümboolne modelleerimine

AI ajalugu analüüsides saame tuvastada nii laia valdkonna nagu modelleeriv arutluskäik. Paljude aastate jooksul on selle teaduse areng liikunud just seda teed mööda ja nüüd on see kaasaegse tehisintellekti üks arenenumaid valdkondi. Arutluse modelleerimine hõlmab sümboolsete süsteemide loomist, mille sisendiks on seatud kindel ülesanne ja väljund nõuab selle lahendamist. Reeglina on välja pakutud probleem juba formaliseeritud ehk tõlgitud matemaatilisele kujule, kuid sellel kas puudub lahendusalgoritm või see on liiga keeruline, aeganõudev vms. Sellesse valdkonda kuuluvad: teoreemide tõestamine, otsuste tegemine ja mänguteooria, planeerimine ja lähetamine, prognoosimine.

Looduskeeltega töötamine

Oluline suund on loomuliku keele töötlemine, mille raames analüüsitakse “inimkeelsete” tekstide mõistmise, töötlemise ja genereerimise võimekust. Selle suuna eesmärk on töödelda loomulikku keelt selliselt, et oleks võimalik iseseisvalt teadmisi omandada lugedes olemasolevat Internetis leiduvat teksti. Mõned loomuliku keele töötlemise otsesed rakendused hõlmavad teabeotsingut (sealhulgas süvateksti kaevandamist) ja masintõlget.

Teadmiste kujutamine ja kasutamine

Suund teadmiste insenerühendab lihtsast informatsioonist teadmiste saamise, nende süstematiseerimise ja kasutamise ülesandeid. See suund on ajalooliselt seotud loominguga ekspertsüsteemid- programmid, mis kasutavad mis tahes probleemi kohta usaldusväärsete järelduste tegemiseks spetsiaalseid teadmistebaase.

Andmete põhjal teadmiste tootmine on andmekaeve üks põhiprobleeme. Selle probleemi lahendamiseks on erinevaid lähenemisviise, sealhulgas närvivõrgu tehnoloogial põhinevaid lähenemisviise, kasutades närvivõrgu verbaliseerimisprotseduure.

Masinõpe

Probleemid masinõpe puudutab protsessi sõltumatu teadmiste omandamine intelligentse süsteemi poolt oma töö käigus. See suund on olnud kesksel kohal juba tehisintellekti arendamise algusest peale. 1956. aastal kirjutas Ray Solomonoff Dartmundi suvekonverentsil aruande tõenäosusliku järelevalveta õppemasina kohta, nimetades seda "induktiivseks järeldusmasinaks".

Robootika

Masina loovus

Loodus inimese loovus isegi vähem uuritud kui intelligentsuse olemus. Sellegipoolest on see valdkond olemas ja siin püstitatakse arvutis muusika kirjutamise, kirjandusteoste (sageli luule või muinasjuttude) ja kunstiloomingu probleemid. Realistlike piltide loomist kasutatakse laialdaselt filmi- ja mängutööstuses.

Eraldi paistab silma tehisintellektisüsteemide tehnilise loovuse probleemide uurimine. G. S. Altshulleri 1946. aastal välja pakutud leidlike probleemide lahendamise teooria tähistas selliste uurimistööde algust.

Selle võimaluse lisamine igale intelligentsele süsteemile võimaldab väga selgelt demonstreerida, mida süsteem täpselt tajub ja kuidas sellest aru saab. Lisades puuduva teabe asemel müra või filtreerides müra süsteemis olemasolevate teadmistega, saadakse abstraktsed teadmised konkreetseteks, inimesele kergesti tajutavateks kujutisteks, mis on eriti kasulik intuitiivsete ja väheväärtuslike teadmiste puhul, mille kontrollimine formaalne vorm nõuab märkimisväärset vaimset pingutust.

Muud uurimisvaldkonnad

Lõpuks on tehisintellektil palju rakendusi, millest igaüks moodustab peaaegu iseseisva valdkonna. Näideteks on programmeerimisintellekt arvutimängudes, mittelineaarne juhtimine, intelligentsed infoturbesüsteemid.

Tulevikus on oodata, et tehisintellekti areng on tihedalt seotud kvantarvuti arenguga, kuna mõned tehisintellekti omadused on sarnased tööpõhimõtetega kvantarvutid.

On näha, et paljud uurimisvaldkonnad kattuvad. See on tüüpiline igale teadusele. Kuid tehisintellektis on suhe näiliselt erinevates suundades eriti tugevalt väljendatud ja seda seostatakse filosoofilise aruteluga tugeva ja nõrga tehisintellekti üle.

Kaasaegne tehisintellekt

Tehisintellekti arendamises võib eristada kahte suunda:

probleemide lahendamine, mis on seotud spetsialiseeritud tehisintellekti süsteemide lähendamisega inimvõimetele ja nende integreerimisele, mis on inimloomuse poolt teostatud ( vaata Intellekti täiustamine);
tehisintellekti loomine, mis kujutab endast juba loodud tehisintellekti süsteemide integreerimist ühtseks süsteemiks, mis suudab lahendada inimkonna probleeme ( vt Tugev ja nõrk tehisintellekt).

Kuid praegu on tehisintellekti valdkonnas kaasatud paljusid teemavaldkondi, millel on tehisintellektiga praktiline seos, mitte fundamentaalne. Katsetatud on paljusid lähenemisviise, kuid tehisintellekti tekkele pole veel lähenenud ükski uurimisrühm. Allpool on vaid mõned kuulsamad arengud AI valdkonnas.

Rakendus

Mõned kuulsamad AI-süsteemid on:

Pangad kasutavad tehisintellekti süsteeme (AI) kindlustustegevuses (kindlustusmatemaatika), börsil mängides ja kinnisvarahalduses. Mustrituvastusmeetodeid (sh nii keerukamaid kui ka spetsialiseeritud ja närvivõrke) kasutatakse laialdaselt optilises ja akustilises tuvastamises (sh tekst ja kõne), meditsiinilises diagnostikas, rämpspostifiltrites, õhutõrjesüsteemides (sihtmärgi tuvastamine), samuti hulk muid riikliku julgeoleku ülesandeid.

Psühholoogia ja kognitiivteadus

Kognitiivse modelleerimise metoodika on mõeldud analüüsimiseks ja otsuste tegemiseks halvasti määratletud olukordades. Selle pakkus välja Axelrod.

See põhineb ekspertide subjektiivsete ideede modelleerimisel olukorra kohta ja sisaldab: metoodikat olukorra struktureerimiseks: mudelit eksperdi teadmiste esitamiseks märgistatud digraafi (kognitiivne kaart) kujul (F, W), kus F on olukorra tegurite kogum, W on põhjus-tagajärg seoste kogum olukorra tegurite vahel ; olukorra analüüsi meetodid. Hetkel areneb kognitiivse modelleerimise metoodika olukorra analüüsimise ja modelleerimise aparaadi täiustamise suunas. Siin on välja pakutud mudelid olukorra arengu prognoosimiseks; meetodid pöördülesannete lahendamiseks.

Filosoofia

Tehisintellekti loomise filosoofilised probleemid võib suhteliselt öeldes jagada kahte rühma: "enne ja pärast AI arengut". Esimene rühm vastab küsimusele: "Mis on AI, kas seda on võimalik luua ja kui võimalik, kuidas seda teha?" Teine rühm (tehisintellekti eetika) esitab küsimuse: "Millised on tehisintellekti loomise tagajärjed inimkonnale?"

Mõiste "tugev tehisintellekt" võttis kasutusele John Searle ja lähenemist iseloomustavad tema sõnad:

Pealegi ei oleks selline programm lihtsalt mõistuse mudel; ta selle sõna otseses tähenduses on mõistus, samas tähenduses, milles inimmõistus on mõistus.

Samal ajal on vaja mõista, kas on võimalik "puhas tehislik" mõistus ("metamind"), mis mõistab ja lahendab tegelikke probleeme ning on samal ajal ilma inimesele iseloomulike ja tema individuaalseks ellujäämiseks vajalike emotsioonideta. [ ] .

Eetika

Teised traditsioonilised usundid kirjeldavad tehisintellekti probleeme harva. Kuid mõned teoloogid pööravad sellele siiski tähelepanu. Näiteks ülempreester Mihhail Zahharov, vaidledes kristliku maailmavaate seisukohalt, paneb järgmine küsimus: “Inimene on ratsionaalselt vaba olend, kelle Jumal on loonud oma näo ja sarnasuse järgi. Oleme harjunud kõiki neid määratlusi omistama bioloogilistele liik Homo Sapiens. Aga kui õigustatud see on? . Ta vastab sellele küsimusele järgmiselt:

Kui eeldada, et tehisintellekti valdkonna uuringud viivad kunagi inimesest intelligentsuse poolest üleoleva ja vaba tahtega tehisolendi esilekerkimiseni, siis kas see tähendaks, et see olend on inimene? ... inimene on Jumala looming. Kas seda olendit võib nimetada Jumala loominguks? Esmapilgul on see inimese looming. Kuid isegi inimese loomise ajal on vaevalt väärt sõna otseses mõttes mõista, et Jumal voolis esimese inimese savist oma kätega. See on ilmselt allegooria, mis viitab Jumala tahtest loodud inimkeha materiaalsusele. Kuid ilma Jumala tahteta ei juhtu siin maailmas midagi. Inimene kui selle maailma kaaslooja saab Jumala tahet täites luua uusi olendeid. Selliseid, inimkäte poolt Jumala tahte järgi loodud olendeid võib ilmselt nimetada Jumala loominguks. Inimene loob ju uusi looma- ja taimeliike. Ja me peame taimi ja loomi Jumala loominguks. Sama saab rakendada ka mittebioloogilise iseloomuga tehisolendi kohta.

Ulme

Tehisintellekti teemat käsitletakse Robert Heinleini teostes erinevate nurkade alt: hüpotees tehisintellekti eneseteadvuse tekkimisest, kui struktuur muutub keerulisemaks üle teatud kriitilise taseme ning toimub interaktsioon välismaailma ja teiste kandjatega. intelligentsus (“Kuu on karm armuke”, “Aega piisavalt armastuseks”, Mycroft, Dora ja Aya sarjas “Tuleviku ajalugu”), tehisintellekti arengu probleemid pärast hüpoteetilist eneseteadvust ning mõned sotsiaalsed ja eetilised probleemid (“reede”). Inimese ja tehisintellektiga suhtlemise sotsiaalpsühholoogilisi probleeme käsitleb ka Philip K. Dicki romaan „Kas Androidid unistavad elektrilammastest? ", mis on tuntud ka Blade Runneri filmi kohandamise poolest.

Ulmekirjaniku ja filosoofi Stanislaw Lemi teosed kirjeldavad ja näevad suuresti ette virtuaalreaalsuse, tehisintellekti, nanorobotite ja paljude teiste tehisintellekti filosoofia probleemide teket. Eriti väärib märkimist Sum tehnoloogia futuroloogia. Lisaks kirjeldatakse Iyon Tikhy seiklustes korduvalt elusolendite ja masinate vahelist suhet: pardaarvuti mäss koos järgnevaga. ootamatud sündmused(11 teekonda), robotite kohandamine inimühiskond(“Pesutragöödia” filmist “Vaikse Ijoni memuaarid”), absoluutse korra loomine planeedil elavate elanike töötlemise teel (24. teekond), Corcorani ja Diagorase leiutised (“Mälestused Ijonist Vaiksest”), robotite psühhiaatriakliinik ("Vaikse Ijoni mälestused"). Lisaks on terve rida romaane ja lugusid Cyberiad, kus peaaegu kõik tegelased on robotid, kes on inimeste eest põgenenud robotite kauged järeltulijad (nimetatakse inimesi kahvatuteks ja peavad neid müütilisteks olenditeks).

Filmid

Alates peaaegu 1960. aastatest koos kirjutamisega fantaasia lood ja lugusid, tehisintellektist tehakse filme. Paljud kogu maailmas tunnustatud autorite lood filmitakse ja neist saavad žanri klassikad, teised saavad arengu verstapostiks

Tehisintellekt (AI, inglise: Artificial Intelligence, AI) – intelligentsete masinate, eriti intelligentsete arvutiprogrammide loomise teadus ja tehnoloogia. AI on seotud sarnase ülesandega kasutada arvuteid inimese intelligentsuse mõistmiseks, kuid see ei pruugi piirduda bioloogiliselt usutavate meetoditega.

Mis on tehisintellekt

Intelligentsus(lad. intellectus – aisting, taju, mõistmine, mõistmine, mõiste, mõistus) ehk mõistus – psüühika omadus, mis koosneb võimest kohaneda uute olukordadega, võimest õppida ja kogemusel põhinevat meeles pidada, mõista ja rakendada abstraktseid mõisteid ja kasutada oma teadmisi keskkonnajuhtimiseks. Intelligentsus on üldine võime teadmisele ja raskuste lahendamisele, mis ühendab kõike kognitiivsed võimed inimene: tunne, taju, mälu, esitus, mõtlemine, kujutlusvõime.

1980. aastate alguses. Arvutusteadlased Barr ja Fajgenbaum pakkusid välja tehisintellekti (AI) järgmise määratluse:

Hiljem hakati paljusid algoritme ja tarkvarasüsteeme klassifitseerima tehisintellektiks, eristav omadus mis tähendab, et nad suudavad mõnda probleemi lahendada samamoodi, nagu teeks nende lahendusele mõtlev inimene.

Tehisintellekti peamised omadused on keele mõistmine, õppimine ning mõtlemis- ja mis kõige tähtsam - tegutsemisvõime.

AI on seotud tehnoloogiate ja protsesside kompleks, mis areneb kvalitatiivselt ja kiiresti, näiteks:

tekstitöötlus sisse lülitatud loomulik keel
ekspertsüsteemid
virtuaalsed agendid (vestlusbotid ja virtuaalsed assistendid)
soovitussüsteemid.

AI tehnoloogilised suunad. Deloitte'i andmed

AI-uuringud

Peamine artikkel: Tehisintellekti uurimine

AI standardimine

2018: Kvantkommunikatsiooni, AI ja targa linna valdkonna standardite väljatöötamine

6. detsembril 2018 alustas RVC-l põhinev tehniline komitee “Küberfüüsikalised süsteemid” koos piirkondliku insenerikeskusega “SafeNet” standardite komplekti väljatöötamist riikliku tehnoloogiaalgatuse (NTI) ja digitaalmajanduse turgude jaoks. 2019. aasta märtsiks on kavas välja töötada kvantkommunikatsiooni valdkonna tehnilised standardimisdokumendid ja, teatas RVC. Loe rohkem.

Tehisintellekti mõju

Oht inimtsivilisatsiooni arengule

Mõju majandusele ja ettevõtlusele

Tehisintellekti tehnoloogiate mõju majandusele ja ettevõtlusele

Mõju tööturule

Tehisintellekti eelarvamus

Kõige AI-ga seotud (masintõlge, kõnetuvastus, loomuliku keele töötlemine, arvutinägemine, automatiseeritud juhtimine ja palju muud) keskmes on sügav õppimine. See on masinõppe alamhulk, mida iseloomustab närvivõrgu mudelite kasutamine, mis võib öelda, et nad jäljendavad aju toimimist, seega oleks nende klassifitseerimine tehisintellektiks keeruline. Iga närvivõrgu mudel on koolitatud suurte andmehulkade põhjal, nii et see omandab teatud "oskused", kuid nende kasutamine jääb selle loojatele ebaselgeks, mis lõpuks muutub paljude süvaõpperakenduste jaoks üheks kõige olulisemaks probleemiks. Põhjus on selles, et selline mudel töötab piltidega formaalselt, ilma et oleks üldse aru saanud, mida ta teeb. Kas selline süsteem on AI ja kas masinõppele ehitatud süsteeme saab usaldada? Vastuse väärtus viimane küsimus ulatub teaduslaboritest kaugemale. Seetõttu on meedia tähelepanu nähtusele, mida nimetatakse AI eelarvamuseks, märgatavalt intensiivistunud. Seda saab tõlkida kui "AI bias" või "AI bias". Loe rohkem.

Tehisintellekti tehnoloogiaturg

AI turg Venemaal

Globaalne AI turg

AI rakendusvaldkonnad

AI kasutusvaldkonnad on üsna laiad ja hõlmavad nii kõrvaga tuttavaid tehnoloogiaid kui ka esile kerkivaid uusi valdkondi, mis on kaugel massrakendus, teisisõnu, see on kogu lahenduste valik alates tolmuimejatest kuni kosmosejaamad. Saate jagada kogu nende mitmekesisuse vastavalt arengu põhipunktide kriteeriumile.

AI ei ole monoliitne teemavaldkond. Lisaks ilmuvad mõned tehisintellekti tehnoloogilised valdkonnad majanduse uute alamsektoritena ja eraldiseisvate üksustena, teenindades samal ajal enamikku majanduse valdkondi.

Tehisintellekti tehnoloogiate peamised kaubanduslikud rakendused

Tehisintellekti kasutamise areng toob kaasa tehnoloogiate kohandamise klassikalistes majandussektorites kogu väärtusahela ulatuses ja muudab neid, mis viib peaaegu kõigi funktsionaalsuste algoritmiseerimiseni logistikast ettevõtte juhtimiseni.

AI kasutamine kaitse- ja sõjalistes küsimustes

Kasutamine hariduses

AI kasutamine ettevõtluses

AI elektrienergiatööstuses

Projekteerimise tasandil: energiaressursside tootmise ja nõudluse täiustatud prognoosimine, elektritootmisseadmete töökindluse hindamine, suurenenud tootmise automatiseerimine nõudluse suurenemise korral.
Tootmise tasandil: seadmete ennetava hoolduse optimeerimine, tootmise efektiivsuse tõstmine, kadude vähendamine, energiaressursside varguste vältimine.
Kampaania tasemel: hinnakujunduse optimeerimine olenevalt kellaajast ja dünaamiline arveldamine.
Teenuse osutamise tasemel: kõige kasumlikuma tarnija automaatne valimine, üksikasjalik statistika tarbimine, automatiseeritud klienditeenindus, energiatarbimise optimeerimine kliendi harjumusi ja käitumist arvestades.

AI tootmises

Disaini tasandil: uute toodete arendamise efektiivsuse tõstmine, tarnijate automatiseeritud hindamine ja varuosade nõuete analüüs.
Tootmise tasandil: ülesannete täitmise protsessi täiustamine, koosteliinide automatiseerimine, vigade arvu vähendamine, tooraine tarneaegade vähendamine.
Promotsiooni tasemel: tugi- ja hooldusteenuste mahu prognoosimine, hinnakujunduse juhtimine.
Teenuse osutamise tasandil: sõidukipargi marsruutide planeerimise parandamine, nõudlus autopargi ressursside järele, teenindusinseneride koolituse kvaliteedi tõstmine.

AI pankades

Mustrituvastus - kasutatud sh. tunnustada kliente kontorites ja edastada neile eripakkumisi.

Tehisintellekti tehnoloogiate peamised rakendusvaldkonnad pankades

AI transpordis

Autotööstus on revolutsiooni äärel: 5 mehitamata sõidu ajastu väljakutset

AI logistikas

AI õlle valmistamisel

AI kasutamine avalikus halduses

AI kohtuekspertiisis

Mustrituvastus - kasutatud sh. avalikus ruumis kurjategijate tuvastamiseks.

2018. aasta mais sai teatavaks, et Hollandi politsei kasutab keeruliste kuritegude uurimiseks tehisintellekti.

Vastavalt väljaanne The Järgmine veeb, õiguskaitseorganid hakkas digiteerima enam kui 1500 aruannet ja 30 miljonit lehekülge, mis olid seotud lahendamata juhtumitega. Arvutivormingusse kantakse üle 1988. aastast pärit materjalid, milles kuritegu ei lahendatud vähemalt kolme aasta jooksul ning süüdlasele mõisteti üle 12 aasta vangistust.

Lahendage keeruline kuritegu ühe päevaga. Politsei võtab AI kasutusele

Kui kogu sisu on digiteeritud, ühendatakse see masinõppesüsteemiga, mis analüüsib kirjeid ja otsustab, millistel juhtudel kasutatakse kõige usaldusväärsemaid tõendeid. See peaks vähendama juhtumite menetlemiseks ning varasemate ja tulevaste kuritegude lahendamiseks kuluvat aega mitmelt nädalalt ühele päevale.

Tehisintellekt jaotab juhtumid vastavalt nende "lahendatavusele" ja näitab võimalikud tulemused DNA uuring. Seejärel on kavas automatiseerida analüüs teistes kohtuekspertiisi valdkondades ja võib-olla isegi laiendada andmeid sellistesse valdkondadesse nagu sotsiaalteadused ja tunnistajate ütlused.

Lisaks, nagu ütles üks süsteemi arendajatest Jeroen Hammer, võidakse tulevikus välja anda partneritele mõeldud API-funktsioonid.

Hollandi politseil on eriüksus, mis on spetsialiseerunud kuritegude lahendamiseks uute tehnoloogiate väljatöötamisele. Just tema lõi AI-süsteemi kurjategijate kiireks otsimiseks tõendite põhjal.

AI kohtusüsteemis

Arengud tehisintellekti vallas aitavad kohtusüsteemi radikaalselt muuta, muutes selle õiglasemaks ja korruptsiooniskeemidest vabamaks. Seda arvamust avaldas 2017. aasta suvel dr. tehnikateadused, Artezio Vladimir Krylovi tehniline konsultant.

Teadlane usub, et olemasolevaid tehisintellekti valdkonna lahendusi saab edukalt rakendada erinevates majanduse ja avaliku elu valdkondades. Ekspert toob välja, et AI kasutatakse edukalt meditsiinis, kuid tulevikus võib see kohtusüsteemi täielikult muuta.

„Vaadates iga päev uudiseid tehisintellekti valdkonna arengute kohta, hämmastab teid selle valdkonna teadlaste ja arendajate ammendamatu fantaasia ja viljakus. Teadusuuringute aruanded on pidevalt segatud väljaannetega uute turule tungivate toodete kohta ja aruannetega tehisintellekti kasutamisega saavutatud hämmastavatest tulemustest. erinevaid valdkondi. Kui rääkida oodatavatest sündmustest, millega kaasneb märgatav meediakära, kus AI-st saab taas uudiste kangelane, siis tehnoloogilisi prognoose ma ilmselt tegema ei hakka. Kujutan ette, et järgmiseks sündmuseks on kuskil ülipädeva kohtu tekkimine tehisintellekti näol, õiglane ja äraostmatu. See juhtub ilmselt aastatel 2020–2025. Ja selles kohtus toimuvad protsessid toovad kaasa ootamatuid peegeldusi ja paljude inimeste soovi kanda tehisintellektile üle suurem osa inimühiskonna juhtimise protsessidest.

Teadlane tunnistab tehisintellekti kasutamist kohtusüsteemis "loogiliseks sammuks" seadusandliku võrdsuse ja õigluse arendamiseks. Masinluure ei allu korruptsioonile ja emotsioonidele, suudab rangelt kinni pidada seadusandlikust raamistikust ja teha otsuseid, võttes arvesse paljusid tegureid, sealhulgas andmeid, mis iseloomustavad vaidluse osapooli. Analoogiliselt meditsiinivaldkonnaga saavad robotkohtunikud töötada suurte andmetega salvestusruumidest avalikke teenuseid. Võib eeldada, et masinintelligents suudab andmeid kiiresti töödelda ja arvestada oluliselt rohkemate teguritega kui inimkohtunik.

Ekspertpsühholoogid aga usuvad, et emotsionaalse komponendi puudumine kohtuasjade arutamisel mõjutab negatiivselt otsuse kvaliteeti. Masinakohtu otsus võib olla liiga sirgjooneline, arvestamata inimeste tunnete ja meeleolude tähtsust.

Maalimine

2015. aastal katsetas Google'i meeskond närvivõrke, et näha, kas need suudavad ise pilte luua. Seejärel treeniti tehisintellekti suure hulga erinevate piltide abil. Kui aga masinal “paluti” midagi omaette kujutada, selgus, et see tõlgendas meid ümbritsevat maailma mõnevõrra kummaliselt. Näiteks hantlite joonistamise ülesandeks said arendajad pildi, milles metall oli ühendatud inimese kätega. Tõenäoliselt juhtus see seetõttu, et treeningu etapis sisaldasid analüüsitud hantlitega pildid käsi ja närvivõrk tõlgendas seda valesti.

26. veebruaril 2016 kogusid Google'i esindajad San Franciscos toimunud erioksjonil tehisintellekti loodud psühhedeelsete maalide arvelt umbes 98 tuhat dollarit, mis annetati heategevuseks. Üks edukamaid pilte autost on toodud allpool.

Google'i tehisintellekti maalitud maal.

Tehisintellekt

Tehisintellekt[Inglise] Tehisintellekt (AI)] on arvutiteaduse haru, mis uurib võimalust pakkuda arvutisüsteeme ja muid tehisseadmeid kasutades intelligentseid arutlusi ja tegevusi.
Enamasti on probleemi lahendamise algoritm ette teadmata.
Esimesed tehisintellektiga seotud uuringud tehti peaaegu kohe pärast esimeste arvutite ilmumist.
Aastatel 1910-13 Bertrand Russell ja Alfred North Whitehead avaldasid raamatu "Matemaatika põhimõtted", mis muutis formaalse loogika. 1931. aastal näitas Kurt Gödel, et üsna keerukas formaalne süsteem sisaldab väiteid, mida sellegipoolest ei saa selle süsteemi raames tõestada ega ümber lükata. Seega ei saa AI-süsteem, mis tuvastab kõigi väidete tõesuse, tuletades need aksioomidest, neid väiteid tõestada. Kuna inimesed näevad selliste väidete tõesust, on tehisintellekti hakatud nägema tagantjärele. 1941. aastal ehitas Konrad Zuse esimese töötava tarkvaraga juhitava arvuti. Warren McCulloch ja Walter Pitts avaldasid 1943. aastal raamatu A Logical Calculus of the Ideas Immanent in Nervous Activity, mis pani aluse närvivõrkudele.
1954. aastal otsustas Ameerika teadlane A. Newel kirjutada programmi male mängimiseks. Ta jagas seda ideed RAND Corporationi (www.rand.org) analüütikute J. Show ja H. Simoniga, kes pakkusid Newellile oma abi. Sellise programmi teoreetilise alusena otsustati kasutada 1950. aastal infoteooria rajaja Claude Shannoni pakutud meetodit. Selle meetodi täpse vormistamise viis läbi Alan Turing. Ta modelleeris selle käsitsi. Töösse kaasati rühm Hollandi psühholooge eesotsas A. de Groot’ga, kes uuris silmapaistvate maletajate mängustiile. Kahe aasta pärast koostöö See meeskond lõi programmeerimiskeele IPL1 - ilmselt esimene sümboolne keel loendite töötlemiseks. Peagi kirjutati esimene programm, mida võib seostada saavutustega tehisintellekti vallas. See oli programm "Logic-Theorist" (1956), mis oli mõeldud lausearvutuse teoreemide automaatseks tõestamiseks.
Tegelik malemänguprogramm NSS valmis 1957. aastal. Selle töö aluseks oli nn heuristika (reeglid, mis võimaldavad täpsete teoreetiliste põhjenduste puudumisel teha valiku) ja eesmärkide kirjeldused. Juhtimisalgoritm püüdis vähendada erinevusi hinnangute vahel hetkeolukorrale ja hinnangute vahel eesmärgile või ühele alaeesmärgile.
1960. aastal kirjutas sama rühmitus NSS-is kasutatavate põhimõtete alusel programmi, mida selle loojad nimetasid GPS-iks (General Problem Solver) – universaalseks probleemilahendajaks. GPS sai hakkama mitmete mõistatustega, arvuta määramata integraalid, lahendage mõned muud probleemid. Need tulemused on äratanud arvutiteadlaste tähelepanu. Ilmunud on programmid teoreemide automaatseks tõestamiseks planimeetriast ja algebraülesannete lahendamiseks (sõnastatud inglise keeles).
John McCartyt Stanfordist huvitas nende tulemuste matemaatiline alus ja sümboolsed arvutused üldiselt. Selle tulemusena töötas ta 1963. aastal välja LISP-keele (LISP, alates loenditöötlusest), mis põhines programmide ja andmete jaoks ühtse loendi esituse kasutamisel, avaldiste kasutamisel funktsioonide määratlemiseks ja sulgude süntaksil.
Ka loogikud on hakanud huvi tundma tehisintellekti valdkonna uuringute vastu. Samuti avaldati 1964. aastal Leningradi loogiku Sergei Maslovi töö “Pöördmeetod tuletatavuse tuvastamiseks klassikalises predikaatarvutuses”, milles ta pakkus esmakordselt välja meetodi predikaatarvutuses teoreemide tõestuste automaatseks otsimiseks.
Aasta hiljem (1965. aastal) ilmus USA-s J. A. Robinsoni töö, mis oli pühendatud veidi teistsugusele meetodile teoreemide tõestuste automaatseks otsimiseks esimest järku predikaatarvutuses. Seda meetodit nimetati lahutusmeetodiks ja see oli lähtepunktiks uue programmeerimiskeele koos sisseehitatud järeldusprotseduuriga - Prolog keele (PROLOG) loomisel 1971. aastal.
1966. aastal töötas Valentin Turchin NSV Liidus välja rekursiivse funktsioonikeele Refal, mille eesmärk oli kirjeldada keeli ja erinevad tüübid nende töötlemine. Kuigi see oli mõeldud algoritmilise metakeelena, oli see kasutaja jaoks, nagu LISP ja Prolog, sümboolse teabe töötlemise keel.
60ndate lõpus. ilmusid esimesed mänguprogrammid, süsteemid elementaarseks tekstianalüüsiks ja mõningate matemaatiliste ülesannete lahendamiseks (geomeetria, integraalarvutus). Tekkinud keeruliste otsinguprobleemide puhul vähendas otsitavate valikute hulk järsult kõikvõimalike heuristika ja “terve mõistuse” kasutamisega. Seda lähenemist hakati nimetama heuristiliseks programmeerimiseks. Edasine areng heuristiline programmeerimine järgis algoritmide keerulisemaks muutmise ja heuristika täiustamise teed. Peagi sai aga selgeks, et on teatud piir, mille ületamisel ükski heuristika täiustus või algoritmi komplikatsioon ei paranda süsteemi kvaliteeti ja mis kõige tähtsam, ei laienda selle võimalusi. Programm, mis mängib malet, ei mängi kunagi kabet ega kaardimänge.
Tasapisi hakkasid teadlased mõistma, et kõigis varem loodud programmides jäi puudu kõige olulisemast – teadmisest vastavas valdkonnas. Probleemide lahendamisel saavutavad spetsialistid kõrgeid tulemusi tänu oma teadmistele ja kogemustele; Kui programmid pääsevad juurde teadmistele ja neid rakendavad, saavutavad ka nemad kvaliteetse töö.
See arusaam, mis tekkis 70ndate alguses, tähendas sisuliselt kvalitatiivset hüpet tehisintellekti alal.
Põhimõttelisi kaalutlusi selles osas väljendas 1977. aastal 5. tehisintellekti ühiskonverentsil Ameerika teadlane E. Feigenbaum.
Juba 70ndate keskpaigaks. Ilmuvad esimesed rakendatud intelligentsed süsteemid, mis kasutavad probleemide lahendamiseks erinevaid teadmiste esitamise meetodeid – ekspertsüsteemid. Üks esimesi oli Stanfordi ülikoolis välja töötatud ekspertsüsteem DENDRAL, mis on loodud valemite genereerimiseks keemilised ühendid põhineb spektraalanalüüsil. Praegu tarnitakse klientidele DENDRALit koos spektromeetriga. MYCIN süsteem on mõeldud nakkuslike verehaiguste diagnoosimiseks ja raviks. Süsteem PROSPECTOR ennustab maavarade lademeid. On andmeid, et tema abiga avastati molübdeenimaardlad, mille väärtus ületab 100 miljonit dollarit. alusel rakendatud veekvaliteedi hindamise süsteem Vene tehnika SIMER + MIR mitu aastat tagasi Moskva jões Serebryany Bori piirkonnas saasteainete maksimaalsete lubatud kontsentratsioonide ületamise põhjused. CASNET süsteem on loodud glaukoomi jne diagnoosimiseks ja ravistrateegiate valimiseks.
Praeguseks on ekspertsüsteemide arendamine ja juurutamine muutunud iseseisvaks insenerivaldkonnaks. Teadusuuringud on koondunud mitmesse valdkonda, millest mõned on loetletud allpool.
Teoorias ei ole selgelt määratletud, mida täpselt peetakse vajalikuks ja piisavaks tingimuseks intellektuaalsuse saavutamiseks. Kuigi selle skoori kohta on mitmeid hüpoteese, näiteks Newell-Simoni hüpotees. Tavaliselt lähenetakse intelligentsete süsteemide juurutamisele just inimese intelligentsuse modelleerimise seisukohalt. Seega on tehisintellektil kaks peamist suunda:
■ sümboolne (semiootiline, ülalt-alla) põhineb inimese kõrgetasemeliste mõtlemisprotsesside modelleerimisel, teadmiste kujutamisel ja kasutamisel;
■ neuro-küberneetiline (närvivõrk, alt-üles) põhineb üksikute madalatasemeliste ajustruktuuride (neuronite) modelleerimisel.
Seega on tehisintellekti lõppeesmärk luua intelligentne arvutisüsteem, mille tõhususe tase mitteametlike probleemide lahendamisel on võrreldav või parem kui inimese oma.
Kõige sagedamini kasutatavad programmeerimisparadigmad tehisintellektisüsteemide ehitamisel on funktsionaalne programmeerimine ja loogiline programmeerimine. Need erinevad traditsioonilistest struktuursetest ja objektorienteeritud lähenemistest programmiloogika arendamiseks lahenduste mittelineaarse tuletamise ja andmestruktuuride analüüsi ja sünteesi toetamise madala taseme tööriistade poolest.
On kaks teaduskoolid erinevate lähenemisviisidega AI-probleemile: tavapärane AI ja arvutuslik AI.
Tavalises AI-s Peamiselt kasutatakse formalismil ja statistilisel analüüsil põhinevaid masinliku iseõppimise meetodeid.
Tavapärased AI meetodid:
■ Ekspertsüsteemid: programmid, mis teatud reeglite järgi toimides töötlevad suurel hulgal infot ja sellest tulenevalt teevad selle põhjal järelduse.
■ Juhtumipõhine arutluskäik.
■ Bayesi võrgud – see on statistiline meetod andmete mustrite avastamiseks. Sel eesmärgil kasutatakse esmast teavet, mis sisaldub kas võrgustruktuurides või andmebaasides
■ Käitumuslik lähenemine: AI süsteemide ülesehitamise modulaarne meetod, mille puhul süsteem on jagatud mitmeks suhteliselt autonoomseks käitumisprogrammiks, mis käivitatakse sõltuvalt väliskeskkonna muutustest.
Arvutuslik AI hõlmab iteratiivset arendust ja koolitust (näiteks parameetrite valimine ühenduvusvõrgus). Õppimine põhineb empiiriliselt ja on seotud mittesümboolse tehisintellekti ja pehme andmetöötlusega.
Arvutusliku AI põhimeetodid:
■ Närvivõrgud: suurepärase tuvastusvõimega süsteemid.
■ Hägused süsteemid: arutlustehnikad ebakindluse tingimustes (kasutatakse laialdaselt kaasaegsetes tööstus- ja tarbijakontrollisüsteemides)
■ Evolutsioonilised arvutused: siin kasutatakse traditsiooniliselt bioloogiaga seotud mõisteid, nagu populatsioon, mutatsioon ja looduslik valik et luua probleemile paremaid lahendusi. Need meetodid jagunevad evolutsioonilisteks algoritmideks (näiteks geneetilised algoritmid) ja sülemuure meetoditeks (näiteks sipelgaalgoritm).
Hübriidsete intelligentsete süsteemide raames püütakse neid kahte suunda ühendada. Ekspertide järeldusreegleid saab genereerida närvivõrkude abil ja generatiivsed reeglid saadakse statistilise õppimise abil.
Tehisintellekti paljutõotavad suunad.
CBR (Case-Based Reasoning) tehnikaid kasutatakse juba paljudes rakendatud probleemid- meditsiinis, projektijuhtimises, keskkonna analüüsiks ja ümberkorraldamiseks, tarbekaupade väljatöötamiseks eelistusi arvestades erinevad rühmad tarbijad jne. CBR meetodite rakendusi peaksime ootama intelligentse infootsingu, e-kaubanduse (kaupade pakkumine, virtuaalsete müügiagentuuride loomine), käitumise planeerimise dünaamilistes keskkondades, programmide paigutuse, disaini ja sünteesi ülesannetes.
Lisaks peaksime eeldama ideede ja meetodite (AI) kasvavat mõju loomuliku keele tekstide (AT) masinanalüüsile. See mõju mõjutab tõenäoliselt semantilist analüüsi ja sellega seotud meetodeid sõelumine- selles valdkonnas väljendub see maailmamudeli arvestamises semantilise analüüsi lõppfaasis ja teadmiste kasutamises ainevaldkond ja olukorrateave, et vähendada otsinguid varasemates etappides (näiteks parsipuude koostamisel).
Teine tehisintellekti ja AT vaheline "kommunikatsioonikanal" on masinõppemeetodite kasutamine AT-s; kolmas “kanal” on pretsedentidel põhineva ja argumenteerimisel põhineva arutluse kasutamine mõne AT probleemi lahendamiseks, näiteks müra vähendamise ja otsingu asjakohasuse suurendamise probleemid.
Tänapäeval on tehisintellekti üks olulisemaid ja paljutõotavamaid valdkondi käitumise automaatse planeerimise ülesanne. Automaatsete planeerimismeetodite rakendusala hõlmab laias valikus suure autonoomia ja eesmärgipärase käitumisega seadmeid, alates kodumasinatest kuni mehitamata kosmoselaevadeni süvakosmose uurimiseks.

Kasutatud allikad
1. Stuart Russell, Peter Norvig “Tehisintellekt: kaasaegne lähenemine (AIMA)”, 2. trükk: Trans. inglise keelest -M.: Kirjastus"Williams", 2005.-1424 lk illus.
2. George F. Luger "Tehisintellekt: Lahendusstrateegiad ja -meetodid", 4. väljaanne: Trans. inglise keelest - M.: Williamsi kirjastus, 2004.
3. Gennadi Osipov, Venemaa Tehisintellekti Assotsiatsiooni president, Euroopa Tehisintellekti Koordinatsioonikomitee (ECCAI) alaline liige, füüsika- ja matemaatikateaduste doktor, professor "Tehisintellekt: Teadusuuringute seis ja pilk tulevikku".

Tehisintellekt

Tehisintellekt(AI, inglise keelest. Artificial Intelligence, AI) – intelligentsete masinate, eriti intelligentsete arvutiprogrammide loomise teadus ja tehnoloogia.

AI on seotud sarnase ülesandega kasutada arvuteid inimese intelligentsuse mõistmiseks, kuid see ei pruugi piirduda bioloogiliselt usutavate meetoditega.

AI on teaduslik suund, mis arendab meetodeid, mis võimaldavad elektroonilisel arvutil lahendada intellektuaalseid probleeme, kui neid lahendab inimene. Mõiste "tehisintellekt" viitab masina funktsionaalsusele inimprobleemide lahendamisel. Tehisintellekt on suunatud inimese vaimse töö erinevate vormide efektiivsuse tõstmisele.

Kõige tavalisem tehisintellekti vorm on arvuti, mis on programmeeritud reageerima konkreetsele teemale. Sellistel "ekspertsüsteemidel" on inimese võime eksperdi analüütilist tööd teha. Sarnane tekstitöötlusprogramm suudab tuvastada õigekirjavigu ja talle saab "õpetada" uusi sõnu. Selle teadusliku distsipliiniga on tihedalt seotud veel üks, mille teemat nimetatakse mõnikord "kunstlikuks eluks". Ta tegeleb rohkem intellektiga madal tase. Näiteks saab robotit programmeerida navigeerima udus, s.t. anna talle võime füüsiline suhtlus keskkonnaga.

Mõiste “tehisintellekt” pakuti esmakordselt välja samanimelisel seminaril Dartsmouthi kolledžis USA-s 1956. aastal. Seejärel andsid erinevad teadlased tehisintellekti mõistele järgmised definitsioonid:

AI on arvutiteaduse haru, mida seostatakse intelligentse käitumise automatiseerimisega;

AI on arvutusteadus, mis teeb võimalikuks taju, järeldamise ja tegevuse;

AI on infotehnoloogia, mis on seotud loogilise järelduse, õppimise ja taju protsessidega.

Tehisintellekti põhiprobleemiks on teadmiste esitamise ja töötlemise meetodite väljatöötamine.

Tehisintellekti programmid hõlmavad järgmist:

Mänguprogrammid (stohhastilised, arvutimängud);

Loomuliku keele programmid - masintõlge, teksti genereerimine, kõnetöötlus;

Tuvastamisprogrammid - käekirja, piltide, kaartide tuvastamine;

Programmid graafika, maalide ja muusikateoste loomiseks ja analüüsimiseks.

Eristatakse järgmisi tehisintellekti valdkondi:

Ekspertsüsteemid;

Närvivõrgud;

Loomuliku keele süsteemid;

Evolutsioonilised meetodid ja geneetilised algoritmid;

Hägused komplektid;

Teadmiste ammutamise süsteemid.

Ekspertsüsteemid on keskendunud konkreetsete probleemide lahendamisele.

Närvivõrgud rakendavad närvivõrgu algoritme.

Jaotatakse:

Üldotstarbelised võrgud, mis toetavad umbes 30 närvivõrgu algoritmi ja on kohandatud konkreetsete probleemide lahendamiseks;

Objektorienteeritud – kasutatakse märkide tuvastamiseks, tootmise juhtimiseks, olukordade prognoosimiseks valuutaturgudel,

Hübriid – kasutatakse koos teatud tarkvaraga (Excel, Access, Lotus).

Loomuliku keele (NL) süsteemid jagunevad:

Loomuliku keele liidese tarkvaratooted andmebaasis (loomuliku keele päringute esitamine SQL päringutesse);

Loomulikkeelne otsing tekstides, tekstide sisu skaneerimine (kasutatakse Interneti otsingumootorites, nt Google);

Skaleeritavad kõnetuvastusvahendid (kaasaskantavad sünkroontõlgid);

Kõnetöötluse komponendid teenindusvahenditena tarkvara(Windows XP OS).

Hägused komplektid – rakendavad andmete vahelisi loogilisi seoseid. Neid tarkvaratooteid kasutatakse majandusobjektide haldamiseks, ekspertsüsteemide ja otsustustoetussüsteemide ehitamiseks.

Geneetilised algoritmid on meetodid andmete analüüsimiseks, mida ei saa standardmeetoditega analüüsida. Reeglina kasutatakse neid suure hulga teabe töötlemiseks ja ennustavate mudelite koostamiseks. Kasutatakse teaduslikel eesmärkidel simulatsiooni modelleerimisel.

Teadmiste ammutamise süsteemid – kasutatakse teabehoidlate andmete töötlemiseks.

Mõned kuulsamad AI-süsteemid on:

Sügavsinine- alistas male maailmameistri. Kasparovi ja superarvuti matš ei pakkunud rahulolu ei arvutiteadlastele ega maletajatele ning Kasparov ei tundnud süsteemi ära. IBMi superarvutite sari väljendus seejärel brute force projektides BluGene (molekulaarne modelleerimine) ja püramiidrakkude süsteemi modelleerimises Šveitsi sinise ajukeskuses.

Watson- IBMi paljutõotav arendus, mis on võimeline tajuma inimlik kõne ja teostada tõenäosusotsing, kasutades suurt hulka algoritme. Oma töö demonstreerimiseks osales Watson Ameerika mängus “Jeopardy!”, mis on Venemaal “Kohandatud mängu” analoog, kus süsteemil õnnestus mõlemad mängud võita.

MYCIN- üks varajasetest ekspertsüsteemidest, mis suutis diagnoosida väikese hulga haigusi, sageli sama täpselt kui arstid.

20Q- AI ideedel põhinev projekt, mis põhineb klassikalisel mängul "20 küsimust". See sai väga populaarseks pärast ilmumist Internetis veebisaidil 20q.net.

Kõnetuvastus. Sellised süsteemid nagu ViaVoice on võimelised tarbijaid teenindama.

Robotid võistlevad iga-aastasel RoboCupi turniiril jalgpalli lihtsustatud vormis.

Arvutimängude arendajad kasutavad tehisintellekti erineva keerukuse astmega. See moodustab "mängu tehisintellekti" kontseptsiooni. AI standardülesanneteks mängudes on tee leidmine kahe- või kolmemõõtmelises ruumis, lahinguüksuse käitumise simuleerimine, õige majandusstrateegia arvutamine jne.

Tehisintellekti valdkonna suurimad teadus- ja uurimiskeskused:

Ameerika Ühendriigid (Massachusettsi Tehnoloogiainstituut);

Saksamaa (saksa Uurimiskeskus tehisintellekti kohta);

Jaapan ( Riiklik Instituut kaasaegne tööstusteadus ja -tehnoloogia (AIST));

Venemaa ( Teadusnõukogu Venemaa Teaduste Akadeemia tehisintellekti metoodika kohta).

Tänapäeval on tänu tehisintellekti valdkonna edusammudele loodud suur hulk teaduslikke arenguid, mis oluliselt lihtsustavad inimeste elu. Kõne või skannitud tekstituvastus, lahendus arvutuslikult keerulised ülesanded lühikese ajaga ja palju muud – see kõik on saanud kättesaadavaks tänu tehisintellekti arengule.

Inimspetsialisti asendamine tehisintellektisüsteemidega, eeskätt muidugi ekspertsüsteemidega, kus see on lubatud, võib oluliselt kiirendada ja vähendada tootmisprotsessi maksumust. Tehisintellekti süsteemid on alati objektiivsed ja nende töö tulemused ei sõltu hetkemeeleolust ja mitmetest muudest inimesele omastest subjektiivsetest teguritest. Kuid vaatamata kõigele eelnevale ei tasu endale kahtlasi illusioone kanda ja loota, et lähitulevikus asendub inimtöö tehisintellekti tööga. Kogemused näitavad, et tänapäeval saavutavad tehisintellektisüsteemid parimad tulemused, toimides koos inimesega. Inimene on ju erinevalt tehisintellektist see, kes oskab mõelda raamidest välja ja loovalt, mis võimaldas tal areneda ja edasi liikuda läbi oma ajastu.

Kasutatud allikad

1. www.aiportal.ru

3. ru.wikipedia.org

Inimkonna uus evolutsiooniline strateegia

Tehisintellekt on tehnoloogiamaailmas viimasel ajal üks populaarsemaid teemasid. Sellised mõtted nagu Elon Musk, Stephen Hawking ja Steve Wozniak on AI-uuringute pärast tõsiselt mures ja väidavad, et selle loomine ohustab meid surmaoht. Samal ajal on ulme- ja Hollywoodi filmid tekitanud tehisintellekti kohta palju väärarusaamu. Kas oleme tõesti ohus ja milliseid ebatäpsusi me teeme, kui kujutame ette Skynet Earthi hävingut, üldist tööpuudust või, vastupidi, jõukust ja muretust? Gizmodo on uurinud tehisintellekti puudutavaid inimeste müüte. Siin on tema artikli täielik tõlge.

Seda on nimetatud masinintelligentsuse kõige olulisemaks proovikiviks pärast seda, kui Deep Blue alistas 20 aastat tagasi malematšis Garri Kasparovi. Google AlphaGo alistas Go turniiril suurmeister Lee Sedoli tulemusega 4:1, näidates, kui tõsiselt on tehisintellekt (AI) edasi arenenud. Saatuslik päev, mil masinad ületavad lõpuks inimesi intelligentsuse poolest, pole kunagi tundunud nii lähedal. Kuid tundub, et me ei ole selle epohhiloova sündmuse tagajärgede mõistmisele lähemal.

Tegelikult klammerdume tehisintellekti kohta tõsistesse ja isegi ohtlikesse väärarusaamadesse. Eelmisel aastal hoiatas SpaceXi asutaja Elon Musk, et tehisintellekt võib maailma üle võtta. Tema sõnad tekitasid kommentaaride tormi, nii selle arvamuse vastased kui ka pooldajad. Sellise tulevase monumentaalse sündmuse puhul on üllatavalt palju lahkarvamusi, kas see juhtub ja kui, siis millisel kujul. See on eriti murettekitav, arvestades uskumatut kasu, mida inimkond võib tehisintellektist saada, ja võimalikke riske. Erinevalt teistest inimeste leiutistest on tehisintellektil potentsiaal inimkonda muuta või meid hävitada.

Raske on teada, mida uskuda. Kuid tänu arvutiteadlaste, neuroteadlaste ja tehisintellekti teoreetikute varasele tööle on hakanud tekkima selgem pilt. Siin on mõned levinud väärarusaamad ja müüdid tehisintellekti kohta.

Müüt nr 1: "Me ei loo kunagi inimestega võrreldava intelligentsusega tehisintellekti"

Tegelikkus: Meil on juba arvuteid, mis on võrdsustatud või ületanud inimeste võimeid male, Go, aktsiate kauplemise ja vestluse vallas. Arvutid ja neid käitavad algoritmid saavad ainult paremaks minna. On vaid aja küsimus, millal nad mis tahes ülesande täitmisel inimesi ületavad.

New Yorgi ülikooli teaduspsühholoog Gary Marcus ütles, et "sõna otseses mõttes kõik", kes töötavad tehisintellektiga, usuvad, et masinad võidavad meid lõpuks: "Ainus tõeline erinevus entusiastide ja skeptikute vahel on ajastuse hinnangud." Futuristid nagu Ray Kurzweil usuvad, et see võib juhtuda mõne aastakümne jooksul; teised ütlevad, et see võtab sajandeid.

AI skeptikud ei ole veenvad, kui nad ütlevad, et see on lahendamatu tehnoloogiline probleem, kuid looduses bioloogiline aju seal on midagi ainulaadset. Meie aju on bioloogilised masinad – need eksisteerivad päris maailm ja järgima põhilisi füüsikaseadusi. Nendes pole midagi tundmatut.

Müüt nr 2: "Tehisintellektil on teadvus"

Tegelikkus: Enamik kujutab ette, et masinintelligents on teadlik ja mõtleb nii, nagu inimesed mõtlevad. Veelgi enam, kriitikud nagu Microsofti kaasasutaja Paul Allen usuvad, et me ei saa veel saavutada üldist tehisintellekti (mis on võimeline lahendama kõiki vaimseid probleeme, mida inimene suudab lahendada), kuna meil puudub teaduslik teadvuse teooria. Kuid nagu ütleb Londoni Imperial College'i kognitiivse robootika spetsialist Murray Shanahan, ei tohiks me neid kahte mõistet samastada.

“Teadvus on kindlasti hämmastav ja oluline asi, aga ma ei usu, et see tehisintellekti jaoks vajalik on inimese tase. Täpsemalt, me kasutame sõna "teadvus", et viidata mitmetele psühholoogilistele ja kognitiivsetele omadustele, mis inimesel "kaasa tulevad", selgitab teadlane.

Võib ette kujutada nutikat masinat, millel puudub üks või mitu neist funktsioonidest. Lõppkokkuvõttes võime luua uskumatult intelligentse tehisintellekti, mis ei suuda maailma subjektiivselt ja teadlikult tajuda. Shanahan väidab, et mõistust ja teadvust saab masinas ühendada, kuid me ei tohi unustada, et need on kaks erinevat mõistet.

See, et masin läbib Turingi testi, milles seda ei saa inimesest eristada, ei tähenda, et see on teadvusel. Meie jaoks võib arenenud tehisintellekt tunduda teadlik, kuid see ei ole teadlikum kui kivi või kalkulaator.

Müüt nr 3: "Me ei peaks AI-d kartma"

Tegelikkus: Jaanuaris asutaja Facebooki märk Zuckerberg ütles, et me ei peaks AI-d kartma, sest see teeb maailmale uskumatult palju head. Tal on pooleldi õigus. Me saame tehisintellektist tohutult kasu, alates isesõitvatest autodest kuni uute ravimite loomiseni, kuid pole mingit garantiid, et iga tehisintellekti rakendamine on healoomuline.

Väga intelligentne süsteem teab kõike konkreetne ülesanne, näiteks ebameeldiva finantsprobleemi lahendamine või vaenlase kaitsesüsteemi häkkimine. Kuid väljaspool nende erialade piire on see sügavalt teadmatuses ja teadvuseta. Google'i DeepMind süsteem on Go ekspert, kuid sellel pole võimalust ega põhjust uurida valdkondi väljaspool oma spetsialiseerumist.

Paljude nende süsteemide puhul ei pruugi turvakaalutlused kehtida. Hea näide on keeruline ja võimas Stuxneti viirus, Iisraeli ja USA sõjaväe poolt välja töötatud militariseeritud uss, et tungida sisse ja saboteerida Iraani tuumaelektrijaamadesse. See viirus nakatas kuidagi (tahtlikult või kogemata) Venemaa tuumaelektrijaama.

Teine näide on programm Flame, mida kasutatakse Lähis-Idas küberspionaažiks. Lihtne on ette kujutada, et Stuxneti või Flame'i tulevased versioonid lähevad kaugemale oma sihtotstarbest ja põhjustavad tundlikule infrastruktuurile tohutut kahju. (Selguse huvides, need viirused ei ole AI, kuid tulevikus võib see neil olla, sellest ka probleem).

Flame viirust kasutati Lähis-Idas küberspionaažiks. Foto: Juhtmega

Müüt nr 4: "Tehislik superintellekt on liiga tark, et vigu teha"

Tegelikkus: AI uurija ja Surfing Samurai Robots asutaja Richard Lucimore usub, et enamik AI viimsepäeva stsenaariume on vastuolulised. Need on alati üles ehitatud eeldusele, et tehisintellekt ütleb: "Ma tean, et inimkonna hävimise põhjuseks on ebaõnnestumine minu disainis, kuid olen sunnitud seda ikkagi tegema." Lucimore ütleb, et kui tehisintellekt niimoodi käitub, arutledes meie hävitamise üle, siis sellised loogilised vastuolud kummitavad teda kogu elu. See omakorda alandab tema teadmistebaasi ja muudab ta ohtliku olukorra tekitamiseks liiga rumalaks. Teadlane väidab ka, et inimesed, kes ütlevad: "AI saab teha ainult seda, milleks see on programmeeritud", eksivad täpselt nagu nende kolleegid arvutiajastu koidikul. Sel ajal kasutasid inimesed seda fraasi väitmaks, et arvutid ei suuda näidata vähimatki paindlikkust.

Peter Macintyre ja Stuart Armstrong, kes töötavad Oxfordi ülikooli inimkonna tulevikuinstituudis, ei nõustu Lucimore'iga. Nad väidavad, et AI on suuresti seotud selle programmeerimisega. McIntyre ja Armstrong usuvad, et AI ei saa teha vigu ega olla liiga rumal, et ei tea, mida me sellelt ootame.

"Definitsiooni järgi on tehissuperintellekt (ASI) subjekt, mille intelligentsus on oluliselt suurem kui mis tahes teadmistevaldkonna parimal inimajul. Ta teab täpselt, mida me tahtsime, et ta teeks,” ütleb McIntyre. Mõlemad teadlased usuvad, et tehisintellekt teeb ainult seda, milleks see on programmeeritud. Kui ta aga piisavalt targaks saab, mõistab ta, kuivõrd see erineb seaduse vaimust või inimeste kavatsustest.

McIntyre võrdles inimeste ja tehisintellekti tulevast olukorda inimese ja hiire praeguse suhtlusega. Hiire eesmärk on otsida toitu ja peavarju. Kuid see läheb sageli vastuollu inimese sooviga, kes tahab, et tema loom vabalt ringi jookseks. "Oleme piisavalt targad, et mõista mõningaid hiirte eesmärke. Nii et ASI mõistab ka meie soove, kuid suhtub nendesse ükskõikselt,” ütleb teadlane.

Nagu näitab filmi Ex Machina süžee, on inimesel äärmiselt raske targemast tehisintellektist kinni hoida

Müüt nr 5: "Lihtne plaaster lahendab AI juhtimise probleemi"

Tegelikkus: Tehisintellekti luues targem kui inimene, seisame silmitsi probleemiga, mida nimetatakse "kontrolliprobleemiks". Futuristid ja AI teoreetikud satuvad täielikku segadusse, kui küsite neilt, kuidas me ASI-d ohjeldame ja piirame, kui see ilmub. Või kuidas olla kindel, et ta on inimeste vastu sõbralik. Hiljuti pakkusid Georgia Tehnoloogiainstituudi teadlased naiivselt, et tehisintellekt võiks omaks võtta inimlikud väärtused ja sotsiaalsed reeglid, lugemine lihtsad lood. Tegelikkuses saab see olema palju keerulisem.

"On välja pakutud palju lihtsaid nippe, mis võiksid "lahendada" kogu tehisintellekti juhtimise probleemi, " ütleb Armstrong. Näited hõlmasid ASI programmeerimist nii, et selle eesmärk oli inimestele meeldida, või et see toimiks lihtsalt tööriistana inimese käes. Teine võimalus on integreerida armastuse või austuse mõisted lähtekoodi. Et tehisintellekt ei võtaks omaks lihtsustatud ja ühekülgset maailmavaadet, on tehtud ettepanek programmeerida see väärtustama intellektuaalset, kultuurilist ja sotsiaalset mitmekesisust.

Kuid need lahendused on liiga lihtsad, nagu katse koguda inimlike meeldimiste ja mittemeeldimiste keerukus ühte pealiskaudne määratlus. Proovige näiteks leida "austuse" selge, loogiline ja toimiv määratlus. See on äärmiselt raske.

Maatriksi masinad võivad inimkonna kergesti hävitada

Müüt nr 6: "Tehisintellekt hävitab meid"

Tegelikkus: Pole mingit garantiid, et tehisintellekt meid hävitab või et me ei suuda leida viisi selle kontrollimiseks. Nagu ütles tehisintellekti teoreetik Eliezer Yudkowsky: "AI ei armasta ega vihka teid, kuid olete valmistatud aatomitest, mida ta saab kasutada muudel eesmärkidel."

Oma raamatus „Tehisintellekt. Etapid. Ähvardused. Strateegiad,” kirjutas Oxfordi filosoof Nick Bostrom, et tõeline tehissuperintellekt kujutab pärast selle ilmnemist suuremaid riske kui ükski teine inimlik leiutis. Muret on väljendanud ka sellised prominentsed inimesed nagu Elon Musk, Bill Gates ja Stephen Hawking (viimane neist hoiatas, et tehisintellekt võib olla meie ajaloo halvim viga).

McIntyre ütles, et enamikul eesmärkidel, mis ASI-l võivad olla, on inimestest vabanemiseks head põhjused.

„AI oskab täiesti õigesti ennustada, et me ei taha, et see maksimeeriks konkreetse ettevõtte kasumit, olenemata sellest, mis klientidele kulub. keskkond ja loomad. Seetõttu on tal tugev stiimul tagada, et teda ei segataks, ei segataks, lülitataks välja ega muudetaks tema eesmärke, kuna see takistaks tema algsete eesmärkide saavutamist,“ arutleb McIntyre.

Kui ASI eesmärgid ei peegelda täpselt meie eesmärke, on sellel hea põhjus takistada meil seda peatada. Arvestades, et tema intelligentsuse tase ületab oluliselt meie oma, ei saa me selle vastu midagi teha.

Keegi ei tea, millise kuju AI võtab või kuidas see inimkonda ohustada võib. Nagu Musk märkis, saab tehisintellekti kasutada teiste tehisintellekti juhtimiseks, reguleerimiseks ja jälgimiseks. Või võib see olla läbi imbunud inimlikest väärtustest või ülekaalukast soovist olla inimestega sõbralik.

Müüt nr 7: tehislik superintellekt on sõbralik

Tegelikkus: Filosoof Immanuel Kant uskus, et mõistus on tugevas korrelatsioonis moraaliga. Neuroteadlane David Chalmers võttis oma uurimuses "The Singularity: A Philosophical Analysis" Kanti kuulsa idee ja rakendas seda tekkiva tehissuperintellekti puhul.

Kui see on tõsi... võime eeldada, et intellektuaalne plahvatus viib moraalse plahvatuseni. Seejärel võime eeldada, et tekkivad ASI-süsteemid on ülimoraalsed ja üliintelligentsed, mis võimaldab neilt head kvaliteeti oodata.

Kuid idee, et arenenud tehisintellekt on valgustatud ja lahke, ei ole oma olemuselt kuigi usutav. Armstrong märkis, et nutikaid sõjakurjategijaid on palju. Inimeste seas ei paista seost intelligentsuse ja moraali vahel eksisteerivat, seetõttu seab ta kahtluse alla selle põhimõtte toimimise teiste intelligentsete vormide seas.

"Intelligentsed inimesed, kes käituvad ebamoraalselt, võivad põhjustada valu palju suuremas ulatuses kui nende rumalamad kolleegid. Mõistlikkus annab neile lihtsalt võimaluse suure intelligentsusega halb olla, see ei tee neist häid inimesi,” ütleb Armstrong.

Nagu MacIntyre selgitas, ei ole subjekti võime eesmärk saavutada oluline selle jaoks, kas eesmärk on alustuseks mõistlik. „Oleme väga õnnelikud, kui meie tehisintellektid on ainulaadselt andekad ja nende moraalitase tõuseb koos intelligentsusega. Õnnele lootmine ei ole parim lähenemine millegi jaoks, mis võiks kujundada meie tulevikku,” ütleb ta.

Müüt nr 8: "AI ja robootika riskid on võrdsed"

Tegelikkus: See on eriti levinud viga, mida põlistab kriitikavaba meedia ja Hollywoodi filmid nagu "Terminaator".

Kui Skynet-sugune tehisintellekt tõesti tahaks inimkonda hävitada, ei kasutaks ta kuueraudsete kuulipildujatega androide. Palju efektiivsem oleks saata bioloogiline katk või nanotehnoloogiline hall pätt. Või lihtsalt atmosfääri hävitada.

Tehisintellekt on potentsiaalselt ohtlik mitte sellepärast, et see võib mõjutada robootika arengut, vaid seetõttu, kuidas selle välimus mõjutab maailma üldiselt.

Müüt nr 9: "AI kujutamine ulmes kujutab endast tulevikku täpselt."

Mitmesugused meeled. Pilt: Eliezer Yudkowsky

Muidugi on autorid ja futuristid kasutanud ulmet fantastiliste ennustuste tegemiseks, kuid sündmuste horisont, mille ASI kehtestab, on hoopis teine lugu. Veelgi enam, tehisintellekti mitteinimlik olemus muudab meil võimatuks selle olemuse ja vormi teada ja seega ka ennustamise.

Et meid, rumalaid inimesi, lõbustada Ulme enamik AI-sid on kujutatud meiega sarnastena. "Seal on spekter kõiki võimalikke meeli. Isegi inimeste seas oled sa oma naabrist üsna erinev, kuid see varieeruvus pole midagi võrreldes kõigi mõistustega, mis võivad eksisteerida,” ütleb McIntyre.

Enamik ulmekirjandust ei pea olema teaduslikult täpne, et jutustada köitvat lugu. Konflikt rullub tavaliselt lahti sarnase tugevusega kangelaste vahel. "Kujutage ette, kui igav oleks lugu, kus AI ilma teadvuse, rõõmu või vihkamiseta lõpetab inimkonna ilma igasuguse vastupanuta ebahuvitava eesmärgi saavutamiseks," jutustab Armstrong haigutades.

Tesla tehases töötab sadu roboteid

Müüt nr 10: "On kohutav, et AI võtab kõik meie töökohad."

Tegelikkus: AI võime automatiseerida suurt osa meie tegemistest ja selle potentsiaal inimkonda hävitada on kaks väga erinevat asja. Kuid raamatu "The Dawn of the Robots: Technology and the Threat of a Jobless Future" autori Martin Fordi sõnul vaadeldakse neid sageli tervikuna. Hea on mõelda tehisintellekti kaugele tulevikule, kui see ei sega meie tähelepanu järgmistel aastakümnetel ees ootavatest väljakutsetest. Peamine neist on massautomaatika.

Keegi ei kahtle, et tehisintellekt asendab paljusid olemasolevaid töökohti alates tehasetöölisest ja lõpetades valgekraede kõrgema astmega. Mõned eksperdid ennustavad, et pooled kõigist USA töökohtadest on lähitulevikus automatiseerimise ohus.

Kuid see ei tähenda, et me ei saaks šokiga toime tulla. Üldiselt on enamikust meie tööst, nii füüsilisest kui vaimsest, vabanemine meie liigi jaoks peaaegu utoopiline eesmärk.

"AI hävitab paarikümne aasta jooksul palju töökohti, kuid see pole halb," ütleb Miller. Isejuhtivad autod vahetavad välja veoautojuhid, mis vähendab tarnekulusid ja muudab selle tulemusena paljud tooted odavamaks. «Kui oled veokijuht ja elad ära, siis jääd ilma, aga kõik teised, vastupidi, saavad sama palga eest rohkem kaupa osta. Ja säästetud raha kulub muudele kaupadele ja teenustele, mis loovad inimestele uusi töökohti,“ ütleb Miller.

Suure tõenäosusega loob tehisintellekt uusi võimalusi kaupade tootmiseks, vabastades inimesed muude asjadega tegelemiseks. AI edusammudega kaasnevad edusammud muudes valdkondades, eriti tootmises. Tulevikus muutub meil oma põhivajaduste rahuldamine lihtsamaks, mitte raskemaks.