Az utóbbi időben egyre gyakoribbá váltak a mesterséges intelligencia megjelenésének kilátásairól szóló publikációk. Megvitatjuk az emberiség vele való együttélésének gyakorlati és erkölcsi-etikai aspektusait. Mennyire idősek ezek a megbeszélések? Tényleg várhatjuk a "gondolkodó gépek" megjelenését?
A mesterséges intelligencia létrehozására irányuló összes projektet nagyjából két területre lehet osztani. Az első az adatbázisok felhalmozása és feldolgozása az emberi agy tevékenységét utánozó programok segítségével. A második a szellemi viselkedés modelleinek vizsgálatán alapul. Mindkét szempont hátránya, hogy még mindig nem tudjuk elég jól, mi az oka és az intellektuális viselkedés, és őszintén szólva, az emberi agyat viszonylag nemrégiben kezdték komolyan tanulmányozni.
Van egy vélemény, hogy a problémát kyborgok miatt lehet megkerülni, azaz ha egy élő agyat (majomot, és a jövőben az embert) egy számítógéppel összeolvasztunk, ez az út hatalmas nehézségekkel teli, és ami még rosszabb, ebben az esetben lehetetlen beszélni teljes mesterséges intelligencia.
A tudósok azonban úgy vélik, hogy meglehetősen reális több lépésben átmenni, lehetővé téve a mesterséges intelligencia önálló fejlődését - ugyanúgy, ahogy az élő természetben fejlődött ki, azzal a különbséggel, hogy evolúciója virtuális, nem anyagi térben fog zajlani. Itt a tét mesterséges vagy idegi hálózatokra (Mesterséges idegi hálózat) kerül.
Emlékezzünk vissza, mi az a neuron. Ez egy idegsejt neve, amely abban különbözik a többi sejttől, hogy képes az elektromos és kémiai jelekkel tárolni és továbbítani az információkat. A neuronok működését a XIX. Század végén fedezték fel, amelyek természetesen a világ minden táján hatalmat szerezõ materialisták kezébe kerültek: rögtön kijelentették, hogy a "lélek" idegsejtek. Ennélfogva az az elképzelés, hogy ha valamilyen módon megtermeli az agy pontos példányát, akkor "lélek" születik benne. De felmerült egy filozófiai kérdés: lehet-e ok nélkül beszélni egy „lélekről”? Végül is a nevelés terméke, amint azt a "Mowgli" - az állatok által felnevezett emberi gyermekek - tanulmánya is mutatja. Ennek megfelelően nem elegendő az agy másolatának elkészítése - az intelligencia megszerzéséhez még „oktatni” kell.
MŰSZAKI Finom
Egy normál felnőtt agya körülbelül 86 milliárd neuront tartalmaz. Nem is olyan régen, a digitális analóg létrehozásának gondolata teljesen fantasztikusnak tűnt. Az információtechnológia fejlesztésével ez azonban ma már meglehetősen megvalósíthatónak tűnik.
Promóciós videó:
Emlékeztetni kell arra, hogy a híres amerikai matematikus, Norbert Wiener, a kibernetika "atyja" tekintik az összetett biológiai folyamatok, ideértve az agyi folyamatok modellezésének elméletének alapítóját. 1949-ben a kanadai pszichológus, Donald Hebb, a gondolkodási folyamatok tanulmányozására szakosodott szakértő, Wiener számításai alapján összeállította az első ideghálózati képzési algoritmust (egyébként Hebb egy időben a CIA-ban szolgált, ahol foglalkozott az agymosás problémájával).
1957-ben az amerikai Frank Rosenblatt, a mesterséges intelligencia elmélete korábbi munkája alapján elkészítette az perceptron logikai diagramját - az agy öntanuló kibernetikus modelljét, amelyet három évvel később a Mark-1 elektronikus számítógép alapján vezettek be. A perceptron jeleket továbbít a fotocellákról (érzékelők, S-cellák) az elektromechanikus memóriacellák blokkjaihoz, amelyek véletlenszerűen kapcsolódnak egymáshoz. Ha az egyik cella a küszöbértéket meghaladó jelet kap, akkor továbbadja azt - az összeadóhoz (R-elem) és egy bizonyos együtthatóval (az AR-kapcsolat súlya). A jel összegének szorzata és a súlytényezők szorzata függvényében az összesítő a három lehetséges eredmény egyikét adja ki a teljes rendszer kimenetére: -1, 0 és +1. Az perceptron edzése a súly együtthatók bevezetésének a szakaszában történik. Például,helyezünk egy „négyzet alakú” figurát a fotocellák elé és beállítjuk a szabályt: amikor egy négyzet jelenik meg a látómezőben, akkor az perceptronnak pozitív eredményt kell adnia (+1), és ha bármilyen más objektum megjelenik, negatív (-1). Ezután egyenként megváltoztatjuk az objektumokat, és beállítottuk a súlyokat, amikor egy négyzet megjelenik a növekedés irányában, hiányában - a csökkenés irányába. Ennek eredményeként egy egyedi tömböt kapunk a rendszerben a négyzetes megjelenés bármely változatához tartozó súly együtthatók értékéből, és a jövőben felhasználhatjuk a négyzetek felismerésére. A "Mark-1" annak ellenére, hogy primitivitást mutat a modern számítógépekhez képest, nemcsak a geometriai alakzatokat, hanem az ábécé betűit is felismerte, és különféle kézírásban írták.amikor egy négyzet jelenik meg a látómezőben, akkor az perceptronnak pozitív eredményt kell adnia (+1), és ha bármilyen más objektum megjelenik, negatív (-1). Ezután egyenként megváltoztatjuk az objektumokat, és beállítottuk a súlyokat, amikor egy négyzet megjelenik a növekedés irányában, hiányában - a csökkenés irányába. Ennek eredményeként egy egyedi tömböt kapunk a rendszerben a négyzetes megjelenés bármely változatához tartozó súly együtthatók értékéből, és a jövőben felhasználhatjuk a négyzetek felismerésére. A "Mark-1" annak ellenére, hogy primitivitást mutat a modern számítógépekhez képest, nemcsak a geometriai alakzatokat, hanem az ábécé betűit is felismerte, és különféle kézírásban írták.amikor egy négyzet jelenik meg a látómezőben, akkor az perceptronnak pozitív eredményt kell adnia (+1), és ha bármilyen más objektum megjelenik, negatív (-1). Ezután egyenként megváltoztatjuk az objektumokat, és beállítottuk a súlyokat, amikor egy négyzet megjelenik a növekedés irányában, hiányában - a csökkenés irányába. Ennek eredményeként egy egyedi tömböt kapunk a rendszerben a négyzetes megjelenés bármely változatához tartozó súly együtthatók értékéből, és a jövőben felhasználhatjuk a négyzetek felismerésére. A "Mark-1" annak ellenére, hogy primitivitást mutat a modern számítógépekhez képest, nemcsak a geometriai alakzatokat, hanem az ábécé betűit is felismerte, és különféle kézírásban írták. Ezután egyenként megváltoztatjuk az objektumokat, és beállítottuk a súlyokat, amikor egy négyzet megjelenik a növekedés irányában, hiányában - a csökkenés irányába. Ennek eredményeként egy egyedi tömböt kapunk a rendszerben a négyzetes megjelenés bármely változatához tartozó súly együtthatók értékéből, és a jövőben felhasználhatjuk a négyzetek felismerésére. A Mark-1 annak ellenére, hogy primitivitást mutat a modern számítógépekkel összehasonlítva, nemcsak a geometriai alakzatokat, hanem az ábécé betűit is felismerte, különféle kézírással. Ezután egyenként megváltoztatjuk az objektumokat, és beállítottuk a súlyokat, amikor egy négyzet megjelenik a növekedés irányában, hiányában - a csökkenés irányába. Ennek eredményeként egy egyedi tömböt kapunk a rendszerben a négyzetes megjelenés bármely változatához tartozó súly együtthatók értékéből, és a jövőben felhasználhatjuk a négyzetek felismerésére. A "Mark-1" annak ellenére, hogy primitivitást mutat a modern számítógépekhez képest, nemcsak a geometriai alakzatokat, hanem az ábécé betűit is felismerte, és különféle kézírásban írták. Ennek eredményeként egy egyedi tömböt kapunk a rendszerben a négyzetes megjelenés bármely változatához tartozó súly együtthatók értékéből, és a jövőben felhasználhatjuk a négyzetek felismerésére. A "Mark-1" annak ellenére, hogy primitivitást mutat a modern számítógépekhez képest, nemcsak a geometriai alakzatokat, hanem az ábécé betűit is felismerte, és különféle kézírásban írták. Ennek eredményeként egy egyedi tömböt kapunk a rendszerben a négyzetes megjelenés bármely változatához tartozó súly együtthatók értékéből, és a jövőben felhasználhatjuk a négyzetek felismerésére. A Mark-1 annak ellenére, hogy primitivitást mutat a modern számítógépekkel összehasonlítva, nemcsak a geometriai alakzatokat, hanem az ábécé betűit is felismerte, különféle kézírással.
SZERZŐDÉSEK
Természetesen azóta sokkal bonyolultabb áramkörök, algoritmusok és perceptronok variánsai alakultak ki. Ennek ellenére a neurális hálózati modell megszervezésének ez a megközelítése alapvetõ korlátokkal rendelkezik: például az észlelõk nem képesek arra, hogy megoldják a figurát különálló részekre osztásának vagy a figurák relatív helyzetének meghatározásának problémáját.
Amikor egyértelművé vált, hogy lehetetlen az érzékelőkre építeni a mesterséges intelligenciát, az érdeklődés rájuk esett. Ennek ellenére az 1980-as évek elején megjelentek az öntanulás és az önszerveződéses ideghálózatok új változatai: a Hopfield hálózat, a Hemming hálózat, a Kohonen hálózat, a jordániai hálózat és mások. 1986-ban egyfajta forradalom történt: a szovjet és az amerikai tudósok kifejlesztettek egy backpropagation módszert (iteratív gradiens algoritmus), amely lehetővé tette a korábban felfedezett korlátok leküzdését. Ezt követően a neurális hálózatok gyors fejlődésen mentek keresztül, amelyet azonnal bevezettek az alkalmazott számítógépes programokba.
A mesterséges idegi hálózatok alapján épített modern szoftvercsomagok önkényesen összetett szövegeket, hangparancsokat, arcokat, gesztusokat és arckifejezéseket tudnak felismerni. Ezek azonban csak a legegyszerűbb felhasználási esetek, vannak szokatlanabbak is. Öntanuló autopilóták, amelyek képesek a pilótáknál korábban reagálni a katasztrófahelyzetek kialakulására. A tőzsdei gyanús tranzakciókat azonosító tőzsdei ellenőrök. Hálózati hirdetési ügynökök, amelyek nyomon követik a potenciális ügyfelek preferenciáit. A csecsemők patológiáit meghatározó orvosi diagnosztikus orvosok.
Nyilvánvaló, hogy az információs technológiák fejlesztésével a neurális hálózatok is bonyolultabbá válnak. Ők kezelik az összes háztartási készüléket és az otthonok, gyárak és szupermarketek életmentését. Figyelemmel kísérhetik a fenyegetéseket, elemezhetik a trendeket és tanácsot adhatnak például a legjobb befektetésről. Még műalkotásokat is képesek készíteni: már vannak festmények és versek, amelyeket idegi hálózatok írtak!
SZOLGÁLTATÁS VAGY BARÁTSÁG?
Valójában minden az a tény, hogy egy idegi hálózat valaha pótolhatatlan asszisztensré válik ezer nagy és kicsi ügyben. A futuristák ezt félnek. Úgy vélik, hogy a mennyiség egy bizonyos ponton minőséggé válik, a neurális hálózatokban létrejön a mesterséges intelligencia, amely azonnal kihívást jelent az emberiség számára és megsemmisíti. Lehetséges egy másik lehetőség is - az emberek annyira függővé válnak a neurális hálózat döntéseitől, hogy maguk nem fogják észrevenni, hogyan válnak a rabszolgákká.
Ilyen ijesztő forgatókönyvek túl furcsanak tűnnek. A helyzet az, hogy az idegi hálózatokat eredetileg úgy alakítják ki, hogy alkalmazkodjanak egy adott személy vagy embercsoport igényeihez. Segíthetnek egy hiba helyrehozásában, tanácsot adhatnak, kiemelhetnek egy problémát, vagy észrevehetnek egy megtévesztést, de maguk nem képesek választani az egyenértékű lehetőségek között, mert mi (sajnos vagy szerencsére) nem tudjuk megtanítani nekik a legfontosabb dolgot - az erkölcsöt. Ezért az idegi hálózatok mindig olyanok lesznek, mint a házi kutyák - engedelmes, hűséges és barátságosak.
Anton Pervushin