Искусство Искусственного Интеллекта (ИИ-серия №4)

Это продолжение Этой статьи, хотя и вполне себе самостоятельный пост.

 Статьи по проблеме создания безопасного ИИ Пост 1 - Пост 2

Нейронные сети.

Для начала мы разберемся, что это собственно такое эти нейронные сети. Потому что, многие люди любят разбрасывать такими красивыми и модными словечками, на самом деле, смутно понимая, или даже абсолютно не зная, что это такое. Итак...

Нейронные сети или официально Искусственные Нейронные Сети (ИНС) — это, по сути математическая модель обучения, которая эмитирует работу нашего с вами мозга. А точнее наших нейронов. ru.wikipedia.org

Нейрон

 Нейрон — это длинная тонкая клетка, которая состоит из ряда отделов, но нам нужны только эти

1. Дендриты — короткие отростки, через которые в нейрон поступает информация;
2. Аксон — один или несколько длинных отростков, через который нейрон выдает выходные данные;
3. Синапс — это участок в окончании нейрона, отвечающий за передачу информации (нервного импульса) между нервными клетками. Состоит из 2 клеток — передающая и принимающая;
    Аксон контактирует с дендритами других нейронов через синапсы, которые влияют на силу импульса.
   

 Мозг состоит из миллиардов и миллиардов нейронов. Они соединяются в сеть и передают информацию с помощью минимальных электрических зарядов.

 Как они работают?

 Методы, которые существуют, используют логические операторы для вычисления. Нейронные сети же, используют сеть узлов, аналоги наших нейронов, и такие же аналоги синапсов. Данные проходят по сети и выдают результат. Результат, сравнивается с уже известными данными и затем все по новой.
 Нейронные сети не программируются, они обучаются. Это главное преимущество ИНС перед другими существующими алгоритмами. Технически, обучение заключается в нахождении коэффициентов связей между нейронами.

 Мозг меняется

 С каждым прожитым днем в нашем мозге образуются новые нейронные связи. Старые и неиспользуемые связи слабеют, а новые формируются. Мы получаем новые впечатления и новую информацию. Наш мозг терпит изменения ежеминутно. Мы переживаем трансформацию на протяжении всей нашей жизни.

 Прорывы

 В прошлом году (14 ноя) на конференции ИИ в Сколково, была произнесена самая важная фраз,а для меня лично: прорывы в Deep learning идут с частотой пары в неделю. Только подумайте: пара научных прорывов каждую неделю!

Глубинное обучение (deep learning) — набор алгоритмов машинного обучения, в которых понятия более высокого уровня определяются на основе понятий более низкого уровня. ru.wikipedia.org

 На данном этапе, не понятно, каким образом наш мозг выполняет такую огромную ассоциативную деятельность с бешеной скоростью и запоминает такие большие объемы, а так же очень оперативно с ними работает. И пока не ясно как заставить Искусственный Интеллект действовать похожим образом.

 НО

 С 2014 г. произошел скачек в открытиях, которые показали, как сильно продвинулась сфера искусственного интеллекта. Взять, хотя бы, последнюю неделю:

• Робот-тренер FORPHEUS попал в Книгу рекордов Гиннесса.

• Facebook разработал алгоритм для ИИ, который будет вычислять людей склонных к суициду. Не за горами время, когда по видео трансляциям, будут определять таких людей.
  Ссылка

• В штате Вирджиния дали разрешение на использование роботов курьеров.

• Инженеры из Ghost Robotics представили нового железного питомца.
  

ИИ научился писать код, используя части кода от других программ. Система ИИ DeepCoder, способна самостоятельно писать, в данный момент совсем простые программы, заимствуя код, от уже готовых программ.
Ссылка

А какие чудеса творит робот Handle разработки Boston Dynamic . Так же, если не видели, посмотрите все другие их разработки.

 Самоуправляемые автомобили, переводчики языка “на лету”, автономные дроны — это уже реальность не утопия!

 Так же 2014 г. стал знаменит одним спорным событием в ИИ: российские и украинские разработчики представили Женю Гусмана — первому ИИ, которому удалось пройти тест Тьюринга . Одна треть комиссии признала его человеком, однако, это была уловка от разработчиков, они сосредоточили свои усилия именно на обмане этого теста.

 В следующей статье мы более подробно рассмотрим машинное обучение и продолжим изучение Искусственного Интеллекта.

Фото: 1 и сайт pixabay.com