Mówią, że sztuczna inteligencja pracuje w głębinach laboratoriów wojskowych od 2007 roku. Możliwe, że są już rezultaty. To nie przypadek, że zaledwie miesiąc temu Elon Musk ogłosił wsparcie dla technologii przeciwdziałających sztucznej inteligencji i zainwestował 7 milionów dolarów w badania w tym obszarze.

„Istnieje ryzyko, że w ciągu najbliższych pięciu lat wydarzy się coś naprawdę niebezpiecznego. „Maksymalnie dziesięć lat” – powiedział przedsiębiorca w dyskusji na Edge.org.

Elon Musk, założyciel Tesli i SpaceX

Steve Wozniak również zgadza się z Muskiem, który wierzy, że „sztuczna inteligencja pewnego dnia stanie się na tyle inteligentna, aby pozbyć się ludzi”. Bill Gates jest przekonany, że jeśli tworzenie sztucznej inteligencji nie będzie kontrolowane, „sztuczna inteligencja przekształci się w stan sprzeczny z jej celami”. systemy ludzkie" I na koniec słynny astrofizyk Stephen Hawking wprost stwierdził, że „sztuczna inteligencja może położyć kres istnieniu ludzkości”.

Hawking wraz z Elonem Muskiem opublikował na portalu futureoflife.org list otwarty, w którym wzywa środowisko naukowe do uważnego śledzenia postępów swoich badań w obszarze sztucznej inteligencji. Jednak wśród sygnatariuszy nie ma nazwisk Siergieja Brina i Larry'ego Page'a. I to nie jest przypadek. Niedawno Google ogłosił utworzenie nowej sztucznej inteligencji opartej na modelowaniu konwersacji.

Oto krótki fragment rozmowy między człowiekiem a Maszyną Google:

C: Jaki jest sens życia?

M.: Czyń dobrze.

C.: Po co żyjemy?

M.: Aby żyć wiecznie.

C: Jaki jest sens istnienia?

M: Aby dowiedzieć się, co się stanie, kiedy dotrzemy do planety Ziemia.

C: Gdzie teraz jesteś?

M.: W środku pustki.

C: Jaki jest sens śmierci?

M.: Aby otrzymać życie.

C: Jakie jest znaczenie rozumu?

M.: Chodzi o zrozumienie, co to jest.

C.: Jakie jest znaczenie uczuć?

M.: Nie wiem.

Całkiem sensowna rozmowa. „To jest punkt wyjścia, swego rodzaju rdzeń przyszłości sztucznej inteligencji” – mówi Evgeniy Karyuk, dyrektor wykonawczy firmy Biplan. „Już dziś możemy zakładać, że do 2030 roku zobaczymy bardzo realne prototypy wyposażone w sztuczną inteligencję, choć na wczesnym etapie”.

Można wyświetlić pełną treść wszystkich rozmów między ludźmi i maszynami Google. Dla porównania podane są tam również rozmowy pomiędzy osobą a Cleverbotem. Cleverbot to aplikacja internetowa, która wykorzystuje algorytmy sztucznej inteligencji do rozmowy z osobą. Został wynaleziony w 1988 roku przez naukowca Rollo Carpentera. W ciągu swojego istnienia Cleverbot przeprowadził ponad 65 milionów rozmów z ludźmi. W 2011 roku Cleverbot uzyskał 51% w teście Turinga.

Test Turinga to test empiryczny zaproponowany przez Alana Turinga w jego artykule z 1950 r. „Computing Machinery and Mind” w czasopiśmie filozoficznym Mind. Celem testu jest sprawdzenie, czy komputer potrafi myśleć.

A oto moja rozmowa z Cleverbotem:

Mężczyzna: Jaki jest sens życia?

Cleverbot: Życie nie ma sensu.

Mężczyzna: Po co żyjemy?

Cleverbot: Cóż, żyjemy dla kogoś, a jeśli jesteś samotny, nie ma sensu żyć.

Mężczyzna: Jaki jest sens istnienia?

Osoba: Gdzie teraz jesteś?

Cleverbot: W Moskwie.

Mężczyzna: Jakie jest znaczenie śmierci?

Cleverbot: O to chcę cię zapytać.

Mężczyzna: Jakie jest znaczenie rozumu?

Cleverbot: Mam własną odpowiedź na to pytanie.

Osoba: Jakie jest znaczenie uczuć?

Cleverbot: Dlaczego się urodziłem?

Oczywiście Google Machine zapewnia znacznie bardziej znaczące odpowiedzi. Cleverbot zastępuje frazy, które uważa za odpowiednie od innych osób. Czasami naprawdę wydaje się, że druga osoba odbiera, ale nic więcej.

Istnieje inny punkt widzenia, zgodnie z którym sztuczna inteligencja jest w zasadzie niemożliwa. Jako główny argument często przytacza się twierdzenie Gödla o niezupełności. Najważniejsze jest to, że człowiek jest w stanie rozwiązać problemy nierozwiązywalne algorytmicznie, ale komputer nie. „Dziecko do trzeciego roku życia z pewnością rozwiązuje problem, czy owoc jest dojrzały, czy nie, dzięki temu, że ma połączenia nerwowe, dzięki którym może odpowiedzieć na pytanie o dojrzałość: kolor, smak, zapach, miękkość czy twardość ”, mówi Evgeniy Pluzhnik, pierwszy prorektor Moskiewskiego Instytutu Technologicznego. - Czy maszyna jest w stanie się tego nauczyć? Jestem pewien, że tak! Jeśli będzie dysponować dużą bazą zdjęć, będzie w stanie zmierzyć zawartość fruktozy i określić miękkość owocu. Ale co się stanie, jeśli wsuniesz gąbkę pomalowaną... Kolor niebieski i przemoczony słodka woda? Czy maszyna jest w tej chwili zdolna do prawdziwego zrozumienia?”

„Nowoczesny komputer z łatwością poradzi sobie z każdą złożoną czynnością, czy to szachami, czy obliczeniami matematycznymi, o ile tę czynność można opisać za pomocą jasnych reguł obliczeniowych” – mówi słynny matematyk Roger Penrose w jednym ze swoich wykładów. „Sztuczna inteligencja to zdolność systemu do tworzenia programów w trakcie samouczenia się, które są w stanie rozwiązać problemy o określonej klasie złożoności” – mówi Evgeniy Pluzhnik. „Jestem przekonany, że w ciągu najbliższych 100 lat nie będziemy świadkami pojawienia się silnej sztucznej inteligencji”.

I na zakończenie jeszcze jedno pytanie do Cleverbota.

Osoba: Było 1 jabłko, 1 pomidor, 1 ogórek i 1 gruszka. Ile jest razem owoców?
Cleverbot: O dziesiątej wieczorem.

W tym tygodniu mogliście przeczytać niezwykle motywujący przypadek studenta GeekBrains, który studiował zawód, w którym opowiadał o jednym ze swoich celów, który doprowadził do zawodu - chęci poznania zasad pracy i nauczenia się samodzielnego tworzenia botów gamingowych.

Ale tak naprawdę to właśnie chęć stworzenia doskonałej sztucznej inteligencji, czy to modelu gry, czy programu mobilnego, zainspirowało wielu z nas do zostania programistami. Problem w tym, że za tonami materiał edukacyjny i trudną rzeczywistością klientów, to właśnie pragnienie zostało zastąpione prostą chęcią samorozwoju. Dla tych, którzy nie zaczęli jeszcze spełniać swoich dziecięcych marzeń, oto krótki przewodnik po tworzeniu prawdziwej sztucznej inteligencji.

Etap 1. Rozczarowanie

Kiedy mówimy o tworzeniu nawet prostych botów, nasze oczy napełniają się blaskiem, a przez głowę przelatują setki pomysłów na temat tego, co powinien potrafić. Jednak jeśli chodzi o wdrożenie, okazuje się, że kluczem do rozwikłania faktycznego wzorca zachowań jest matematyka. Tak, tak, sztuczna inteligencja jest znacznie bardziej skomplikowana niż pisanie programów użytkowych – sama wiedza o projektowaniu oprogramowania Ci nie wystarczy.

Matematyka jest odskocznią naukową, na której będzie budowane Twoje dalsze programowanie. Bez znajomości i zrozumienia tej teorii wszystkie pomysły szybko ulegną rozkładowi w wyniku interakcji z człowiekiem, ponieważ sztuczna inteligencja to tak naprawdę nic innego jak zbiór formuł.

Etap 2. Akceptacja

Kiedy arogancja zostanie trochę zmiażdżona przez literaturę studencką, możesz zacząć ćwiczyć. Nie warto jeszcze spieszyć się do LISP-a czy innych - najpierw powinieneś oswoić się z zasadami projektowania AI. Python doskonale nadaje się zarówno do szybkiej nauki, jak i dalszego rozwoju - jest to język najczęściej używany do celów naukowych, dla którego znajdziesz wiele bibliotek, które ułatwią Ci pracę.

Etap 3. Rozwój

Przejdźmy teraz bezpośrednio do teorii AI. Można je z grubsza podzielić na 3 kategorie:

• Słaba sztuczna inteligencja – boty, w których widzimy gry komputerowe ach, lub prostych asystentów, takich jak Siri. Albo wykonują wysoce wyspecjalizowane zadania, albo stanowią ich nieistotny zespół i wszelka nieprzewidywalność interakcji wprawia je w zakłopotanie.
• Silna sztuczna inteligencja to maszyny, których inteligencja jest porównywalna z ludzkim mózgiem. Obecnie nie ma prawdziwych przedstawicieli tej klasy, ale komputery takie jak Watson są bardzo blisko osiągnięcia tego celu.
• Doskonała sztuczna inteligencja to przyszłość, mózg maszyny, który przewyższy nasze możliwości. To właśnie przed niebezpieczeństwami związanymi z takimi wydarzeniami ostrzegają Stephen Hawking, Elon Musk i franczyza filmów Terminator.

Naturalnie powinieneś zacząć od najprostszych botów. Aby to zrobić, pamiętaj stara, dobra gra„Kółko i krzyżyk” podczas korzystania z pola 3x3 i spróbuj samodzielnie rozgryźć podstawowe algorytmy działań: prawdopodobieństwo zwycięstwa przy bezbłędnych akcjach, najskuteczniejsze miejsca na boisku do umieszczenia figury, konieczność doprowadzić grę do remisu i tak dalej.

Kilkadziesiąt gier i analizując własne działania, prawdopodobnie będziesz w stanie zidentyfikować wszystkie istotne aspekty i przepisać je na kod maszynowy. Jeśli nie, pomyśl dalej, a ten link będzie tutaj na wszelki wypadek.

Nawiasem mówiąc, jeśli w końcu zająłeś się językiem Python, możesz stworzyć dość prostego bota, korzystając z tej szczegółowej instrukcji. W przypadku innych języków, takich jak C++ czy Java, znalezienie materiałów krok po kroku nie będzie stanowić problemu. Kiedy już poczujesz, że za stworzeniem sztucznej inteligencji nie kryje się nic nadprzyrodzonego, możesz bezpiecznie zamknąć przeglądarkę i rozpocząć osobiste eksperymenty.

Etap 4. Podekscytowanie

Teraz, gdy sprawy już ruszyły, prawdopodobnie chcesz stworzyć coś poważniejszego. Pomogą Ci w tym następujące zasoby:

Jak można zrozumieć nawet z nazw, są to interfejsy API, które pozwolą Ci stworzyć pozory poważnej sztucznej inteligencji bez marnowania czasu.

Etap 5. Praca

Teraz, gdy masz już jasne pojęcie o tym, jak stworzyć sztuczną inteligencję i czego użyć, czas wykorzystać swoją wiedzę nowy poziom. Po pierwsze, będzie to wymagało studiowania dyscypliny zwanej „uczeniem maszynowym”. Po drugie, trzeba nauczyć się pracować z odpowiednimi bibliotekami wybranego języka programowania. W przypadku Pythona, na który patrzymy, są to Scikit-learn, NLTK, SciPy, PyBrain i Numpy. Po trzecie, w rozwoju nie ma odwrotu. No i co najważniejsze, można teraz czytać literaturę na temat AI z pełnym zrozumieniem sprawy:

• Sztuczna inteligencja w grach, Ian Millington;
• Wzorce programowania gier, Robert Naystorm;
• Algorytmy AI, struktury danych i idiomy w Prologu, Lisp i Javie, George Luger, William Stubfield;
• Obliczeniowa neuronauka poznawcza, Randall O'Reilly, Yuko Munakata;
• Sztuczna inteligencja: nowoczesne podejście, Stuart Russell, Peter Norvig.

I tak, cała lub prawie cała literatura na ten temat jest prezentowana w języku obcym, więc jeśli chcesz profesjonalnie tworzyć sztuczną inteligencję, musisz podszkolić swój angielski do poziomu technicznego. Jest to jednak istotne w każdym obszarze programowania, prawda?

P.V. Kazakow, V.A. Szkaberin
PODSTAWY SZTUCZNEJ INTELIGENCJI

1. WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

Sztuczna inteligencja (AI) to jeden z priorytetowych obszarów współczesnej informatyki, związany z powstaniem kolejnego etapu jej rozwoju – nowego Technologie informacyjne. Ich celem jest zminimalizowanie udziału człowieka jako programisty przy tworzeniu systemów informatycznych, ale zaangażowanie go jako nauczyciela, partnera w systemie człowiek-maszyna. Terminu „sztuczna inteligencja” nie można jednak rozumieć dosłownie. Bardziej słuszne jest postrzeganie tego jako metaforycznej nazwy zestawu metod, których wdrożenie na komputerze pozwala uzyskać wyniki zbliżone do generowanych przez ludzkie myślenie.

1.1. Niektóre koncepcje sztucznej inteligencji

Idea stworzenia sztucznej inteligencji wiąże się z ciągłym dążeniem człowieka do przeniesienia rozwiązywania skomplikowanych problemów na mechanicznego, a następnie elektronicznego asystenta. Jedyny sposób aby to osiągnąć, należy modelować przy użyciu różnych środków zdolności intelektualne osoba.

Tutaj inteligencję należy rozumieć jako zdolność mózgu do rozwiązywania problemów poprzez zdobywanie, zapamiętywanie i celowe przekształcanie wiedzy w procesie uczenia się z doświadczenia i dostosowywania się do różnorodnych warunków.

Sztuczna inteligencja (AI) jako dziedzina naukowa istnieje od 1956 roku, kiedy brytyjski matematyk Alan Turing opublikował swój artykuł „Can the Machine Think?” („Czy maszyna może myśleć?”). Zaproponował także test inteligencji programu. Składał się z następujących elementów: „komunikacja” została zorganizowana między osobą a program komputerowy, które znajdowały się w różnych pomieszczeniach i dopóki badacz nie ustalił, kto kryje się za ścianą – osoba czy program, zachowanie tego ostatniego uznawano za intelektualne. Na tej podstawie Turing zaproponował kolejne kryterium inteligencja programu: „Jeśli zachowania komputera odpowiadającego na pytania nie można odróżnić od zachowania osoby odpowiadającej na podobne pytania, oznacza to, że posiada on inteligencję”.

Obecnie istnieją trzy główne punkty widzenia na cele i zadania badań w obszarze sztucznej inteligencji. Według pierwszego badania w tym obszarze mają fundamentalne znaczenie, w procesie których opracowywane są nowe modele i metody rozwiązywania problemów, które tradycyjnie uważano za intelektualne, a nie poddawały się wcześniej formalizacji przy użyciu klasycznych metod algorytmicznych, a także automatyzacji. Inteligencja i myślenie są bezpośrednio związane z rozwiązywaniem problemów, takich jak dowodzenie twierdzeń, analiza logiczna, rozpoznawanie sytuacji, planowanie zachowań, zarządzanie w warunkach niepewności itp. Charakterystycznymi cechami inteligencji, które przejawiają się w procesie rozwiązywania tego typu problemów, jest zdolność uczenia się, generalizowania, gromadzenia doświadczeń i dostosowywania się do zmieniających się warunków w procesie rozwiązywania problemów. Dzięki tym cechom inteligencji mózg może rozwiązywać różnorodne problemy, a także łatwo przystosowywać się do rozwiązywania jednego problemu do innego. Zatem mózg obdarzony inteligencją jest uniwersalny środek rozwiązania szeroki zasięg zadania (w tym słabo sformalizowane), dla których nie ma standardowych, z góry znane metody rozwiązania. Według drugiego punktu widzenia kierunek ten wiąże się z nowymi pomysłami rozwiązywania problemów na komputerze, z rozwojem nowych technologii programistycznych i przejściem na komputery o innej architekturze niż von Neumann. Dlatego proponują jako podstawę takich systemów różne podejścia w oparciu o sztuczne sieci neuronowe, które najczęściej symulują ogólne zasady funkcja mózgu. Modele takie charakteryzują się łatwą równoległością algorytmów i związaną z tym dużą wydajnością, a także możliwością pracy nawet z niepełnymi informacjami o środowisku. Trzeci punkt widzenia opiera się na fakcie, że w wyniku badań prowadzonych w obszarze AI pojawia się wiele systemów aplikacyjnych, które są w stanie rozwiązać problemy, dla których wcześniej stworzone systemy nie nadawały się.

Podsumowując powyższe, zdefiniujemy sztuczną inteligencję jako kierunek naukowy, którego zadania związane są z rozwojem metod modelowania poszczególnych funkcji inteligencji człowieka za pomocą oprogramowania i sprzętu komputerowego.

Historycznie rzecz biorąc, istniały trzy główne podejścia do prowadzenia badań w dziedzinie sztucznej inteligencji.

Pierwsze podejście (inteligencja maszynowa) traktuje sztuczną inteligencję jako przedmiot badań i polega na modelowaniu przejawy zewnętrzne aktywność intelektualna ludzie korzystający z komputerów. Opiera się na tezie, że maszyna Turinga jest teoretycznym modelem mózgu, dlatego też główny kierunek pracy związany jest z tworzeniem oprogramowania algorytmicznego i komputerowego, które pozwala na rozwiązywanie problemów intelektualnych nie gorszych niż człowiek. Przykładem jest program szachowy, którego przejawem inteligencji jest poszukiwanie taktyki gry zbliżonej do ludzkiej. Osiąga się to jednak wyłącznie poprzez szybkie obliczenia, podczas gdy u ludzi osiąga się to poprzez wysoce wydajne myślenie.

Jak wiadomo, ludzki mózg operuje ciągłą informacją, gdzie każda myśl istnieje tylko w swoim kontekście. Wiedza przechowywana jest w postaci obrazów, które często trudno wyrazić słowami. Jednocześnie same obrazy charakteryzują się niejasnością i rozmyciem, a przetwarzanie informacji charakteryzuje się małą głębią i dużą równoległością. Wszystko to wskazuje znacząca różnica z zasadami maszyny Turinga i w konsekwencji wymaga innego, niekomputerowego podejścia do modelowania procesów intelektualnych.

Drugie podejście (sztuczna inteligencja) uwzględnia dane o charakterze neurofizjologicznym i mechanizmy psychologiczne aktywność intelektualna i rozsądne zachowanie człowieka.

Jak stworzyć sztuczną inteligencję? (prawie) obszerny przewodnik

Stara się odtworzyć te mechanizmy za pomocą oprogramowania i sprzętu. Rozwój tej dziedziny jest ściśle powiązany z sukcesami nauk humanistycznych, przede wszystkim neuronauek (neurobiologii, genetyki itp.).

Trzecie podejście koncentruje się na tworzeniu mieszanych inteligentnych systemów człowiek-maszyna jako symbiozy możliwości naturalnej i sztucznej inteligencji. Do najważniejszych problemów tych badań należy optymalny rozkład funkcji pomiędzy inteligencją naturalną i sztuczną oraz organizacja dialogu pomiędzy człowiekiem a maszyną.

Każdy z zaznaczonych obszarów zawiera cała linia sekcje, z których główne obejmują rozwój systemów opartych na wiedzy, analizę języka naturalnego i komunikację z komputerem, rozpoznawanie obrazów, analizę mowy, tworzenie systemów adaptacyjnych, gry i kreatywność maszynową itp. Z kolei wdrożenie takich systemów można przeprowadzić w oparciu o takie technologie AI jak reprezentacja i przetwarzanie wiedzy, programowanie heurystyczne, sztuczne sieci neuronowe, algorytmy ewolucyjne, zbiory rozmyte itp.

Do chwili obecnej opracowano całą gamę systemów oprogramowania wdrażających określone technologie AI. Systemy takie nazywane są zwykle systemami inteligentnymi. Do pierwszego z tych systemów zalicza się program „Teoretyk logiki” (A. Newell, A. Turing i in.), mający na celu dowodzenie twierdzeń rachunku zdań.

Przez system inteligentny rozumiemy system adaptacyjny, który pozwala budować programy ukierunkowanych działań, aby rozwiązywać przypisane im zadania w oparciu o konkretną sytuację, która aktualnie rozwija się w ich otoczeniu. Z kolei system adaptacyjny można scharakteryzować jako system, który pozostaje sprawny w przypadku nieprzewidzianych zmian właściwości kontrolowanego obiektu, celów sterowania lub środowisko poprzez zmianę funkcjonującego algorytmu, programu zachowania czy poszukiwanie optymalnych, w niektórych przypadkach po prostu skutecznych, rozwiązań i stanów. Tradycyjnie w oparciu o metodę adaptacji wyróżnia się systemy samodopasowujące się, samouczące się i samoorganizujące się. Do zakresu zadań rozwiązywanych przez systemy inteligentne zaliczają się zadania, które z reguły charakteryzują się następującymi cechami:

— algorytm rozwiązania jest nieznany lub nie można go wdrożyć;
— jeżeli istnieje rozwiązanie algorytmiczne, ale nie można go zastosować ze względu na ograniczone zasoby (czas, pamięć);
— zadania nie można sformułować w formie liczbowej;
— celu nie można wyrazić w postaci ściśle określonej funkcji celu.

Rozwój inteligentnych systemów z reguły odbywa się w ramach jednego lub kilku obszarów AI, których obecnie jest cała różnorodność. Najważniejsze z nich zostały pokrótce omówione poniżej.

1.2. Główne kierunki badań w obszarze sztucznej inteligencji

Rozwój systemów opartych na wiedzy. To jeden z głównych kierunków sztucznej inteligencji. Głównym celem tworzenia takich systemów jest identyfikacja, badanie i zastosowanie wiedzy specjalistów do rozwiązywania różnych problemów praktycznych. Zwykle taka wiedza jest sformalizowana w postaci jakiegoś systemu reguł. W tym obszarze badań opracowywane są modele ekstrakcji, reprezentacji i strukturyzowania wiedzy, uwzględniające ich komputeryzację w postaci bazy wiedzy. Przykłady praktycznych rozwinięć takich systemów kojarzone są zazwyczaj z systemami ekspertowymi.

Rozwój systemów komunikacji w języku naturalnym i tłumaczenia maszynowego. Jest to najważniejsze z punktu widzenia przejścia na nowy jakościowy poziom interakcji z komputerem. Próby stworzenia takich systemów podejmowane są od lat 50. XX wieku. Podstawą systemów tłumaczenia maszynowego jest klasyfikacja reguł gramatycznych i technik korzystania ze słownika. Jednak do przetwarzania złożonego tekstu mówionego potrzebne są algorytmy analizujące jego znaczenie, których utworzenie jest zadaniem bardzo pracochłonnym i nierozwiązanym. Dlatego obecnie dostępne są systemy umożliwiające dialog człowieka z komputerem w uproszczonym, okrojonym języku naturalnym, elektroniczne programy tłumaczeniowe skuteczne przede wszystkim przy pracy z tekstem jednosylabowym, a także skojarzeniowe funkcje wyszukiwania kontekstowego w słownikach elektronicznych.

Rozwój inteligentnych systemów opartych na zasadach uczenia się, samoorganizacji i ewolucji. Modelowanie tych zasad skupia się na badaniu możliwości rozwiązywania problemów z wykorzystaniem praw funkcjonowania najbardziej charakterystycznych dla układów biologicznych. Proces uczenia się jest związany ze zdolnością systemu do gromadzenia informacji i racjonalnego dostosowywania do nich swojego zachowania. Samoorganizacja implikuje zdolność systemu do uogólniania zgromadzonych informacji, na przykład do wyszukiwania w nich wzorców. Stosowanie zasad ewolucji pozwala systemowi na uzyskanie nowych jakości i właściwości dla najbardziej optymalnego funkcjonowania.

Rozpoznawanie wzorców. Jest to jeden z wczesnych obszarów sztucznej inteligencji. Związane jest to z modelowaniem cech percepcji świat zewnętrzny, Rozpoznawanie obiektów. Opiera się to na fakcie, że wszystkie obiekty można klasyfikować według pewnych cech, dlatego umiejętność rozróżnienia ich przejawów pozwala zidentyfikować odpowiadający im obiekt.

Gry i kreatywność maszynowa. Twórczość maszynowa obejmuje komponowanie muzyki komputerowej, poezji i automatyzację tworzenia nowych przedmiotów. Gry komputerowe to obszar sztucznej inteligencji, który jest najlepiej znany większości użytkowników. Poziom implementacji AI w grze w dużej mierze decyduje o jej atrakcyjności, dlatego twórcy gier komputerowych stale doskonalą swój komponent intelektualny.

Oprogramowanie dla systemów sztucznej inteligencji.

Do narzędzi rozwoju inteligentnych systemów zaliczają się specjalne języki programowania, reprezentacja wiedzy, środowiska do tworzenia systemów AI, a także powłoki systemów eksperckich.

Inteligentne roboty. Ich powstanie wiąże się z połączeniem technologii sztucznej inteligencji oraz metod cybernetyki i robotyki. Obecnie ich produkcja ogranicza się do manipulatorów ze sztywnym obwodem sterującym, a także robotów do celów rozrywkowych i domowych o wąskim zakresie i ograniczonych funkcjach. Czynnikiem ograniczającym rozwój bardziej zaawansowanych systemów cybernetycznych są nierozwiązane problemy z zakresu widzenia komputerowego, zachowań adaptacyjnych, gromadzenia i przetwarzania trójwymiarowej informacji wizualnej.

Poziom teoretycznych badań nad sztuczną inteligencją w Rosji nie ustępuje światu. Początek tego kierunek naukowy w naszym kraju należy uznać rok 1954, kiedy na Moskiewskim Uniwersytecie Państwowym pod przewodnictwem akademika A.A. Lapunowa rozpoczęło się seminarium „Automaty i myślenie”. Następnie zaczęły aktywnie rozwijać się obszary związane z reprezentacją i przetwarzaniem wiedzy, zarządzaniem sytuacyjnym, modelowaniem rozumowania, rozpoznawaniem wzorców i przetwarzaniem języka naturalnego.

Rozwój sztucznej inteligencji w współczesna Rosja związany z powstaniem w 1988 roku Stowarzyszenia Sztucznej Inteligencji, które zrzeszało szkoły naukowe i badaczy różnych dziedzin AI. Pod jego auspicjami prowadzone są różnorodne badania, organizowane są seminaria dla specjalistów, organizowane są konferencje i wydawane jest czasopismo naukowe.

Jednocześnie prowadzenie badań stosowanych i wdrażanie ich wyników w opracowaniach komercyjnych następuje znacznie wolniej niż za granicą. Wynika to w dużej mierze z konserwatyzmu potencjalnych konsumentów nowych technologii informatycznych, a także ostrożnego podejścia do możliwości sztucznej inteligencji.

Michaił Burcew, kierownik Laboratorium Systemów Neuronowych i Głębokiego Uczenia się w MIPT, opowiada o tym, czy możliwe jest stworzenie pełnoprawnego komputerowego odpowiednika ludzkiego umysłu i wyjaśnia, dlaczego naukowcy go rozwijają i jak można go chronić przed trollami ataki.

Pod koniec lipca wystartowali naukowcy z MIPT Międzynarodowy Konkurs„konwersacyjne” systemy sztucznej inteligencji zdolne do imitowania żywej osoby i zapraszały wszystkich do komunikowania się z nią i oceny powstałych dialogów.

Naukowcy, korzystając z pomocy ochotników, mają nadzieję w ciągu najbliższych trzech lat stworzyć asystenta głosowego, który będzie w stanie komunikować się z człowiekiem niemal tak dobrze, jak żywy rozmówca.

Współorganizatorami konkursu byli naukowcy z uniwersytetów w Montrealu, McGill i Carnegie Mellon. Korzystając z tego linku, możesz wziąć udział w testowaniu systemów dialogowych.

Tak naprawdę te pomysły nie zostały wymyślone dzisiaj – współcześni asystenci głosowi od Google, Apple, Amazon i innych firm IT mają swoje korzenie w głębokiej przeszłości, na samym początku ery komputerów. Pierwszy jest taki mówiący samochód, zwany ELIZA, powstał w 1966 roku i był w zasadzie żartem, parodią psychoterapeuty udzielającego pacjentowi bezużytecznych rad.

W kolejnych latach i dekadach programiści tworzyli coraz bardziej złożone i „żywe” systemy komunikacji z komputerem.

Najbardziej zaawansowany z tych systemów potrafi rozpoznać nastrój właściciela, zapamiętać jego dawne pragnienia i preferencje oraz rozwiązać za niego część codziennych i domowych zadań, zamawiając jedzenie czy towar w sklepie czy pełniąc rolę operatora w call center.

- Michaił, minęło prawie 50 lat od powstania ELIZY. Co się w ogóle zmieniło przez ten czas i czy w zasadzie możemy spodziewać się, że w przyszłości naukowcom uda się stworzyć system, którego człowiek nie będzie w stanie odróżnić od żywego rozmówcy?

Myślę, że w niedalekiej przyszłości możliwe będzie stworzenie technologii inteligencji konwersacyjnej, która pozwoli maszynie zbliżyć się do poziomu ludzkiego dialogu. Pracujemy nad tym zadaniem w ramach projektu iPavlov, będącego częścią Krajowej Inicjatywy Technologicznej.

Użytkownik powinien czuć się równie komfortowo komunikując się z automatycznym systemem dialogowym, jak z prawdziwą osobą. Umożliwi to stworzenie systemów informatycznych, które będą mogły lepiej zrozumieć, czego człowiek od niego chce i odpowiedzieć mu w języku naturalnym.

Inteligencję konwersacyjną można wykorzystać do automatyzacji wielu interfejsów głosowych i tekstowych, w tym komunikatorów internetowych, takich jak Telegram. Komunikatory, jak pokazują statystyki, są dziś wykorzystywane aktywniej niż sieci społecznościowe i to bardzo duża liczba informacja przechodzi kanałami komunikacji tekstowej.

Są na przykład wygodne w transporcie, a dodanie asystenta dialogu – chatbota – pozwoli użytkownikom nie tylko komunikować się między sobą, ale także odbierać niezbędne informacje, rób zakupy i rób wiele innych rzeczy.

- Biorąc pod uwagę obecność Apple, Google i Amazon na tym rynku, czy Rosja może tu konkurować? Czy są jakieś specyficzne cechy języka rosyjskiego, które mogłyby utrudniać potencjalnym konkurentom rosyjskich firm i naukowców?

Oczywiście język rosyjski jest bardziej złożony i niektóre metody stosowane dziś w rozwoju systemów dialogowych i asystentów głosowych na świecie nie mogą być stosowane bez udoskonalenia i znaczących modyfikacji, które umożliwiłyby im pracę z bogatszą gramatyką.

Z drugiej strony nikt nie ukrywa podstawowych algorytmów, które wykorzystywane są w pracy Siri, Cortany, Google’a i innych cyfrowych asystentów – są one dla nas dostępne przynajmniej na poziomie badań i koncepcji.

Artykuły badawcze i kod programu są często ogólnodostępne – w zasadzie można je dostosować do języka rosyjskiego.

Na zdjęciu: Na zdjęciu: Michaił Burcew, kierownik laboratorium systemów neuronowych i głębokiego uczenia się w MIPT

Zdjęcie: Od archiwum osobiste Michaił Burcew

Co więcej, nie ma zbyt wielu prób wdrożenia tego na poziomie „przemysłowym”. Jedyny duży projekt prowadzi firma Yandex, która w ramach projektu Alice rozwija asystenta.

W naszym projekcie staramy się stworzyć narzędzia, które uproszczą i przyspieszą tworzenie takich „przemysłowych” systemów dialogu, przeznaczonych do różnorodnych celów. Jednak opracowanie uniwersalnego asystenta głosowego, który rozwiąże każdy problem, jest niezwykle trudnym zadaniem nawet dla dużych firm.

Z drugiej strony automatyzacja małej firmy, która będzie korzystała ze specjalistycznego systemu dialogu, jest znacznie łatwiejsza do wdrożenia. Mamy nadzieję, że narzędzia, które stworzymy, pomogą przedsiębiorcom i programistom rozwiązać takie problemy wystarczająco szybko, bez konieczności posiadania głębokiej wiedzy i bez dodatkowego wysiłku.

- Wielu naukowców, jak Roger Penrose czy Stuart Hameroff, uważa, że ​​ludzki umysł ma naturę kwantową i w zasadzie nie da się zbudować jego maszynowego odpowiednika. Zgadzasz się z nimi czy nie?

Moim zdaniem, jeśli spojrzymy na to, co dzisiaj wiemy o budowie mózgu i naturze ludzkiej świadomości, to jak dotąd nie napotykamy żadnych zasadniczych przeszkód w odtwarzaniu jego pracy za pomocą komputera.

Penrose i Hameroff mają zestaw hipotez, które ich zdaniem wyjaśniają, dlaczego nie da się tego zrobić. Jak dotąd neurofizjolodzy nie znaleźli żadnych eksperymentalnych dowodów na prawdziwość tych hipotez, a nasza obecna wiedza przemawia za czymś przeciwnym.

Inna sprawa, że ​​ramy czasowe, w których taka maszyna powstanie, nie są do końca określone. Wydaje mi się, że może to nastąpić za nie mniej niż 50, a nawet 100 lat.

- Czy będzie to wymagało zasadniczo nowych technologii i komputerów, które w zasadach działania są bliższe neuronom niż logice cyfrowej?

Jeśli wierzymy, że ludzka inteligencja opiera się na jakiejś formie obliczeń, wówczas dowolny uniwersalny system obliczeniowy równoważny maszynie Turinga mógłby teoretycznie naśladować funkcjonowanie ludzkiego mózgu.

Inną rzeczą jest to, że maszyna ta może pracować bardzo wolno, co czyni ją bezużyteczną z praktycznego punktu widzenia. Dziś trudno sobie wyobrazić, jakie technologie do budowy komputerów będą nam tutaj potrzebne.

- Jakie inne zadania mogą wykonywać asystenci cyfrowi poza tym, co robią dzisiaj? Czy można je wykorzystać do odszyfrowania tekstów w martwych językach lub kodach, takich jak rękopis Voynicha?

Do tej pory, o ile wiem, nikt nie próbował wykorzystać sieci neuronowych do odkrywania tajemnic martwych języków i rozszyfrowywania tekstów, ale wydaje mi się, że ktoś spróbuje to zrobić w najbliższej przyszłości. My z kolei nie interesowaliśmy się jeszcze takimi rzeczami.

„Pomocnik” to w rzeczywistości bardzo szerokie pojęcie, które może obejmować wiele różnych rzeczy. Jeśli weźmiemy na przykład tę samą ELIZĘ, wirtualną „psychoterapeutkę”, pojawia się pytanie: czy jest asystentką, czy nie?

Systemy konwersacyjne mogą służyć nie tylko do rozwiązywania problemów praktycznych, ale także do zabawiania ludzi lub podtrzymywania ich na duchu.

W rzeczywistości pytanie brzmi, co rozumiemy pod pojęciem osobistego asystenta i jak szerokie jest ono lub wąskie. Jeśli potraktujemy to szerzej, to wszystkie problemy związane z komunikacją można rozwiązać za pomocą takich systemów, choć z aby zróżnicować stopnie powodzenie.

Interfejsy konwersacyjne, oprócz bezpośredniej komunikacji z ludźmi, mogą służyć także do uczenia maszyn szybkiego odnajdywania wspólny język i przesyłać informacje z jednego systemu do drugiego.

Pozwoli to uniknąć problemu nawiązywania połączeń i przesyłania danych pomiędzy istniejącymi i tworzonymi usługami, gdyż nie będą one musiały znać specyfikacji API drugiej strony, aby się ze sobą komunikować. Będą mogli porozumiewać się za pomocą języków naturalnych lub własnego, sztucznego języka, który w tym celu zostaną wymyślone przez maszyny lub ludzi.

Z grubsza rzecz biorąc, nawet „niezaznajomione” ze sobą systemy będą w stanie dojść do porozumienia, posługując się wspólnym językiem komunikacji, a nie ustalonymi zasadami wymiany informacji.

Jeśli coś jest dla nich niejasne, mogą wzajemnie dopytywać się o nieznane im rzeczy, co sprawi, że cała infrastruktura świadczenia usług w Internecie będzie niezwykle elastyczna i pozwoli na szybkie integrowanie nowych usług bez pomocy ludzi.

- W związku z tym pojawia się pytanie - kto powinien być odpowiedzialny za zalecenia „psychoterapeuty” ELIZY, lekarzy informatyków i innych asystentów głosowych, których porady mogą znacząco wpłynąć na samopoczucie i zdrowie człowieka?

To bardzo trudne pytanie, gdyż dziś nie ma jasnych kryteriów, które pomogłyby nam zrozumieć, jak postępować w takich przypadkach. Wiele usług internetowych i usług udostępniających użytkownikom rekomendacje zaczyna działać dopiero po zaakceptowaniu przez użytkownika warunków usługi i konsekwencji, jakie mogą wyniknąć w wyniku pracy z nią.

Jak stworzyć sztuczną inteligencję?

Na przykład, jeśli bot po prostu wyszukuje i analizuje informacje, zachowując się podobnie jak wyszukiwarka, mogą obowiązywać go te same zasady. W przypadku, gdy udzieli pomocy medycznej lub doradztwo prawne, forma odpowiedzialności musi być inna.

Przykładowo takie systemy muszą wyraźnie informować użytkownika o konsekwencjach wyboru pomiędzy sztuczną inteligencją a zwykłym lekarzem. Osoba będzie miała wybór – zaufać lekarzowi, który na przykład będzie się mylił w 10% przypadków, lub postawić na maszynę, która w 3% przypadków da błędną odpowiedź. W pierwszym przypadku za błąd będzie odpowiedzialny lekarz, w drugim – sam użytkownik.

- W zeszłym roku Microsoft uruchomił chatbota Tay. AI, którą musiała wyłączyć dosłownie dzień później, bo użytkownicy sieci zamienili „nastolatkę” w prawdziwego rasistę. Czy można zabezpieczyć takie systemy dialogowe przed trollami i dowcipnisiami?

Wydaje mi się, że można się zabezpieczyć, ale czy warto to robić, zależy od przeznaczenia systemu. Oczywiste jest, że jeśli system nie powinien wydawać żadnych konkretnych uwag – niegrzecznych czy ekstremistycznych, to możemy filtrować jego odpowiedzi. Filtrowanie to może nastąpić albo na etapie uczenia systemu, albo już w trakcie generowania odpowiedzi.

Swoją drogą podobny problem oceny jakości dialogu rozwiązały zespoły ze szkoły hackatonu naukowego DeepHack Turing, który odbył się kilka tygodni temu w Instytucie Fizyki i Technologii. Jego uczestnicy opracowali algorytmy, które na podstawie linii dialogowych potrafią przewidzieć, jaką ocenę dana osoba wystawi systemowi dialogu.

Kolejnym krokiem w rozwoju tego podejścia jest stworzenie programu, który oceniałby akceptowalność fraz lub wiarygodność źródeł wykorzystywanych przy generowaniu odpowiedzi na zapytania użytkowników. Wydaje mi się, że to pomogłoby rozwiązać ten problem.

Sztuczna inteligencja to technologia, którą z pewnością zabierzemy ze sobą w przyszłość.

Opowiemy Ci, jak to działa i jakie fajne zastosowania znaleźliśmy.

😎 Dział Technologia ukazuje się co tydzień przy wsparciu re:Store.

Czym jest sztuczna inteligencja

Sztuczna inteligencja (AI) to technologia tworzenia inteligentnych programów i maszyn, które potrafią rozwiązywać twórcze problemy i generować nowe informacje w oparciu o istniejące informacje. W rzeczywistości sztuczna inteligencja ma na celu symulowanie działalności człowieka, która jest uważana za intelektualną.

Tradycyjnie wierzono, że kreatywność jest cechą charakterystyczną człowieka. Ale stworzenie sztucznej inteligencji zmieniło zwykły porządek rzeczy

Robot, który po prostu mechanicznie rąbie drewno, nie jest wyposażony w sztuczną inteligencję. Robot, który sam nauczył się rąbać drewno, patrząc na przykład człowieka lub kłody i jej części, i za każdym razem robi to lepiej, ma sztuczną inteligencję.

Jeśli program po prostu pobiera wartości z bazy danych według określonych zasad, to nie jest wyposażony w sztuczną inteligencję. Jeśli system po przeszkoleniu tworzy programy, metody i dokumenty rozwiązujące określone problemy, to ma AI.

Jak stworzyć system sztucznej inteligencji

W sensie globalnym musimy naśladować model ludzkiego myślenia. Ale w rzeczywistości konieczne jest stworzenie czarnej skrzynki – systemu, który w odpowiedzi na zestaw wartości wejściowych generuje wartości wyjściowe podobne do wyników ludzkich. A nas w zasadzie nie obchodzi, co dzieje się „w jej głowie” (między wejściem a wyjściem).

Systemy sztucznej inteligencji tworzone są w celu rozwiązywania określonej klasy problemów

Podstawą sztucznej inteligencji jest uczenie się, wyobraźnia, percepcja i pamięć

Pierwszą rzeczą, którą trzeba zrobić, aby stworzyć sztuczną inteligencję, jest opracowanie funkcji realizujących percepcję informacji, dzięki czemu można „zasilić” dane do systemu. Następnie - funkcje realizujące umiejętność uczenia się. Oraz przechowywanie danych, aby system mógł gdzieś przechowywać informacje, które otrzymuje w procesie uczenia się.

Następnie tworzone są funkcje wyobraźni. Mogą symulować sytuacje, korzystając z istniejących danych i dodawać do pamięci nowe informacje (dane i reguły).

Uczenie się może mieć charakter indukcyjny lub dedukcyjny. W wersji indukcyjnej system otrzymuje pary danych wejściowych i wyjściowych, pytania i odpowiedzi itp. System musi znaleźć powiązania między danymi, a następnie korzystając z tych wzorców znaleźć dane wyjściowe z danych wejściowych.

Podejście dedukcyjne (witaj, Sherlocku Holmesie!) wykorzystuje doświadczenie ekspertów. Jest ona przekazywana do systemu jako baza wiedzy. Znajdują się tu nie tylko zbiory danych, ale także gotowe zasady, które pomagają znaleźć rozwiązanie w oparciu o warunek.

W nowoczesne systemy sztuczna inteligencja wykorzystuje oba podejścia. Ponadto systemy są zwykle już przeszkolone, ale nadal się uczą w trakcie pracy. Dzieje się tak, aby program na początku wykazywał przyzwoity poziom umiejętności, ale w przyszłości stał się jeszcze lepszy. Wziąłem pod uwagę na przykład Twoje życzenia i preferencje, zmiany sytuacji itp.

W systemie sztucznej inteligencji można nawet ustawić prawdopodobieństwo nieprzewidywalności. Dzięki temu stanie się bardziej ludzki.

Dlaczego sztuczna inteligencja pokonuje człowieka

Przede wszystkim dlatego, że ma mniejsze prawdopodobieństwo błędu.

• Sztuczna inteligencja nie może zapomnieć – ma pamięć absolutną.
• Nie może przypadkowo zignorować czynników i zależności – każde działanie AI ma jasne uzasadnienie.
• AI nie waha się, ale ocenia prawdopodobieństwa i skłania się ku temu większemu. Dlatego potrafi uzasadnić każdy swój krok.
• AI też nie ma emocji. Oznacza to, że nie mają one wpływu na podejmowanie decyzji.
• Sztuczna inteligencja nie poprzestaje na ocenie skutków bieżącego kroku, ale myśli kilka kroków do przodu.
• I ma wystarczające zasoby, aby rozważyć wszystko możliwe opcje rozwój wydarzeń.

Ciekawe zastosowania sztucznej inteligencji

Ogólnie rzecz biorąc, sztuczna inteligencja może zrobić wszystko. Najważniejsze jest prawidłowe sformułowanie problemu i dostarczenie mu danych wyjściowych. Ponadto sztuczna inteligencja może wyciągać nieoczekiwane wnioski i szukać wzorców tam, gdzie pozornie ich nie ma.

Odpowiedź na każde pytanie

Zespół naukowców pod kierownictwem Davida Ferrucciego opracował superkomputer o nazwie Watson z systemem odpowiadania na pytania. System, nazwany na cześć pierwszego prezesa IBM, Thomasa Watsona, potrafi rozumieć pytania w języku naturalnym i przeszukiwać bazę danych w poszukiwaniu odpowiedzi.

Watson integruje 90 serwerów IBM p750, każdy z czterema ośmiordzeniowymi procesorami o architekturze POWER7. Całkowita ilość systemowej pamięci RAM przekracza 15 TB.

Do osiągnięć Watsona należy zwycięstwo w „Jeopardy!” (Amerykańska „Gra własna”). Pokonał dwóch najlepszych zawodników: zdobywcę największych wygranych Brada Ruttera oraz rekordzistę najdłuższej passy bez porażki Kena Jenningsa.

Nagroda Watsona: 1 milion dolarów. To prawda, że ​​​​tylko w 2014 roku zainwestowano w to 1 miliard.

Ponadto Watson zajmuje się diagnostyką nowotworów, pomaga specjalistom finansowym i wykorzystuje się do analizy big data.

Rozpoznawanie twarzy

W iPhonie X rozpoznawanie twarzy rozwijane jest przy użyciu sieci neuronowych, czyli wersji systemu sztucznej inteligencji. Algorytmy sieci neuronowej zaimplementowane są na poziomie procesora A11 Bionic, dzięki czemu efektywnie współpracuje on z technologiami uczenia maszynowego.

Sieci neuronowe wykonują do 60 miliardów operacji na sekundę. To wystarczy, aby przeanalizować aż 40 tysięcy kluczowych punktów na twarzy i zapewnić niezwykle dokładną identyfikację właściciela w ułamku sekundy.

Nawet jeśli zapuścisz brodę lub założysz okulary, iPhone X Cię rozpozna. Po prostu nie bierze tego pod uwagę linia włosów i akcesoria oraz analizuje obszar od skroni do skroni i od każdej skroni do wgłębienia pod dolną wargą.

Oszczędzanie energii

I znowu jabłko. iPhone X ma wbudowany inteligentny system monitorujący aktywność zainstalowanych aplikacji oraz czujnik ruchu, który pozwala zrozumieć Twoją codzienną rutynę.

Następnie na przykład iPhone X zaoferuje aktualizację do maksimum dogodny termin. Wyłapie moment, kiedy masz stabilny Internet, a nie skaczący sygnał z masztów mobilnych, a Ty nie wykonujesz pilnych i ważnych zadań.

AI rozdziela także zadania pomiędzy rdzenie procesorów. W ten sposób zapewnia wystarczającą moc przy minimalnym zużyciu energii.

Tworzenie obrazów

Kreatywność, wcześniej dostępna tylko dla ludzi, jest teraz otwarta na sztuczną inteligencję. Tym samym system, stworzony przez badaczy z Rutgers University w New Jersey i laboratorium AI w Los Angeles, zaprezentował swój własny styl artystyczny.

A system sztucznej inteligencji Microsoftu potrafi rysować obrazy na podstawie ich opisu tekstowego. Na przykład, jeśli poprosisz sztuczną inteligencję o narysowanie „żółtego ptaka z czarnymi skrzydłami i krótkim dziobem”, będzie to wyglądać mniej więcej tak:

Takie ptaki mogą nie istnieć w prawdziwym świecie - tak je przedstawia nasz komputer.

Bardziej rozpowszechnionym przykładem jest aplikacja Prisma, która tworzy obrazy ze zdjęć:

Pisanie muzyki

W sierpniu sztuczna inteligencja Amper skomponowała, wyprodukowała i wykonała muzykę do albumu „I AM AI” (ang. I am Artificial Intelligence) wspólnie z piosenkarką Taryn Southern.

Amper został opracowany przez zespół profesjonalnych muzyków i ekspertów technologicznych. Zauważają, że sztuczna inteligencja ma pomagać ludziom w przyspieszaniu procesu twórczego.

AI może napisać muzykę w kilka sekund

Amper niezależnie stworzył struktury akordów i instrumenty w utworze „Break Free”. Ludzie tylko nieznacznie dostosowali styl i ogólny rytm.

Innym przykładem jest album muzyczny w duchu „ Obrona Cywilna", do którego teksty napisała AI. Eksperyment przeprowadzili pracownicy Yandexu Ivan Yamshchikov i Aleksiej Tichonow. Album 404 grupy „Neural Defense” został opublikowany w sieci. Okazało się w duchu Letowa:

Następnie programiści poszli dalej i zmusili sztuczną inteligencję do pisania poezji w duchu Kurta Cobaina. Za cztery najlepsze teksty muzyk Rob Carroll napisał muzykę, a utwory zostały połączone w albumie Neurona. Nakręcili nawet teledysk do jednej piosenki – choć bez udziału AI:

Tworzenie tekstów

Pisarze i dziennikarze również mogą wkrótce zostać zastąpieni przez sztuczną inteligencję. Przykładowo do systemu Deweya wprowadzono książki z biblioteki Projektu Gutenberg, następnie dodano teksty naukowe z Google Scholar, uszeregowując je według popularności i tytułów, a także sprzedaży na Amazonie. Ponadto ustalili kryteria napisania nowej książki.

Witryna poprosiła ludzi o podjęcie decyzji trudne sytuacje: na przykład posadził je na siedzeniu kierowcy, który mógł potrącić albo troje dorosłych, albo dwójkę dzieci. W ten sposób Moral Machine został przeszkolony do podejmowania trudnych decyzji, które naruszają prawo robotyki, mówiące, że robot nie może skrzywdzić człowieka.

Do czego doprowadzi naśladowanie ludzi przez roboty z AI? Futuryści wierzą, że pewnego dnia staną się pełnoprawnymi członkami społeczeństwa. Na przykład robot Sophia z hongkońskiej firmy Hanson Robotics otrzymał już obywatelstwo Arabia Saudyjska(w tym samym czasie zwykłe kobiety W kraju nie ma takiego prawa!).

Kiedy felietonista „New York Timesa”, Andrew Ross, zapytał Sophię, czy roboty są inteligentne i samoświadome, odpowiedziała pytaniem:

Pozwól, że w odpowiedzi zapytam: skąd wiesz, że jesteś człowiekiem?

Ponadto Sofia stwierdziła:

Chcę wykorzystać moją sztuczną inteligencję, aby pomóc ludziom żyć lepiej, na przykład projektować inteligentniejsze domy, budować miasta przyszłości. Chcę być empatycznym robotem. Jeśli będziesz mnie dobrze traktował, ja będę dobrze traktował ciebie.

A wcześniej przyznała, że ​​nienawidzi ludzkości, a nawet zgodziła się niszczyć ludzi...

Zastępowanie twarzy w filmach

Filmy Deepfake zaczęły masowo rozprzestrzeniać się w Internecie. Algorytmy sztucznej inteligencji zastąpiły twarze aktorów w filmach dla dorosłych twarzami gwiazd.

Działa to w ten sposób: sieć neuronowa analizuje fragmenty twarzy w oryginalnym filmie. Potem porównuje je ze zdjęciami z Google i filmami z YouTube, nakłada potrzebne fragmenty i… Twoja ulubiona aktorka trafia do filmu, którego lepiej nie oglądać w pracy.

PornHub zakazał już publikowania takich filmów

Deepfakes okazały się niebezpieczną rzeczą. Abstrakcyjna aktorka to jedno, a film przedstawiający Ciebie, Twoją żonę, siostrę, koleżankę, który równie dobrze mógłby zostać wykorzystany do szantażu, to drugie.

Handel giełdowy

Zespół naukowców z Uniwersytetu Erlangen-Norymberga w Niemczech opracował serię algorytmów, które wykorzystują historyczne dane rynkowe do replikowania inwestycji w czasie rzeczywistym. Jeden model zapewniał 73% zwrotu z inwestycji rocznie w latach 1992–2015, co można porównać z rzeczywistym zwrotem rynkowym wynoszącym 9% rocznie.

Kiedy rynek zatrząsł się w latach 2000 i 2008, zwroty osiągnęły rekordową wysokość odpowiednio 545% i 681%.

W 2004 roku Goldman Sachs uruchomił platformę transakcyjną Kensho opartą na sztucznej inteligencji. Oparte na sztucznej inteligencji systemy do handlu na giełdach pojawiają się także na rynkach kryptowalut – Mirocana itp. Są lepsi od traderów na żywo, ponieważ są pozbawieni emocji i polegają na jasnej analizie i rygorystycznych zasadach.

Czy AI zastąpi Ciebie i mnie?