Подборка штук на основе искусственного интеллекта для личного использования (1/3)

Приложения с ИИ

ИИ стал доминирующим в различных областях, таких как:

• Игры — ИИ играет решающую роль в играх связанных с стратегией таких как, шахматы, покер, крестики — нолики и т.д., где компьютер способен просчитывать большое количество всевозможных решений, основанных на эвристических знаниях.

• Обработка естественного языка — это возможность общаться с компьютером, который понимает естественный язык, на котором говорят люди.

• Распознавание речи — некоторые интеллектуальные системы способны слышать и понимать язык, на котором человек общается с ними. Они могут обрабатывать различные акценты, сленги и т.д.

• Распознавание рукописного текста — программное обеспечение читает текст, написанный на бумаге с помощью ручки или на экране с помощью стилуса. Он может распознавать формы букв и преобразовать его в редактируемый текст.

• Умные роботы — роботы способные выполнять задачи, поставленные человеком. Они имеют датчики, для обнаружения физических данных из реального мира, такие как свет, тепло, движение, звук, удар и давление. Они имеют высоко производительные процессоры, несколько датчиков и огромную память. Кроме того они способны обучаться на собственных ошибках и адаптироваться к новой среде.

1990-е годы и рубеж веков

1990-е годы ознаменовались крупными достижениями во многих областях ИИ и демонстрацией различных прикладных программ. В 1995 году один из автомобилей-роботов Дикманна проехал более 1000 миль в пробке со скоростью до 110 миль в час. Deep Blue, шахматный компьютер, обыграл Гарри Каспарова в знаменитом матче из шести игр в 1997 году. Агентство передовых оборонных исследовательских проектов заявило, что затраты, сэкономленные за счет внедрения методов ИИ для планирования подразделений в первой войне в Персидском заливе, окупили все инвестиции правительства США в исследования ИИ с 1950-х годов. Honda построила первые прототипы человекоподобных роботов, как показано выше.

В 1990-е и 2000-е годы на ИИ большое влияние оказали теория вероятностей и статистика. Байесовские сети находятся в центре внимания этого движения, обеспечивая ссылки на более строгие темы в статистике и технике, такие как Марковские модели и фильтры Калмана, и преодоление разрыва между аккуратными и неряшливыми подходами. После 11 сентября 2001 нападений было гораздо большим интересом и финансирование угрозы обнаружения ИИ систем, в том числе машинного зрения исследования и анализа данных. Однако, несмотря на шумиху, волнение о байесовском ИИ, возможно, теперь снова угасает, поскольку успешные байесовские модели появились только для крошечных статистических задач (таких как вероятностный поиск главных компонентов) и, похоже, являются трудноразрешимыми для общего восприятия и принятия решений.

Глубокое обучение и нейронные сети

В то время, как классические алгоритмы машинного обучения решают многие проблемы, в которых присутствует масса информации в виде баз данных, они плохо справляются с, так сказать, «визуальными и аудиальными» данными вроде изображений, видео, звуковых файлов и так далее.

Алгоритмы глубокого обучения решают ту же проблему, используя глубокие нейронные сети, тип архитектуры программного обеспечения, вдохновленный человеческим мозгом (хотя нейронные сети отличаются от биологических нейронов, принцип действия у них почти такой же). Компьютерные нейронные сети — это связи «электронных нейронов», которые способны обрабатывать и классифицировать информацию. Они располагаются как-бы «слоями» и каждый «слой» отвечает за что-то свое, в итоге формируя общую картину. Например, когда вы тренируете нейронную сеть на изображениях различных объектов, она находит способы извлечения объектов из этих изображений. Каждый слой нейронной сети обнаруживает определенные особенности: форму объектов, цвета, вид объектов и так далее.

Поверхностные слои нейронных сетей обнаруживают общие особенности. Более глубокие слои уже выявляют фактические объекты. На рисунке схема простой нейросети. Зелёным цветом обозначены входные нейроны (поступаюзая информация), голубым — скрытые нейроны (анализ данных), жёлтым — выходной нейрон (решение)

Искусственный интеллект. Доступ неограничен (2016)

Бизнесмену Майку Ригану некогда вникать в техническое устройство своего дома. И когда в системе искусственного интеллекта в резиденции мужчины происходит сбой, он приглашает IT-специалиста из своей компании, чтобы тот исправил неполадки. Смышленый улыбчивый Эд сначала нравится Майклу. Но вскоре он понимает, что компьютерщик пытается слишком глубоко внедриться в его семью, заигрывая с дочерью и получая доступ к персональной информации. Майк увольняет Эда, не зная, что парень не так прост, как кажется, и теперь его семье угрожает опасность.

Оригинальное названиеI.T.ЖанрТриллер, драма, криминал, детективАктерыПирс Броснан, Джеймс Фрешвилл, Анна Фрил…СтранаИрландия, Франция, ДанияРейтингКинопоиск – 5.2, IMDb – 5.5Возрастные ограничения16+

Первые шаги

Количество научных работ, связанных с искусственным интеллектом, резко выросло в 1950-60-х годах. Но и ранее встречались исследования, затрагивающие данную тему. Бертран Рассел и Альфред Норт Уайтхед опубликовали «Принципы математики» в 1913 году. Примерно в то же время Джордж Буль выдвинул свои законы мысли. Так были заложены основы математической логики.

Возможно, всё началось в тот момент, когда непонятный 15-летний мальчишка ворвался в кабинет Рудольфа Карнапа. Карнап тогда уже стал влиятельным философом и преподавал в Чикагском университете. Он опубликовал «Логический синтаксис языка». Мальчик пришел без разрешения, и указал на ошибки в этой работе. Рудольф был потрясен. Посетитель был необычным. Кроме того, он даже не представился, и сразу убежал. После нескольких месяцев поисков Рудольф наконец нашел своего визитёра в одном из местных университетов. Им оказался Уолтер Гарри Питтс.

За три года до этого (да-да, в 12 лет) Уолтер написал письмо Бертрану Расселу, указав на проблемы, найденные в вышеупомянутых «Принципах». Рассел оказался настолько впечатлён, что пригласил мальчика учиться в аспирантуре Кембриджского университета в Великобритании. Уолтер, хотя и рос в неблагополучной семье, не решился на переезд из Детройта. Однако, когда Рассел приехал с лекциями в Чикаго, Питтс сбежал из дома, чтобы учиться у него. Студентом Чикагского университета он не стал, но прилежно ходил на лекции. (Жизнь Уолтера Питтса вообще очень яркая и интересная, несмотря на малую её продолжительность. Рекомендую почитать о нём самостоятельно — прим. переводчика).

В 1942 году Уолтер Питтс встретился с Уорреном МакКаллоком. Маккаллок пригласил Питтса остаться у него дома. Они были убеждены в правильности теории Лейбница, которая предполагала возможность «механизации» человеческой мысли. И пытались создать модель для нейробиологии нервной системы человека. Они опубликовали свою основную статью об этом же в 1943 году, назвав её «Логическое исчисление идей, относящихся к нервной активности». Этот документ внёс неоценимый вклад в область искусственного интеллекта. Учёные предложили простую модель, известную как математический нейрон Маккаллока — Питтса. Она до сих пор изучается на курсах машинного обучения. Идеи, которые предложили учёные, являются основой почти всех современных ИИ.

Уоррен МакКаллок и Уолтер Питтс

Кибернетика Норберта Вейнера и теория информации Клода Шеннона были опубликованы в 1948 году. Кибернетика — это исследование «управления и коммуникации в живом организме и в машине». Теория информации — это измерение количества информации, её хранения и передачи. Обе работы сильно повлияли на сферу ИИ.

Кибернетика обеспечила непосредственное исследование биологического и механического интеллекта. А теория информации повлияла на базовую математику (essential mathematics).

Спустя пару лет Алан Тьюринг выступил с тестом Тьюринга. Он описал способ определения, является ли машина «умной». Упрощённо тест выглядит следующим образом: человек общается с одним компьютером и одним человеком. На основании их ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор».

Хотя тест Тьюринга слишком ограничен для тестирования современных «умных» систем, в то время это был настоящий прорыв. Имя Алана Тьюринга попало в прессу, сделав отрасль более популярной.

Тест Тьюринга

В 1956 в Дартмуте прошла конференция, посвящённая теме изучения концепций «механизации» интеллекта. Позже участники этой конференции станут выдающимися личностями в области ИИ. Наиболее известным был Марвин Мински, который в 1951 году создал первую машину нейронных сетей, SNARC. Он станет самым известным именем в мире искусственного интеллекта на последующие десятилетия.

Присутствовал на конференции и Клод Шеннон. А будущий нобелевский лауреат Герберт А. Саймон и Аллен Ньюэлл дебютировали со своей «Логикой-теоретикой». Впоследствии он решит 38 из первых 52 теорем в «Принципах математики» Рассела.

Джон Маккарти — также один из пионеров искусственного интеллекта — придумал название «Искусственный интеллект». Участники согласились с этим термином. Это было рождение ИИ.

Что такое искусственный интеллект?

Искусственный интеллект (сокращенно — ИИ) — размытое понятие, и общепринятого определения у него до сих пор нет. В середине XX века, когда на Дартмутском семинаре впервые прозвучал этот термин, авторы вкладывали в него значение, существенно отличающееся от современных. Тогда ученые полагали, что искусственный интеллект — это система, которая будет способна переводить тексты с одного языка на другой, распознавать объекты по фото или видео, улавливать смысл произнесенных фраз и адекватно на них отвечать. Нынешние ИИ умеют все это! Но можем ли мы считать, что цели достигнуты и искусственный интеллект уже создан?

Вряд ли. Ведь чем дальше мы продвигаемся по пути создания искусственного разума и чем более впечатляющих успехов достигаем, тем больше требований выдвигаем к ИИ. 

Некоторые ученые строят сложные теории на стыке философии и информатики, пытаясь определить, что же такое ИИ и каковы должны быть характеристики системы, чтобы считать ее разумной. Не вдаваясь в подробности, можно сказать, что интеллект определяется как способность к обучению, осознанию и применению знаний на практике. Следовательно, от искусственного интеллекта мы тоже вправе ожидать умения учиться, осознавать свои знания и использовать их. С первой и последней задачами современные ИИ вполне справляются!

Когда начались разработки ИИ?

Летом 1956 года в Дартмуте ученые собрались на семинар, посвященный вопросам искусственного интеллекта (там и был сформулирован этот термин), а уже в следующем году появилась концепция первой искусственной нейросети — перцептрон. В 1960 году Фрэнк Розенблатт создал на основе этой концепции компьютер «Марк-1». Первый в мире нейрокомпьютер учили распознавать буквы латинского алфавита. Но несовершенство техники 60-х и сложность процессов не позволили довести технологию до ума, а ее разработчик вскоре погиб. О нейрокомпьютерах забыли на 20 лет.

Лишь в 1980-е концепции нейросетей снова принялись изучать всерьез. Техника уже была достаточно мощной, да и критиков поубавилось: умная электроника быстро делала успехи. То, что два десятилетия назад казалось мечтой, стало выглядеть вполне реальным и достижимым. Впрочем, чтобы найти правильные подходы к обучению нейросетей, потребовалось еще 20 лет. Только в середине 2000-х ученые нащупали верный путь и искусственные нейросети начали свое победное шествие по планете.

Но прежде чем описывать их успехи, разберемся, как устроены эти сети.

Описание искусственного нейрона

Искусственные нейронные сети создавались как математическая модель человеческого мозга. Для этого ученым Уоррену Мак-Каллоку и Уолтеру Питтсу пришлось выработать теорию деятельности человеческого мозга. 

В нем отдельные нейроны представляют собой живые клетки со сложным устройством. У каждого нейрона есть дендриты — разветвленные отростки, способные обмениваться сигналами с другими нейронами через синапсы, а также один аксон — более крупный отросток, отвечающий за передачу импульса от нейрона. Часть синапсов отвечает за возбуждение нейрона, часть — за торможение. От того, какие сигналы и через какие синаптические связи придут на «вход» нейрона, будут зависеть и те импульсы, которые он передаст другим нейронам. 

Для искусственного нейрона физический носитель не нужен. По большому счету, он представляет собой математическую функцию. Ее задача — получить информацию (например, сигналы от множества других искусственных нейронов), обработать ее определенным образом, а затем выдать результат на «аксон» — выход. В искусственной сети нейроны принято делить на три типа:

• входные — каждый из этих нейронов получает на «вход» элемент исходной информации (например, одну точку изображения, если сеть распознает фотографии);
• промежуточные — обрабатывают информацию;
• выходные — выдают результат (при распознавании фото результатом может быть идентификатор изображенного объекта).

Сама нейросеть создается слоями, как пирог. Один из внешних слоев содержит входные нейроны, другой — выходные, а между ними могут располагаться один или несколько промежуточных. Каждый нейрон промежуточной сети соединен с множеством нейронов из двух окружающих слоев. Общение между нейронами обеспечивается с помощью весов — числовых значений, которые каждый нейрон вычисляет на основе данных, полученных от предыдущего слоя сети. 

Создавая искусственные нейронные сети, ученые ориентировались на устройство человеческого мозга. Поэтому принципы поведения рукотворных нейронов не так уж сильно отличаются от настоящих, живых. Может быть, и разум, который сможет развиться на основе таких нейросетей, будет приближен к человеческому?

Здоровье / Медицина

• Abi — Ваш виртуальный помощник по здоровью.
• Ada — Может помочь, если вы плохо себя чувствуете.
• Airi — Персональный тренер здорового образа жизни.
• Alz.ai — Помогает заботиться о близких с болезнью Альцгеймера.
• Amélie — Чат-бот для общения на тему психического здоровья.
• Bitesnap — Распознавание еды по фотографии для подсчета количество калорий.
• doc.ai — Делает результаты анализов легче для понимания.
• Gyan — Помогает по симптомам понять вероятные заболевания.
• Joy — Помогает отслеживать и улучшать свое психическое здоровье.
• Kiwi — Помогает бросить курить.
• Tess by X2AI — Карманный терапевт.
• Sleep.ai — Диагностирует храп и стучание зубами.

Ощущения

Люди испытывают приятные и неприятные ощущения. Рассмотрим ощущение боли

Как ее можно описать? Боль это неприятное ощущение, если она присутствует, то мозг постоянно обращает на нее внимание. Обычно человек не может по желанию ощущать или не ощущать боль

При этом у людей неприятных ощущений несколько, например, есть еще страх.
Для произвольной информационной системы можно дать такое определение.
Ощущения — это процесс восприятия данных, которые поступают в информационную систему постоянно, требуют своей обработки, при этом система устроена так, что не может на них не реагировать. Восприятие — это то, как данные влияют на модель. Их наличие система может воспринимать как положительную или отрицательную обратную связь. Положительную связь она стремится увеличить, отрицательную уменьшить.
Любые сигналы с датчиков это ощущения.
Может ли искусственный интеллект испытывать боль?
Сначала заметим, что естественный интеллект испытывает несколько разных для него ощущений. Боль это просто название одного из них. Она сигнализирует о повреждениях. Таким образом, если некая информационная система с интеллектом получает ощущение с информацией о повреждениях, которое она определяет как неприятное для нее, стремится минимизировать его влияние и не может это сделать путем отключения, то это аналог боли. Именно аналог, мы можем лишь определять сходство, что «Ощущение 1» похоже на человеческую боль, а «Ощущение 2» на удовольствие от чего-либо. Главное здесь то, как реагирует сама система на эти данные. Как определить, что ИИ не врет? Проверить в отладчике.
Чем больше признаков, тем больше сходство, включая химические и электрические процессы. С большой вероятностью животные чувствуют ощущения, схожие с человеческими, так как реагируют аналогично человеку, тоже имеют нервные клетки, которые тоже состоят из органических соединений.
То есть, если мы сделаем информационную модель человека с точностью до атомов и электрических полей, а также окружающую его реальность, с которой он будет взаимодействовать, и смоделируем порез на пальце, то да, в этой реальности он будет испытывать боль. Если с помощью датчиков он будет взаимодействовать с нашей реальностью, то в нашей. Так как в плане обработки информации он ничем не будет отличаться от других людей.
Этично ли заставлять его чувствовать боль против его желания в какой-либо реальности? Думаю, нет. Это относится к любому другому существу и любому неприятному ощущению. Но так как это информационная модель, можно смоделировать другую реакцию или иной способ восприятия, и тогда уровень этичности будет другой.
Рассмотрим систему управления базами данных с мониторингом. Если происходит сбой, подсистема мониторинга начинает с некоторой периодичностью отправлять администратору уведомление с уровнем тревоги. Можно ли сказать, что такая система испытывает боль? Нет. Во-первых, у нее нет интеллекта, модель заложена в нее программистом, и там нет понятия, аналогичного боли. Во-вторых, хотя сигнал и оценивается как неприятный, у нее нет стремления его минимизировать. В общем-то даже наоборот, она сделана для того, чтобы предоставлять максимально точную модель того, что происходит с системой. Ее можно назвать аналогом нервных клеток, а не существа, которое их имеет.
Рассмотрим бота с ИИ в компьютерной игре. Игра для него это реальность, хоть и очень ограниченная. Для правильных действий необходима информация о повреждениях. Если бот получает ее по желанию — выполнял некоторые действия, обратил внимание на рану, начали поступать сигналы о повреждении, запомнил их параметры, отвлекся, перестали поступать — то это не аналог боли. Если бот воспринимает ее как дополнительную информацию, а не как негативное ощущение, уровень которого надо минимизировать, если она не влияет на действия, предпринимаемые для других целей (например, нет стремления отдернуть руку, если он получил удар по ране на руке), то тоже нет.

Искусственный интеллект идет в массы

Последнее исследование Gartner о развитии искусственного интеллекта свидетельствует о большом разнообразии применений ИИ на предприятиях. И это логично, учитывая, что по данным опросов, проводимых этой компанией, в 2019 г. доля организаций, внедривших ИИ, выросла по сравнению с прошлым годом с 4% до 14%. И, несмотря на относительную молодость рынка ИИ в целом, аналитики Gartner поместили сразу две технологии в секцию «плато продуктивности» — «распознавание речи» и «ускорители ИИ на основе графических процессоров» (последние подходят для создания систем искусственного интеллекта гораздо лучше, чем процессоры «общего назначения»).

Среди других применений ИИ, которым прочат скорый успех, — средства диалогового ИИ, чему способствует успех виртуальных ассистентов наподобие Amazon Alexa, Google Assistant и т.д. Появляется интерес к новым технологиям, таким как дополненный интеллект (augmented intelligence), «периферийный» ИИ (edge AI), популярность которого растет вместе с популярностью самих периферийных вычислений, автоматизированная разметка данных и «объяснимый» ИИ (система искусственного интеллекта, решения которой люди могут объяснить). А вот автономные транспортные средства, которые, как считаю многие, вот-вот появятся на дорогах, по мнению Gartner, «выедут» на плато продуктивности больше, чем через 10 лет.

Вперед по кривой, ведущей вниз

Как отмечают в Gartner, если искусственный интеллект, как общую концепцию, поместить на график цикла хайпа, сейчас он скатывался бы с «пика чрезмерных ожиданий». Другими словами, средства искусственного интеллекта начинают оправдывать ожидания и приносить реальные преимущества бизнесу. В частности, системы ИИ приходят на помощь во время пандемии: чатботы отвечают на лавину вопросов, связанных с заболеванием; системы компьютерного зрения помогают в соблюдении социальной дистанции, модели машинного обучения активно применяются для прогнозирования последствий различных вариантов перезапуска экономики в ряде стран.

На новой «кривой хайпа» Gartner, посвященной ИИ, появилось пять новых позиций. Это «малые данные» — данные, объем которых достаточно мал, чтобы в них мог разобраться человек; «генеративный ИИ» — программные системы, способные создавать новый контент на базе уже существующего; «составной ИИ» —системы машинного обучения, оптимизированные за счет применения комбинации лучших методов; «ответственный ИИ» — методы и средства, позволяющие обеспечить соблюдение этики и прозрачности при работе систем ИИ; «вещи как клиенты» — программные и аппаратные системы, способные самостоятельно выбирать товары и делать покупки.

Hype Cycle в области искусственного интеллекта

Однако господствуют, как и год назад, тенденции, связанные с демократизацией и индустриализацией искусственного интеллекта.

Интеллект

Естественный интеллект — это тоже информационная система. У него есть датчики, которые дают входящую информацию. На основе этой информации он строит модель того, что происходит вне этой информационной системы, и на основе модели принимает решения о действиях. Таким образом, мы можем дать определение того, что такое интеллект.
Интеллект — это способность информационной системы строить модель реальности на основе входящей информации.
Компьютерная программа это тоже информационная система. Обладает ли она интеллектом? Нет, потому что модель в программу закладывает программист. Рассмотрим например программу для разметки жесткого диска. Информация о возможных форматах, порядок выполнения команд, коды ответов — это все заложено в исходном коде. В программе есть модель жесткого диска, она обновляется при получении ответов на команды, но программа ее не строит, не может ее изменить.
Искусственный интеллект должен строить правильную модель реальности. В том числе, он должен правильно на нее реагировать. Как минимум так же, как человек. Во-первых, это обратная связь для нас, по которой мы можем прийти к выводу, что интеллект у системы есть. Это можно проверить в отладчике, но надо знать, что там должно быть. Во-вторых, потому что одна из целей это выполнение деятельности человека в некоторых задачах.
Все животные так или иначе реагируют на реальность. Поэтому в отношении них нельзя говорить о том, есть интеллект или нет интеллекта. Можно говорить о том, больше его или меньше, достаточно ли его для определенного вида задач, для построения определенных моделей.
У одноклеточных практически нет интеллекта, потому что нет элементов, которые хранят и обрабатывают информацию об окружающей среде. Есть только химические взаимодействия, которые позволяют им функционировать. Их тоже можно считать моделью, но не информационной, а аппаратной. Из-за небольших размеров и химических законов она не может быть сложной.
Также стоит отметить, что интеллект тесно связан с понятиями объекта и памяти. Объект — это нечто, что обладает состоянием и поведением, что мы определяем как одно и то же в разные моменты времени. Память нужна, чтобы хранить признаки объектов между этими моментами, здесь и начинается модель. Но объекты это тема отдельного разговора.

Перспективы развития искусственного интеллекта

Научные исследования ИИ ведутся более полувека, но до сих пор далеко не все понимают суть технологии. В фантастических романах и фильмах писатели и режиссеры изображают, каким опасным может быть искусственный интеллект. И у многих представление об искусственном разуме формируется именно таким.

Ответим рационально на вопросы, связанные с далекими перспективами развития ИИ.

Цель ИИ — поместить человеческий разум в компьютер?

Нет, это не так. Даже теоретически подобная ситуация не так уж невероятна. Искусственные нейросети создаются по образу человеческого мозга, хотя и в очень упрощенном виде. Может быть, однажды станет возможно просканировать все разделы мозга живого человека, составить «карту» его нейронов и синаптических связей и воспроизвести ее копию в компьютере. От такой скопированной нейросети можно ожидать не только разумного поведения — она буквально будет двойником человека, сможет осознавать себя, принимать решения и совершать поступки, как он. Скопируются даже воспоминания. Теоретически, можно будет поместить такую нейросеть в искусственное тело (в робота), и тогда человек — копия его сознания — сможет жить практически вечно.

На практике осуществить такой перенос будет невероятно сложно: нет технологий, которые позволили бы «прочитать» живой мозг и создать его «карту». И мы пока очень далеки от создания искусственной нейросети, которая была бы столь же мощной, как мозг.

ИИ стремится достичь человеческого уровня интеллекта?

Цель ИИ — помогать людям и брать на себя сложные или рутинные задачи. Для этого ему вовсе не обязательно поддерживать беседы на философские темы или сочинять поэмы. 

Тем не менее, если искусственный интеллект однажды сможет достичь уровня человеческого мышления, это будет важной вехой для цивилизации. Мы получим дельного и умного помощника — и сможем по праву гордиться тем, что это творение наших рук

Когда искусственный интеллект достигнет человеческого уровня?

Мы успешно создаем сравнительно небольшие нейросети, способные распознать голос или обработать изображение. Никакой ИИ пока не обладает такой же пластичностью, как наш мозг. 

Человек может сегодня заниматься музыкой, а завтра взяться за программирование на C++ — благодаря невероятной сложности мозга. В нем 86 миллиардов нейронов и бесчисленное количество синаптических связей между ними. 

Искусственным нейросетям пока далеко до этих показателей: у них от нескольких тысяч до миллионов нейронов. Есть технические ограничения на размеры нейросетей: даже суперкомпьютеры не «потянут» нейросеть, сопоставимую по масштабам с человеческим мозгом. Не говоря о том, что ее обучение будет нетривиальной задачей. 

Скорость компьютеров позволяет им обладать интеллектом?

«Мощность» интеллекта связана не со скоростью вычислений, а со сложностью нейронной сети. Человеческий мозг пока превосходит по мощности любую искусственную нейросеть, несмотря на то что скорость процессов в нем существенно ниже, чем в компьютерах. 

Искусственные нейронные сети состоят из отдельных нейронов, которые группируются в слои. Два внешних слоя служат «входом», на который подается исходная информация, и «выходом», с которого считывается результат. Между ними могут располагаться от одного до нескольких десятков, а то и сотен, промежуточных слоев из нейронов. Причем каждый нейрон в слое соединен с множеством других в предыдущем и следующем слоях. 

Чем сложнее устроена сеть, чем больше в ней слоев и нейронов, тем более масштабные и серьезные задачи она может выполнять. 

Может ли нейросеть развиваться естественным путем?

Разберемся, вероятно ли, что ИИ сможет получать опыт и обучаться естественно, как ребенок. Человеческий разум формируется под воздействием множества факторов. Мы получаем информацию о внешнем мире благодаря органам восприятия — наблюдая, осязая, пробуя на вкус. Взаимодействуя с окружающей средой, получаем жизненный опыт, знания о свойствах мира, социальные навыки. Наш мозг постоянно совершенствуется и физически меняется, наращивая новые синаптические связи и «прокачивая» существующие.

Если мы сумеем создать нейронную сеть, достаточно сложную, чтобы она могла развиваться подобным образом, и снабдим ее «органами чувств» — видеокамерой, микрофоном и подобным, — возможно, спустя время она сможет приобрести «жизненный опыт». Но это дело далекого будущего.

Amazon Alexa

Что: Голосовой ассистент, который интегрирован в аудиоустройства Amazon (Echo, Echo Dot, Tap), приставки Fire TV и скоро появится в других устройствах, таких как будильники и кормушки для питомцев.

Особенности: Может проигрывать музыку и читает новости с нескольких источников. Дает информацию о погоде, пробках и других параметрах. Поддерживается все большим числом устройств «умного дома». Позволяет заказывать товары из Amazon Prime и даже пиццу с помощью голоса. Может работать с любым сторонним приложением или сервисом благодаря открытому API.

Недостатки: Область применения ограничена домом, так как ассистент не может работать со смартфонами. Заставляет задуматься, есть ли в вашей жизни еще какой-то смысл помимо покупок в Amazon.

Уровень человечности: Умеет шутливо ответить на сложный вопрос, но быстро переводит все обратно в плоскость покупок. («Алекса, что мне делать со своей жизнью? —Вам нужно написать книгу. Когда закончите, сможете легко ее опубликовать с помощью Amazon Kindle Self-Publishing».)

Резюме: Apple и Google стоит с опаской относиться к Alexa, которая быстро привлекает интерес разработчиков и осваивает платформы вне системы Amazon

Тем не менее у компании больше нет собственной мобильной платформы, так что Siri и помощник от Google сохраняют свое преимущество на самом важном для большинства людей устройстве

Похожие записи:

Сравниваем и выбираем лучшие видеокарты для майнинга на 2021 год Palit geforce gtx 1660 Как и где можно выгодно обменять биткоин на рубли в россии Лучшие фильмы энтони хопкинса Как майнить криптовалюту на домашнем компьютере Свечной анализ на форекс