Механическое удерживание земляных масс: Механическое удерживание земляных масс на склоне обеспечивают контрфорсными сооружениями различных конструкций...
Семя – орган полового размножения и расселения растений: наружи у семян имеется плотный покров – кожура...
Топ:
Техника безопасности при работе на пароконвектомате: К обслуживанию пароконвектомата допускаются лица, прошедшие технический минимум по эксплуатации оборудования...
История развития методов оптимизации: теорема Куна-Таккера, метод Лагранжа, роль выпуклости в оптимизации...
Интересное:
Как мы говорим и как мы слушаем: общение можно сравнить с огромным зонтиком, под которым скрыто все...
Что нужно делать при лейкемии: Прежде всего, необходимо выяснить, не страдаете ли вы каким-либо душевным недугом...
Уполаживание и террасирование склонов: Если глубина оврага более 5 м необходимо устройство берм. Варианты использования оврагов для градостроительных целей...
Дисциплины:
2020-04-03 | 360 |
5.00
из
|
Заказать работу |
|
|
До чего дошел прогресс — труд физический исчез, Да и умственный заменит механический процесс. Позабыты хлопоты, остановлен бег, Вкалывают роботы, а не человек.
Ю. Энтин. Из к/ф «Приключения Электроника»
Идея искусственного интеллекта давно занимала людей. Гефест создавал роботов- андроидов, как для себя в качестве помощников, так и по заказу; например, построенного Гефестом гигантского человекоподобного робота Талоса Зевс позже подарил царю Миносу для охраны Крита.
Уже в греческих мифах искусственный интеллект мог решать задачи, звучащие вполне современно: Талое трижды в день обегал весь остров, автоматически распознавал среди прибывающих кораблей недружелюбные и бросал в них огромные камни. Примерно тогда же Афродита оживила Галатею, созданную Пигмалионом из мрамора, а еще раньше Иегова и Аллах вдохнули жизнь, самосознание и изрядные когнитивные способности в куски глины.
В иудейской традиции, кстати, особо мудрые раввины могли и сами создавать големов — великанов, которых сначала нужно было построить в виде статуи из глины и крови, а затем оживить подходящим артефактом или заклинанием. Големы могли выполнять команды своего создателя, то есть умели распознавать речь и обрабатывать естественный язык. Но синтезировать речь не получалось: если бы голем мог разговаривать самостоятельно, это значило бы, что у него появилась душа, а душу не может вложить даже самый мудрый раввин, — это прерогатива Господа. Поэтому, когда известный алхимик Альберт Великий изготовил искусственную говорящую голову, он очень расстроил своего учителя Фому Аквинского, который, видимо, по этому вопросу был согласен с иудейскими источниками.
|
Искусственный интеллект давно применялся и к играм: шахматный автомат «Турок» обыграл даже самого Наполеона I; впрочем, здесь быстро выяснилось, что искусственный интеллект не такой уж искусственный...[4] А в наше просвещенное время он стал важной литературной темой практически одновременно с появлением научной фантастики как таковой: начиная с доктора Франкенштейна, идея создания тех или иных мыслящих существ в литературе появляется постоянно.
Считается, что искусственный интеллект как наука начался с теста Тьюринга. Формулировка теста впервые появилась в знаменитой статье Computing Machinery and Intelligence, которую Алан Тьюринг1 выпустил в 1950 году [543]. Впрочем, стоит отметить, что возможность создания «мыслящих машин» и наличия интеллекта у компьютеров обсуждалась и самим Тьюрингом, и его коллегами к тому времени уже как минимум лет десять; это была частая тема для дискуссий в английском Ratio Club, к которому принадлежал и Алан. Наверное, многие читатели слышали основную канву теста Тьюринга: чтобы пройти тест, компьютер должен успешно выдать себя за человека в письменном диалоге между судьей, человеком и компьютером. Иначе говоря, человекоподобных андроидов строить не нужно, но компьютер должен стать неотличим от человека во владении естественным языком.
Любопытно, что исходная формулировка теста Тьюринга была несколько тоньше и интереснее. Действительно, очевидно, что этот тест задуман крайне несправедливо по отношению к несчастным компьютерным программам. Если представить себе «обратный тест Тьюринга», в котором человек попробовал бы выдать себя за компьютер, он мгновенно был бы раскрыт вопросом вроде «Сколько будет 7233/271?». Тьюринг понимал, что человеку в предложенной им схеме достаточно просто быть собой, а компьютеру надо выдавать себя за кого-то другого. Поэтому исходная формулировка была основана на популярной тогда имитационной игре[5] [6], в которой мужчина и женщина письменно общаются с судьей. Задача мужчины — выдать себя за женщину, задача женщины — помочь судье правильно разобраться, кто есть кто..Тьюринг предложил сравнивать в этой игре результаты компьютера и живых мужчин: тогда обе стороны вынуждены будут имитировать кого-то третьего. Сам Тьюринг считал, что к 2000 году компьютеры с гигабайтом памяти смогут играть в имитационную игру так, чтобы убеждать человека в 30 % случаев (наилучшим результатом было бы 50 %, то есть в идеале решения судьи были бы неотличимы от бросания честной монетки).
|
Тест Тьюринга помогает понять, сколько всего нужно сделать, чтобы суметь сконструировать искусственный интеллект: здесь и обработка естественного языка, и представление знаний, и умение делать выводы из полученных знаний, в том числе и обучение на опыте. Однако тест Тьюринга сейчас практически не считается истинным тестом на то, являются ли машины мыслящими. Буквальная формулировка теста породила в наше время достаточно широко известную, но на самом деле не слишком научную деятельность по созданию так называемых чатботов, нацеленных на поддержание разговора с человеком[7]. Одним из первых и • - самых известных таких ботов была ELIZA [563], которая еще в 60-е годы XX -века могла вести беседу в стиле классического психоаналитика. А в 2014 году появилось (достаточно спорное) сообщение о том, что тест Тьюринга успешно прошел.«Женя Густман» (Eugene Goostman), чатбот, созданный тремя русскоязычными программистами. «Женя» представляется собеседникам 13-летним мальчиком из Одессы, и люди часто списывают на это ошибки в английском языке, недопонимания и недостаток знаний. Но чатботы никогда даже не претендовали на то, чтобы «действительно понимать» человеческий язык со всеми контекстами.
А в философском контексте это смыкается с известной конструкцией так называемой китайской комнаты Джона Сёрля [477]: представьте себе комнату, полную бумажек со странными символами. На ее стенах записан очень сложный алгоритм перекладывания бумажек, и находящийся в комнате человек перекладывает бумажки согласно этому алгоритму. Оказывается, что алгоритм, к примеру, поддерживает беседу на китайском языке, получая на вход реплики и выдавая ответы на них. Но человек не знает китайского и не понимает входов и выходов, он просто перекладывает бумажки. Кто или что «знает китайский» в этом примере? Можно ли сказать, что комната с бумажками начала «обладать сознанием»?..
|
Но тест Тьюринга — это только одна из идей постановки конкретной задачи. А вот с самой наукой об искусственном интеллекте произошел достаточно редкий случай: мы, пожалуй, можем проследить точное время и место рождения этой области. В 1956 году четыре отца-основателя искусственного интеллекта — Джон Маккарти (John McCarthy), Марвин Минский (Marvin Minsky), Натаниэль Рочестер (Nathaniel Rochester) и Клод Шеннон (Claude Shannon) — организовали Дартмутский семинар, знаменитую летнюю школу в Дартмуте. Заявка на проведение этого семинара была, пожалуй, самой амбициозной грантозаявкой в истории информатики. Вот посмотрите, что писал там Джон Маккарти [431]: «Мы предлагаем исследование искусственного интеллекта сроком на два месяца с участием - десяти человек летом 1956 года в Дартмутском колледже, Гановер, Нью-Гемпшир. Исследование основано на предположении, что всякий аспект обучения или любое другое свойство интеллекта может в принципе быть столь точно описано, что машина сможет его имитировать. Мы попытаемся понять, как обучить машины использовать естественные языки, формировать абстракции и концепции, решать задачи, сейчас подвластные только людям, и улучшать самих себя. Мы считаем, что существенное продвижение в одной ' или более из этих проблем вполне возможно, если специально подобранная группа ученых будет работать над этим в течение лета».
Впечатляет, правда? Не зря 50-е годы XX века — это золотой век классической научной фантастики, когда свои лучшие произведения создавали- Айзек Азимов, Рэй Брэдбери, Артур Кларк, Роберт Хайнлайн и многие другие. К этому времени относятся и знаменитые три закона робототехники Айзека Азимова, которые сами по себе звучат очень нечетко и противоречиво; понять и принять их к исполнению, пожалуй, даже сложнее, чем пройти тест Тьюринга (многие книги Азимова о роботах как раз на таких внутренних противоречиях и нечеткостях и основаны). Самое удивительное в этой истории состоит в том, что заявка все-таки была удовлетворена, Дартмутский семинар был проведен, а тот факт, что заявленных целей за эти два месяца достичь не удалось, не послужил основой для немедленных оргвыводов и не поставил крест на всем искусственном интеллекте.
|
Началось все с исследований, которые продолжали начатую логиками тему автоматического логического вывода (automated theorem proving). Первые программы, создававшиеся как шаги на пути к искусственному интеллекту, пытались строить выводы в заданных исследователями формальных системах. Например, появившаяся в 1959 году программа с амбициозным названием «Универсальный решатель задач» (General Problem Solver, G.P.S.) [392] могла строить вывод в системах, заданных логическими формулами определенного вида*. Другие программы того времени пытались оперировать более ограниченными предметными областями, так называемыми микромирами (microworlds): решать словесные алгебраические задачи (те, где из бассейна вытекают навстречу друг другу два поезда со скоростью 40 км/ч каждый), переставлять геометрические фигуры в трехмерном пространстве и т. д. Вся эта наука тогда обычно называлась кибернетикой вслед за книгой Норберта Винера «Кибернетика, или Управление и связь в животном и машине» [568].[8] [9]
Тогда же, во второй половине 1950-х и начале 1960-х годов, появились и самообучающиеся машины, в частности перцептрон Розенблатта, о котором мы будем много говорить в главе 3. Они тут же получили широкую огласку, и людям начало казаться, что до реализации законов робототехники уже рукой подать. Но такие авансы искусственный интеллект тогда оправдать не мог. В разделе 3.2 мы еще поговорим о том, как началась первая «зима искусственного интеллекта». Одной из причин стал полный провал большого проекта по машинному переводу, который адекватно сделать в те годы было невозможно, а другой — появившееся понимание того, что одним перцептроном много не сделать.
Поэтому 1970-е годы стали временем расцвета систем, основанных на знаниях (knowledge-based systems), которые до сих пор являются важной частью науки об экспертных системах. Суть здесь состоит в том, чтобы накопить достаточно большой набор правил и знаний о предметной области, а затем делать выводы. Одним из самых ярких примеров таких проектов стала система MY CIN, посвященная идентификации бактерий, вызывающих серьезные инфекции, а затем рекомендующая антибиотики [65, 494]. В ней было около 600 правил, и ее результаты (она выдавала подходящий метод лечения в 69 % случаев) были не хуже, чем у опытных врачей, и существенно лучше, чем у начинающих. Более того, такие системы могли объяснить, как именно они пришли к тому или иному решению, и оценить свою уверенность в этой гипотезе. Позднее они стали прообразами графических вероятностных моделей.
|
Затем исследователи снова вспомнили о нейронных сетях: к началу 1980-х годов был разработан алгоритм обратного распространения ошибки (его мы подробно обсудим в главе 2), что открыло дорогу самым разнообразным архитектурам. Одним из ключевых понятий 1980-х годов был коннекционизм (connectionism): пришедшая из когнитивных наук идея о том, что нужно не пытаться задавать аксиоматические формальные системы для последующих рассуждений в них, а строить большие ансамбли параллельно работающих нейронов, которые, подобно человеческому мозгу, как-нибудь сами разберутся, что им делать. К концу восьмидесятых уже появилась большая часть основных архитектур, о которых мы будем говорить в этой книге: сверточные сети, автокодировщики, рекуррентные сети...
А в целом в искусственном интеллекте начались первые коммерческие применения. Рассказывают, что один из первых AI-отделов, появившийся в компании DEC (Digital Equipment Corporation), к 1986 году экономил компании около 10 миллионов долларов в год, очень серьезную по тем временам сумму. Однако и здесь исследователи и особенно «стартаперы» восьмидесятых не удержались. На волне всеобщего увлечения искусственным интеллектом многие компании снова начали направо и налево раздавать обещания. Поэтому вторая волна увлечения искусственным интеллектом закончилась в начале девяностых, когда многие компании не смогли оправдать завышенных ожиданий и лопнули1.
В 1990-е годы основной акцент сместился на машинное обучение и поиск закономерностей в данных, причем нейронные сети, как мы уже упоминали выше, не
1 Вероятно, именно с тех пор словосочетание «искусственный интеллект», по крайней мере в российской науке, пользуется не слишком доброй славой; многие математики недовольно поморщатся, если услышат, что вы занимаетесь искусственным интеллектом. Так что советуем этого словосочетания не употреблять, а говорить «машинное обучение»: так и точнее, и безопаснее.
считались особенно перспективными. Зато самих данных, особенно с развитием Интернета, становилось все больше, компьютеры становились все быстрее. В итоге в середине 2000-х годов очередная новая идея наконец-то сработала, к ней быстро подтянулись другие, и все, как говорится, заверте. Этому посвящена вся наша книга, так что не станем пытаться вкратце повторить всю историю сейчас.
Но что же все-таки с искусственным интеллектом? Как сейчас поживает извечная мечта человечества? Конечно, сейчас уже никто не обещает, что мы вот-вот построим искусственный интеллект, и изящные андроиды вот-вот будут приносить нам кофе, отвечать на звонки, выносить мусор и выполнять все прочие, менее невинные команды.
Однако современные исследователи и футурологи, совсем как в 1960-е годы, снова весьма оптимистично настроены по поводу искусственного интеллекта. Заметная часть специалистов считает, что сильный искусственный интеллект (strong AI, то есть искусственный интеллект человеческого уровня или выше) вполне может быть создан еще при нашей жизни [330]. И это приводит к куда менее оптимистичным рассуждениям о том, чем нам, людям, грозит такое развитие событий.
Нет, речь не идет о том, что искусственный интеллект заменит людей и приведет к тому, что нам с вами нечего будет делать и придется всю жизнь бесцельно сибаритствовать или искать новый, непродуктивный смысл жизни: этот сценарий звучит явно недостаточно катастрофически. Скорее речь идет о том, что улучшающий себя искусственный интеллект, чью цель опрометчиво определили как производство канцелярских скрепок, может для достижения этой цели ненавязчиво захватить власть над планетой и превратить ее целиком в фабрики по производству скрепок и космических кораблей, предназначенных для превращения в скрепки остатка видимой Вселенной... В общем, очень интересные рассуждения. Основные источники на эту тему принадлежат перу шведского философа Ника Бострома (Nick Bostrom), автора известной книги «Искусственный интеллект: этапы, угрозы, стратегии» [52], и американского исследователя искусственного интеллекта (не в математическом, а скорее в философском смысле) Элиэзера Юд- ковскою (Eliezer S. Yudkowsky), одного из сооснователей Института исследований машинного интеллекта (Machine Intelligence Research Institute, MIRI), автора ряда книг и обзоров об угрозах искусственного интеллекта [53, 206, 573, 579], а также обширного и очень интересного популярного изложения принципов рационального мышления [531] Ч.
Но это пока дело будущего. А сейчас пора переходить к настоящему: к тому, чем сегодня занимается машинное обучение, какие задачи перед собой ставит и какие методы использует. Начнем с очень краткого обзора всей области в целом.
1 Впрочем, ^^(^ли^вI xoтвххiИоочIтгaьа 0тжmвuтeиънo пoп yляpнoeнпиoжвнрeгаов глох не
проходите мимо книга Элиэзера Юдкпсскпгп «Гарро Ппооер а принципы рационального мышления» (Harry Pottnr and tCn Methods of Rationality) [580J. Это, конечно, не высокая литература, но идеи изложены очень захватывающе.
1.3. Немного о словах:
|
|
История развития пистолетов-пулеметов: Предпосылкой для возникновения пистолетов-пулеметов послужила давняя тенденция тяготения винтовок...
Архитектура электронного правительства: Единая архитектура – это методологический подход при создании системы управления государства, который строится...
Своеобразие русской архитектуры: Основной материал – дерево – быстрота постройки, но недолговечность и необходимость деления...
Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...
© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!