С 4 по 7 апреля в Сан-Хосе прошла конференция, организованная компанией NVIDIA, посвященная искусственному интеллекту и параллельным вычислениям. Потом я желал бы поделиться собственными мыслями о перспективах и состоянии разработок в области ИИ, навеянными этим мероприятием.
Смотрите кроме этого: ИИ Гугл сразится с мировым чемпионом по го

Победа программы AlphaGo, которую создала компания Гугл DeepMind, над чемпионом Европы по игре в го стала беспрецедентной. Сейчас же создатели поставили новую цель — с 9 по 15 марта марта в Сеуле будет проходить турнир по игре в го между AlphaGo и мировым чемпионом Лии Седолем. Призовой фонд — 1 миллион долларов.

 По словам директора DeepMind, прямая трансляция игрыбудет организована на видеохостинге YouTube.

Рассуждения об неестественном интеллекте возможно поделить на два типа. Первый тип – это беседы о том, что будет, в то время, когда покажутся мыслящие компьютеры и какова будет наряду с этим будущее людской вида. Исследуются вероятные варианты мыслящей машины и отношений человека. Затрагиваются темы бессмертия, связанного с вероятным переносом людской сознания в компьютерную оболочку.

Поднимается, пожалуй, основной вопрос – в случае если человек создаст разум намного превосходящий собственный личный, кто он будет наряду с этим разуме? Хозяин, раб, тупиковая ветвь эволюции либо участник симбиоза?Второй тип — это рассуждения о дорогах, каковые, по идее, должны привести к созданию полноценного ИИ и способах, каковые уже на данный момент, оказывают помощь, решать непростые интеллектуальные задачи.Основной водораздел проходит через «критерий разумности» автомобилей.

Это принято именовать делением ИИ на сильный и не сильный. Под не сильный ИИ понимается свойство компьютеров решать информационные задачи, к примеру, определять, что нарисовано на картине либо переводить звучание голоса в соответствующий текст. Сильный ИИ подразумевает, что компьютер не просто оперирует информацией, а, в той либо другой степени, понимает ее суть.

К примеру, в случае если компьютерный переводчик с одного языка на другой одни слова вторыми по заданным неизменным правилам, то это не сильный ИИ, в случае если же он исходит из понимания смысла фраз, то он уже ближе к сильному.Критерий сильного ИИ – это известный тест Тьюринга. В случае если при общении с компьютером при помощи неизвестного канала связи вы не сможете осознать кто на том финише провода, человек либо машина, то можно считать, что таковой компьютер-собеседник вправду мыслит.

Сущность этого теста в том, что какое количество не запоминай ответы, каковые дают люди на те либо иные вопросы и какое количество не накапливай фраз, уместных в определенные моменты, постоянно найдётся обстановка, в то время, когда «механический» ответ будет неосуществим.Недавний пример «неудачи в прохождении теста» — чат-бот от Микрософт Тэй(Tay). Пообщаться с ним возможно было через Twitter либо мессенджеры Kik и GroupMe.

Уже через сутки общения с пользователями чат-бот стал агрессивен, начал хвалить Гитлера и ругать иудеев.Обстоятельство для того чтобы поведения вовсе не в том, что говорившие с ним люди «открыли ему глаза на судьбу». Обстоятельство – до тех пор пока еще неумение автомобилей приблизится к пониманию смысла фраз. В то время, когда в памяти чат-бота имеется что-то похожее на текущую беседу, он может воспользоваться теми фразами, что говорили люди в аналогичных обстановках, в надежде взять что-то разумное.

Либо же робот может постараться выяснить тему беседы, к примеру, по тому как употребляемые собеседником слова и формулировки рекомендуют той либо другой тематике. Выяснив тему беседы, он может пробовать подбирать фразы из бесед с подобной темой либо применять заложенные в него либо почерпнутые из интернета знания в данной области. Такая стратегия разрешает создать видимость разумной беседы, но лишь видимость. Не смотря на то, что, быть может, и это хорошо.

Время от времени в компании по окончании пятой-шестой наступает время, в то время, когда для общения вовсе не обязательно пристально слушать собеседника и в случае если сейчас кого-нибудь заменить на чат-бота, то, быть может, это далеко не сходу увидят.Существенно лучше, чем беседы на вольную тему, у компьютеров получается осознавать команды и формализованные запросы. В случае если машина ожидает в полной мере определенного обращения, то задача очень сильно упрощается.

По этому принципу удачно трудятся и «Siri», и «Ok, Гугл».На конференции было большое количество активности посвященной суперкомпьютеру IBM Watson. Главная мысль Ватсона – осознавать беседу на естественном языке, переводить ее в понятное компьютеру описание, применять базы знаний в разных областях для поиска адекватных ответов.В феврале 2011 года Ватсон победил в телепередаче Jeopardy! (российский аналог — «Собственная игра»).

Причем обыграл он не просто соперников, а двух рекордсменов, Брэда Раттера — обладателя самого громадного выигрыша в программе, и Кена Дженнингса — рекордсмена по длительности беспроигрышной серии. Компьютер получил приз в 1 миллионов долларов. В NVIDIA на тему выигрыша пошутили, что они не знают, что компьютер будет делать с миллионом, но с позиций способа обучения с подкреплением нужно заявить, что это хорошее подкрепление.

Очень отмечалось, что Ватсон был на равных с игроками в том смысле, что не был подключен к интернету. В память Ватсона «целый интернет» был закачан заблаговременно, по крайней мере его значимая часть размеров в 4 терабайта. Для структурированных данных это достаточно большое количество, достаточно учесть, что вся Википедия занимает 17 гигабайт.Самым ответственным в игре было то, что вопросы задавались без какого-либо дополнительных уточнений и упрощения.

Это указывает, что компьютер вправду смог во многих случаях верно выяснить, что именно от него требовалось и отыскать это в собственной базе знаний. Но вправду ли Ватсон понимал суть задаваемых вопросов? Нет, не осознавал, по крайней мере, не так, как понимает их человек.

В чем была сущность поединка? Люди осознавали любой заданный вопрос, но не всегда могли отыскать ответ в собственной памяти. Компьютер не осознавал смысла вопросов, но, применяя методы, переводил их в некую поисковую форму, по которой обнаружил достаточно правильное соответствие в собственной структурированной памяти.

Победа Ватсона продемонстрировала, что метод плюс хорошая память смогут дать больший процент верных ответов, чем плохая память и понимание. Если бы людям дали выход в интернет и не ставили твёрдых временных рамок, то итог игры был бы другой.IBM Watson до тех пор пока нельзя отнести к сильному ИИ, но это не умаляет его преимуществ.

Основная неприятность, которая связана с пониманием естественного языка – это множественность трактовок, которая может появляться у одного и того же слова в зависимости от контекста фразы. Но в случае если беседа переходит в более особую область, то выясняется, что многие области определяют фактически единственно вероятные трактовки. И сейчас успешность работы компьютера существенно возрастает. Осознавая это, разработчики Ватсона сделали выговор на отдельные темы.

К примеру, пожалуй, самый громадный прорыв суперкомпьютера от IBM связан с медицинской диагностикой. Беседа на медицинскую тему на естественном языке дается Ватсону достаточно легко, поскольку все сообщённое трактуется только в медицинском смысле. Имея в памяти огромные базы историй заболевания, курсов и диагнозов лечения, компьютер был способен продемонстрировать себя на уровне хороших докторов, а в некоторых областях, к примеру, в онкологии на уровне хороших.

Это не означает, что сейчас стоит проигнорировать живых докторов, скорее это стоит осознавать так, что доктора взяли полезную возможность проверить собственные выводы либо взять дополнительные идеи, проконсультировавшись с Ватсоном. Приведу байку в тему.Москва. Середина восьмидесятых.Врачебная конференция, посвященная применению в медицине ЭВМ.

Все собравшиеся сошлись во мнении, что в недалеком будущем ЭВМ заменят докторов… Будут ставить заключения, а людям останутся лишь процедурные мероприятия.И вот в самом финише конференции пожелал выступить весьма пожилой доктор, более того – практик и академик. Под громкие аплодисменты он еле вышел к трибуне… Партийные элементы, присутствующие на мероприятии посчитали, что помощь аналогичной инновации со стороны глубокоуважаемого доктора будет хорошим знаком… Вышел он и говорит: «В начале двадцатых годов к моему преподавателю привели на осмотр жену одного ооочень серьёзного наркома партии.

Это был сверхсложный случай, восемь прошлых докторов не смогли поставить диагноз больной. Моему преподавателю хватило одного взора на эту даму, он сходу назначил анализ на реакцию Васермана. Так вот сообщите мне, дорогие сотрудники, какой ЭВМ сможет мгновенно поставить диагноз сифилис только лишь по одному бл*дскому виду пациентки?» Возвращаясь к Ватсону.

IBM отправилась по пути создания открытого API, в то время, когда любой желающий может применять знания Ватсона и интерфейс естественного языка для интеграции в собственный бизнес. IBM пробует создать множество когнитивных сервисов таких как: распознавание изображений и речи, сервис классификации запросов на естественном языке, перевод на другой язык, определение эмоциональной окрашенности текстов и речи и т.п.

В возможности они видят, что многие компании смогут перевести солидную часть голосовой помощи клиентов на технологии Ватсона, а это сулит большую экономию. Меньше, многие индусы из call-центров смогут остаться без работы.Мысль, что ИИ начинает трудиться существенно лучше, в то время, когда удается перейти к особой задаче, сужающей пространство трактовок, применима не только к анализу естественного языка, но и, к примеру, к анализу изображений.

В принципе, на этом и строятся совокупности управления автомобилем без водителя. В то время, когда совокупности неестественного зрения показывают картину, и она определяет, что на данной картине, то определение происходит с некоей возможностью. И про собаку с тигровой накидкой совокупность может заявить, что это тигр. На дороге все несложнее, число объектов, каковые смогут встретиться не громадно, соответственно и выбор, и трактовки очень сильно ограничены: пешеход, машина, автобус, дорожный символ, разметка, но не тигр, не кит и не свадебный торт.Беспилотное управление автомобилем применяет множество разработок, вот часть из них:

• Распознавание образов, оно несёт ответственность за узнавание разных объектов на дороге;
• Обработка серии изображений со смещением, она разрешает выделить отдельные объекты на фоне вторых;
• Стереоскопическая обработка изображений, разрешает выстроить карту расстояний и глубины;
• Применение лидара, дополняет построение карты расстояний либо разрешает выстроить ее с нуля, к примеру, в полной темноте. Пару дней назад этим отличился Ford;
• Обучение с подкреплением, снабжает обучение правилам и вождению перемещения.

В холе конференции находились три беспилотных автомобиля от Audi, Volvo и BMW. У всех них и не только них управление выстроено на ответе NVIDIA DRIVE. Само ответ складывается из трех компонент:

• NVIDIA DRIVE PX – платформа автопилотирования;
• NVIDIA DRIVE CX – бортовой компьютер с совокупностью навигации, в случае если PX знает как ехать, то CX знает куда ехать и как наряду с этим развлечь пассажира;
• NVIDIA DIGITS DEV BOX – совокупность глубокого обучения, которая разрешает обучать нейронные сети для PX.

Автоматическое вождение создаёт яркое впечатление. ИИ во всей собственной красе. Мне особенно понравился ролик, что продемонстрировала Toyota о том, как самообучался вождению их беспилотный автомобиль. Сперва он как слепой котенок тыркался во все стороны и всегда тормозил, позже передвигался все увереннее и, наконец, через 3000 миль пробега стал в полной мере с уверенностью бегать по любым дорогам.Toyota на конференции была представлена через Toyota Research Institute.

CEO университета Gill Pratt озвучил, что автопроизводитель собирается положить 1 миллиард долларов в течении ближайших пяти лет в изучения, которые связаны с ИИ. Занимателен сам подход Toyota. Они говорят, что не вычисляют полный автопилот главным приоритетом. на данный момент автопилот, реализованный, к примеру, в Tesla, требует режима «руки на руле». Другими словами он может вести машину, но требует постоянного контроля со стороны водителя.

Таковой режим скорее напрягает, чем додаёт наслаждения от поездки. Toyota делает упор на совокупности помощи водителю, другими словами автопилот не вмешивается в управление до тех пор пока все идет нормально, но в случае если обстановка выходит из-под контроля, то автопилот берет все в собственные руки и выручает положение. Мало у кого из водителей имеется опыт вождения в экстремальных обстановках, простое вождение имеет мало неспециализированного с тем, что нужно делать в критической обстановке.

Автопилот же именно возможно отлично научен как раз для таких случаев. 1 200 000 смертей на дорогах каждый год – такая статистика по нашем планете. Как вычисляет Toyota их совокупность разрешит снизить эту цифру фактически до нуля. Как сообщил Gill Pratt (привожу по памяти): «востребованность отечественной совокупности нужно вычислять не по машинам, потребители, кому она нужна позарез – это 1 200 000 человек в год».Но автопилот, как бы страно не смотрелся автомобиль, едущий без водителя, — это не сильный ИИ.

До тех пор пока – это комплект хороших алгоритмов и методов. Быть может, что для данной задачи большего и не нужно.Многие задачи, подобные беспилотному вождению, возможно удачно решать и без применения сильного ИИ.

Нейронные сети с глубинным обучением (либо глубоким обучением, в случае если таковой перевод Deep learning вам больше нравится) достаточно прекрасно подходят в том месте, где “программирование в лоб” входит в тупик и выясняется, что намного проще “скормить” нейронной сети громадный массив обучающих примеров и тем самым научить ее верной классификации, чем пробовать самому обрисовать все закономерности и реакцию на них.Но чудес не бывает, простота получения результата компенсируется сложностью обучения. Тренировки нейронных сетей, складывающихся из солидного числа элементов, на огромном числе примеров требуют большого количества вычислений.

Классические CPU выясняются через чур медленны для таких расчетов. Единственное спасение — это массивное распараллеливание вычислений, благо как раз нейронные сети отлично этому поддаются. GPU, каковые изначально создавались для создания графической картины фактически идеально подошли для таких целей.

Востребованность на рынке нейронных сетей вынудила производителей GPU учесть особенности для того чтобы применения в архитектуре железа и побудила их к созданию соответствующего ПО, облегчающего жизнь разработчиков. На конференции NVIDIA, как главный производитель GPU, попыталась убедить всех, что ими создан полный стек нужного ПО, предусматривающий сопровождение всех этапов разработки нейронных сетей.Как я уже писал, на конференции NVIDIA презентовала прорыв в области обучения глубинных нейронных сетей – суперкомпьютер DGX-1.

Прорыв – это 12 кратное увеличение производительности на задачах обучения если сравнивать с предшественниками.Соответственно, экосистема включает в себя не только железо, но и полный комплект программ, оптимизированных для глубокого обучения (https://developer.nvidia.com/deep-learning#source=pr).В комплект ПО DGX-1 входит NVIDIA Deep Learning GPU Training System (DIGITS), полноценная интерактивная совокупность для глубоких нейронных сетей (DNN), и GPU-ускоряемая библиотека примитивов для DNN — NVIDIA CUDA Deep Neural Network (cuDNN) версии 5.Кроме этого, совокупность содержит оптимизированные предположения нескольких обширно применяемых фреймворков глубокого обучения— Caffe, Theano и Torch. DGX-1 дополнительно предоставляет доступ к облачным инструментам управления, обновлениям ПО и банку приложений-контейнеров».По большому счету же, NVIDIA на конференции всеми силами старалась разрешила понять, что они уже давно не просто производитель специальных чипов, а компания, которая имеет видение разработок в целом и предлагает комплексные ответы, в которых железо – это лишь одна и не факт, что самая основная составляющая.Меньше ИИ шагает семимильными шагами.

Но пока все это не сильный ИИ. Термин не сильный не следует принимать, как негативную оценку. Это легко уточнение применяемых разработок.

Как далеки мы от сильной ИИ легко делать выводы по совокупностям компьютерного перевода. До тех пор пока переводится технический либо другой прекрасно трактуемый текст, машинный переводчик на высоте. Но стоит дать пример, что требует понимания смысла фразы, как верный перевод делается делом случая и никакие статистические способы положение не выручают.Deep Blue от IBM во второй половине 90-ых годов двадцатого века победил матч по шахматам из 6 партий у мирового чемпиона Гарри Каспарова.

Сравнительно не так давно совокупность AlphaGo от гугл победила сильнейшего в мире игрока Го. Как это говорит о приближении эры сильного ИИ? Громадный ход для одного робота, но малое продвижение для человечества. Мы видим хорошую работу способов обучения с подкреплением, но с одним значительным «но». Дело в том, что и шахматы и Го разрешают достаточно легко и совершенно верно обрисовать позицию.

Стратегия поведения строится из понимания того, что позиция нам в той либо другой мере знакома и мы можем применять ранее приобретённый опыт для принятия ответов. Дабы не просчитывать все варианты до конца вводится оценка качества обстановки, которая разрешает оценить позицию без просчета вариантов вероятных продолжений. В обоих обстановках оказывается, что самое основное – это суметь из формального описания позиции взять все смысловые элементы, воздействующие на ее оценку.

Для шахмат и Го это не смотря на то, что и не просто, но оказалось. В жизни все существенно сложнее. Внешнее «сырое» описание происходящего не хорошо оказывает помощь в оценке стратегии качества и определении поведения обстановки. Запрещено делать выводы о сходстве обстановок по совпадению части показателей. Требуется познание смысла происходящего. Каждая малый подробность может оказаться критической для определения того, что происходит.

Так, google-мобиль будет и дальше ехать по дороге в случае если нет препятствий, не нарушаются правила перемещения и выдерживается маршрут. И его не смутят ни ядерный гриб на горизонте, ни толпы зомби, жадно стоящих на обочине.Создание сильного ИИ напрямую связано не просто с умением алгоритмически (классическими способами) оперировать с информацией, а с возможностью понимать ее суть.

Задача эта думается непростой, тем более, что она напрямую связана с пониманием работы мозга, поскольку данный механизм совершенно верно может трудиться со смыслом. Не так долго осталось ждать ли покажется сильный ИИ? Быть может, что весьма не так долго осталось ждать. В следующий статье я обрисую разработки отечественной группы довольно математической формализации понятия суть и построении основанной на этом модели, которая претендует на весьма хорошее описание работы мозга, а дабы это было убедительно покажу хорошо трудящийся пример.

Так что, быть может, не так долго осталось ждать в магазине вы услышите таковой диалог:Продавец: Это новинка, мозговой имплантант, снимает половину умственной нагрузки.Клиент: Превосходно! Реализуйте мне парочку.

Случайная статья:

• Сколько стоит доступ к частной жизни?
• Dassault systemes оцифрует сингапур во всех деталях

WHAT IF artificial intelligence TAKE OVER the world

Похожие статьи:

• Искусственный интеллект samsung bixby в galaxy s8 покажет, что siri — это вчерашний день

  Близится дата выхода Samsung Galaxy S8. Последние известия уже пестрят сообщениями о нюансах будущего флагмана южнокорейского производителя. И кое-какие…

• Nvidia представила новую архитектуру pascal, ориентированную на искусственный интеллект

  Прямо на данный момент в Силиконовой равнине проходит GPU Technology Conference. Это наиболее значимое событие для всех тех, кто занимается разработками…

• Разработчик искусственного интеллекта — работа мечты

  На фоне упадка низко-квалифицированного труда, связанного с повсеместной автоматизацией, риском и роботизацией утраты рабочих мест уже в скором времени,…