Computere har lært at tænke. Hvor fører det?
BESPAREREN ER KOM
Vidste du, at AI allerede har reddet livet for en kræftpasient i Japan? Specialister fra Tokyo Institute of Medical Research behandlede patienten for akut leukæmi. Kun terapien hjalp ikke. Hvad skal man gøre?
Og lægerne tog en chance - de bad om hjælp fra IBM Watson supercomputer. Resultaterne af undersøgelserne blev indlæst i den sjælløse maskine, og "start" -knappen blev trykket ned. Maskinen analyserede den medicinske historie for 20 millioner kræftpatienter, sammenlignede diagnoserne og gav resultatet: lægerne stillede den forkerte diagnose. Dette betyder, at kvinden ikke blev behandlet som den skulle. Ting blev bedre.
”For første gang i Japan kom kunstig intelligens godt med til at redde en patients liv,” indrømmede Arinobu Tojo, en specialist ved Tokyo Institute.
MASKINEN Tænker som en mand
Salgsfremmende video:
Det vage udtryk "kunstig intelligens" forstås nu i stigende grad som et kunstigt neuralt netværk (ANN). Det simulerer vores hjerne neuroners arbejde.
Sådanne maskiner behøver ikke konfigureres manuelt ved at indtaste millioner af parametre. Neuralnetværket lærer af sig selv! Hvordan? Det er fyldt med tusinder af eksempler på den rigtige løsning på problemet - jo mere, jo bedre. Desuden skal du stadig indstille netværksstrukturen.
Om nødvendigt vil INS lære at spille skak og vil smadre de bedste bedstemødre. Vil du begynde at skabe ikke værre end Pushkin. Kast bare et par bind Alexander Sergeevich ind i det, og nu "husker jeg et vidunderligt øjeblik …"
Vi er allerede faldet ind i disse netværk. Et talegenkendelsessystem i en smartphone, applikationer til fotobehandling, endda en vejrprognose - alt dette, uanset hvor du ser, er resultatet af et neuralt netværk.
Det er neurale netværk, der hjælper med at genkende en bil fra kameraoptegnelser på veje, til at identificere en person fra et fotografi. Og identificer om nødvendigt terroristen. Og neurale netværk vil også køre en bil og erstatte kirurgen ved operationsbordet …
VENTER PÅ NEURON ARMAGEDDON?
Mængden af digital information fordobles hver 18. måned. Ifølge it-specialister vil det inden 2020 nå 40 billioner gigabyte.
Og kun neurale netværk er i stand til at slibe sådanne datamængder, som selv supercomputere aldrig har drømt om. Vil sådanne smarte maskiner slave doven menneskehed?
De største sind - fysiker Stephen Hawking og Tesla-grundlægger Elon Musk - tilbyder forskere og programmører, før det er for sent, at definere grænsen, hvorudover neurale netværk ikke bør stikke næsen og forhindre maskiner i at klatre ind i disse områder. Ellers kan neurale netværk før eller senere beslutte, at mennesker er overflødige på denne planet.
HVORDAN GER VI?
Sætter kaos i orden …
”Vi bruger nu også aktivt og udvikler neurale netværk,” siger Vladislav Belyaev, vicechef for laboratoriet for neurale systemer og dyb læring ved MIPT. - Dette gøres ikke kun af store virksomheder - Yandex og Mail. Ru - men også af små virksomheder. For eksempel er DeepHackLab beskæftiget med samtalesystemer og intelligent opførselsmodellering. Fiztech, Skoltech, Moskva State University kan prale af vellykkede projekter …
- Men dette kræver kraftfulde supercomputere som IBM Watson …
- Vi har dem. Moskva statsuniversitet ejer landets mest magtfulde supercomputer, Lomonosov-2. Han er en af de tredive bedste computere i verden. MIPT og Advanced Research Foundation planlægger et projekt til at skabe kunstige neurale netværk.
- Vil neurale netværk hjælpe menneskeheden med ikke at drukne i denne enorme informationsstrøm?
- Jo da! Jo flere data til træning af et neuralt netværk, jo bedre er resultatet. Samtidig er neurale netværk i stand til at arbejde med både struktureret information og det, der er i en kaotisk form. Det vigtigste er at lære at indstille de rigtige opgaver, vælge data og opbygge neurale netværksarkitekturer.
- Hvad laver dit laboratorium?
- Laboratoriet ledes af kandidaten til fysiske og matematiske videnskaber Mikhail Burtsev. Vores mål er at udvikle algoritmer til tilbagevendende neurale netværk, dvs. hvor der er feedback. Vi bruger forskningsresultaterne til analyse af tekster og konstruktion af dialogsystemer.
UDSIGT FRA 6. GULV
Kun et halvt skridt tilbage
Alexander MILKUS, redaktør for Institut for Uddannelse og Videnskab
Stemmeassistenter - Siri fra Apple, Cortana fra Microsoft, Ok Google, ved du fra hvem og mange andre (der er mange af dem nu) er et klassisk eksempel på et neuralt netværk. Jo oftere du kommunikerer med din computerassistent, jo bedre forstår han din stemme, jo hurtigere finder han information og jo bredere er mulighederne for hans svar.
Ja, han forstår dig ikke altid præcist. Og han reagerer ikke altid tilstrækkeligt. Men løsningen på dette vigtigste problem i det 21. århundrede er helt klart ikke langt væk. Så snart computeren lærer ikke kun at svare på anmodninger i monosyllables, men at forstå nuancerne i menneskelig tale, vil vores verden vende på hovedet.