Проблема создания искусственного интеллекта должна была быть решена уже десятилетия назад. Однако, несмотря на все последние достижения, мы не видим существенного прогресса в этой области.
Вместо искусственного интеллекта пришла технология нейросетей, функции которых начали приравнивать к ИИ.
Нейросети хорошо выполняют узкоспециализированные задачи: распознание текста или фото, определение объектов и т.п. Однако сделать нейросеть мультифункциональной для выполнения разного рода задач с одинаковой эффективностью - сегодня невозможно.
То есть мы не можем в принципе создать искусственный интеллект, о котором рассуждает Айзек Азимов в рассказе «Хоровод» (1942 год), либо наподобие тех, что показаны в фильмах "Терминатор", "Я - Робот" или «Робот по имени Чаппи».
Главной причиной этого является то, что у нас нет понимания единого подхода к созданию ИИ. Чтобы понять, как работают нейроны в человеческом мозге, учёными создаются компьютерные модели, которые призваны симулировать те или иные действия.
Анимация структуры нейросети, распознающей цифру 9. На входе 784 параметра, отображающих пиксели картинки. Далее входные параметры перемножаются на коэффициенты, которые призваны указать правильные признаки искомого значения. Жёлтый квадрат - это скрытый слой, где выполняется математическая операция. Последний слой представляет из себя значения, среди которых есть искомый ответ. На число 9 приходится наибольший вычисленный коэффициент, поэтому нейросеть дала ответ "9".
Нейросеть в процессе обучения. Чтобы нейросеть эффективно работала, нужно подобрать коэффициенты так, чтобы ответ был верным. Для этого нейросеть "обучают", для чего проводят миллионы повторений одних и тех же операций, но с разными значениями, пока результат распознавания не будет достаточно высок, а в структуре нейросети не будут подобраны оптимальные коэффициенты, позволяющие распознавать цифры.
Анимация структуры нейросети, распознающей цифру 9. На входе 784 параметра, отображающих пиксели картинки. Далее входные параметры перемножаются на коэффициенты, которые призваны указать правильные признаки искомого значения. Жёлтый квадрат - это скрытый слой, где выполняется математическая операция. Последний слой представляет из себя значения, среди которых есть искомый ответ. На число 9 приходится наибольший вычисленный коэффициент, поэтому нейросеть дала ответ "9".
В результате появляются проекты наподобие «IBM Watson», представляющие из себя суперкомпьютер, оснащённый системой искусственного интеллекта.
Такая система имеет доступ более чем к 200 миллионам страниц структурированной и неструктурированной информации, научным исследованиям и работам, а также к полному тексту википедии.
Однако думать компьютер не умеет, и обучить его этому невозможно. До сих пор нет понимания решения этой принципиальной проблемы.
Можно обучить программу обыгрывать в шахматы лучших гроссмейстеров мира, можно обучить программу водить автомобиль без водителя, но всё это лишь алгоритмы, с помощью которых выполняются те или иные однотипные операции.
Некоторые нейросети (в особенности, технологии компьютерного зрения) включают в себя сотни тысяч слоёв и миллионы коэффициентов (весов).
Всё сводится к тому, что написать невозможно некий всеобъемлющий алгоритм, который научит машину думать и осмысливать. Мыслительная деятельность проявляется посредством работы множества факторов, таких как восприятие реальности, предыдущий опыт, анализ, синтез и т.д.
Очень вероятно, что мыслительная деятельность присуща нам из-за пластичности работы нашего мозга, который одинаково хорошо поддерживает координацию движений, распознаёт объекты, слышит, видит, чувствует, и всё это одновременно. При этом всё стабильно и хорошо работает на протяжение продолжительного времени.
Если рассматривать ИИ с этой точки зрения, то для создания мыслящей машины нужно добиться хотя бы того, чтобы одна и та же нейросеть могла одинаково хорошо выполнять одновременно совершенно различные функции.
Достигнуть подобного современным нейросетям сложно, так как они имеют в своей основе выходные и расчётные данные, изменение коэффициентов которых приведёт к полной непригодности сети для выполнения определённой задачи.
Но ведь биологические нейросети используют одни и те же входящие данные для решения разного рода задач.
Однако здесь большую роль играет именно количество связей, нежели количество нейронов.
Интерполировать входные данные в подобной нейросети можно довольно широко. При этом данные задачи могут быть выражены точно такими же вводными параметрами, как и в искусственный нейронах, вот только из-за количества связей и глубины обработки данных интерпретация у них будет совершенно разная.
Тут также важна будет скорость передачи информации от одного нейрона к другому, и её общая задержка.
Можно ли подобный подход реализовать программным методом? Для примера можно взять китайскую нейросеть "Wu Dao" с 1,75 трлн параметров или нейросеть "Google Switch Transformer" с 1,6 трлн параметров, которые представляют из себя генеративные модели глубокого обучения (в данном случае речь о языковых моделях). Однако наиболее продвинутой языковой моделью является нейросеть "GPT-3" с 0,175 трлн параметров.
Китайская нейросеть, по утверждению китайцев, является первой в мире мультимодальной системой, способной выполнять задачи по обработке естественного языка, генерации текста, а также по распознаванию и созданию изображений.
Регенерация рисунков. Китайцы надеются на основе этой нейросети создать первую в мире "думающую" машину.
Есть русскоязычный аналог "GPT-3" - модель "ruGPT-3 XL", содержащая 1,3 млрд параметров.
Китайская нейросеть, по утверждению китайцев, является первой в мире мультимодальной системой, способной выполнять задачи по обработке естественного языка, генерации текста, а также по распознаванию и созданию изображений.
Однако, невзирая на всё, прогресс в создании "думающего компьютера" практически околонулевой.
Наш мозг состоит из физической нейросети, что и предопределяет нашу осознанную и бессознательную деятельность.
Возможно, эксперименты в сфере ИИ нужно начинать с создания нейронной сети путём организации каждого нейрона в некое подобие физического ядра процессора, содержащего от одного транзистора и более.
Именно физические искусственные нейроны, связанные между собой физическими контактами, будут наиболее приближены к модели человеческого мозга.
И потому всякого рода страшилки о том, что кто-то возьмёт и напрограммирует очередной грозный "Скайнет", который начнёт захватывать мир, – являются неосуществимыми при том уровне развития технологий, которым человечество располагает сегодня.
Создание нейроморфных чипов, состоящих из физических нейронов, можно считать одним примером из реализации данного направления.
Первый такой чип создан совсем недавно - в 2014 году - компанией "IBM".
В 2016 году была создана первая физическая фотонная нейросеть, а в 2018 году удалось создать нейросеть на терагерцовом излучении.
Производители компьютерных чипов тоже идут по пути физического проектирования ядер, которые отвечают за обработку изображений, звука и т.п. (аппаратные ИИ-блоки).
Транзисторы этих ядер заточены под работу с нейросетями, поэтому способны быстрее и эффективнее производить вычисления с параметрами и весами в алгоритмах нейросетей.
Однако реализация нейросетей в виде физических объектов сегодня крайне мало развита.
В итоге можно заключить, что для создания думающего компьютера, или того самого ИИ, нужны не только сам алгоритм нейросетей, работающих на нейронных процессорах (или с нейромодулями), но и физическое воплощение нейросети в виде отдельных нейроядер, имеющих связи с тысячами себе подобных.
Нельзя однозначно сказать, является ли создание физических нейросетей ключом с созданию полноценного ИИ, но создать «думающий» компьютер программным методом, несмотря на использование нейронных процессоров, увеличивающих эффективность работы нейросетей в миллионы раз, что-то пока никак не получается …
Проблема создания искусственного интеллекта должна была быть решена уже десятилетия назад. Однако, несмотря на все последние достижения, мы не видим существенного прогресса в этой области.
Вместо искусственного интеллекта пришла технология нейросетей, функции которых начали приравнивать к ИИ.
Нейросети хорошо выполняют узкоспециализированные задачи: распознание текста или фото, определение объектов и т.п. Однако сделать нейросеть мультифункциональной для выполнения разного рода задач с одинаковой эффективностью - сегодня невозможно.
То есть мы не можем в принципе создать искусственный интеллект, о котором рассуждает Айзек Азимов в рассказе «Хоровод» (1942 год), либо наподобие тех, что показаны в фильмах "Терминатор", "Я - Робот" или «Робот по имени Чаппи».
Главной причиной этого является то, что у нас нет понимания единого подхода к созданию ИИ. Чтобы понять, как работают нейроны в человеческом мозге, учёными создаются компьютерные модели, которые призваны симулировать те или иные действия.
Анимация структуры нейросети, распознающей цифру 9. На входе 784 параметра, отображающих пиксели картинки. Далее входные параметры перемножаются на коэффициенты, которые призваны указать правильные признаки искомого значения. Жёлтый квадрат - это скрытый слой, где выполняется математическая операция. Последний слой представляет из себя значения, среди которых есть искомый ответ. На число 9 приходится наибольший вычисленный коэффициент, поэтому нейросеть дала ответ "9".
Нейросеть в процессе обучения. Чтобы нейросеть эффективно работала, нужно подобрать коэффициенты так, чтобы ответ был верным. Для этого нейросеть "обучают", для чего проводят миллионы повторений одних и тех же операций, но с разными значениями, пока результат распознавания не будет достаточно высок, а в структуре нейросети не будут подобраны оптимальные коэффициенты, позволяющие распознавать цифры.
Анимация структуры нейросети, распознающей цифру 9. На входе 784 параметра, отображающих пиксели картинки. Далее входные параметры перемножаются на коэффициенты, которые призваны указать правильные признаки искомого значения. Жёлтый квадрат - это скрытый слой, где выполняется математическая операция. Последний слой представляет из себя значения, среди которых есть искомый ответ. На число 9 приходится наибольший вычисленный коэффициент, поэтому нейросеть дала ответ "9".
В результате появляются проекты наподобие «IBM Watson», представляющие из себя суперкомпьютер, оснащённый системой искусственного интеллекта.
Такая система имеет доступ более чем к 200 миллионам страниц структурированной и неструктурированной информации, научным исследованиям и работам, а также к полному тексту википедии.
Однако думать компьютер не умеет, и обучить его этому невозможно. До сих пор нет понимания решения этой принципиальной проблемы.
Можно обучить программу обыгрывать в шахматы лучших гроссмейстеров мира, можно обучить программу водить автомобиль без водителя, но всё это лишь алгоритмы, с помощью которых выполняются те или иные однотипные операции.
Некоторые нейросети (в особенности, технологии компьютерного зрения) включают в себя сотни тысяч слоёв и миллионы коэффициентов (весов).
Всё сводится к тому, что написать невозможно некий всеобъемлющий алгоритм, который научит машину думать и осмысливать. Мыслительная деятельность проявляется посредством работы множества факторов, таких как восприятие реальности, предыдущий опыт, анализ, синтез и т.д.
Очень вероятно, что мыслительная деятельность присуща нам из-за пластичности работы нашего мозга, который одинаково хорошо поддерживает координацию движений, распознаёт объекты, слышит, видит, чувствует, и всё это одновременно. При этом всё стабильно и хорошо работает на протяжение продолжительного времени.
Если рассматривать ИИ с этой точки зрения, то для создания мыслящей машины нужно добиться хотя бы того, чтобы одна и та же нейросеть могла одинаково хорошо выполнять одновременно совершенно различные функции.
Достигнуть подобного современным нейросетям сложно, так как они имеют в своей основе выходные и расчётные данные, изменение коэффициентов которых приведёт к полной непригодности сети для выполнения определённой задачи.
Но ведь биологические нейросети используют одни и те же входящие данные для решения разного рода задач.
Однако здесь большую роль играет именно количество связей, нежели количество нейронов.
Интерполировать входные данные в подобной нейросети можно довольно широко. При этом данные задачи могут быть выражены точно такими же вводными параметрами, как и в искусственный нейронах, вот только из-за количества связей и глубины обработки данных интерпретация у них будет совершенно разная.
Тут также важна будет скорость передачи информации от одного нейрона к другому, и её общая задержка.
Можно ли подобный подход реализовать программным методом? Для примера можно взять китайскую нейросеть "Wu Dao" с 1,75 трлн параметров или нейросеть "Google Switch Transformer" с 1,6 трлн параметров, которые представляют из себя генеративные модели глубокого обучения (в данном случае речь о языковых моделях). Однако наиболее продвинутой языковой моделью является нейросеть "GPT-3" с 0,175 трлн параметров.
Китайская нейросеть, по утверждению китайцев, является первой в мире мультимодальной системой, способной выполнять задачи по обработке естественного языка, генерации текста, а также по распознаванию и созданию изображений.
Регенерация рисунков. Китайцы надеются на основе этой нейросети создать первую в мире "думающую" машину.
Есть русскоязычный аналог "GPT-3" - модель "ruGPT-3 XL", содержащая 1,3 млрд параметров.
Китайская нейросеть, по утверждению китайцев, является первой в мире мультимодальной системой, способной выполнять задачи по обработке естественного языка, генерации текста, а также по распознаванию и созданию изображений.
Однако, невзирая на всё, прогресс в создании "думающего компьютера" практически околонулевой.
Наш мозг состоит из физической нейросети, что и предопределяет нашу осознанную и бессознательную деятельность.
Возможно, эксперименты в сфере ИИ нужно начинать с создания нейронной сети путём организации каждого нейрона в некое подобие физического ядра процессора, содержащего от одного транзистора и более.
Именно физические искусственные нейроны, связанные между собой физическими контактами, будут наиболее приближены к модели человеческого мозга.
И потому всякого рода страшилки о том, что кто-то возьмёт и напрограммирует очередной грозный "Скайнет", который начнёт захватывать мир, – являются неосуществимыми при том уровне развития технологий, которым человечество располагает сегодня.
Создание нейроморфных чипов, состоящих из физических нейронов, можно считать одним примером из реализации данного направления.
Первый такой чип создан совсем недавно - в 2014 году - компанией "IBM".
В 2016 году была создана первая физическая фотонная нейросеть, а в 2018 году удалось создать нейросеть на терагерцовом излучении.
Производители компьютерных чипов тоже идут по пути физического проектирования ядер, которые отвечают за обработку изображений, звука и т.п. (аппаратные ИИ-блоки).
Транзисторы этих ядер заточены под работу с нейросетями, поэтому способны быстрее и эффективнее производить вычисления с параметрами и весами в алгоритмах нейросетей.
Однако реализация нейросетей в виде физических объектов сегодня крайне мало развита.
В итоге можно заключить, что для создания думающего компьютера, или того самого ИИ, нужны не только сам алгоритм нейросетей, работающих на нейронных процессорах (или с нейромодулями), но и физическое воплощение нейросети в виде отдельных нейроядер, имеющих связи с тысячами себе подобных.
Нельзя однозначно сказать, является ли создание физических нейросетей ключом с созданию полноценного ИИ, но создать «думающий» компьютер программным методом, несмотря на использование нейронных процессоров, увеличивающих эффективность работы нейросетей в миллионы раз, что-то пока никак не получается …
