Инфицированы будущим
При поддержке

Прогностика — наука для предсказания будущего. Философия ставит две проблемы прогнозирования (футурологии): первая — будущее не существует как объект, вторая — прогнозирование как исследование тенденций развития бытия — не есть наука. В то же время любая теория, любая форма общественного сознания предполагает размышления о будущем, без надежды на будущее нет смысла настоящего.

ФутуродромИСКУССТВЕННЫЙ РАЗУМ – ВЗГЛЯД В НЕДАЛЕКОЕ БУДУЩЕЕ

Введение.

Один из основных вопросов философии – «что есть человек и человеческий разум». Вики-энциклопедия определяет человека, как «существо, обладающее волей, разумом и высшими чувствами»[1]. Но чем человек отличается от животного? Почему именно человек остается единственным видом на планете, способным задаваться этими вопросами и искать на них ответы? Если ответ кроется в наличие воли, то контраргументом могут служить случаи подавления воли человека, когда он действует инстинктивно, «как животное». Наличие разума, так же не делает человека уникальным на нашей планете. Различие умственных показателей разных людей так же вызывает массу вопросов. Что заставляет человека принимать те или иные решения? Почему люди действуют по-разному в одинаковых ситуациях?

Для ответа на эти вопросы нужно заглянуть в структуру нашего мозга. Мозг определяется как «физическая и биологическая материя, содержащаяся в пределах черепа и ответственная за основные электрохимические нейронные процессы». Данный механизм является результатом эволюции миллионов видов, начиная от амебы, отплывающей от кристалла соли, и заканчивая человеком, обладающим органами чувств, абстрактным мышлением и сложной комбинацией ассоциативной, генетической и кратковременной памяти.  Установлено, что мозг представляет собой сложнейшую нейронную сеть - скопление нейронов, соединенных между собой, каждый из которых имеет множество входов и один выход. Благодаря своим отросткам и синапсам, нейроны вступают в многочисленные контакты друг с другом. Число контактов одной клетки с другими может доходить до 6000. Нейросеть производит и обрабатывает огромное количество логически связанных электрохимических импульсов. Нейрон реализует достаточно простую передаточную функцию, позволяющую преобразовать возбуждения на входах, с учетом весов(синапсов) входов, в значение возбуждения на выходе нейрона.

Для моделирования полноценной "производительности" коры головного мозга человека учёным понадобится сложная система, имитирующая порядка 20 млрд. нейронов и 200 трлн. синапсов.

Идея создания искусственного мозга или прибора, сравнимого с мозгом человека по производительности, давно будоражит умы ученых. Главное преимущество подобных систем - быстродействие, возможность обучаться и адаптироваться к незнакомым ситуациям. Такой эффект достигается за счет параллелизма и интегрированной ассоциативной  памяти. Реализация данных функций является очень сложной задачей в виду кардинальных различий архитектуры нейрокомпьютера и классической архитектуры фон-Неймана. Существует множество удачных реализаций нейрокомпьютеров, в том числе и российских.

В 2009 году IBM, совместно с университетом Стэнфорда, был изготовлен чип NeuroGrid на основе ПЛИС, в котором была реализована сеть из более чем миллиона нейронов(16 чипов по 65 536 нейронов в каждом)[4].

DARPA - Агентства передовых оборонных исследовательских проектов США – вложило в разработку чипа с когнитивными возможностями $21 млн. Проект SyNAPSE направлен на создание вычислительной системы, функционирующей по принципу живого мозга [3]. Проект был назван лучшей инновацией 2011 года.

Политехнический университет города Лозана, начиная с 2006 года,  ведет проектом «Blue Brain». Ученым удалось симулировать отдельные узлы мозга грызуна из 10тыс. нейронов на суперкомпьютере IBM BlueGene/P. За время существования проекта на нем было поставлено около 15 тыс. экспериментов. В настоящее время проект, входит в состав исследовательской группы «Human Brain Project» финансируемой Европейским сообществом.

Британские ученые из Университета Ридинг создали первого в мире робота с органическим мозгом размером от 50 до 100 тыс. нейронов, которые были получены из эмбрионов крыс. Клетки разъединили при помощи раствора ферментов и высадили на квадратной схеме, содержащей 60 электродов. Посредством массива контактов, живая ткань получает сигналы от датчиков робота, передающих информацию об окружающей среде. Ученые полагают, что наблюдение за развитием полуживого робота поможет им что-нибудь узнать и о работе мозга Homo Sapiens.[6]

Как видно, реальных результатов можно ожидать уже через несколько лет, но о создании настоящего искусственного разума, пока говорить не приходиться. Прежде, в него нужно вдохнуть жизнь и научить жить в окружающем мире. Современной науке известны сотни способов обучения нейронных сетей, однако, для  системы, содержащей порядка триллиона синапсов, такая задача является нетривиальной.

Стоит отметить важность такого аспекта, как постоянство значений синапсов и наращивание нейронов. Именно этот фактор определит структуру сети, способ обучения и дальнейшее функционирование. В случае, когда сеть статична, система не будет обучаться во время функционирования. Способ обучения такой системы очень прост, и называется «Обучение с Учителем» - мы учим систему реагировать на определенные внешние условия так, как считаем правильным, а система следует этим правилам. Данный вариант позволяет избежать непредвиденных последствий и подходит для систем с ограниченной или специализированной функциональностью, но требует составления массива правил (обучающей выборки), что является не менее трудоемкой задачей, чем разработка самой системы. В таком случае, представляется более простым для реализации разделение нейросети на отдельные, малые, сети, которые проще обучить и отслеживать их функционирование, однако это потребует более глубокого понимания структуры системы.

В случае, если связи изменяемы, открываются самые захватывающие способности нейросети – обучаемость в реальном времени и «самообучаемость». Система адаптируется к внешним условиям путем запоминания удачных и неудачных реакций на некоторые условия. В животном мире удачной можно считать реакцию, обеспечившую выживание, насыщение или удачный выбор партнера. Неудачные реакции приводят к усталости, боли или даже смерти. Но искусственному разуму не нужно питаться или искать партнера. Выбор жизненной цели, критерия, по которому система сможет оценивать свою успешность, предопределит дальнейшее развитие системы. Например, критерием может быть полезность человеку. При выполнении работы система будет получать «пряник» или «кнут», в зависимости от реакции. Или, в более неявном виде, суммировать благодарности и жалобы пользователей. Обучение такой системы похоже на дрессировку домашнего животного.

Важно упомянуть ассоциативную память. Механизмы запоминания компьютера основан на хранении последовательностей бит - нулей и единиц. В зависимости от заранее оговоренной логики, последовательностью бит можно описать изображение, звук, информацию или даже запах.  Живой мозг не хранит информацию, а лишь запоминает образы, поступающие от органов чувств. Механизм памяти до конца не изучен.  Предположительно, в её основе лежат цикличные структуры нейронов, которые образуют подобие логических ячеек[7]. Данные ячейки, в свою очередь, образуют подобие семантической сети[6], которая разрастается по мере поступления новых образов.

Не стоит забывать об эволюции и накопленной многими поколениями генетической памяти. Какая-то часть информации о внешнем мире и о том, как выжить в нем первые мгновения, заложена в нас с самого рождения. Чтобы для «новорожденного» искусственного разума мир не был полным сюрпризом, нужно предварительно обучить определенные части системы, а возможно, даже сделать их статичными. Это не помешает системе обучаться, но ограничит от возможных проблем. Эти области будут определять «рамки дозволенности» и основные функции. К примеру, в них могут быть записаны 3 закона робототехники.

Как видно, этап обучения искусственного разума – наиболее фантастичная и туманная часть всего процесса. На что она будет похожа: на программирование, дрессировку собаки или воспитание ребенка – будет зависеть только от того, насколько глубоко мы сможем изучить и понять наш собственный мозг. Стоит также отметить, что  процесс изучения мозга и попытка его симуляции являются взаимно зависимыми, и прогресс в одной области, будет непременно сказываться на прогрессе в другой.

Вывод

Мир не стоит на пороге создания искусственного разума. Пройдет еще пара лет, прежде чем компьютер сможет пройти тест Тьюринга, и не менее десятка лет, прежде, чем человек сможет поставить искусственный интеллект на один уровень с собой. Будет ли это настоящий разум, способный созидать и творить,  или же просто имитация? Ответы на все эти вопросы мы узнаем уже скоро.

Список Литературы:

Вики-словарь, веб-ресурс (язык Русский). - URL: http://ru.wiktionary.org/wiki/человек Миркес Е. М., Нейрокомпьютер. Проект стандарта. — Новосибирск: Наука, 1999. — 337 с. Официальная страница проекта SyNAPS на сайте DARPA(язык Английский). - URL: http://www.darpa.mil Официальная страница проекта NeuroGrid университета Стенфорд(язык Английский). - URL: http://www.stanford.edu Пресс релиз проекта «Робот Гордон» Университета Ридинга(язык Английский). - URL: http://www.reading.ac.uk/ SemanticNetworks – статья из Энциклопедии Искусственного Интеллекта(язык Английский) - JohnF. Sowa - URL: http://www.jfsowa.com Текст презентации профессора В.Л. Дунина-Барковского на конференции "Заимствованные у биологии когнитивные архитектуры - 2011" (BICA 2011), 5-6 ноября 2011, Арлингтон, США (язык Русский) – URL: http://rebrain.2045.ru/bre/29198.html
  2

ТрендоскопТрендоскоп 2010 от Vercus

comix_1261446982.png

Метки: мозги, Trendocreate, создание трендов, ум не устаревает, нейрокомпьютеры, увеличение производительности

  0
© 2017 Trend Club