Искусственный интеллект: четвертая промышленная революция

Автор Peter Skalfist, Daniel Mikelsten и Vasil Teigens

Четвертая промышленная революция представляет собой фундаментальное изменение в том, как мы живем, работаем и общаемся друг с другом. Это новая глава в человеческом развитии, созданная благодаря выдающимсятехнологическим достижениям, соизмеримым с первой, второй и третьей промышленными революциями. Эти достижения объединяют физический, цифровой и биологический миры таким образом, что создают как огромные перспективы, так и потенциальнуюопасность. Скорость, широта и глубина этой революции заставляют нас переосмыслить,как развиваются страны, как организации создают ценности и даже что значит быть человеком. Сегодня искусственный интеллект по праву называют узким ИИ (или слабым ИИ), поскольку он предназначен для выполнения узкой задачи (например, только распознавание лиц или только поиск в Интернете или только вождение автомобиля). Тем не менее, долгосрочной целью многих исследователей является создание общего ИИ (AGI или сильный ИИ). В то время как узкий ИИ может превзойти людей по любой конкретной задаче, например, поиграть в шахматы или решить уравнения, АГИ превзошелбы людей практически в любой познавательной задаче.
Authors: Daniel Mikelsten, Vasil Teigens, Peter Skalfist

• Язык: Русский
• Издатель: Cambridge Stanford Books
• Дата выпуска: 16 сент. 2020 г.
• ISBN: 9781005028275

Peter Skalfist

Peter Skalfist, is the pen name of a history and science author that aims to organize and collect technical, historical and scientific information.The student or the scientist, will be able to satisfy his needs of consultation and of study, by means of a work supported by abundant number of sources and bibliographical references.

Предварительный просмотр книги

вступление

четвертая промышленная революция представляет собой фундаментальное изменение в том, как мы живем, работаем и общаемся друг с другом. Это новая глава в человеческом развитии, созданная благодаря выдающимся технологическим достижениям, соизмеримым с первой, второй и третьей промышленными революциями. Эти достижения объединяют физический, цифровой и биологический миры таким образом, что создают как огромные перспективы, так и потенциальную опасность. Скорость, широта и глубина этой революции заставляют нас переосмыслить, как развиваются страны, как организации создают ценности и даже что значит быть человеком.

от SIRI до автомобилей с автоматическим управлением, искусственный интеллект (ИИ) быстро прогрессирует. В то время как научная фантастика часто изображает ИИ как роботов с человеческими характеристиками, ИИ может включать в себя что угодно, от алгоритмов поиска Google до Уотсона от IBM до автономного оружия.

сегодня искусственный интеллект по праву называют узким ИИ (или слабым ИИ), поскольку он предназначен для выполнения узкой задачи (например, только распознавание лиц или только поиск в Интернете или только вождение автомобиля). Тем не менее, долгосрочной целью многих исследователей является создание общего ИИ (AGI или сильный ИИ). В то время как узкий ИИ может превзойти людей по любой конкретной задаче, например, поиграть в шахматы или решить уравнения, АГИ превзошел бы людей практически в любой познавательной задаче.

четвертая промышленная революция - это больше, чем просто технологические изменения; это возможность помочь всем, включая лидеров, политиков и людей из всех групп населения и доходов, использовать конвергентные технологии для создания инклюзивного, ориентированного на человека будущего. Реальная возможность состоит в том, чтобы смотреть за пределы технологий и находить способы, позволяющие наибольшему количеству людей оказывать положительное влияние на их семьи, организации и сообщества.

искусственный общий интеллект

искусственный общий интеллект (AGI) - это интеллект машины, которая может понять или освоить любую интеллектуальную задачу, которую способен человек. Это основная цель некоторых исследований в области искусственного интеллекта и общая тема исследований в области научной фантастики и будущего. AGI может также упоминаться как сильный ИИ, полный ИИ или общее интеллектуальное действие. (Некоторые академические источники резервируют термин «сильный ИИ» для машин, которые могут испытывать сознание.) Некоторые авторитеты подчеркивают различие между сильным ИИ и прикладным ИИ (также называемым узким ИИ или слабым ИИ): использованием программного обеспечения для изучения или выполнения конкретных задач по решению или обоснованию задач. Слабый ИИ, в отличие от сильного ИИ, не пытается реализовать весь спектр когнитивных способностей человека.

были предложены различные критерии интеллекта (наиболее известный критерий Тьюринга), но на сегодняшний день нет определения, которое удовлетворяло бы всех. Тем не менее, существует широкое согласие среди исследователей искусственного интеллекта, что интеллект должен делать следующее:

рассуждать, использовать стратегию, решать головоломки и делать суждения в условиях неопределенности;

представлять знания, в том числе здравый смысл;

строить планы;

учить;

общаться на естественном языке;

и интегрировать все эти навыки для достижения общих целей.

другие важные возможности включают способность ощущать (например, видеть) и способность действовать (например, перемещать и манипулировать объектами) в мире, где следует наблюдать интеллектуальное поведение. Это будет включать в себя способность обнаруживать и реагировать на опасность. Многие междисциплинарные подходы к интеллекту (например, когнитивная наука, вычислительный интеллект и принятие решений), как правило, подчеркивают необходимость учитывать дополнительные черты, такие как воображение (воспринимаемое как способность формировать ментальные образы и концепции, которые не были запрограммированы) и автономность. системы, которые обладают многими из этих возможностей, существуют (например, см. вычислительное творчество, автоматизированное рассуждение, система поддержки принятия решений, робот, эволюционные вычисления, интеллектуальный агент), но пока не на человеческом уровне.

тесты для подтверждения уровня человеческого AGI

Тест Тьюринга (Turing) И машина, и человек встречают друг друга невидимым зрением со вторым человеком, который должен оценить, какая из двух является машиной, которая проходит тест, если она может обмануть оценщика значительную долю времени. Примечание: Тьюринг не предписывает то, что следует квалифицировать как интеллект, только то, что знание того, что это машина, должно ее дисквалифицировать. Тест на кофе (Возняк) Для входа в среднестатистический американский дом требуется машина, в которой нужно разобраться, как приготовить кофе: найдите кофемашину, найдите кофе, добавьте воды, найдите кружку и заварите кофе, нажав соответствующие кнопки. Тест студента Робот-колледжа (Goertzel) Машина поступает в университет, принимает и проходит те же занятия, что и люди, и получает ученую степень. Тест на трудоустройство (Нильссон) Машина выполняет экономически важную работу, выполняя по крайней мере так же хорошо, как люди в той же работе.

IQ-тесты AGI

исследователи из Китая Фэн Лю, Йонг Ши и Ин Лю провели тесты интеллекта летом 2017 года с общедоступным и свободно доступным слабым ИИ, таким как Google AI или Apple Siri и другие. Максимум, этот ИИ достиг значения около 47, что соответствует примерно шестилетнему ребенку в первом классе. Взрослый человек в среднем достигает 100 человек. В 2014 году были проведены аналогичные тесты, в которых ИИ достиг максимального значения 27.

проблемы, требующие решения AGI

наиболее сложные проблемы для компьютеров неофициально известны как «AI-complete» или «AI-hard», подразумевая, что их решение эквивалентно общей способности человеческого интеллекта, или сильному AI, помимо возможностей алгоритма, ориентированного на конкретные цели.

предполагается, что проблемы с искусственным интеллектом включают общее компьютерное зрение, понимание естественного языка и решение непредвиденных обстоятельств при решении любой реальной проблемы.

иИ-полные проблемы не могут быть решены с помощью одной только современной компьютерной технологии, а также требуют человеческих вычислений. Это свойство может быть полезно, например, для проверки на присутствие людей, как это и делают CAPTCHA; и для компьютерной безопасности, чтобы отразить атаки грубой силы.

AGI исследование

классический ИИ

современные исследования ИИ начались в середине 1950-х годов. Первое поколение исследователей ИИ было убеждено, что искусственный общий интеллект возможен и что он будет существовать всего через несколько десятилетий. Как писал в 1965 году пионер ИИ Герберт А. Саймон: «Машины будут способны в течение двадцати лет выполнять любую работу, которую может выполнить человек». Их предсказания послужили вдохновением для персонажа Стенли Кубрика и Артура Кларка «HAL 9000», которые воплотили то, что, по мнению исследователей ИИ, они могли создать к 2001 году. Пионер ИИ Марвин Мински был консультантом проекта по созданию HAL 9000 настолько реалистичным, насколько это возможно, согласно согласованные прогнозы времени; Кревье цитирует его, как он сказал по этому вопросу в 1967 году: «Через поколение... проблема создания« искусственного интеллекта »будет в значительной степени решена», хотя Минский утверждает, что его неправильно процитировали.

однако в начале 1970-х годов стало очевидно, что исследователи сильно недооценили сложность проекта. Финансовые агентства стали скептически относиться к AGI и подвергают исследователей растущему давлению для создания полезного «прикладного ИИ». В начале 1980-х годов японский компьютерный проект пятого поколения возродил интерес к AGI, установив десятилетний график, который включал в себя цели AGI, такие как «вести случайный разговор». В ответ на это и успех экспертных систем, как отрасль, так и правительство вернули деньги обратно в поле. Однако в конце 1980-х доверие к искусственному интеллекту резко упало, и цели компьютерного проекта пятого поколения так и не были достигнуты. Для второго Раз в 20 лет исследователи искусственного интеллекта, которые предсказывали неизбежное достижение AGI, оказались в корне ошибочными. К 1990-м годам исследователи искусственного интеллекта приобрели репутацию тщетных обещаний. Они стали неохотно делать прогнозы и избегать любых упоминаний об искусственном интеллекте «человеческого уровня» из-за боязни быть названными «мечтателем с дикими глазами».

узкие исследования ИИ

в 1990-х и в начале 21-го века основной ИИ достиг гораздо большего коммерческого успеха и академической респектабельности, сосредоточившись на конкретных подзадачах, где они могут давать поддающиеся проверке результаты и коммерческие приложения, такие как искусственные нейронные сети, компьютерное зрение или интеллектуальный анализ данных. Это " Системы прикладного искусственного интеллекта в настоящее время широко используются в технологической отрасли, и исследования в этом направлении финансируются в очень большой степени как в научных кругах, так и в промышленности. В настоящее время разработка в этой области считается новой тенденцией, и ожидается, что более чем через 10 лет наступит зрелый этап.

большинство исследователей ИИ надеются, что сильный ИИ может быть создан путем объединения программ, которые решают различные подзадачи с использованием интегрированной архитектуры агентов, когнитивной архитектуры или архитектуры подчинения. Ханс Моравец писал в 1988 году:

«Я уверен, что этот восходящий маршрут к искусственному интеллекту однажды встретит традиционный нисходящий маршрут более чем на полпути, готовый предоставить реальную компетенцию и знания здравого смысла, которые так досадно ускользают в программах рассуждений. Полностью интеллектуальные машины приведет к тому, что метафорический золотой шип будет объединен двумя усилиями ».

однако даже эта фундаментальная философия была оспорена; например, Стеван Харнад из Принстона завершил свою статью 1990 года о гипотезе заземления символов, заявив:

«Часто звучало ожидание, что« нисходящие »(символические) подходы к моделированию познания каким-то образом встретят« восходящие »(сенсорные) подходы где-то посередине. Если обосновывающие соображения в этой статье верны, то это ожидание является безнадежно модульным и на самом деле существует только один жизнеспособный путь от смысла к символам: с нуля. Свободно плавающий символический уровень, такой как программный уровень компьютера, никогда не будет достигнут этим маршрутом (или наоборот) - и неясно, почему мы должны даже Попытайтесь достичь такого уровня, так как это выглядит так, как будто достижение этой цели будет равнозначно искоренению наших символов из их внутреннего значения (таким образом, просто сводя себя к функциональному эквиваленту программируемого компьютера). "

современные исследования искусственного интеллекта

искусственный общий интеллект (AGI) описывает исследования, направленные на создание машин, способных к общему интеллектуальному действию. Этот термин был использован еще в 1997 году Марком Губрудином для обсуждения последствий полностью автоматизированного военного производства и операций. Термин был вновь введен и популяризирован Шейном Леггом и Беном Гоэрцелем в 2002 году. Задача исследования намного старше, например, проект Cyc Doug Lenat (который начался в 1984 году), и проект Solen Аллена Ньюэлла рассматриваются в рамках AGI. Исследовательская деятельность AGI в 2006 году была описана Пей Вангом и Беном Гоэрцеласом, «производящих публикации и предварительные результаты». Первая летняя школа AGI была организована в Сямыне, Китай, в 2009 году Лабораторией искусственного мозга Сямыньского университета и OpenCog. Первый университетский курс был прочитан в 2010 и 2011 годах в Пловдивском университете, Болгария Тодором Арнаудовым. MIT представил курс AGI в 2018 году, организованный Лексом Фридманом с участием нескольких приглашенных лекторов. Однако до сих пор большинство исследователей ИИ уделяли мало внимания AGI, при этом некоторые утверждают, что интеллект слишком сложен, чтобы его можно было полностью воспроизвести в ближайшем будущем. Тем не менее, небольшое количество компьютерных ученых активно участвуют в исследованиях AGI, и многие из этой группы участвуют в серии конференций AGI. Исследования чрезвычайно разнообразны и часто носят новаторский характер. Во введении к своей книге Гертцель говорит, что оценки времени, необходимого для построения действительно гибкой AGI, варьируются от 10 лет до более чем столетия, но консенсус в исследовательском сообществе AGI, по-видимому, заключается в том, что график, обсуждаемый Рэй Курцвейл в «Сингулярности» Рядом (то есть между 2015 и 2045 годами) правдоподобно.

однако большинство исследователей ИИ сомневаются в том, что прогресс будет таким быстрым. Организации, явно преследующие AGI, включают швейцарскую лабораторию искусственного интеллекта IDSIA, Nnaisense, Vicarious, Maluuba, OpenCog Foundation, Adaptive AI, LIDA и Numenta и связанный с ней институт неврологии Redwood. Кроме того, такие организации, как Научно-исследовательский институт машинного интеллекта и OpenAI, были основаны, чтобы влиять на путь развития AGI. Наконец, такие проекты, как проект «Человеческий мозг», преследуют цель построения имитации человеческого мозга. Исследование AGI, проведенное A2017, классифицировало сорок пять известных «активных проектов в области НИОКР», которые прямо или косвенно (посредством опубликованных исследований) проводят исследования AGI, крупнейшими из которых являются DeepMind, Human Brain Project и OpenAI (по материалам статьи).

в 2019 году программист видеоигр и аэрокосмический инженер Джон Кармак объявил о планах исследования AGI.

а именно DeepMind с их успехом в Human Player Simulation, например, для AlphaGo, использовались новые концепции:

усиление обучения для улучшения уже обученных сетей с новыми данными или

обучение без присмотра, например, посредством генерирующей состязательной сети, чтобы получить улучшенные сети на основе конкуренции.

мощность процессора, необходимая для симуляции мозга

эмуляция всего мозга

популярным подходом, обсуждаемым для достижения общего интеллектуального действия, является эмуляция всего мозга. Низкоуровневая модель мозга строится путем детального сканирования и картирования биологического мозга и копирования его состояния в компьютерную систему или другое вычислительное устройство. Компьютер запускает симуляционную модель, настолько верную оригиналу, что он будет вести себя практически так же, как исходный мозг, или для всех практических целей, неразличимо. Эмуляция всего мозга обсуждается в вычислительной нейробиологии и нейроинформатике, в контексте моделирования мозга для медицинских исследовательских целей. Это обсуждается в исследованиях искусственного интеллекта как подход к сильному ИИ. Технологии нейровизуализации, которые могли бы обеспечить необходимое детальное понимание, быстро совершенствуются, и футурист Рэй Курцвейл в книге «Сингулярность близок» предсказывает, что карта достаточного качества станет доступной в масштабе времени, аналогичном требуемой вычислительной мощности.

ранние оценки

для низкоуровневой симуляции мозга потребуется чрезвычайно мощный компьютер. Человеческий мозг имеет огромное количество синапсов. Каждый из 10 (ста миллиардов) нейронов в среднем имеет 7 000 синаптических связей с другими нейронами. Было подсчитано, что мозг трехлетнего ребенка имеет около 10 синапсов (1 квадриллион). Это число уменьшается с возрастом, стабилизируется в зрелом возрасте. Оценки для взрослого варьируются в пределах от 10 до 5 × 10 синапсов (от 100 до 500 трлн). Оценка вычислительной мощности мозга, основанная на простой модели переключения активности нейронов, составляет около 10 (100 триллионов) синаптических обновлений в секунду (SUPS). В 1997 году Курцвейл рассмотрел различные оценки оборудования, необходимого для выравнивания человеческого мозга, и принял значение 10 вычислений в секунду (cps). (Для сравнения, если «вычисление» было эквивалентно одной «операции с плавающей запятой» - мера, используемая для оценки текущих суперкомпьютеров - тогда 10 «вычислений» будет эквивалентно 10 petaFLOPS, достигнутым в 2011 году). Он использовал этот показатель для прогнозирования необходимое оборудование будет доступно где-то между 2015 и 2025 годами, если экспоненциальный рост мощности компьютеров на момент написания статьи продолжится.

моделирование нейронов более подробно

модель искусственных нейронов, принятая Курцвейлом и используемая во многих современных реализациях искусственных нейронных сетей, проста по сравнению с биологическими нейронами. Моделирование мозга, вероятно, должно было бы охватить детальное клеточное поведение биологических нейронов, в настоящее время понятное только в самых общих чертах. Накладные расходы, связанные с полным моделированием биологических, химических и физических деталей поведения нейронов (особенно в молекулярном масштабе), потребуют вычислительных мощностей на несколько порядков больше, чем оценка Курцвейла. Кроме того, оценки не учитывают глиальные клетки, которые, по крайней мере, столь же многочисленны, как нейроны, и которые могут превосходить численность нейронов на целых 10: 1, и теперь известно, что они играют роль в когнитивных процессах.

текущее исследование

существуют некоторые исследовательские проекты, которые исследуют моделирование мозга с использованием более сложных нейронных моделей, реализованных на традиционных вычислительных архитектурах. В 2005 году в проекте «Система искусственного интеллекта» было реализовано моделирование «мозга» (с 10 нейронами) не в реальном времени. Для моделирования 1 секунды модели потребовалось 50 дней на кластере из 27 процессоров. Проект Blue Brain использовал одну из самых быстрых суперкомпьютерных архитектур в мире, платформу IBM Blue Gene, для создания в реальном времени симуляции одного неокортикального столбца крысы, состоящего из приблизительно 10 000 нейронов и 10 синапсов в 2006 году. построить детальное, функциональное моделирование физиологических процессов в человеческом мозге: «Невозможно построить человеческий мозг, и мы можем сделать это за 10 лет», - сказал Генри Маркрам, директор проекта «Голубой мозг» в 2009 году на TED. конференция в Оксфорде. Также были спорные утверждения, что имитировал мозг кошки. Нейро-кремниевые интерфейсы были предложены в качестве альтернативной стратегии реализации, которая может масштабироваться лучше.

ханс Мораве привел приведенные выше аргументы (мозг более сложный »,« нейроны должны быть смоделированы более подробно ») в своей статье 1997 года« Когда компьютерное оборудование будет соответствовать человеческому мозгу? ». Он измерил способность существующего программного обеспечения моделировать функциональность нервной ткани, в частности, сетчатки. Его результаты не зависят ни от количества глиальных клеток, ни от того, какие виды нейронов обработки выполняют и где.

фактическая сложность моделирования биологических нейронов была исследована в проекте OpenWorm, который был нацелен на полное моделирование червя, у которого в нейронной сети всего 302 нейрона (в общей сложности около 1000 клеток). Нейронная сеть животного была хорошо документирована до начала проекта. Однако, хотя вначале задача казалась простой, модели на основе общей нейронной сети не работали. В настоящее время усилия сосредоточены на точной эмуляции биологических нейронов (частично на молекулярном уровне), но результат пока нельзя назвать полным успехом. Даже если количество проблем, которые необходимо решить в модели человеческого масштаба, не пропорционально количеству нейронов, объем работы на этом пути очевиден.

критика симуляционных подходов

фундаментальная критика подхода, основанного на моделировании мозга, происходит от воплощенного познания, в котором человеческое воплощение воспринимается как существенный аспект человеческого интеллекта. Многие исследователи считают, что воплощение необходимо для обоснования смысла. Если эта точка зрения верна, любая полностью функциональная модель мозга должна охватывать не только нейроны (то есть роботизированное тело). Гертцель предлагает виртуальное воплощение (например, Second Life), но пока неизвестно, будет ли этого достаточно.

настольные компьютеры, использующие микропроцессоры, способные работать со скоростью более 10 с / с (нестандартная единица Курцвейла «вычисления в секунду», см. Выше) были доступны с 2005 года. Согласно оценкам интеллекта, используемым Курцвейлом (и Моравеком), этот компьютер должен быть способен поддерживает симуляцию мозга пчелы, но, несмотря на некоторый интерес, такой симуляции не существует. Для этого есть как минимум три причины:

модель нейрона кажется слишком упрощенной (см. Следующий раздел).

недостаточно понимания высших когнитивных процессов, чтобы точно установить, с чем соотносится нейронная активность мозга, наблюдаемая с использованием таких методов, как функциональная магнитно-резонансная томография.

даже если наше понимание познания в достаточной степени продвигается вперед, программы раннего моделирования, вероятно, будут очень неэффективными и, следовательно, будут нуждаться в значительно большем количестве оборудования.

мозг организма, хотя и критический, может и не быть подходящей границей для когнитивной модели. Чтобы симулировать мозг пчелы, может потребоваться симуляция организма и окружающей среды. Тезис Расширенного Разума формализует философскую концепцию, а исследования головоногих моллюсков продемонстрировали наглядные примеры децентрализованной системы.

кроме того, масштабы человеческого мозга в настоящее время не сильно ограничены. По одной из оценок, человеческий мозг имеет около 100 миллиардов нейронов и 100 триллионов синапсов. Другая оценка - 86 миллиардов нейронов, из которых 16,3 миллиарда находятся в коре головного мозга и 69 миллиардов в мозжечке. Синапсы глиальных клеток в настоящее время не определены, но известно, что они чрезвычайно многочисленны.

исследование искусственного сознания

хотя роль сознания в сильном AI / AGI является дискуссионной, многие исследователи AGI считают исследования, которые исследуют возможности для реализации сознания, жизненно важными. В начале своей работы Игорь Александерар утверждал, что принципы создания сознательной машины уже существуют, но что потребуется сорок лет, чтобы научить такую ​​машину понимать язык.

отношение к сильному ИИ

в 1980 году философ Джон Сирл ввел термин «сильный ИИ» в качестве аргумента своей китайской комнаты. Он хотел различить две разные гипотезы об искусственном интеллекте:

система искусственного интеллекта может думать и иметь разум. (Слово «разум» имеет особое значение для философов, которое используется в «проблеме тела разума» или «философии разума».)

система искусственного интеллекта может (только) действовать так, как она думает и имеет разум.

первый называется «гипотеза сильного ИИ», а второй - «гипотеза слабого ИИ», потому что первый делает сильное утверждение: он предполагает, что с машиной произошло нечто особенное, что выходит за рамки всех его способностей, которые мы можем проверить. Сирл называл «гипотезу сильного ИИ» «сильным ИИ». Такое использование также распространено в академических исследованиях искусственного интеллекта и учебниках.

гипотеза слабого ИИ эквивалентна гипотезе о том, что искусственный общий интеллект возможен. Согласно Расселу и Норвигу, «большинство исследователей ИИ считают гипотезу слабого ИИ само собой разумеющимся и не заботятся о гипотезе о сильном ИИ».

в отличие от Сирла, Курцвейл использует термин «сильный ИИ» для описания любой системы искусственного интеллекта, которая действует так, как будто у нее есть разум, независимо от того, сможет ли философ определить, действительно ли у нее есть разум или нет.

возможные объяснения медленного прогресса исследований ИИ

с момента запуска исследований ИИ в 1956 году, рост этой области замедлился со временем и остановил цели создания машин, обладающих умными действиями на человеческом уровне. Возможное объяснение этой задержки заключается в том, что компьютерам не хватает достаточного объема памяти или вычислительной мощности. Кроме того, уровень сложности, который связан с процессом исследования ИИ, также может ограничивать прогресс исследований ИИ.

хотя большинство исследователей ИИ считают, что сильный ИИ может быть достигнут в будущем, есть такие люди, как Хьюберт Дрейфус и Роджер Пенроуз, которые отрицают возможность достижения сильного ИИ. Джон Маккарти был одним из различных компьютерных ученых, которые верят, что искусственный интеллект на человеческом уровне будет достигнут, но дата не может быть точно предсказана.

концептуальные ограничения являются еще одной возможной причиной медлительности исследований ИИ. Исследователям ИИ, возможно, придется изменить концептуальные рамки своей дисциплины, чтобы обеспечить более прочную базу и вклад в поиски достижения сильного ИИ. Как писал Вильям Клоксин в 2003 году: «каркас начинается с наблюдения Вейзенбаума о том, что интеллект проявляется только по отношению к конкретным социальным и культурным контекстам».

кроме того, исследователи ИИ смогли создать компьютеры, которые могут выполнять задачи, которые сложны для людей, но, наоборот, они изо всех сил пытались разработать компьютер, способный выполнять задачи, которые просты для человека (парадокс Моравека). Проблема, описанная Дэвидом Гелернтером, состоит в том, что некоторые люди полагают, что мышление и рассуждение эквивалентны. Однако идея о том, являются ли мысли и создатель этих мыслей изолированными индивидуально, заинтриговала исследователей ИИ.

проблемы, с которыми сталкивались исследования ИИ в последние десятилетия, еще больше препятствовали прогрессу ИИ. Неудачные предсказания, которые были обещаны исследователями ИИ, и отсутствие полного понимания поведения человека помогли ослабить основную идею ИИ на уровне человека. Хотя прогресс исследований ИИ принес и улучшение, и разочарование, большинство исследователей вселили оптимизм о возможном достижении цели ИИ в 21 веке.

другие возможные причины были предложены для длительного исследования в развитии сильного ИИ. Сложность научных проблем и необходимость полного понимания человеческого мозга с помощью психологии и нейрофизиологии не позволили многим исследователям эмулировать функцию человеческого мозга в компьютерном оборудовании. Многие исследователи склонны недооценивать любые сомнения, связанные с будущими прогнозами ИИ Но, не принимая всерьез эти вопросы, люди могут упустить из виду решение проблемных вопросов.

клоксин говорит, что концептуальное ограничение, которое может препятствовать продвижению исследований ИИ, состоит в том, что люди могут использовать неправильные методы для компьютерных программ и реализации оборудования. Когда исследователи ИИ впервые начали стремиться к цели искусственного интеллекта, основным интересом были человеческие рассуждения. Исследователи надеялись создать вычислительные модели человеческих знаний посредством рассуждений и выяснить, как спроектировать компьютер с определенной когнитивной задачей.

практика абстракции, которую люди склонны пересматривать при работе с определенным контекстом в исследованиях, дает исследователям возможность сосредоточиться только на нескольких концепциях. Наиболее продуктивное использование абстракции в исследованиях ИИ происходит от планирования и решения проблем. Хотя цель состоит в том, чтобы повысить скорость вычислений, роль абстракции ставит вопросы об участии операторов абстракции.

возможная причина медлительности ИИ связана с признанием многими исследователями ИИ того, что эвристика - это раздел, в котором содержится существенный разрыв между производительностью компьютера и работой человека. Определенные функции, которые запрограммированы на компьютере, могут быть в состоянии учитывать многие требования. которые позволяют ему соответствовать человеческому интеллекту. Эти объяснения не обязательно являются основными причинами задержки в достижении сильного ИИ, но они широко согласны с многочисленными исследователями.

многие исследователи ИИ спорят о том, следует ли создавать машины с эмоциями. В типичных моделях ИИ нет эмоций, и некоторые исследователи говорят, что программирование эмоций в машинах позволяет им иметь собственный разум. Эмоция суммирует опыт людей, потому что позволяет им помнить эти переживания. Дэвид Гелернтер пишет: «Ни один компьютер не будет креативным, если он не сможет симулировать все нюансы человеческих эмоций». Эта обеспокоенность эмоциями создала проблемы для исследователей ИИ и связана с концепцией сильного ИИ по мере того, как его исследования продвигаются в будущее.

сознание

есть и другие аспекты человеческого разума, помимо интеллекта, которые имеют отношение к концепции сильного ИИ, которые играют важную роль в научной фантастике и этике искусственного интеллекта:

сознание: иметь субъективный опыт и мысли.

самосознание: осознавать себя как отдельного человека, особенно осознавать собственные мысли.

чувствительность: способность субъективно «чувствовать» восприятие или эмоции.

разум: способность к мудрости.

эти черты имеют моральное измерение, потому что машина с этой формой сильного ИИ может иметь законные права, аналогичные правам нечеловеческих животных. Кроме того, Билл Джой, среди прочего, утверждает, что машина с этими чертами может быть угрозой человеческой жизни или достоинству. Остается показать, необходимы ли какие-либо из этих черт для сильного ИИ. Роль сознания не ясна, и в настоящее время нет согласованного теста на его присутствие. Если машина построена с устройством, которое имитирует нейронные корреляты сознания, будет ли она автоматически обладать самосознанием? Также возможно, что некоторые из этих свойств, такие как чувствительность, естественным образом возникают из полностью разумной машины, или становится естественным приписывать эти свойства машинам, когда они начинают действовать явно разумным образом. Например, разумных действий может быть достаточно для чувствительности, а не наоборот.

в научной фантастике AGI ассоциируется с такими чертами, как сознание, чувствительность, мудрость и самосознание, наблюдаемые у живых существ. Однако, по словам философа Джона Сирла, остается открытым вопрос, достаточно ли общего интеллекта для сознания. «Сильный ИИ» (как определено выше Рэем Курцвейлом) не следует путать с «гипотезой сильного ИИ Сирла». Гипотеза о сильном ИИ - это утверждение о том, что компьютер, который ведет себя так же разумно, как и человек, также обязательно должен иметь разум и сознание. AGI относится только к количеству интеллекта, который отображает машина, с умом или без.

споры и опасности

осуществимость

мнения варьируются в зависимости от того, когда и когда появится искусственный общий интеллект. В 1965 году пионер ИИ Герберт А. Симон написал: «Машины будут способны в течение двадцати лет выполнять любую работу, которую может выполнять человек». Однако этот прогноз не сбылся. Сооснователь Microsoft Пол Аллен полагал, что такой интеллект маловероятен в 21 веке, потому что для этого потребуются «непредвиденные и принципиально непредсказуемые прорывы» и «глубокое научное понимание познания». В своей статье в «The Guardian» робот-робот Алан Уинфилд утверждал, что разрыв между современными компьютерами и искусственным интеллектом на уровне человека так же велик, как пропасть между текущим космическим полетом и практическим космическим полетом на скорости, превышающей скорость света. Мнения экспертов AI относительно осуществимости воска AGI и ослабеть, и, возможно, видел возрождение в 2010 году. В четырех опросах, проведенных в 2012 и 2013 гг., Предполагалось, что медианное предположение экспертов о том, когда они будут на 50% уверены в прибытии AGI, составляло 2040–2050, в зависимости от опроса, при среднем значении 2081. Интересно также отметить 16,5% Эксперты ответили «никогда», когда им задали тот же вопрос, но с доверительной вероятностью 90%. Дополнительные текущие сведения о прогрессе AGI можно найти ниже в разделе «Тесты для подтверждения AGI на уровне человека» и «AGI-тесты на уровне IQ».

потенциальная угроза человеческому существованию

создание искусственного общего интеллекта может иметь настолько большие и сложные последствия, что невозможно предсказать, что будет дальше. Таким образом, событие в гипотетическом будущем достижения сильного ИИ называется технологической сингулярностью, потому что теоретически невозможно увидеть прошлое. Но это не помешало философам и исследователям угадать, что могут сделать умные компьютеры или роботы будущего, в том числе создать утопию, будучи нашими друзьями, или подавить нас в захвате ИИ. Последняя потенциальность особенно тревожна, поскольку она представляет экзистенциальный риск для человечества.

самореплицирующиеся машины

смарт-компьютеры или роботы смогут разрабатывать и выпускать улучшенные версии самих себя. Растущее число интеллектуальных роботов может явно превзойти конкурентов на рынках труда, в бизнесе, науке, политике (соблюдение прав роботов) и технологически, социологически (действуя как единое целое) и в военном отношении. Даже в наши дни многие рабочие места уже заняты псевдоинтеллектуальными машинами, работающими на слабом ИИ. Например, роботы для дома, здравоохранения, отелей и ресторанов автоматизировали многие части нашей жизни: виртуальные боты превращают обслуживание клиентов в самообслуживание. сервис, приложения AI для больших данных используются вместо менеджеров портфелей, а социальные роботы, такие как Pepper, используются вместо людей, встречающих людей, в целях обслуживания клиентов.

эмерджентная суперинтеллект

если бы исследование сильного ИИ произвело достаточно интеллектуальное программное обеспечение, оно могло бы перепрограммироваться и улучшить себя - функция, называемая «рекурсивное самосовершенствование». Тогда он станет еще лучше в самосовершенствовании и, вероятно, продолжит делать это в быстро растущем цикле, приводящем к взрыву интеллекта и появлению суперинтеллекта. Такой интеллект не будет иметь ограничений человеческого интеллекта и может быть способен изобретать или открывать практически все что угодно.

гиперинтеллектуальное программное обеспечение может не обязательно поддерживать дальнейшее существование человечества, и его может быть чрезвычайно трудно остановить. Эта тема также недавно стала обсуждаться в научных публикациях как реальный источник рисков для цивилизации, людей и планеты Земля.

одно из предложений для решения этой проблемы состоит в том, чтобы убедиться, что первый в целом интеллектуальный ИИ - это дружественный ИИ, который затем попытался бы обеспечить, чтобы впоследствии разработанные ИИ были также приятны для нас. Но создать дружественный ИИ сложнее, чем обычный АГИ, и поэтому, вероятно, в гонке между ними сначала будет разработан не дружественный ИИ. Кроме того, нет никакой гарантии, что дружественный ИИ останется дружелюбным или что его потомство тоже будет хорошим.

история искусственного интеллекта

в 1940–50-х годах несколько ученых из разных областей (математика, психология, инженерия, экономика и политология) начали обсуждать возможность создания искусственного мозга. Область исследований в области искусственного интеллекта была основана в 1956 году в качестве учебной дисциплины.

кибернетика и ранние нейронные сети

первые исследования мышления были вдохновлены слиянием идей, которые стали распространены в конце 1930-х, 1940-х и начале 1950-х годов. Недавние исследования в области неврологии показали, что мозг представляет собой электрическую сеть нейронов, которые запускают импульсы «все или ничего». Кибернетика Норберта Винера описала управление и стабильность в