Три прорыва, которые обеспечили грядущее появление искусственного интеллекта

«Несколько месяцев назад, — рассказывает Кевин Келли с Wired, — я отправился в лесной кампус исследовательской лаборатории IBM в Йорктаун Хейтс, штат Нью-Йорк, чтобы взглянуть на зарождение многообещающего будущего искусственного интеллекта. Это был дом Watson, электронного гения, который победил в конкурсе Jeopardy! в 2011 году. Watson тогда был таким — размером со спальню, состоящий из десяти вертикальных, похожих на холодильник, машин, образующих четыре стены. Небольшая полость внутри обеспечивает техникам доступ к мешанине проводов и кабелей на спинах этих машин. Также внутри удивительно тепло, словно что-то живет своей жизнью».

Сегодня Watson совсем другой. Он больше не существует исключительно в виде массивов шкафов, а распространился по облачным серверам, которые поддерживают несколько сотен «экземпляров» искусственного интеллекта одновременно. Как и все облачные вещи, Watson доступен пользователям по всему миру, они получают доступ к нему с телефона, с компьютера, со своих собственных серверов. Этот вид искусственного интеллекта можно масштабировать вверх и вниз по необходимости. Поскольку искусственный интеллект улучшается вместе с тем, как люди его используют, Watson всегда становится умнее. Все, что он изучает, немедленно становится доступным для других. И это не одна программа, это совокупность разнообразных программных систем — логика, язык, все это может работать на разном коде, на разных чипах, в разных местах — которые воплощаются в едином потоке интеллекта.

Пользователи могут подключаться как к интеллекту напрямую, так и через сторонние приложения, которые использует основной интеллект с помощью облака. Как и многие родители талантливых детей, IBM хочет, чтобы Watson сделал медицинскую карьеру, поэтому никого не удивит, что для него в первую очередь разрабатываются медицинские диагностические инструменты. Большинство предыдущих попыток создать диагностический искусственный интеллект не увенчались успехом, но Watson работает и очень неплохо. Если на простом английском языке перечислить ему симптомы болезни, которую я некогда подхватил в Индии, он выдаст список болячек, от наиболее вероятных до маловероятных. Вероятнее всего, причина болезни была в Гиардии — и это правильный ответ. Однако такая экспертиза пока недоступна для пациентов; IBM дает доступ к интеллекту Watson партнерам,

Предложены новые высокоэффективные алгоритмы машинного обучения

Обучение с подкреплением (reinforcement learning) представляет собой способ машинного обучения, в ходе которого испытуемая система обучается, взаимодействуя с некоторой средой. Классическими приложениями данной технологии являются движение роботов, сетевое администрирование, автоматизированное наблюдение.

На ежегодной конференции Association for Uncertainty in Artificial Intelligence, которая пройдет 11-14 июля в Бельвью (США) исследователи Лаборатории информационных и принимающих решения систем (LIDS) и Лаборатории компьютерных наук и искусственного интеллекта (CSAI) Массачусетского технологического института представят новый алгоритм обучения с подкреплением, который позволяет для большого класса задач находить решение намного эффективнее, чем раньше.

На первом этапе экспериментов агенту (например, роботу, который должен научиться перемещаться в пространстве) дается надежная информация о состоянии системы в настоящий момент времени (скажем, расположение комнаты), но часть важной информации (что находится в комнате) отсутствует. Эксперимент предусматривает функцию вознаграждения, количественную меру, характеризующую прогресс агента в выполнении задания (она может быть и положительной, и отрицательной). Цель эксперимента — научить агента такому набору правил, которые максимизируют его функцию вознаграждения независимо от начального состояния системы. Предложенный исследователями алгоритм сначала строит структуры данных в виде деревьев, которые представляют разные сочетания возможных характеристик. А затем, продвигаясь по дереву, рассчитывает, какие комбинации определяют возрастание или убывание функции вознаграждения.

Исследователями также создан программный фреймворк RLPy, который значительно упрощает построение и проведение экспериментов, связанных с изучением проблем обучения с подкреплением. Это приложение также

Система искусственного интеллекта SOINN может самообучаться, используя Интернет в качестве источника знаний

Группа исследователей из Технологического института Токио, возглавляемая доктором Осаму Хазегава (Dr. Osamu Hasegawa), добилась значительных успехов в совершенствовании созданной ими самообучающейся системы искусственного интеллекта под названием SOINN. Не так давно система SOINN получила возможность черпать новые данные напрямую из Интернета с целью приобретения новых навыков и знаний.

«В настоящее время существуем множество совершенных и высокоэффективных технологий поиска изображений. Связав наши алгоритмы искусственного интеллекта с алгоритмами поиска, мы дали системе возможность самостоятельно выбрать набор важных особенностей, позволяющий однозначно идентифицировать выбранный объект или действие» – пишут исследователи.

К примеру, в систему загружают снимок, на котором изображен рикша, но в данный момент система еще не знает, что это такое. Она распознает его как «автомобиль», наиболее близкое понятие, которое ей уже было известно. Но системе дают указание связать снимок с ключевым словом «рикша», после чего система из Интернета собирает множество изображений, связанных с данным ключевым словом и в автоматическом режиме выбирает набор особенностей, изучая то, что представляет из себя понятие «рикша». После такого самообучения система, получив другое

Машинное обучение и искусственный интеллект

Искусственный разум живет и побеждает. Потребитель все чаще имеет дело с ним в самых обыденных, бытовых ситуациях - нередко сам не подозревая об этом. Бизнес, наука и госорганы ставят его себе на службу для решения самых различных задач. Это искусственный разум, проанализировав ваши пристрастия, подбирает «товары, которые также могут вам понравиться», когда вы совершаете покупку в онлайн-магазине. Это он делает более точными прогнозы погоды, выявляет мошенников, оптимизирует продажи, а с недавних пор - помогает врачу не ошибиться в диагнозе. Компьютер не просто облегчает человеку решение задач, которые трудно сформулировать, но и делает это подобно человеку - анализируя информацию, извлекая из нее смысл и приходя к заключениям точь-в-точь так, как это делают люди. Современный компьютер учится - подобно живому существу, а возможным это стало благодаря технологии под названием «машинное обучение».

Машинное обучение (англ. machine learning, далее ML) предполагает самостоятельное выявление компьютером произвольных свойств в заранее накопленных данных и использование этих «знаний» для обработки свежей информации. Важно, что компьютер «учится» без человека: он увеличивает свои знания в выбранной области без дополнительного программирования. Примерно так определял машинное обучение в середине XX века Артур Ли Самуэль (1901-1990), один из пионеров искусственного интеллекта. Самуэль обожал шашки - простую игру с непредсказуемым исходом - и, задавшись целью написать программу, которая обыгрывала бы человека, построил первую машинообучаемую систему. Запоминая сделанные ходы и оценивая их эффективность, компьютер-шашист Самуэля в конце концов

Научить робота. Российские ученые смоделировали «аппарат эмоций»

В Институте точной механики и вычислительной техники РАН построили прототип самообучаемого робота

США объявили о старте масштабного проекта по исследованию мозга. Цель - разобраться, как работает наше «серое вещество». Российским учёным о подобных мегапроектах - с их финансированием, организацией рабочих мест - остаётся только мечтать. Это тем более обидно, что нашей науке есть что предложить в данной области исследований. В чём убедился и корреспондент «АиФ», побывав в Институте точной механики и вычислительной техники РАН.

«Хорошометр»

Иногда по коридорам здесь ездят роботы. В магазин за сигаретами их, правда, пока не посылают. И вряд ли до этого дойдёт, считает профессор Александр Жданов, в чьей лаборатории «рождаются» умные машины, а на стене висит репродукция «Охотников на снегу» Брейгеля. Жданов убеждён: механические рабы - это «неправильный» искусственный интеллект. «Как так? - удивляюсь я. - Разве нам не нужны верные помощники в быту, которые варят и приносят кофе? Или бесстрашные покорители космоса - марсоходы?»
«Конечно нужны, - отвечает учёный, - но заметьте, всё всегда сводится к тому, чтобы заставить машины работать на себя - решать практические задачи, которые нам решать трудно или лень. Но в таком случае вокруг нас уже полным-полно интеллектуальных систем. Вот эта, - он кладёт на стол калькулятор, - пару веков назад произвела бы фурор. Есть программы, ищущие информацию, переводящие тексты, играющие в шахматы. Однако эти системы не имеют ничего общего с человеческим мозгом. Да что там человеческим! С мозгом воробья, даже мухи! Ведь они не способны обучаться, а муха способна».
И это краеугольный камень теории Жданова, его метода «автономного адаптивного управления». Пока математики и программисты пишут алгоритмы, превращающие машины в рабов, Жданов с сотрудниками создаёт системы, которые обучаются и приспосабливаются к условиям окружающей среды. Причём самостоятельно! «Вот всем очень нравятся японские человекоподобные роботы. Но кто-нибудь видел, как они учатся ходить? - вопрошает он. - Нет.

Когда компьютеры станут умнее людей?

В июле прошлого года американский изобретатель и футуролог Рэймонд Курцвейл встретился с генеральным директором корпорации «Гугл» Ларри Пейджем, чтобы показать ему черновик своей новой книги «Как создать мышление» (How to Create a Mind). Адепт искусственного интеллекта признался, что мечтает открыть фирму, которая смогла бы построить по-настоящему умный компьютер, то есть такой, чтобы понимал человеческий язык, мог делать собственные выводы и принимать решения. Но для подобного проекта потребуются наборы данных и вычислительные мощности гугломасштаба.

Г-н Пейдж согласился сотрудничать, но заметил, что маленькая компания не справится с такой задачей. Намёк был понят, и в январе с. г. знаменитый Рэй Курцвейл, который всю жизнь работал только на себя, стал техническим директором Google. «Это кульминация моего полувекового интереса к ИИ», — считает изобретатель.

По его признанию, он соблазнился не только вычислительной мощностью корпорации, но и поразительным прогрессом, которого она достигла в области так называемого глубокого обучения (deep learning). Алгоритмы глубокого обучения пытаются имитировать деятельность нейронов в новой коре головного мозга, где осуществляется около 80% мыслительных процессов. ПО учится (в самом буквальном смысле) распознавать закономерности в звуках,

Искусственный интеллект – родом из детства

Дмитрию Аксенову всего двадцать. В этом году в университете Бата он получит свой диплом бакалавра.

Именно для него университет впервые в своей истории сделал иск­лючение и принял студента, которому бы­ло 16 вместо положенных 18-ти. Но студентом Дмитрий оказался никудышным: занятий не посещал, так как был слишком занят. Есть даже подозрение, что в конце учебного года и Дмитрий, и университет будут рады друг от друга избавиться.

Чем же был так занят Дмитрий? А вот чем: он основал компанию London Brand Management, в которой под его руководст­вом 20 человек занимаются… искусственным интеллектом.

Дмитрий рассказал о том, как искусственный интеллект в его исполнении помогает развиваться крупнейшим брендам в мире, как правильно продавать свои разработки крупным компаниям и о том, что на рынке труда в сфере IT не хватает не только рабочих мест, но и подходящих специалистов.

С чего начинаются айтишники

Психологи не зря говорят, что в человеке все идет из детства. Когда Диме было семь лет, родители подарили ему компьютер, на котором можно было программировать, и конструктор «Лего». С этих игрушек и началось его увлечение искусственным интеллектом и роботами. Соединив игрушки вместе по такому же принципу, как машинка присоединяется к пульту дистанционного управления, он проводил с ними дни и ночи, пытаясь на­учить поделки из конструктора самостоятельно управлять собой через компьютер и, на­пример, объезжать углы. В итоге это увлечение пере­росло в полномасштабные занятия искусственным интеллектом. Когда ему было 16, Дима по­бедил на всех региональных соревнованиях, а также в со­ревновании «Шаг в будущее» при МГТУ им. Баумана. По­этому его отправили в Лондон представлять Россию на международном конкурсе молодых исследователей. Дима вспоминает: «На конкурс я привез робота, у которого был ис­кусственный интеллект: он мог распознавать объекты, звуки и ориентироваться в пространстве. В частности – ездить по комнате и собирать разбросанные кубики разного цвета, а потом вык­ладывать из них флаги Рос­сии и Великобритании».

Кстати, когда Дима впервые приехал в Великобританию, на границе с ним случилась за­бав­ная

Google и искусственный интеллект: 3 задачи Рэя Курцвейла

Два года назад, когда известного футуролога, автора теории технологической сингулярности Рэя Курцвейла спросили, чего ему не хватает, чтобы ускорить появление искусственного интеллекта, он ответил так: нужны данные о каждом из 2 млрд интернет-пользователей, а еще лучше – о каждом из 7 млрд жителей Земли, даже о тех, которые не знают о существовании сетей и мобильных телефонов. 

Пожелания Курцвейла, как это и должно быть, оказались в чем-то провидческими: в декабре прошлого года он перешел на работу в Google, возглавив проект «в области машинного обучения и обработки естественного языка». Данные о каждом жителе Земли крупнейшая интернет-компания Курцвейлу не предоставит, а вот аналитика по 2 млрд интернет-пользователей для главного поисковика планеты – цель вполне достижимая.

Свои задачи Курцвейл описал в двух интервью – январском и мартовском. Он будет учить компьютеры Google не просто отвечать на запросы к поисковику, основанные на ссылках и словах, а понимать естественный язык, анализировать семантический контекст. У интернет-компании уже есть проект Knowledge Graph, который теперь напрямую курирует Рэй, – база из 700 млн смысловых конструкций и миллиардов связей между ними. На его основе и будет разрабатываться гугловская система искусственного интеллекта, которую, по плану, внедрят в

Топ- 5 событий и трендов в области искусственного интеллекта за 2012 год

Компания Cognitive Technologies совместно с Российской ассоциацией искусственного интеллекта подготовила рейтинг топ-5 событий, трендов и технологий в области искусственного интеллекта (ИИ) в России за 2012 год.

1. Программные средства с возможностями ИИ вплотную приблизились к прохождению теста Тьюринга

На всемирном научном конкурсе кибернетического интеллекта, прошедшего под эгидой Университета Рединга в Великобритании в 2012 г. первое место заняла российская компьютерная программа «Евгений», ответившая на 29,2 процента поставленных вопросов точно так же, как человек. Таким образом, программе не хватило всего 0,8 процента для того, чтобы осуществилось так давно ожидаемое во всем мире событие – появление системы, имитирующей естественный интеллект. Эксперты называют это наивысшим достижением компьютерной программы. Напомним, что в классической постановке тест Тьюринга демонстрирует уровень интеллектуального развития информационной системы и ее претензии на близость к естественному интеллекту.

Считается, что программа прошла тест Тьюринга, когда в более чем в 30% случаев задания вопросов ей и человеку, эксперты, находящиеся «за стенкой», не смогут определить, кто отвечает на них, компьютерная программа или человек.

Если в оригинальной постановке тест Тьюринга еще не был пройден ни одной программой, то в специфичных или модифицированных вариантах программы смогли продемонстрировать возможности, не уступающие человеку. Так весной прошлого года американскими учеными было опубликовано исследование, в котором говорилось о появлении программы-робота, автоматически классифицирующей и оценивающей эссе, написанных школьниками. Авторы утверждают, что программа также хорошо оценивает уровень написания эссе, что и человек. Испытания проводились на материале из 22000 эссе школьников.

Стоит отметить, что аналогичные разработки существуют и в России. Известность получила система анализа содержания текстов разработанная в институте системного анализа РАН.

А специалистам Техасского университета удалось создать интеллектуальную систему, которая может вести компьютерную игру на человеческом уровне. Ими была создана огромная виртуальная площадка, на которой сражалось много ботов и реальных людей. Большинство

DARPA намерено совершить революцию в машинном обучении

Практически каждая новость от DARPA, связанная с роботами и искусственным интеллектом, неизбежно сопровождается набившими оскомину комментариями про Скайнет. Но на этот раз они будут на удивление уместны. Новая исследовательская программа Агентства посвящена вероятностному программированию для решения продвинутых задач машинного обучения (Probabilistic Programming for Advanced Machine Learning или PPAML). По словам руководителя программы Кэтлин Фишер, DARPA намерено ни много ни мало «Сделать для машинного обучения то, что появление языков высокого уровня 50 лет назад сделало для программирования в целом».

Алгоритмы машинного обучения уже широко используются в потребительских технологиях — борьбе со спамом, распознавании речи, автомобилях-роботах и для анализа гигантских объёмов данных в медицине или финансах. Естественно, перспективы машинного обучения интересны и военным. При этом пока не существует общепринятых универсальных инструментов для создания интеллектуальных систем. Из-за этого приходится постоянно изобретать велосипеды, раз за разом реализовывать похожие как две капли воды алгоритмы, строить с нуля архитектуру.

Совокупность подходов и парадигм, используемых в машинном обучении, получила название "вероятностное программирование". Инструменты, библиотеки и языки программирования для него пока не покидают стен университетов, и список их достаточно короток. DARPA намерено изменить эту ситуацию.

Среди целей программы — радикальное уменьшение трудоёмкости создания систем машинного обучения, снижение порога вхождения в программирование интеллектуальных

Ученые обучают робота iCub языку

Ученые университета Хартфордшира решили исследовать процесс обучения языку на роботе.

Для изучения был выбран робот DeeChee iCub robot Child. Итальянский iCub является аппаратным проектом с открытым кодом, позиционируемый как когнитивная гуманоидная роботизированная платформа. Проект, целью которого является выяснить, способны ли машины развивать языковые навыки подобно людям, носит название iTalk.

Роботы, которые могут общаться с людьми, уже не новинка, для этого достаточно загрузить соответствующие программы. Цель же данных исследований заключается именно в процессе обучения машины, ученые хотят знать, как робот сможет самостоятельно развить языковые навыки.

Ученые будут преподавать роботу DeeChee iCub язык так, как родители обучают своих маленьких детей. Сначала ребенок различает простые звуки, не имея никакого представления о понятии «слово», и ассоциирует звук с каким-то действием, предметом или явлением.

DeeChee уже научился повторять слоги за своим учителем, и ученые считают, что это серьезный шаг, который приближает робота к самостоятельному формированию слов.

Интересно, как ученые смогут объяснить машине значения этих слов, что, кстати, является уже другим этапом проекта iTalk.