Чего не хватает ИИ, чтобы поумнеть
В издательстве "Альпина нон-фикшн" выходит книга Стюарта Рассела об искусственном интеллекте. ТАСС публикует отрывок о том, что нужно машинам, чтобы не просто учиться, а производить новое знание, как это делают ученые Стюарт Рассел — профессор Калифорнийского университета в Беркли, соавтор популярнейшего 1400-страничного учебника "Искусственный интеллект. Современный подход". Его последняя книга "Совместимость. Как контролировать искусственный интеллект" более чем втрое тоньше, рассчитана на широкую аудиторию, но тоже написана основательно.
На главный вопрос — можно ли создать универсальный, "настоящий" искусственный интеллект? — Рассел отвечает скорее утвердительно. Но он оговаривается, что для этого нужны концептуальные прорывы: увеличение вычислительной мощности компьютеров лишь позволит быстрее получить неправильный ответ. Концептуальные прорывы требуются, чтобы решить несколько проблем. Одна из них заключается в том, что машины пока не умеют делать открытия. Мы говорим, что машины учатся, но они не могут использовать это знание, чтобы сформулировать новые понятия и теории, даже самые простые. Этой проблеме и посвящен приведенный отрывок.
Около 1,4 млрд лет назад примерно в 13 секстиллионах километров отсюда две черные дыры, одна в 12 млн раз, другая в 10 млн раз массивнее Земли, сблизились настолько, что стали обращаться вокруг друг друга. Постепенно теряя энергию, они двигались по спирали все теснее и быстрее, достигнув орбитальной частоты вращения 250 оборотов в секунду при расстоянии 350 км, когда, наконец, столкнулись и слились. В последние несколько миллисекунд энергия излучения в форме гравитационных волн в 50 раз превышала совокупную выделенную энергию всех звезд во Вселенной. 14 сентября 2015 г. эти гравитационные волны достигли Земли. Они попеременно растягивали и сжимали само пространство в отношении примерно 1 к 2,5 секстиллионов, что эквивалентно изменению расстояния до Проксимы Центавра (4,4 световых года) на толщину человеческого волоса.
К счастью, за два дня до этого детекторы Advanced LIGO (лазерно-интерферометрической гравитационно-волновой обсерватории) в Вашингтоне и Луизиане были введены в эксплуатацию. Методом лазерной интерферометрии они смогли измерить это ничтожное искажение пространства. С помощью расчетов на основе общей теории относительности Эйнштейна (ОТО) исследователи LIGO предсказали — и поэтому именно ее и искали — точную форму гравитационной волны, ожидаемой при таком событии.
Это стало возможным благодаря накоплению и передаче знания и идей тысячами человек в течение столетий наблюдений и исследований. От Фалеса Милетского, натиравшего янтарь шерстью и наблюдавшего возникновение статического заряда, через Галилея, бросавшего камни с Падающей башни в Пизе, к Ньютону, следившему за падением яблока с ветки, и далее, через тысячи других наблюдений, человечество постепенно, слой за слоем, накапливало понятия, теории и устройства: масса, скорость, ускорение, сила, ньютоновские законы движения и гравитации, уравнения орбитального движения, электрические явления, атомы, электроны, электрические поля, магнитные поля, электро-магнитные волны, специальная теория относительности, ОТО, квантовая механика, полупроводники, лазеры, компьютеры и т. д.
В принципе, мы можем представить процесс совершения открытия как преобразование всех сенсорных данных, когда-либо полученных всеми людьми, в очень сложную гипотезу о сенсорных данных, полученных учеными LIGO 14 сентября 2015 г., когда они следили за своими компьютерными мониторами. Это понимание обучения исключительно сквозь призму данных: данные на входе, гипотеза на выходе, посередине черный ящик. Если бы это работало, это был бы апофеоз подхода к разработке ИИ на основе глубокого обучения — "большие данные, большие сети", — но это невозможно. Единственная жизнеспособная идея, имеющаяся у нас о том, как интеллектуальные системы могли бы прийти к такому колоссальному достижению, как регистрация слияния двух черных дыр, состоит в том, что предшествующее знание физики в сочетании с наблюдаемыми данными позволило ученым LIGO вывести заключение, что произошло слияние. Более того, это предшествующее знание само по себе было результатом обучения на основе предшествующего знания, и так далее, вглубь истории на всем ее протяжении. Итак, у нас есть приблизительная кумулятивная картина того, как интеллектуальные системы могут обретать прогностические возможности, используя знание как строительный материал.
Я говорю "приблизительная", поскольку, разумеется, за столетия наука иногда сворачивала не в ту сторону, временно увлекаясь погоней за такими иллюзорными феноменами, как флогистон и светоносный эфир. Однако мы достоверно знаем, что кумулятивная картина есть то, что действительно произошло, в том смысле, что ученые постоянно описывали свои открытия и теории в книгах и статьях. Последующие поколения ученых имели доступ лишь к этим формам эксплицитного знания, а не к исходному сенсорному опыту предшествующих, давно ушедших поколений. Будучи учеными, члены команды LIGO понимали, что все фрагменты знания, которым они пользуются, включая ОТО Эйнштейна, находятся (и всегда будут находиться) в периоде апробации и могут быть сфальсифицированы в результате эксперимента. Как оказалось, данные LIGO предоставили убедительное подтверждение ОТО, а также дальнейшие свидетельства того, что гравитон — гипотетическая частица гравитации — не имеет массы.
Нам еще очень далеко до создания систем машинного обучения, достигающих или превосходящих способность кумулятивного обучения и открытий, которую демонстрирует ученое сообщество — или даже обычные люди на протяжении своей жизни. Системы глубокого обучения Г по большей части основаны на данных: в лучшем случае мы можем заложить в структуру сети очень слабые формы предшествующего знания. Системы вероятностного программирования В действительно позволяют использовать предшествующее знание в процессе обучения, что проявляется в структуре и словаре базы вероятностного знания, но у нас пока нет эффективных методов создания новых понятий и отношений и их использования для расширения этой базы знания.
Трудность заключается не в поиске гипотезы, хорошо согласующейся с данными; системы глубокого обучения способны находить гипотезы, которые согласуются с визуальными данными, и исследователи ИИ разработали программы символического обучения, которые могут резюмировать многие исторические открытия количественных законов науки. Обучение автономного интеллектуального агента требует намного большего.
Во-первых, что следует включить в "данные", на которых делаются прогнозы? Например, в эксперименте LIGO модель прогнозирования степени растяжения и сжатия пространства по прибытии гравитационной волны учитывает массы сталкивающихся черных дыр, их орбитальную частоту и т. д., но не берет в расчет день недели или расписание бейсбольных матчей Высшей лиги. В то же время модель для предсказания дорожного движения на мосту через залив Сан-Франциско учитывает день недели и расписание бейсбольных матчей Высшей лиги, но игнорирует массы и орбитальные частоты сталкивающихся черных дыр. Аналогично программы, которые учатся распознавать типы объектов в изображениях, используют пиксели в качестве входных данных, тогда как программы, обучающиеся определять ценность антикварного предмета, хотели бы также знать, из чего он изготовлен, кем и когда, историю его использования и владения и т. д. Почему? Очевидно, потому что мы, люди, уже знаем что-то о гравитационных волнах, дорожном движении, визуальных изображениях и антиквариате. Мы используем это знание для принятия решений, какие входящие данные нам нужны для предсказания конкретного результата. Это так называемое конструирование признаков, и, чтобы выполнять его хорошо, нужно ясно понимать специфическую задачу прогнозирования.
Конечно, по-настоящему интеллектуальная машина не может зависеть от людей (конструирующих признаки), которые приходили бы ей на помощь всякий раз, когда нужно научиться чему-то новому. Она должна самостоятельно выяснять, что составляет обоснованное пространство гипотез для обучения. Предположительно, она делала бы это, привлекая широкий спектр релевантных знаний в разных формах, но в настоящее время у нас имеются лишь рудиментарные представления о том, как это осуществить. Книга Нельсона Гудмена "Факты, вымысел и прогноз" — написанная в 1954 г. и являющаяся, пожалуй, самой важной и недооцененной книгой о машинном обучении, — вводит особый тип знания, так называемую сверхгипотезу, потому что это помогает очертить возможное пространство обоснованных гипотез. Например, в случае прогнозирования дорожного движения релевантная сверхгипотеза состояла бы в том, что день недели, время суток, местные события, недавние автоаварии, праздники, задержки доставки, погода, а также время восхода и захода солнца могут влиять на дорожную ситуацию. (Обратите внимание, что вы можете построить эту гипотезу на основе собственного базового знания мира, не будучи специалистом по дорожному движению.) Интеллектуальная обучающаяся система способна накапливать и использовать знание этого типа для того, чтобы формулировать и решать новые задачи обучения.
Второе, пожалуй, более важное, — это кумулятивная генерация новых понятий, таких как масса, ускорение, заряд, электрон и сила гравитации. Без этих понятий ученым (и обычным людям) пришлось бы по-своему интерпретировать Вселенную и делать прогнозы на основании необработанных сенсорных данных. Вместо этого Ньютон имел возможность работать с понятиями массы и ускорения, выработанными Галилеем и другими учеными, а Резерфорд смог установить, что атом состоит из положительно заряженного ядра, окруженного электронами, благодаря тому что понятие электрона уже было создано (многочисленными исследователями, продвигавшимися шаг за шагом) в конце XIX в. Действительно, все научные открытия делаются на многоярусных наслоениях понятий, приходящих со временем и опытом человечества.
В философии науки, особенно в начале XX в., открытие новых понятий нередко объяснялось действием эфемерной троицы: интуиции, озарения и вдохновения. Считалось, что все эти элементы неподвластны рациональному или алгоритмическому объяснению. Исследователи ИИ, включая Герберта Саймона, яростно спорили с этим подходом. Попросту говоря, если алгоритм машинного обучения может осуществлять поиск в пространстве гипотез, включающем возможность добавления определений новых терминов, не содержащихся во входном сигнале, то этот алгоритм способен открывать новые понятия.
Например, предположим, что робот пытается выучить правила игры в нарды, наблюдая за играющими людьми. Он наблюдает, как они бросают кости, и замечает, что иногда игроки перемещают три или четыре фишки, а не одну или две, и что это происходит после того, как выпадет 1–1, 2–2, 3–3, 4–4, 5–5 или 6–6. Если программа может добавить новое понятие дублей, определяемое как совпадение выпавших на двух кубиках результатов, то сможет намного лаконичнее выразить ту же самую прогностическую теорию. Это однозначный процесс, использующий такие методы, как индуктивное логическое программирование, для создания программ, предлагающих новые понятия и определения, чтобы формулировать точные и лаконичные теории.
В настоящее время мы знаем, как это сделать в относительно простых случаях, но для более сложных теорий количество возможных новых понятий, которые можно было бы ввести, становится просто колоссальным. Это делает нынешний успех методов глубокого обучения в сфере компьютерного зрения еще более интригующим. Глубокие сети обычно с успехом ищут полезные промежуточные признаки, такие как глаза, ноги, полосы и углы, хотя пользуются очень простыми алгоритмами обучения. Если бы мы смогли лучше понять, как это происходит, то применили бы тот же подход к формированию новых понятий на более выразительных языках, необходимых для науки. Это само по себе стало бы громадным благом для человечества, а также заметным шагом на пути к универсальному ИИ.
Источник
Меню
Архив материалов
Подписка на новости
Новости криптозоологии
Хроники природных катастроф
Последние новости
26.01.2020 - 06.03.2020 (990)
07.03.2020 - 16.04.2020 (1010)
17.04.2020 - 19.05.2020 (1000)
20.05.2020 - 25.06.2020 (990)
26.06.2020 - 04.08.2020 (995)
05.08.2020 - 16.09.2020 (1005)
17.09.2020 - 26.10.2020 (990)
27.10.2020 - 27.11.2020 (990)
28.11.2020 - 07.01.2021 (990)
08.01.2021 - ...
Последние аномальные новости

Актриса раскрыла секрет долголетия

Бигфута заметили в Канаде

Британцев официально готовят к Зомби-апокалипсису

Быстрый большой НЛО заметили в Северной Каролине

Встреча военного вертолета ВВС США с НЛО

Зачем Байдену дорисовали нимб

Ирландский политик стал свидетелем НЛО

Как сделать человека невидимым

Какие домашние животные вам подходят

Крупный метеорит взорвался над Испанией

Легенда о призрачном коте, живущем в подземельях Капитолия

Миф о влиянии 5G на распространение коронавируса

Нашли необъяснимую звезду

Несколько НЛО вошли в земную атмосферу над Пуэрто-Рико

Плотность астероидов на орбите Земли нарастает

Полеты с Ангелами. Необычная история Чарльза Линдберга

Создали рыб-роботов, которые умеют плавать косяками

Таинственное излучение указало на существование Новой физики

Третий глаз, чакра Аджна и энергетика человека

Фантастические небоскребы будущего

Чем можно вывести запах гари после пожара

Улетный криминальный сериал - Премьера

Артефакты времён исчезнувшей культуры Тиуанако

Боевой робот Type-X проходит полевые испытания

Водительские права хотят заменить на QR-коды

Города-призраки Казахстана

ИИ научился распознавать политическую ориентацию по фото

Как работает невозможный детонационный двигатель

Как ученые превратили водород в металл

Компания SpaceX вернет на Землю вино космической выдержки

Можно ли продлить жизнь в 5 раз

Оружие будущего. Чем собирается воевать армия США

Откуда пошло распространение COVID-19

Полиция проверит россиянку из-за фейка о чипировании

Похожее на Солнце НЛО в Северной Дакоте

Почему кошки врезаются лбом в ногу хозяина

Российских солдат будущего защитит полиэтиленовая экипировка

С кислородом на Марсе происходит что-то странное

Следы древней цивилизации. Загадочные лесные острова

Стрельба из рельсотрона

Черные грибы Чернобыля

Что заставило солнечный ветер изменить направление

Бездельник заработал 21 млн за два с половиной года

Белоруссия задумалась о внедрении 5G-сети

В Германии откроют тюрьму для ковид-диссидентов

Впервые зафиксировали волнообразный изгиб нашей Галактики

Документальный сериал о загадочной смерти Элизы Лэм

Женщина во время уборки дома нашла насекомое размером с ладонь

Женщина забеременела собственной племянницей

Жителя Канады похитили пришельцы и рассказали о грядущем Потопе

Москвичка 20 лет жила со скелетом сына в доме

Мужчина выбросил жесткий диск с биткоинами на 23 млн

Мужчина раскрыл секрет долголетия

Мужчина сдал экзамен на права со 158-й попытки

Мужчина съел острый доширак и оглох

На бейджи для привитых COVID-19 поместят QR-код

На Землю обрушилось излучение взрыва из другой галактики

Найден способ получить энергию из черной дыры

Номинировавший Трампа на Нобелевскую премию рассказал о цензуре Большого брата

Предсказана фотосинтетическая катастрофа

Ребенок четыре месяца провел с батарейкой в горле

Сделали открытие, пеереписывающее историю

Большой робокорабль получит жилой отсек

Женатый на секс-кукле бодибилдер признался в измене

Загадка уникальной экосистемы Галапагосов

Зонд InSight не смог забуриться в недра Марса

ИИ нашел более тысячи кандидатов в гравитационные линзы

Как ведет себя человек, когда лжет

Компания SpaceX выиграла контракты по запуску трех миссий на Луну

Кошка в море три недели питалась конфетами и выжила

Модель сутками носила корсет и обрела внешность Барби

Над Иркутском взорвался метеорит

Найдены планеты у одной из древнейших звезд Млечного Пути

Нашли экзопланету там где ее быть не должно

НЛО вошел в земную атмосферу над Мексикой

Обвинившие Сороса, Рокфеллера и Гейтса в пандемии судьи попали под проверку

Объявили об исключительной находке в Пекине

От жизни землян могут начать отнимать секунды

Падение метеорита зафиксировали над Средиземным морем

Первые космические туристы полетят на ракете New Shepard в этом году

Рывшийся в ноутбуке Пелоси во время штурма Капитолия найден мертвым

Фастфуд невиновен в детском ожирении

Библия имеет 63 779 перекрестных ссылок

Бывший ведущий Битвы экстрасенсов оправдался за оскорбления знаменитостей

В крови пациента проросли ЛСД-грибы

Вода стала розовой в Сингапуре

Датчики автомобиля Тесла обнаружили призрак на кладбище

Девушка 14 лет прятала плешь на голове

Доктор Мясников засомневался в естественном происхождении коронавируса

Женщина проехала 160 км за гамбургером

Комнатных мух сложно поймать из-за задних крыльев

Мужчина выдавил прыщ и очутился в реанимации

Мужчина провел 72 часа в клетке с 72 ядовитыми змеями

Найден таинственный 6000-летний монолит

Подтвердили существование планеты с тремя солнцами

Раз в 8 лет полчища многоножек останавливают поезда в Японии

Создан метод записи данных с компьютера прямо в ДНК

Таинственный тусклый свет неизвестного происхождения

Третья мировая будет Войной вакцин

Умершая кошка вернулась домой спустя три года

Участник Битвы экстрасенсов рассказал об обратной стороне шоу

Электронный нос научили определять готовность курицы

Европа одобрила мучных червей как полезную пищу

Житель Коннектикута встретился с сине-серым гуманоидом

Из Китая придет новый вирус, ЕС рухнет, а Трамп станет мессией

Майкрософт получила задание на разработку цифрового паспорта

Множество НЛО наблюдали в небе Альбертвиля

Мужчина запечатлел момент когда в него ударила молния

На карантин в Австралии будут свозить на старые шахты

НЛО наблюдали в небе над штатом Флорида

Трубные звуки с неба значительно изменились

Что ищет над США самолет радиационной разведки

Быстрое восстановление после перелома

Где купить бытовую технику выгодно

Аренда спецтехники

Как найти лучшее приложение для инвестиций 2021

Аномалия мужчины превращает углеводы в алкоголь

Аномальные молекулы ДНК приводят к появлению рака

Астероид прилетит 20-го января

В этом году мы встретим весну иначе

Военные США работают над миниочками ночного видения

Военные США рассказали, зачем им нужен ИИ

Возле Юпитера нашли древнюю межпланетную станцию

Из чайного гриба вырастили биоматериал будущего

Как алкоголь может продлить вам жизнь

Кто и зачем построил Стоунхендж

Люди не смогут управлять сверхразумными машинами

Нибиру прибывает в мае

Описали новый способ передвижения змей

Паук сделал ловушку для лягушки из листьев

После пребывания в коме мужчина начал видеть темные фигурки

Размеры взорвавшегося над Камчаткой метеорита

Тайна невосприимчивости жителей острова к COVID-19

Храм Рамаппа - доказательство высочайшего уровня древних технологий

Человек, который придумывает будущее

Это пес, свинья, теленок или мутант

В ДНК человека есть чужой ген

ИИ поможет следить за динамикой заболеваний

Иногда мертвые действительно оживают

Кровать с выдвижным прозрачным телевизором

Марсиане будут заправлять ракеты атмосферным топливом

Морозостойкие комары замечены в Твери

Мужчина разрубил 21 яблоко за полминуты

Наша реальность сомнительна

Нашли похожий на метеорит алмаз

Однояйцевые близнецы оказались не идентичны

Предсказанное похолодание началось

Рыбаки случайно выловили морского монстра

Сестры-близнецы вышли замуж за одного мужчину

Создали прототип робота изо льда для освоения холодных планет

Сороса, Рокфеллера и Гейтса обвинили в создании пандемии

Сотни кладоискателей начали раскопки после слухов о сокровищах

Углеродистые метеориты заподозрили в доставке воды

ЦРУ рассекретило все файлы об НЛО

Эко-мегаполис построят в Саудовской Аравии

Являются ли сны продолжением реальности

Вопреки законам аэродинамики

Выставили на продажу самую страшную квартиру

Дева Мария над Сталинградом

За кого воевали огненные шары

За рулем ИИ. Робокар Polestar

Загадочные мини-пирамиды Касаги

Земля вращалась в 2020 году быстрее обычного

К Земле приближается потенциально опасный астероид

Ловкая пуля-дура

Миллиардер решил продать все ради заселения Марса

Мужчина встретил страшную тощую женщину

На спутниках Урана может быть жизнь

Обнаружим ли мы инопланетян в 2021 году

Почему некоторые ученые полагают, что наш мир нереален

Почему противники научного знания думают, что знают больше всех

Таинственные голубые тигры

Умер эксперт-криминалист из Битвы экстрасенсов

Умерев на 30 минут, женщина увидела духов-пророков

Человек может регенерировать сетчатку глаза

Что предвещает мультфильм I Pet Goat III

Инопланетяне существуют в нашей ДНК

Как устроено человеческое сознание

Лучшие фильмы о путешествиях во времени

Николай Фёдоров. Пророчества о России

Новый имплант позволяет худеть без сложных операций

Потепление стратосферы над Северным полюсом вызывает похолодание в Европе

Почему люди сталкиваются с привидениями

Расскажи ИИ, что ты хочешь увидеть. И он нарисует

Технологические инопланетные виды в нашей галактике

Что предвещает активность НЛО на вулкане Попокатепетль

Подписка на новости
Подписка на новостой RSS-канал сайта
Получать новости сайта по почте
Контактный адрес для любых сообщений
Наверх
Рейтинг@Mail.ru Яндекс.Метрика