Перейти к публикации

Искусственный интеллект


SUM

Рекомендованные сообщения

  • Admin

ИИ может спровоцировать ядерную войну, считает экс-замминистра обороны США

Серьезная опасность использования военными систем искусственного интеллекта заключается в его участии при принятии решения о нанесении ядерного удара. Об этом пишет издание Breaking Defense со ссылкой на бывшего заместители министра обороны США Роберта Уорка.
По его словам, системы искусственного интеллекта не должны участвовать в контроле ядерного вооружения, поскольку они запускаются по определенным параметрам и показателям. В некоторых ситуациях искусственный интеллект может расценить неопасные факторы как представляющие угрозу, и это является "тревожной перспективой".
В частности, приводится в пример российская система "Периметр", которая может принять сейсмическую активность за ядерные взрывы, после чего направит запрос в штаб войск, и если вдруг не получит ответа, может отдать команду на запуск межконтинентальных баллистических ракет.
 
Кроме того, Уорк добавил, что военное применение искусственного интеллекта может привести к плачевным последствиям и без его прямого участия в управлении ядерным оружием. В частности, такой сферой может быть его использование при анализе разведывательных данных, а также в системах раннего предупреждения.
 
"Представьте, система искусственного интеллекта в командном центре китайских войск, проанализировав оперативные данные, заявляет, что США готовятся нанести удар по Китаю, и рекомендует нанести превентивный удар", — сказал Уорк.
 
Тем не менее он отмечает, что искусственный интеллект несомненно может принести пользу для военных, однако его применение должно быть ограничено и не должно распространяться на ядерное вооружение, поскольку это может привести к "катастрофическому сценарию".

wallpaper-tekstura-seryi-fon-chernyi-fon-uzor-oboi-tsvety-ve.jpg

 

Ссылка на комментарий
Поделиться на других сайтах

  • 2 недели спустя...

Интересно мнение Савельева, основанное на знании механизма работы мозга.

Имеется ввиду ежедневная перестройка связей между нейронами , как он выражается "перепайка проводов" между 150 млрд.нейронов. Чего естественно не может делать интегральная схема.

https://www.youtube.com/watch?v=9EdOTIkSTmQ

Ссылка на комментарий
Поделиться на других сайтах

Изменено пользователем Ara55 (история изменений)
Ссылка на комментарий
Поделиться на других сайтах

  • Admin
В 12.09.2019 в 19:54, Ara55 сказал:

Интересно мнение Савельева, основанное на знании механизма работы мозга.

Имеется ввиду ежедневная перестройка связей между нейронами , как он выражается "перепайка проводов" между 150 млрд.нейронов. Чего естественно не может делать интегральная схема.

https://www.youtube.com/watch?v=9EdOTIkSTmQ

делается, программным путем и называется это "нейронные сети". Процесс перепайки - deep learning 

нейроны, программные ячейки. Есть куча информации в сети, почитай

а этого раздолбая меньше слушай, или вообще не слушай

 

  • Спасибо 1

wallpaper-tekstura-seryi-fon-chernyi-fon-uzor-oboi-tsvety-ve.jpg

 

Ссылка на комментарий
Поделиться на других сайтах

  • Admin

Глубокое обучение (Deep Learning): краткий туториалглубокое обучение

 

Первым шагом к пониманию того, как работает глубокое обучение, является понимание различий между несколькими важными терминами.

Нейронная сеть (искусственная нейронная сеть) — это попытка воспроизведения работы человеческого мозга на компьютере при помощи слоев нейронов.

Искусственный интеллект — способность машины или программы находить решения при помощи вычислений.

Во время первых исследований в области ИИ ученые пытались воспроизвести человеческий интеллект для решения конкретных задач — например, игры с человеком. Было введено большое количество правил, которым должен следовать компьютер. На основе этих правил компьютер принимал решения в согласии с конкретным списком возможных действий.

Машинное обучение — это попытка научить компьютеры самостоятельно обучаться на большом количестве данных вместо жестко постулированных правил.

Машинное обучение позволяет компьютерам самостоятельно обучаться. Это возможно благодаря вычислительной мощности современных компьютеров, которые могут легко обрабатывать большие наборы данных.

Контролируемое и неконтролируемое обучение

Контролируемое обучение (обучение с учителем, supervised learning) подразумевает использование помеченных наборов данных, содержащих входные данные и ожидаемые выходные результаты. Когда вы обучаете нейронную сеть с помощью контролируемого обучения, вы подаете как входные данные, так и ожидаемые выходные результаты.

Если результат, генерируемый нейронной сетью, неверен, она скорректирует свои вычисления. Это итерационный процесс, оканчивающийся тогда, когда сеть перестает совершать ошибки.

Примером задачи с контролируемым обучением является предсказание погоды. Нейросеть учится делать прогноз погоды с использованием исторических данных. Обучающие данные включают в себя входные данные (давление, влажность, скорость ветра) и выходные результаты (температура).

Неконтролируемое обучение (обучение без учителя, unsupervised learning) — это машинное обучение с использованием наборов данных без определенной структуры.

Когда вы обучаете нейросеть неконтролируемо, она самостоятельно проводит логическую классификацию данных. Примером задачи с неконтролируемым обучением является предсказание поведения посетителей интернет-магазинов. В этом случае сеть не обучается на размеченных даннх. Вместо этого она самостоятельно классифицирует входные данные и отвечает на вопрос, какие пользователи чаще всего покупают различные товары.

Глубокое обучение

Теперь вы подготовлены к изучению того, что такое глубокое обучение и как оно работает.

Глубокое обучение — это метод машинного обучения. Глубокое обучение позволяет обучать модель предсказывать результат по набору входных данных. Для обучения сети можно использовать как контролируемое, так и неконтролируемое обучение.

deep learning и машинное обучение различие
Разница между машинным и глубоким обучением

Рассмотрим, как работает глубокое обучение, на примере сервиса по оценке стоимости авиабилета. Мы будем обучать его контролируемым образом.

Мы хотим, чтобы наш сервис предсказывал цену на авиабилет по следующим входным данным:

  • аэропорт вылета;
  • аэропорт назначения;
  • дата отбытия;
  • авиакомпания.

Нейронные сети глубокого обучения

Давайте заглянем внутрь нашей модели. Как и у животных, искусственная нейронная сеть содержит взаимосвязанные нейроны. На диаграмме они представлены кругами:

глубокая нейронная сеть
Глубокая нейронная сеть (с двумя скрытыми слоями)

Нейроны сгруппированы в три различных типа слоев:

  • входной слой;
  • скрытый слой (слои);
  • выходной слой.

Входной слой принимает входные данные. В нашем случае имеется четыре нейрона на входном слое: аэропорт вылета, аэропорт назначения, дата вылета и авиакомпания. Входной уровень передает эти данные в первый скрытый слой.

Скрытые слои выполняют математические вычисления со входными данными. Одна из задач при создании нейронных сетей — определение количества скрытых слоев и нейронов на каждом слое.

Слово «глубина» в термине «глубокое обучение» означает наличие более чем одного скрытого слоя.

Выходной слой выдает результат. В нашем случае это прогноз цены на билет.

 

1_6PjhO0kPciY_f5XbghnZsQ-570x271.png

Итак, как же вычисляется цена? Здесь вступает в силу магия глубокого обучения. Нейроны связаны между собой с определенным весом. Вес определяет важность элемента входных данных. Исходные веса задаются случайным образом.

 

Курсы по data science

При прогнозировании цены на билет дата вылета является одним из наиболее важных факторов. Следовательно, связи нейрона времени вылета будут иметь большой вес.

 

1__kudSKDXEScysTpYYowqFg.jpeg

 

Каждый нейрон имеет функцию активации. Ее смысл трудно понять без привлечения математических рассуждений. Одной из ее целей является «стандартизация» данных на выходе из нейрона.

 

глубокое обучение нейросети с тензофлоу

 

После того, как набор входных данных прошел через все слои нейронной сети, функция активации возвращает выходные результаты через выходной уровень.

Обучение глубокой сети

Обучение нейросети — самая сложная часть глубокого обучения. Почему?

  • Вам нужен большой набор данных.
  • Вам нужно большое количество вычислительной мощности.

Для оценки стоимости билета нужно найти исторические данные о ценах на билеты. Из-за большого количества возможных комбинаций аэропортов и дат вылета нам нужен очень большой список цен на билеты.

Для обучения сети нужно подать в нее подготовленные данные и сравнить сгенерированные ей выходные результаты с результатами из нашего тестового набора данных. Поскольку сеть еще не обучена, результаты будут неверными.

После пропуска всех данных можно определить функцию, которая будет показывать нам, насколько результаты работы алгоритма отличаются от реальных данных. Эта функция называется функцией потерь.

В идеале мы хотим, чтобы функция потерь была равна нулю. В этом случае выходные результаты работы сети полностью совпадают с результатами тестового набора данных.

Как уменьшить значение функции потерь?

Нужно менять веса между нейронами. Можно делать это случайным образом до тех пор, пока функция потерь не станет равной нулю, но это не очень эффективно.

Вместо этого мы будем использовать метод градиентного спуска. Градиентный спуск — это метод, который позволяет найти минимум функции. В нашем случае мы ищем минимум функции потерь.

Суть метода состоит в небольшом изменении весов после каждой итерации. Вычисляя производную (или градиент) функции потерь при определенном наборе весов, можно определить, в каком направлении находится минимум.

 

1_HrFZV7pKPcc5dzLaWvngtQ-570x309.png

 

Для минимизации функции потерь нужно многократно перебирать данные. Именно поэтому нам требуется большая вычислительная мощность. Уточнение весов с помощью градиентного спуска выполняется автоматически. В этом и состоит магия глубокого обучения!

После обучения можно использовать разработанный нами сервис для прогнозирования цен на авиабилеты.

В сухом остатке:

  • Глубокое обучение использует нейронную сеть для воспроизведения интеллекта животных.
  • Существует три типа слоев нейронов в нейронной сети: входной слой, скрытый слой (слои) и выходной слой.
  • Связи между нейронами имеют вес, определяемый важностью элемента входных данных.
  • Для обучения глубокой нейронной сети необходим реально большой набор данных.
  • Итерационно сравнивая выходные результаты со включенными в набор данными, можно вычислить функцию потерь, указывающую, насколько сильно ошибается алгоритм.
  • После каждой итерации (epoch) веса между нейронами перераспределяются с помощью метода градиентного спуска для минимизации функции потерь.

wallpaper-tekstura-seryi-fon-chernyi-fon-uzor-oboi-tsvety-ve.jpg

 

Ссылка на комментарий
Поделиться на других сайтах

Не уверен, что полностью понял механизм "глубокого обучения".

Однако почти уверился, что он(механизм) не предполагает разрыва одних связей и установления других связей между "нейронами".

Единственное, что меняется, это веса уже существующих (аппаратно конечно) связей. Чего на мой взгляд не достаточно для аналогии с настоящим мозгом.

Я сам пришел к другому механизму для ЭВМ аналогии и ждал, что специалисты уже давно о нем знают. Но пока не вижу этого в прочитанном мною.

Речь идет о задействовании адресной системы , присущей сегодняшним ЭВМ.

В таком случае каждый "нейрон" может быть представлен ячейкой в памяти (обьемом в пару-тройку килобайтов), где каждый байт содержит запись адреса какого-либо другого "нейрона". Эти адреса и будут аналогами связей между нейронами, причем если в настоящем мозгу связь строится минуты или даже часы. В машинном случае требуются миллиардные доли секунды(оперативная память).

Все это элементарно и возможно я просто не понимаю специфичную терминологию эвм-щиков.

p.s. Кстати, по этой схеме можно посчитать, что для полного аналога человеческого мозга (150 млрд нейронов), нужна память больше 45000 терабайт (45 петабайт).

p.p.s. Причем эту память желательно иметь в виде оперативной памяти, чтобы не терять преимущество в скорости.

Ссылка на комментарий
Поделиться на других сайтах

2 минуты назад, Ara55 сказал:

150 млрд нейронов

Я тут покопался и наткнулся на другое число 86 млрд. Но это конечно не меняет сути ...

Ссылка на комментарий
Поделиться на других сайтах

Тут Анохин тоже заявляет, что "нейронные сети" на самом деле не повторяют схему мозга.

Кстати, мне особенно интересны его утверждения, что в мозге не бывает значимых единичных контактов между нейронами , нейрон возбуждается сам лишь получая множество сигналов со всех сторон(от других нейронов).

 

 

Изменено пользователем Ara55 (история изменений)
Ссылка на комментарий
Поделиться на других сайтах

А вот состояние ИИ в крупных фирмах:

Цитата

Я не думаю, что этот труд высоко ценится. Мне даже кажется, что большинство людей даже не догадываются, что их данные обрабатывают живые люди. Сервисы, с которыми люди взаимодействуют каждый день — YouTube, Pinterest, разные приложения по обмену фотографиями — за кулисами прибегают к услугам «механических турок» чтобы обрабатывать и модерировать данные.

По мнению Лилли Ирани, ассоциированного профессора Калифорнийского университета в Сан-Диего, которая изучает цифровой труд, это не случайность. Вместо того, чтобы напрямую общаться с работниками, заказчики на платформе Mechanical Turk создают задания при помощи программного интерфейса, примерно как если бы они писали набор инструкций для компьютера. Платформа специально разработана, чтобы замаскировать человеческий труд и позволить заказчикам проще обманывать себя и мнить себя программистами, а не управленцами:

Многие из крупных технологических компаний, да и в целом культура компьютерных наук, очень сильно завязаны на производство «технологической магии». Mechanical Turk от Amazon — это то место, куда можно спрятать людей, необходимых для производства этой «магии».

Отсюда

Ссылка на комментарий
Поделиться на других сайтах

  • 1 месяц спустя...

 

На 1:22 Анохин выдает очень интересную мысль о разнице между искуственным интеллектом и сознанием.

И соответственно не только избавляет от необходимости добиваться на пути к ИИ аналогов машинного сознания (машины осознающей свое я, свои интересы и потребности) но и прямо предупреждает о нежелательности таких действий со стороны разработчиков (людей).

Кстати, не менее интересно и утверждение о существовании сознания у животных.

Таким образом образ ИИ может быть ограничен внешней постановкой задач и машинным способом их решения (подобно игре в шахматы).  И "обучение" ИИ соответственно сводится лишь к накоплению данных или наделению ИИ способности искать данные в сети (где их заведомо больше).

Изменено пользователем Ara55 (история изменений)
Ссылка на комментарий
Поделиться на других сайтах

Я что подумал. Если ИИ может обходиться без копирования сознания, то нам вовсе не нужно копировать громоздкий био-мозг животного.

Так что нижним уровнем (языком) операций ИИ может служить уже какой-либо человеческий литературно-научный язык. С его всеми заморочками в виде грамматических правил , синтаксисом и пр.

Конечно я знаю, что средний уровень компьютерных языков (типа С++ и ниже) уже давно пользуется словами(скорее терминами операций и обьектов) из нашей речи.

Просто нам надо в продолжение этой традиции расширить лексикон машины до наиболее полного. Со всеми синонимами, передающими необходимые интонации, со всеми научными терминами ... Причем как и в случае со "старыми" машинными языками надо обеспечить однозначность предложений т.е. выстроить язык заново(более четко).

Вот эта система взаимосвязи всех возможных человеческих слов (числом думаю где-то 10-100 тысяч) в виде библиотеки заложенная в оперативную (желательно для скорости) память машины и будет тем самым ИИ (без функции сознания я надеюсь).

Попробовал оценить число всех сочетаний слов - получается сумасшедшее число )))

Понятное дело, что число разумных сочетаний должно быть таки разумным ))

Пусть число самых общих терминов равно 100. Тогда даже их простое сочетание по два(во всех последовательностях) дает всего 4950 (онлайн счетчик), по 4 получается 3 921 225 сочетаний. А их сочетание (по два в одной последовательности) с остальными (10тыс.) словами дает число 1млн.

Далее очевидно надо разделить язык на относительно независимые области. Скажем 10 областей (по 1000 слов в каждой) и проделать аналогичный расчет. Получим примерно по 4 млн сочетаний (для сочетаний по 4).

На этом можно остановиться поскольку дальнейшее дробление на области не дает существенного прироста.

Ну еще можно оценить и межобластные предложения. Для сотни областей по четыре слова в предложении опять имеем около 4млн сочетаний.

В итоге имеем всего около 15 млн разумных сочетаний т.е. мизер даже для современных машин.

Теперь становится понятен случай, когда врачи подвергшие диагностике мозг пациента , пришедшего с жалобой на боль в ноге, увидели его практическое отсутствие (множество мешочков заполненных жидкостью).

Попробую сам себе возразить. Посчитаем сколько предложений содержится в одной книге.

Пусть на странице 60 предложений по 4 слова.Тогда на 100 стр. книги будет 6000 предложений.

Т.е. весь набор 15 млн. предложений займет 2500 книг. Маловато ?

 

Ссылка на комментарий
Поделиться на других сайтах

Ладно пусть будет по семь слов в предложении. Тогда получим три раза по 16 007 560 800.

Т.е.  48 022 682 400 предложений или 8 млн книг – нормально вроде для "совокупного разума" гомо сапиенс сапиенс ?

Ссылка на комментарий
Поделиться на других сайтах

Смотрю в вики какие есть способы(методы) мышления и поражаюсь :

Сравнение;Анализ;Синтез;Абстракция;Конкретизация;Индукция;Дедукция;Классификация...

Я не вижу здесь необходимости сознания (своего Я, своих интересов).

Т.е. мышление и есть основа ИИ, причем досконально изученная наукой.

Ссылка на комментарий
Поделиться на других сайтах

В 18.11.2019 в 10:47, Ara55 сказал:

Я не вижу здесь необходимости сознания (своего Я, своих интересов).

Т.е. мышление и есть основа ИИ, причем досконально изученная наукой.

Возможно, наука понимает, что машина таки не может осознать свое Я (по крайней мере в обозримом будущем), вот и не ставит перед собой заведомо невыполнимые задачи.

  • Спасибо 1
Ссылка на комментарий
Поделиться на других сайтах

1 час назад, Gochinazavr сказал:

Возможно, наука понимает, что машина таки не может осознать свое Я (по крайней мере в обозримом будущем), вот и не ставит перед собой заведомо невыполнимые задачи.

Возможно слишком самонадеянно, но я считаю, что наделить машину осознанием своего "Я" нетрудно.

Например, можно в качестве одной из основных программ дать машине комплекс приоритетных целей, с которыми она будет (программно) соотносить каждую задачу поставленную перед ней. И если эти цели будут направлены лишь на "выживание"(условное) машины, то это вполне сойдет как свое "Я" машины, я так думаю.

Ссылка на комментарий
Поделиться на других сайтах


  • Наш выбор

    • Ани - город 1001 церкви
      Самая красивая, самая роскошная, самая богатая… Такими словами можно характеризовать жемчужину Востока - город АНИ, который долгие годы приковывал к себе внимание, благодаря исключительной красоте и величию. Даже сейчас, когда от города остались только руины, он продолжает вызывать восхищение.
      Город Ани расположен на высоком берегу одного из притоков реки Ахурян.
       

       
       
      • 4 ответа
    • В БЕРЛИНЕ БОЛЬШЕ НЕТ АЗЕРБАЙДЖАНА
      Конец азербайджанской истории в Университете им. Гумбольдта: Совет студентов резко раскритиковал кафедру, финансируемую режимом. Кафедра, финансируемая со стороны, будет ликвидирована.
      • 1 ответ
    • Фильм: "Арцах непокорённый. Дадиванк"  Автор фильма, Виктор Коноплёв
      Фильм: "Арцах непокорённый. Дадиванк"
      Автор фильма Виктор Коноплёв.
        • Like
      • 0 ответов
    • В Риме изберут Патриарха Армянской Католической церкви
      В сентябре в Риме пройдет епископальное собрание, в рамках которого планируется избрание Патриарха Армянской Католической церкви.
       
      Об этом сообщает VaticanNews.
       
      Ранее, 22 июня, попытка избрать патриарха провалилась, поскольку ни один из кандидатов не смог набрать две трети голосов, а это одно из требований, избирательного синодального устава восточных церквей.

       
      Отмечается, что новый патриарх заменит Григора Петроса, который скончался в мае 2021 года. С этой целью в Рим приглашены епископы Армянской Католической церкви, служащие в епархиях различных городов мира.
       
      Епископы соберутся в Лионской духовной семинарии в Риме. Выборы начнутся под руководством кардинала Леонардо Сантри 22 сентября.
       
      • 0 ответов
    • History of Modern Iran
      Решил познакомить вас, с интересными материалами специалиста по истории Ирана.
      Уверен, найдете очень много интересного.
       
      Edward Abrahamian, "History of Modern Iran". 
      "В XIX веке европейцы часто описывали Каджарских шахов как типичных "восточных деспотов". Однако на самом деле их деспотизм существовал лишь в виртуальной реальности. 
      Власть шаха была крайне ограниченной из-за отсутствия государственной бюрократии и регулярной армии. Его реальная власть не простиралась далее столицы. Более того, его авторитет практически ничего не значил на местном уровне, пока не получал поддержку региональных вельмож
      • 4 ответа
  • Сейчас в сети   5 пользователей, 1 анонимный, 454 гостя (Полный список)

  • День рождения сегодня

  • Сейчас в сети

    454 гостя
    1 анонимный
    melkum Rubik w i t o stephanie S Firefly
  • Сейчас на странице

    Нет пользователей, просматривающих эту страницу.

  • Сейчас на странице

    • Нет пользователей, просматривающих эту страницу.


×
×
  • Создать...