Искусственный интеллект. Общие факты

Введение

«Мы будем как боги. Мы повторим величайшее из чудес господних - сотворение человека!» 1

Искусственный интеллект (ИИ) сейчас активно изучается и развивается. Наибольшие усилия лингвистов, философов, психологов, математиков, инженеров и кибернетиков сосредоточены в этой области. В ней рассматриваются конкретные вопросы, связанные с развитием научной мысли, с влиянием достижений в таких областях, как компьютерные технологии и робототехника на жизнь будущих поколений людей. Здесь появляются новые различные методы исследования. Здесь формируется новый взгляд на некоторые научные результаты и возникает философское понимание полученных результатов. Двигаясь вперед, исследователи, работающие в области ИИ, столкнулись с очень сложными проблемами, выходящими за рамки традиционной информатики.

Ученые обнаружили, что для того, чтобы имитировать работу человеческого мозга, необходимо понять механизм действия миллиардов взаимосвязанных нейронов. Оказалось, что самой сложной проблемой, стоящей перед исследователями современной науки, являются знания о функционировании человеческого разума, а не просто имитация труда. В нем освещались теоретические проблемы психологической науки. Ученые не могут прийти к общему мнению по поводу предмета их исследования - интеллекта. Для некоторых интеллект - это способность решать сложные проблемы; другие видят в этом способность учиться, синтезировать, анализировать; третьи - как взаимодействовать с внешним миром через восприятие, общение и осознание воспринимаемого.

1. Зарождение искусственного интеллекта

Интеллект (от лат. intellectus — ощущение, восприятие, разумение, понимание, понятие, рассудок), или ум - качество психики, состоящее из способности адаптироваться к новым ситуациям, способности учиться и запоминать на основе опыта, понимания и применения абстрактных понятий и использования своих знаний для управления окружающей средой 2.

Интеллект - это общая способность учиться и решать проблемы, которая объединяет все познавательные способности человека: ощущение, восприятие, память, представление, мышление, воображение.

В начале 1980-х гг. ученые в области теории вычислений Барр и Фейгенбаум предложили следующее определение искусственного интеллекта (ИИ): область компьютерных наук, которая разрабатывает интеллектуальные компьютерные системы, то есть системы, обладающие возможностями, которые мы традиционно связываем с людьми. Понимание разума, изучение, рассуждение, решение проблем и т. д.

Искусственный интеллект имеет довольно обширную историю, которая берет свое начало с работы Тьюринга, восходящей к середине 20-го века. Хотя концептуальная основа появилась еще раньше, в средние века, когда Рене Декарт предположил, что животное представляет собой сложный механизм, тем самым сформулировав механистическую теорию. В 1830-х годах английский математик Чарльз Бэббидж изобрел концепцию сложного цифрового калькулятора - аналитической машины, которая, как утверждал разработчик, могла подсчитывать ходы игры в шахматы. А в 1914 году Леонардо Торрес Кеведо, директор одного из испанских технических институтов, изобрел электромеханическое устройство, способное играть в самый простой шахматный эндшпиль почти так же хорошо, как и человек.

В 1954 году американский исследователь Ньюэлл решил написать программу для игры в шахматы. В работе приняли участие аналитики из корпорации RAND. Метод, предложенный основателем теории информации Шенноном, был использован в качестве теоретической основы программы, и его точная формализация была выполнена Тьюрингом.

С середины 30-х годов прошлого века, после публикации работ Тьюринга, в которых обсуждались проблемы создания устройств, способных самостоятельно решать различные сложные проблемы, проблема искусственного интеллекта в мировом научном сообществе была тщательно рассмотрена. Тьюринг предложил считать интеллектуала машиной, которую тестировщик не может отличить от человека в процессе общения с ней. В то же время появился термин «детская машина» - концепция, которая включает в себя тренировку искусственного ума в форме маленького ребенка, а не создание «умного взрослого» робота сразу.

Летом 1956 года в Дартмутском университете в США была проведена первая рабочая конференция с участием таких ученых, как Маккарти, Мински, Шеннон, Тьюринг и других, которые впоследствии были названы основателями искусственного интеллекта. В течение 6 недель ученые обсуждали возможность реализации проектов в области искусственного интеллекта. Именно тогда и появился термин artificial intelligence - искусственный интеллект. И именно после этой летней встречи «первое лето» пришло к разработке проектов, связанных с этой областью.

После знаменитой конференции в Дартмуте искусственный интеллект стал впечатляющим событием. Были созданы машины, которые могли решать математические задачи, выигрывать в шахматы и даже первый прототип чат-бота, который мог общаться с людьми, вводя их в заблуждение относительно их осведомленности.

Все эти важные шаги в области искусственного интеллекта стали результатом серьезного финансирования таких инициатив военными исследовательскими организациями и, в частности, Агентством перспективных оборонных исследовательских проектов (DARPA), которое было создано в качестве шоковой реакции на запуск Первый спутник Советского Союза.

Последний и текущий всплеск интереса к ИИ произошел в середине 90-х годов. В 1997 году компьютер IBM под названием Deep Blue стал первым компьютером, победившим чемпиона мира по шахматам Гарри Каспарова. В 2011 году система вопросов и ответов Уотсона той же компании выиграла прошлогодних чемпионов последних лет в игре Jeopardy!

Хотя эта часть современной истории очень похожа на то, что произошло 50 лет назад, развитие искусственного интеллекта в современную эпоху происходит в принципиально иных условиях.

Сложность коммуникационных систем и решаемых задач требует качественно нового уровня «интеллекта» предоставления программных систем, таких как защита от несанкционированного доступа, информационная безопасность ресурсов, защита от атак, семантический анализ и поиск информации в сетях и т.д. С другой стороны, глобализация экономической жизни поднимает конкуренцию до принципиально другого уровня, где требуются мощные системы управления предприятием и ресурсами, аналитика и прогнозирование, а также радикальное повышение эффективности УД. Третий этап после зимы также характеризуется наличием крупнейшего открытого источника персональных данных и клик-потока в виде интернета и социальных сетей. Исчезает ключевой исторический фактор остановки в развитии искусственного интеллекта - самые мощные вычислительные системы, которые теперь могут быть построены на недорогих серверных мощностях и на крупнейших облачных платформах.

Все это оправдывает оптимизм вовлеченных людей по поводу 3-й фазы роста искусственного интеллекта. Пессимизм некоторых экспертов о том, что область исследований вновь раздута, легко опровергается тем фактом, что в настоящее время исследования выходят далеко за пределы лабораторий и прототипов и продолжают интенсивно проникать практически во все сферы человеческой жизни, начиная от автономных газонокосилок и пылесосов, оснащенных огромным количеством современных датчиков, до умных и обучающих мобильных помощников, которыми пользуются сотни миллионов людей.

На этом этапе скептицизм и алармизм еще более вероятно будут сосредоточены на чрезмерном развитии и независимости искусственного интеллекта и его замене самими людьми, которые уже уступают машинам с точки зрения скорости и физического доступа к огромному количеству данных.

2. Сферы применения искусственного интеллекта

Широкое использование ИИ обусловлено двумя основными факторами. С одной стороны, он способен автоматизировать даже те процессы, которые ранее требовали участия человека: например, контроль над роботизированными механизмами в производстве (то есть, в этом случае ИИ берет на себя нашу ответственность). С другой стороны, он может быстро обрабатывать и анализировать действительно гигантские объемы информации и вычислять параметры, используя множество переменных. И в этой области ИИ дает качественно лучшие результаты, чем люди. Добавьте к этому тот факт, что машина не подвержена человеческому фактору, а ее производительность не зависит от эмоций и личных проблем. В результате области применения искусственного интеллекта очень широки и фактически ограничены только нашим воображением и скоростью, с которой внедряются технологические инновации (Рис.1).


Рис.1 Основные коммерческие сферы применения технологий искусственного интеллекта.

Развитие использования ИИ приводит к адаптации технологий в классических секторах экономики по всей цепочке создания стоимости и трансформирует их, что приводит к алгоритмизации практически всей функциональности, от логистики до управления компанией.

Области применения систем, основанные на знаниях, можно сгруппировать в несколько основных классов:

1. Медицинская диагностика. Диагностические системы используются для установления связи между нарушениями жизнедеятельности организма и их возможными причинами. Наиболее известной диагностической системой является MYCIN, которая предназначена для диагностики и мониторинга состояния пациента с менингитом и бактериальными инфекциями. Его первая версия была разработана в Стэнфордском университете в середине 1970-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она обладает обширной базой знаний, поэтому ее можно применять в других областях медицины.

2. Прогноз. Прогнозирующие системы прогнозируют возможные результаты или события на основе данных о текущем состоянии объекта. Программная система Wall Street Conquest может анализировать рыночные условия и, используя статистические методы алгоритмов, разрабатывать инвестиционный план для вас в будущем. Она не относится к системам, основанным на знаниях, поскольку использует традиционные процедуры и алгоритмы программирования. Хотя до сих пор не существует ЭС, которые могли бы помочь вам увеличить капитал благодаря своей рыночной информации, системы прогнозирования уже могут прогнозировать погоду, доходность и пассажиропоток сегодня. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получать местные прогнозы погоды.

3. Планирование. Системы планирования предназначены для достижения конкретных целей при решении задач с большим количеством переменных. Впервые в торговой практике компания Tnformat из Дамаска предоставляет клиентам 13 рабочих станций, установленных в вестибюле их офиса, где проводятся бесплатные 15-минутные консультации, чтобы помочь клиентам выбрать компьютер, который наилучшим образом соответствует их потребностям и бюджету. Кроме того, Boeing использует ES для проектирования космических станций, а также для выявления причин отказов авиационных двигателей и ремонта вертолетов. Экспертная система XCON, созданная DEC, используется для определения или изменения конфигурации компьютерных систем, таких как VAX, в соответствии с требованиями заказчика. DEC разрабатывает более мощную систему XSEL, включая базу знаний о системе XCON, чтобы помочь клиентам в выборе вычислительных систем с желаемой конфигурацией. В отличие от XCON, система XSEL является интерактивной.

4. Интерпретация. Интерпретирующие системы обладают способностью делать определенные выводы на основе результатов наблюдения. Система PROSPECTOR, одна из самых известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя комбинацию из девяти методов исследования, система смогла обнаружить залежи руды стоимостью в миллион долларов, и наличие этих месторождений не предполагал ни однин из девяти экспертов. Другая интерпретирующая система - это HASP/SIAP. Он определяет местоположение и типы судов в Тихом океане в соответствии с акустическими системами слежения.

5. Контроль и управление. Системы, основанные на знаниях, могут использоваться в качестве интеллектуальных систем управления и принимать решения, анализируя данные из нескольких источников. Такие системы уже работают на атомных электростанциях, контролируют воздушное движение и осуществляют медицинский контроль. Они также могут быть полезны при регулировании финансовой деятельности предприятия и помогать в принятии решений в критических ситуациях.

6. Диагностика неисправностей в механических и электрических устройствах. В этой области системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, тепловозов и т.д.), так и при устранении ошибок в компьютерном оборудовании и программном обеспечении.

7. Обучение. Системы, основанные на знаниях, могут быть неотъемлемой частью компьютерных систем обучения. Система получает информацию о деятельности определенного объекта (например, студента) и анализирует его поведение. База знаний меняется в зависимости от поведения объекта. Примером такой тренировки может служить компьютерная игра, сложность которой возрастает с ростом степени квалификации игрока. Одной из наиболее интересных обучающих ЭС является система EURISCO, разработанная Д. Ленатом, которая использует простую эвристику. Эта система была опробована в игре Т. Тревевеллера, имитирующей боевые действия. Суть игры заключается в определении состава флотилии, которую можно победить в условиях неизменного набора правил. Система EURISCO включала небольшие корабли, способные проводить быструю атаку, и одно очень маленькое скоростное судно во флотилии, и постоянно выигрывала в течение трех лет, несмотря на то, что в целях предотвращения победы правила игры менялись каждый год.

Большинство ES включают знания, содержание которых они могут быть отнесены одновременно к нескольким типам. Например, система обучения также может обладать знаниями для выполнения диагностики и планирования. Он определяет способности учащегося по основным направлениям курса, а затем, с учетом полученных данных, составляет учебную программу. Система управления может использоваться для целей контроля, диагностики, прогнозирования и планирования. Система, которая обеспечивает безопасность дома, может контролировать окружающую среду, распознавать события (например, открылось окно), выдавать прогноз (вор-грабитель намеревается войти в дом) и составлять план действий (вызвать полицию).

Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом:

1. У них нет предубеждений.

2. Они не делают поспешных выводов.

3. Эти системы работают путем систематизации, изучая все детали, часто выбирая лучшую альтернативу из всех возможных.

4. База знаний может быть очень, очень большой. Будучи введенным в машину один раз, знания сохраняются навсегда. У человека ограниченная база знаний, и если данные не используются в течение длительного времени, они забываются и теряются навсегда.

5. Системы, основанные на знаниях, устойчивы к «помехам». Эксперт использует побочные знания и легко подвержен влиянию внешних факторов, которые не имеют прямого отношения к решаемой задаче. ЭС, не обремененные знаниями из других областей, по своей природе менее восприимчивы к «шуму». Со временем системы, основанные на знаниях, могут рассматриваться пользователями как тип репликации - новый способ записи и распространения знаний. Как и другие типы компьютерных программ, они не могут заменить человека в решении проблем, а скорее напоминают инструменты, которые дают ему возможность решать задачи быстрее и эффективнее.

3. Искусственные нейронные сети

ИНС — это математическая модель, а также ее программная или аппаратная реализация, построенная по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма. Эта концепция возникла при изучении процессов, происходящих в мозге, и при попытке симулировать эти процессы. Первой такой попыткой были нейронные сети В. МакКаллоха и В. Питтса. После разработки алгоритмов обучения модели использовались в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и так далее.

ANN - это система простых процессоров (искусственных нейронов), связанных и взаимодействующих друг с другом. Такие процессоры обычно довольно простые (особенно по сравнению с процессорами, используемыми в персональных компьютерах). Каждый процессор в аналогичной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически отправляет другим процессорам. И, тем не менее, будучи подключенными к довольно большой сети с управляемым взаимодействием, такие отдельно взятые простые процессоры вместе способны выполнять довольно сложные задачи.

1. С точки зрения машинного обучения нейронная сеть является частным случаем методов распознавания образов, дискриминантного анализа, методов кластеризации и так далее..

2. С математической точки зрения обучение нейронным сетям является многопараметрической задачей нелинейной оптимизации.

3. С точки зрения кибернетики нейронная сеть используется в задачах адаптивного управления и в качестве алгоритмов для робототехники.

4. С точки зрения развития вычислительной техники и программирования нейронная сеть является способом решения проблемы эффективного параллелизма.

5. А с точки зрения искусственного интеллекта, ИНС является основой философского курса коннективизма и основным направлением в структурном подходе к изучению возможности построения (моделирования) естественного интеллекта с использованием компьютерных алгоритмов.

Известные применения:

- Распознавание и классификация образов. Различные изображения могут выступать в качестве изображений: символы текста, изображения, образцы звуков и т. д. При обучении сети предлагаются различные образцы образцов с указанием того, к какому классу они принадлежат. Выборка, как правило, представляется в виде вектора значений признаков. В этом случае совокупность всех признаков должна однозначно определять класс, к которому относится выборка. Если признаков недостаточно, сеть может сопоставить одну и ту же выборку с несколькими классами, что неверно. По завершении сетевого обучения можно представить ранее неизвестные изображения и получить ответ об их принадлежности к определенному классу.

- Принятие решений и управление. Эта задача близка к задаче классификации. Классификации подвержены ситуациям, характеристики которых поступают на вход нейронной сети. На выходе из сети должен появиться знак принятого решения. В этом случае в качестве входных сигналов используются различные критерии для описания состояния управляемой системы.

- Прогнозирование. Способность нейронной сети напрямую прогнозировать вытекает из ее способности обобщать и выделять скрытые зависимости между входными и выходными данными. После обучения сеть может прогнозировать будущее значение определенной последовательности на основе нескольких предыдущих значений и/или некоторых существующих в настоящее время факторов. Следует отметить, что прогнозирование возможно только тогда, когда предыдущие изменения в некоторой степени предопределяют будущие. Например, прогнозирование котировок акций на основе котировок на прошлой неделе может быть успешным или не успешным, в то время как прогнозирование завтрашних результатов лотереи на основе данных за последние 50 лет почти наверняка не даст никаких результатов.

– Приближение. Нейронные сети могут аппроксимировать непрерывные функции. Обобщенная теорема аппроксимации доказана: используя линейные операции и каскадное соединение, можно получить из произвольного нелинейного элемента устройство, которое вычисляет любую непрерывную функцию с определенной заданной точностью. Это означает, что нелинейная характеристика нейрона может быть произвольной: от сигмоидального до произвольного волнового пакета или вейвлета, синуса или полинома. Сложность конкретной сети может зависеть от выбора нелинейной функции, но при любой нелинейности сеть остается универсальным аппроксиматором и при правильном выборе структуры может точно аппроксимировать работу любого непрерывного автомата.

– Сжатие данных и ассоциативная память. Способность нейронных сетей выявлять взаимосвязи между различными параметрами позволяет более компактно выражать данные более высокого измерения, если данные тесно взаимосвязаны друг с другом. Обратный процесс - восстановление исходного набора данных из фрагмента информации - называется (авто) ассоциативной памятью. Ассоциативная память также позволяет восстанавливать исходный сигнал/изображение из зашумленных/поврежденных входных данных. Решение проблемы гетероассоциативной памяти позволяет реализовать память, адресованную контентом. Нейронные сети не программируются в обычном смысле этого слова, они обучены. Возможность обучения является одним из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически, обучение заключается в том, чтобы найти коэффициенты связей между нейронами. В процессе обучения нейронная сеть способна обнаруживать сложные зависимости между входными данными и выходными данными, а также выполнять обобщение. Это означает, что в случае успешного обучения сеть сможет вернуть правильный результат на основе данных, которые отсутствовали в поле.

Нейронные сети не программируются в обычном смысле этого слова, они обучены. Возможность обучения является одним из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически, обучение заключается в том, чтобы найти коэффициенты связей между нейронами. В процессе обучения нейронная сеть способна обнаруживать сложные зависимости между входными данными и выходными данными, а также выполнять обобщение. Это означает, что в случае успеха сеть сможет вернуть правильный результат на основе данных, которые не были доступны в обучающем наборе, а также неполных и/или «шумных», частично искаженных данных.

4. Практическое применение искусственного интеллекта

Уже сегодня искусственные нейронные сети используются во многих областях, но прежде чем их можно будет использовать там, где речь идет о жизни людей или значительных материальных ресурсах, необходимо решить важные вопросы, касающиеся надежности их работы. Поэтому уровень допустимых ошибок следует определять исходя из характера самой задачи.

Некоторые проблемы с анализом проблем надежности возникают из-за предположения о полной непогрешимости компьютеров, в то время как INS могут быть неточными даже при их правильном функционировании. На самом деле компьютеры, как и люди, могут ошибаться. Первый - из-за различных технических проблем или ошибок в программах, второй - из-за невнимательности, усталости или недостатка профессионализма. Поэтому для решения особо важных проблем необходимо, чтобы эти системы дублировали и страховали друг друга. Это означает, что при решении таких проблем нейронные сети должны быть не единственным, а дополнительным средством предотвращения особых ситуаций или получения контроля, когда проблема не решается стандартным образом и любые задержки могут привести к катастрофе.

В настоящее время ИНС являются важным расширением понятия вычисления. Они уже позволили справиться с рядом сложных проблем и обещают создание новых программ и устройств, способных решать проблемы, на которые способен только человек.

Современные нейрокомпьютеры используются главным образом в программных продуктах и ​​поэтому редко используют их потенциальный «параллелизм». Эра настоящих параллельных нейрокомпьютеров начнется с появления на рынке большого количества аппаратных реализаций - специализированных нейрочипов и плат расширения, предназначенных для обработки речи, видео, статических изображений и других типов информации изображений.

Со временем должна появиться и бытовая техника, адаптируясь к своему владельцу, предшественником которого можно считать адаптивный блок управления нейронной сетью в новом пылесосе Samsung. Системы безопасности будут узнавать своих владельцев по голосу, внешнему виду и ряду других уникальных характеристик.

Также будут разработаны системы жизнеобеспечения для умных электронных домов, которые станут еще более адаптивными и обучаемыми. На производстве и в различных промышленных системах интеллектуальные контроллеры нейронных сетей смогут распознавать потенциально опасные ситуации, уведомлять людей о них и принимать адекватные и, что наиболее важно, своевременные меры. Потоки данных в компьютерных сетях и сотовых сетях также будут оптимизированы с использованием нейро-технологий.

Многие надежды на нейронные сети сегодня связаны с аппаратными реализациями, но пока время их массового выхода на рынок еще не пришло. Они либо изготавливаются как часть специализированных устройств, либо довольно дорогие, а часто и то, и другое. Значительное время уходит на их разработку, во время которой внедрение программного обеспечения на новейших компьютерах только на порядок менее продуктивно, что делает использование нейропроцессоров невыгодным. Но все это только вопрос времени - нейронные сети должны следовать тем же путем, который недавно разработали компьютеры, увеличивая их возможности и производительность, захватывая новые области применения по мере появления новых задач и развития технической основы для их разработки.

Другой областью применения нейронных сетей является их использование в специализированных программных агентах - в роботах, предназначенных для обработки информации, а не для физической работы. Интеллектуальные помощники должны облегчить пользователям работу с информацией и общение с компьютером. Их отличительной чертой будет стремление как можно лучше понять, что от них требуется, наблюдая и анализируя поведение своего хоста, пытаясь обнаружить определенные закономерности в этом поведении и оперативно предлагая свои услуги для выполнения определенных операций, например, фильтрации новостных сообщений с советами по устранению проблемы или резервному копированию документов, над которыми работает пользователь. Именно поэтому нейронные сети, способные суммировать данные и находить в них шаблоны, являются естественным компонентом таких программных агентов.

Пользовательский интерфейс с сетью, который будет основан на интеллектуальных агентах, также должен изменить новый тип программного обеспечения, называемое агентским программным обеспечением. Агенты будут взаимодействовать не только со своим пользователем, но также с другими подобными агентами и со специальными службами. В результате в сети появится своего рода новое общество с самообучающимися агентами, которые будут принимать решения от имени пользователя.

Заключение

Общество превосходно со многих сторон: некоторым свойственны открытия, кто-то может сражаться в шахматы и улаживать непростые общественно-политические проблемы. Тем не менее, мы все без исключения ещё оставляем определенные проблемы компьютерам. Более этого, почти все машинные вычисления производятся компьютерами. Однако у них отсутствует душа, рассудок, желание свободы. Непосредственно над данным решением - над тем, как ЭВМ одолевает тест Тьюринга - трудятся эксперты в сфере синтетического разума. Искусственный интеллект, учитывая большие способности электрических компьютеров, способен совладать с рядом решающих вопросов, и кроме того, найти решение непростых проблем всемирного порядка, от мира во абсолютно всем обществе до колонизации отдаленных галактик.

Будучи самостоятельной научной областью, ИИ существует уже более четверти века. Общественное мнение относительно специалистов в этой области постепенно перешло от скептицизма к уважению и пониманию будущих перспектив этой области. В развитых странах, таких как США и Япония, работа в области интеллектуальных систем поддерживается на всех уровнях - от простых граждан до государственных органов. Существует обоснованное мнение о том, что именно исследования в области ИИ будут определять характер современного информационного общества, которое фактически заменило индустриальную эпоху, которая достигла своего пика в прошлом веке.

Однозначный ответ, что такого «искусственного интеллекта» на данный момент не существует. У каждого автора свое мнение на этот счет. Некоторые считают, что ИИ может быть создан на основе одного из методов, перечисленных выше, другие считают, что создание ИИ невозможно на современном этапе развития человека, а третьи полностью отрицают возможность создания ИИ.

Сегодня уже трудно представить себе такую ​​сферу деятельности, в которую не могли бы проникать различные интеллектуальные устройства, упрощая нашу работу или принимая на себя некоторые из наших обязанностей. Среди таких областей медицина, образование, бизнес, наука, развлечения, борьба с преступностью, решение многочисленных бытовых вопросов. Скорее всего, в будущем будет еще больше таких разработок, и они, вероятно, будут использоваться повсеместно. Таким образом, в ближайшем будущем использование искусственного интеллекта качественно преобразит практически все сферы нашей жизни.

Многие споры по поводу проблем создания искусственного интеллекта имеют эмоциональный фон. Признание возможности искусственного интеллекта кажется чем-то унижающим человеческое достоинство. Однако невозможно спутать вопросы о возможностях искусственного интеллекта с вопросом о развитии и совершенствовании человеческого разума. Широкое использование ИИ создает предпосылки для перехода на качественно новый этап развития, дает толчок новому витку промышленной автоматизации и, следовательно, повышает производительность. Конечно, искусственный интеллект можно использовать в неуместных целях, но это не научная проблема, а скорее морально-этическая.

Особенность ИИ в том, что это не сложная и дорогая технология, как атомная энергия. Это программный продукт, который легко тиражировать (копировать). Если ИИ узнает, что человечество считается полезным, то теоретически ИИ может развиваться в геометрической прогрессии, поскольку для каждого нового поколения ИИ нет необходимости тратить время на изучение того, что уже знают предыдущие поколения (старые версии ИИ).

Список использованной литературы

1. Азимов Э. Г., Щукин А. Н. Новый словарь методических терминов и понятий (теория и практика обучения языкам). – М.: Издательство ИКАР, 2009. – 448 с.

2. Компьютер обретает разум. Москва Мир 1990. В сборнике: Психологические исследования интеллектуальной деятельности. Под. ред. О. К. Тихомирова.- М., МГУ, 1979.

3. Головко В. А. Нейросетевые технологии обработки данных : учеб. пособие / В. А. Головко, В. В. Краснопрошин. – Минск : БГУ, 2017. – 263 с.

4. Мак-Каллок У. С., Питтс В. Логическое исчисление идей, относящихся к нервной активности Архивная копия от 27 ноября 2007 на Wayback Machine // Автоматы / Под ред. К. Э. Шеннона и Дж. Маккарти. — М.: Изд-во иностр. лит., 1956. — 363—384с.

5. Галушкин А. И. Нейронные сети / А. И. Галушкин // Большая Российская энциклопедия [электронный ресурс] – режим доступа: https://bigenc.ru/technology_and_technique/text/4114009

6. Искусственный интеллект (ИИ) / Artificial Intelligence (AI) как ключевой фактор цифровизации глобальной экономики [электронный ресурс] – режим доступа: https://www.crn.ru/news/detail.php?ID=117544

7. Искусственный интеллект [электронный ресурс] – режим доступа: http://www.tadviser.ru/index.php/Продукт:Искусственный_интеллект_(ИИ,_Artificial_intelligence,_AI)#.D0.A7.D1.82.D0.BE_.D1.82.D0.B0.D0.BA.D0.BE.D0.B5_.D0.B8.D1.81.D0.BA.D1.83.D1.81.D1.81.D1.82.D0.B2.D0.B5.D0.BD.D0.BD.D1.8B.D0.B9_.D0.B8.D0.BD.D1.82.D0.B5.D0.BB.D0.BB.D0.B5.D0.BA.D1.82

8. Применение нейросетевых технологий: Разработка программного обеспечения [электронный ресурс] – режим доступа: https://www.pvsm.ru/iskusstvenny-j-intellekt/281773

9. Проблемы и перспективы нейронных сетей. [электронный ресурс] – режим доступа: http://5fan.ru/wievjob.php?id=45342



СогласенИспользуя данный сайт, вы даете согласие на обработку Ваших cookie-файлов и пользовательских данных: сведения о местоположении; ip-адрес; тип, версия и язык операционной системы; тип, версия и язык браузера; тип и разрешение экрана устройства; источник перехода на сайт (с какого сайта или по какой рекламе); какие страницы открываются; какие кнопки нажимаются. Обработка производится в целях корректного функционирования сайта, проведения ретаргетинга, статистических исследований и обзоров. Если вы не хотите, чтобы ваши данные обрабатывались, то покиньте сайт.
Заказать звонок

Укажите свой контактный телефон, и мы перезвоним вам в течение 5 минут

Отправить заявку
Прикрепить свои файлы
Присоединиться к нашей команде
Прикрепить свои файлы