Між нейробіолог, фахівцями у сфері пізнання і філософами ведуться дискусії про те, чи можна створити або реконструювати людський мозок. Поточні прориви і відкриття в науці про мозок неухильно прокладають шлях до того часу, коли штучний мозок буде відтворений з нуля. Деякі люди припускають, що це знаходиться за межею можливого, другі зайняті способами його створення, треті вже тривалий час плідно працюють над завданням. У статті розглянемо питання про розвиток штучного інтелекту, його перспективи, а також про великих компаніях і проекти в цій галузі.
Основні положення
Штучний мозок співвідноситься з роботизованою машиною, яка по розуму, креативності та свідомості не поступається людям. За всю історію людства завдання до кінця не вирішена, але футуристи заявляють, що це питання часу. Враховуючи сучасні тенденції у нейробіології, обчислювальної техніки та нанотехнологіях, прогнозують, що штучний інтелект і мозок з’являться в XXI столітті, можливо, до 2050 року.
Вчені розглядають кілька шляхів створення штучного інтелекту. У першому випадку на суперкомп’ютерах проводяться великомасштабні біологічно реалістичні симуляції людського мозку. У другому випадку вчені намагаються створити масивно-паралельні нейроморфные обчислювальні пристрої, легко моделирующиеся на нервовій тканині.
Людська свідомість в аспекті найцікавіших загадок науки і метафізики вважається найбільш складним і найбільш досяжним. До подібних висновків приходять шляхом зворотного проектування людського мозку.
Машинне навчання
Машинне навчання лежить в основі стратегії розробки «штучного інтелекту», для цього всебічно вивчаються мозкові клітини людини. Цей тип навчання має великий потенціал: його платформа включає в себе алгоритми, інструменти розробки, API, розгортання моделей. Комп’ютери мають можливість навчання без явного програмування. Інноваційні компанії Amazon, Google і Microsoft активно використовують машинне навчання.
Платформи глибокого навчання
Глибоке навчання – це частина машинного навчання. Воно базується на тому, як працює мозок людини, і спирається на алгоритмів штучних нейронних мереж (ANN), через які інформація надходить. Роботи можуть «навчатися» на вхідних даних та отримані результати. Глибоке навчання – багатообіцяюча тенденція в штучному інтелекті, що поєднується з великими обсягами інформації. Воно зарекомендувало себе при розпізнаванні закономірностей і класифікації. Глибокий інстинкт, Fluid AI, MathWorks, Ersatz Labs, Sentient Technologies, Peltarion і Saffron Technology – це приклади компаній, які є піонерами в цій галузі вивчення інтелекту.
Обробка природної мови
Нейролінгвістичне програмування (НЛП) знаходиться на кордоні між комп’ютером і людською мовою і виступає технологією штучного інтелекту. Комп’ютерні програми можуть розуміти усну або письмову мову людини. У програмному забезпеченні Amazon Alexa, Apple Siri, Microsoft Cortana і Google Assistant НЛП використовується для розуміння користувачів питань і надання відповідей на них. Даний тип програмування широко використовується при економічних угодах і у сфері обслуговування покупців.
Покоління природної мови
Програмне забезпечення NLG використовується для перетворення всіх видів даних читається людиною текст, досягається це шляхом вивчення головного мозку. Це недооцінена технологія з такими програмами, як автоматизація звітів бізнес-аналітики, опис продуктів, фінансові звіти. Завдяки технології з’являється можливість створення користувацького контенту з прогнозованими додатковими витратами. Структуровані дані перетворюються в текст з великою швидкістю, до декількох сторінок в секунду. Цікавими гравцями на цьому ринку є Automated Insights, Lucidworks, Attivio, SAS, Narrative Science, Digital Reasoning, Yseop і Cambridge Semantics.
Віртуальні агенти
В рамках технологій штучного інтелекту терміни “віртуальний агент” і “віртуальний помічник” не є взаємозамінними. Деякі люди намагаються виявити різницю між поняттями, і у них це виходить.
Віртуальний помічник – це свого роду особистий онлайн-помічник. Віртуальні агенти часто представлені у вигляді комп’ютерних ІІ-персонажів, провідних інтелектуальний розмова з користувачами. Вони можуть відповідати на питання, а їх головною перевагою є те, що клієнти можуть отримувати допомогу 24 години на добу.
Розпізнавання мови
Ідентифікація мовлення – це здатність програми розуміти і аналізувати слова і фрази розмовної мови, а також перетворювати їх в дані за рахунок вбудованого алгоритму штучного мозку. Розпізнавання мови застосовується в компанії для маршрутизації викликів, голосовий набір, голосове пошуку і обробки мови в текст. Одним з недоліків є те, що програма може плутати слова із-за відмінностей у вимові і фонового шуму. Програмне забезпечення для розпізнавання мови все частіше встановлюється на мобільні пристрої. Компанії Nuance Communications, OpenText, Verint NICE Systems і здійснюють розробки в цій області.
Апаратне забезпечення з вбудованим ІІ
Широке поширення одержали пристрої з вбудованим AI, чіпами і графічні процесори (GPU). Google вмонтував у свій апаратне забезпечення штучний інтелект, взявши за основу розвиток інституту мозку людини. Вплив інтеграції ІІ з програмним забезпеченням виходить далеко за рамки споживчих додатків, таких як розваги та ігри. Це новий тип технології, яка буде використовуватися для просування глибокого навчання. Такими розробками займаються компанії Google, IBM, Intel, Nvidia, Allluviate і Cray.
Управління рішеннями
Управління бізнес-рішеннями в інноваційних продуктах (наприклад, робот з штучним інтелектом) охоплює всі аспекти проектування та регулювання автоматизованих систем. Воно необхідно організаціям для управління взаємодією між співробітниками, клієнтами і постачальниками.
Управління рішеннями покращує процес альтернативного вибору, тут використовується вся можлива інформація для кращого переваги, при цьому акцент ставиться на маневреності, послідовності, точності прийняття рішення. Управління рішеннями бере до уваги часові обмеження та відомі ризики.
Організації, що займаються банківськими, страховими та фінансовими послугами, інтегрують у свої процеси обслуговування клієнтів програмне забезпечення щодо прийняття поточних рішень.
Нейроморфная апаратура
SyNAPSE – це фінансується DARPA програма по розробці нейроморфных мікропроцесорних систем, сопоставляющихся з інтелектом і фізичними параметрами мозку. Платформа веде пошук відповіді на головне питання: чи можливо створити штучний мозок? Спочатку нейронні мережі тестуються в симуляції на суперкомп’ютері, потім безпосередньо будуються в апаратному забезпеченні. У жовтні 2011 року був продемонстрований прототип нейроморфного чіпа, що містить 256 нейронів. В даний час ведуться роботи по створенню многочиповой системи, здатної емулювати 1 мільйон пікових нейронів і 1 мільярд синапсів.
Моделювання нейронної мережі
Blue Brain Project (проект «Блакитний мозок») – це спроба реконструювати людський головний і спинний мозок, відтворити його за допомогою комп’ютерного моделювання на молекулярному рівні. Проект був заснований у травні 2005 року Генрі Маркрамом у Державній Політехнічній Школі Лозанни (EPFL) в Швейцарії. Моделювання виконується на суперкомп’ютері IBM Blue Gene, звідси і назва Blue Brain. Станом на листопад 2018 року моделювання проводиться на мезоциротах, що містять близько 10 мільйонів нейронів і 10 мільярдів синапсів. Повномасштабна імітація людського мозку з його 186 мільярдами нейронами намічена на 2023 рік.
Spaun – уніфікована мережу з архітектурою семантичного покажчика – була створена Крісом Элиасмитом і його колегами в Центрі теоретичної нейронауки (CTN) Університету Ватерлоо в Канаді. Станом на грудень 2018 року Spaun є найбільшою у світі імітацією мозку. Модель містить 2,5 мільйони нейронів, і цього достатньо для розпізнавання нею списків чисел, виконання простих обчислень.
SpiNNaker – це масивний нейроморфный суперкомп’ютер з низьким енергоспоживанням, який в даний час будується в Манчестерському університеті у Великобританії. Маючи більше мільйона ядер і тисячу імітованих нейронів, машина буде здатна змоделювати один мільярд нейронів. Замість того, щоб реалізовувати один конкретний алгоритм, SpiNNaker стане платформою, на якій можна тестувати різні алгоритми. Різні типи нейронних мереж можуть бути спроектовані і запущені на машині, таким чином імітуючи різні типи нейронів і патернів зв’язку. SpiNNaker – це абревіатура, отримана із словосполучення Spi King Nural.
Brain Corporation – невелика дослідницька компанія, що розробляє нові алгоритми та мікропроцесори, які лежать в основі біологічної нервової системи. Компанія була заснована в 2009 році обчислювальним нейробіологом Євгеном Ижикевичем і нейробіологом / підприємцем Алленом Грубером. Їх дослідження спрямоване на наступні області: візуальне сприйняття, управління двигуном і автономна навігація. Мета компанії полягає в оснащенні купівельних пристроїв, таких як мобільні телефони та побутові роботи, штучної нервової системою. Дослідження частково фінансується компанією Qualcomm, яка розташована в кампусі Qualcomm в Сан-Дієго, штат Каліфорнія. Ніяких конкретних продуктів ще не було випущено або оголошено, але компанія продовжує зростати і з лютого 2018 року активно наймає нових працівників.
Пов’язані дослідження
Google X Lab – секретна лабораторія, де Google експериментує з майбутніми технологіями. Проекти, над якими компанія працює, не є загальнодоступними, але вважається, що вони засновані на робототехніки та штучному інтелекті. Подробиці про лабораторії вперше з’явилися у статті періодичного видання New York Times в листопаді 2011 року. У публікації йдеться, що лабораторія знаходиться в Bay Area, Каліфорнія. Загальновідомо, що засновники Google зацікавлені у вивченні штучного інтелекту і вкладають інвестиції в цей напрямок. У 2006 році у службовій записці компанії говорилося, що Google хоче створити найкращу в світі дослідну лабораторію з штучного інтелекту.
«Росія 2045», відома як «Ініціатива 2045» або «Проект аватара», є амбітним довгостроковим проектом, метою якого є створення до 2020 року роботизованих аватарів, проведення трансплантації мозку до 2025 року і створення штучного мозку до 2035 року. Програма була запущена в 2011 році російським медіа-магнатом Дмитром Ицковым. Він прагне створити інститут мозку людини за допомогою глобальної Мережі вчених, які працюють разом на благо людства, і планомірного розвитку технологій. Ряд вчених Росії вже отримали від Іцкова інвестиції на свої дослідження. Крім того, Іцков намагається отримати додаткове фінансування від заможних осіб, благодійних компаній, а також національних і міжнародних урядів.
Наступним цікавим проектом є програма Бостонського університету і Hewlett Packard (HP) під назвою Moneta. Команда HP, очолювана Грегом Снайдером, створює платформу нейронної мережі під назвою Cog Ex Machina, яка може працювати в графічних процесорах і комп’ютерах майбутнього на основі мемристоров. Лабораторія нейроморфологии в Бостонському університеті, очолювана Массіміліано Версаче створила модульний штучний мозок Moneta, що працює на Cog Ex Machina. Акронім розшифровується як Modular Neural Exploring Travel Agent.
Часові рамки
Неминуче виникає питання про те, коли зможуть синтезувати цифрову копію головного і спинного мозку.
На жаль, це настане нескоро. Пророкування Курцвейла про емуляції мозку до 2030 року здається надмірно коротким, адже до нього всього 12 років. Більш того, його аналогією з проектом геному людини виявилися незадовільними. Крім того, багато вчених, ймовірно, рухаються за деякими тупиковим напрямами.
Аналогічно прогнози Гертцела про успіх підходу, заснованого на правилах, протягом наступних десятиліть здаються надмірно оптимістичними. Хоча, ймовірно, не неможливими, враховуючи його підхід навчання штучного інтелекту.
За ймовірним сценарієм створення коду або подоби людського мозку можливо через 50-75 років. Тим не менш дату досить важко передбачити, враховуючи похибку в нейронауці, з одного боку, і швидкість динамічності змін, з іншого. 2050 рік – це свого роду чорна діра, коли мова заходить про прогнози.
