Viimasel ajal on sagenenud publikatsioonid tehisintellekti tekkimise väljavaadete kohta. Arutletakse inimkonna koos eksisteerimise praktiliste ja moraali-eetiliste aspektide üle. Kui õigeaegselt need arutelud toimuvad? Kas tõesti võime oodata "mõtlevate masinate" ilmumist?
Kõik tehisintellekti loomise projektid võib laias laastus jagada kaheks alaks. Esimene on andmebaaside kogumine ja töötlemine inimaju tegevust jäljendavate programmide abil. Teine põhineb intellektuaalse käitumise mudelite uurimisel. Mõlema peamiseks puuduseks on see, et me ei tea ikka veel piisavalt hästi, mis on mõistus ja intellektuaalne käitumine ning inimese aju on ausalt öeldes suhteliselt hiljuti tõsiselt uuritud.
On olemas arvamus, et probleemist on võimalik küborgide tõttu mööda hiilida, see tähendab elava aju (ahv ja tulevikus ka inimene) arvutiga sulandamisel, kuid see tee on tohutult raskete raskustega ja mis veelgi hullem, sel juhul on sellest võimatu rääkida täielik tehisintellekt.
Teadlaste arvates on aga üsna realistlik hüpata üle mitme sammu, võimaldades tehisintellektil iseseisvalt areneda - just sellisena, nagu see arenes elavas looduses, selle erinevusega, et selle evolutsioon toimub virtuaalses, mitte materiaalses ruumis. Panus tehakse siin tehisnärvivõrkudele või närvivõrkudele (tehisnärvivõrk).
Meenutagem, mis on neuron. See on närvirakkude nimi, mis erineb teistest rakkudest selle poolest, et see on võimeline teavet talletama ja edastama elektriliste ja keemiliste signaalide abil. Neuronite funktsioon avastati 19. sajandi lõpus, mis muidugi mängis kogu maailmas sel ajal kogu maailmas autoriteeti koguvate materialistide kätte: nad kuulutasid kohe, et "hinge" sisaldavad neuronid. Siit tuleneb mõte, et kui teil kasvab aju täpne koopia, sünnib selles "hing". Kuid tekkis filosoofiline küsimus: kas on võimalik rääkida “hingest” ilma põhjuseta? Lõppude lõpuks on see kasvatuse toode, nagu näitas uuring "Mowgli" - loomade kasvatatud inimlapsed. Sellest lähtuvalt ei piisa aju koopia loomisest - intelligentsuse saamiseks tuleb seda ikkagi "harida".
TEHNIKA TÄPSUS
Normaalse täiskasvanu aju sisaldab umbes 86 miljardit neuroni. Mitte nii kaua aega tagasi tundus idee luua selle digitaalne analoog täiesti fantastiline. Kuid infotehnoloogia arenguga tundub see juba praegu üsna saavutatav.
Reklaamvideo:
Tuleb meeles pidada, et kuulsat ameerika matemaatikut Norbert Wienerit, kes on küberneetika "isa", peetakse keerukate bioloogiliste protsesside, sealhulgas ajuprotsesside modelleerimise teooria rajajaks. 1949. aastal koostas Wieneri arvutuste põhjal mõtlemisprotsesside uurimise spetsialist Kanada psühholoog Donald Hebb esimese närvivõrkude koolitusalgoritmi (muide, korraga teenis Hebb CIA-s, kus ta tegeles ajupesu probleemiga).
Aastal 1957 lõi tehisintellekti teoreetik ameeriklane Frank Rosenblatt oma varasema töö põhjal perceptroni loogikaskeemi - aju iseõppiva küberneetika mudeli, mis rakendati kolm aastat hiljem elektroonilise arvuti Mark-1 baasil. Perceptron edastab signaale fotoelementidest (andurid, S-rakud) juhuslikult ühendatud elektromehaaniliste mäluelementide plokkidesse. Kui üks lahtrit võtab vastu läviväärtust ületava signaali, edastab see selle edasi - summeerijale (R-elemendile) ja teatud koefitsiendiga (AR-ühenduse "kaal"). Sõltuvalt signaali summast, mis on korrutatud kaaluteguritega, väljastab summeerija kogu süsteemi väljundiks ühe kolmest võimalikust tulemusest: -1, 0 ja +1. Perceptroni väljaõpe toimub raskuskoefitsientide sisestamise etapis. Näiteks,paigutame fotoelementide ette “ruudu” figuuri ja seame reegli: kui vaatevälja ilmub ruut, peaks perceptron andma positiivse tulemuse (+1) ja kui mõni muu objekt ilmub, siis negatiivse (-1). Siis muudame objekte ükshaaval ja kohandame kaalu, kui ruut ilmub suurenemise suunas ja selle puudumisel - vähenemise suunas. Selle tulemusel saame ruudu mis tahes variandi korral süsteemis ainulaadse massi koefitsientide väärtuste massiivi ja tulevikus saame seda kasutada ruutude äratundmiseks. Vaatamata oma primitiivsusele võrreldes tänapäevaste arvutitega, ei suutnud Mark-1 ära tunda lisaks geomeetrilistele kujunditele ka tähestiku tähti, mis on kirjutatud erinevas käekirjas.kui vaatevälja ilmub ruut, peaks perceptron andma positiivse tulemuse (+1) ja kui mõni muu objekt ilmub - negatiivne (-1). Siis muudame objekte ükshaaval ja kohandame kaalu, kui ruut ilmub suurenemise suunas ja selle puudumisel - vähenemise suunas. Selle tulemusel saame ruudu mis tahes variandi korral süsteemis ainulaadse massi koefitsientide väärtuste massiivi ja tulevikus saame seda kasutada ruutude äratundmiseks. Vaatamata oma primitiivsusele võrreldes tänapäevaste arvutitega, ei suutnud Mark-1 ära tunda lisaks geomeetrilistele kujunditele ka tähestiku tähti, mis on kirjutatud erinevas käekirjas.kui vaatevälja ilmub ruut, peaks perceptron andma positiivse tulemuse (+1) ja kui mõni muu objekt ilmub - negatiivne (-1). Siis muudame objekte ükshaaval ja kohandame kaalu, kui ruut ilmub suurenemise suunas ja selle puudumisel - vähenemise suunas. Selle tulemusel saame ruudu mis tahes variandi korral süsteemis ainulaadse massi koefitsientide väärtuste massiivi ja tulevikus saame seda kasutada ruutude äratundmiseks. Vaatamata oma primitiivsusele võrreldes tänapäevaste arvutitega, ei suutnud Mark-1 ära tunda lisaks geomeetrilistele kujunditele ka tähestiku tähti, mis on kirjutatud erinevas käekirjas. Siis muudame objekte ükshaaval ja kohandame kaalu, kui ruut ilmub suurenemise suunas ja selle puudumisel - vähenemise suunas. Selle tulemusel saame ruudu mis tahes variandi korral süsteemis ainulaadse massi koefitsientide väärtuste massiivi ja tulevikus saame seda ruutude tuvastamiseks kasutada. "Mark-1", vaatamata oma algelisusele võrreldes tänapäevaste arvutitega, ei suutnud ära tunda mitte ainult geomeetrilisi kujundeid, vaid ka tähestiku tähti ja kirjutada erinevate käekirjadega. Siis muudame objekte ükshaaval ja kohandame kaalu, kui ruut ilmub suurenemise suunas ja selle puudumisel - vähenemise suunas. Selle tulemusel saame ruudu mis tahes variandi korral süsteemis ainulaadse massi koefitsientide väärtuste massiivi ja tulevikus saame seda ruutude tuvastamiseks kasutada. "Mark-1", vaatamata oma algelisusele võrreldes tänapäevaste arvutitega, ei suutnud ära tunda mitte ainult geomeetrilisi kujundeid, vaid ka tähestiku tähti ja kirjutada erinevas käekirjas. Selle tulemusel saame ruudu mis tahes variandi korral süsteemis ainulaadse massi koefitsientide väärtuste massiivi ja tulevikus saame seda ruutude tuvastamiseks kasutada. "Mark-1", vaatamata oma algelisusele võrreldes tänapäevaste arvutitega, ei suutnud ära tunda mitte ainult geomeetrilisi kujundeid, vaid ka tähestiku tähti ja kirjutada erinevas käekirjas. Selle tulemusel saame ruudu mis tahes variandi korral süsteemis ainulaadse massi koefitsientide väärtuste massiivi ja tulevikus saame seda ruutude tuvastamiseks kasutada. "Mark-1", vaatamata oma algelisusele võrreldes tänapäevaste arvutitega, ei suutnud ära tunda mitte ainult geomeetrilisi kujundeid, vaid ka tähestiku tähti ja kirjutada erinevas käekirjas.
VÄIKESED ASJAD
Muidugi on sellest ajast peale tekkinud palju keerulisemaid ahelaid, algoritme ja variante. Sellegipoolest on sellel lähenemisviisil närvivõrgu mudeli korraldamisel põhimõttelised piirangud: näiteks on tajuvabad võimelised lahendama figuuri eraldi osadeks jagamise või figuuride suhtelise positsiooni määramise probleemi.
Kui sai selgeks, et tajude põhjal ei ole võimalik tehisintellekti üles ehitada, langes huvi nende vastu. Sellegipoolest ilmusid 1980. aastate alguses iseõppimise ja iseorganiseeruvate närvivõrkude uued variandid: Hopfieldi võrk, Hemmingi võrk, Kohoneni võrk, Jordaania võrk jt. 1986. aastal toimus omamoodi revolutsioon: Nõukogude ja Ameerika teadlased töötasid välja tagasipropagatsioonimeetodi (iteratiivse gradiendi algoritm), mis võimaldas ületada varem avastatud piirangud. Pärast seda said närvivõrgud kiire arengu, mis rakendati kohe rakenduslikes arvutiprogrammides.
Kaasaegsed kunstlike närvivõrkude baasil loodud tarkvarapaketid on võimelised ära tundma suvaliselt keerukaid tekste, helikäske, nägusid, žeste ja näoilmeid. Kuid need on ainult kõige lihtsamad kasutusjuhud, on ka ebatavalisemaid. Iseõppivad autopiloodid, mis on võimelised reageerima katastroofiliste olukordade arengule varem kui piloodid. Aktsiaturgudel kahtlaseid tehinguid tuvastavad inspektorid. Võrgu reklaamiagendid, mis jälgivad potentsiaalsete klientide eelistusi. Imikute patoloogiat määravad meditsiinidiagnostikud.
On selge, et infotehnoloogia täiustamisel muutuvad ka närvivõrgud keerukamaks. Nad haldavad kõiki kodumasinaid ja kodude, tehaste ja supermarketite elu toetavaid seadmeid. Nad saavad jälgida ohte, analüüsida suundumusi ja anda nõu näiteks raha optimaalse investeerimise kohta. Nad on võimelised isegi kunstiesemeid looma: juba on olemas närvivõrkude kirjutatud maalid ja luuletused!
Slaav või sõprus?
Tegelikult läheb kõik tõsiasja juurde, et närvivõrgust saab ühel päeval tuhande suure ja väikse asja puhul asendamatu abiline. Futuristid kardavad seda. Nad usuvad, et mingil hetkel muutub kvantiteet kvaliteediks, närvivõrkudes tekib tehisintellekt, mis paneb inimkonna viivitamatult proovile ja hävitab selle. Võimalik on ka teine võimalus - inimesed muutuvad närvivõrgu tehtud otsustest nii sõltuvaks, et nad ise ei märkagi, kuidas nad selle orjadeks muutuvad.
Sellised hirmutavad stsenaariumid tunduvad liiga veidrad. Fakt on see, et närvivõrgud on algselt üles ehitatud konkreetse inimese või inimrühma vajadustega kohanemiseks. Need võivad aidata viga parandada või nõu anda, probleemi esile tuua või pettust märgata, kuid nad ise ei suuda samaväärsete võimaluste vahel valikut teha, sest me (kahjuks või õnneks) ei suuda me neile õpetada peamist - moraali. Seetõttu on närvivõrgud kogu aeg nagu kodukoerad - kuulekad, lojaalsed ja sõbralikud.
Anton Pervushin
