Давайте сначала поговорим об искусственном интеллекте в целом на примере задачи из Школы 21. Если кто не знает, это бесплатное обучение программистов от Сбербанка. Сначала нужно пройти тест, который наполнен примерно такими задачами.
Как обычно пишут программы? Есть определенный путь (или пул задач), который программа должна выполнить. Например, пройти по лабиринту. В данном случае — пройти 11 клеток вперед, потом завернуть направо. Это линейное выполнение программы. Но если мы придумаем алгоритм, который будет говорить нашей стрелочке, куда двигаться в любой непонятной ситуации, тогда это будет базовый искусственный интеллект.
Например: подвинься прямо, если дороги нет, поверни направо. Если дороги снова нет, поверни на 180 градусов и попробуй снова. В основном, как вы уже заметили из примера, искусственный интеллект основывается на циклах if-else. По такому же принципу работают роботы-пылесосы — с помощью датчиков определяют, есть ли препятствие. Если есть, пытаются объехать.
В общем, именно так сейчас работает большинство тех устройств, которые продаются с пометкой «умный». В некоторых случаях вы сами закладываете условия с помощью приложений, в некоторых — они заданы на программном уровне.
Так вот, если мы говорим о том, что есть какие-то «умные» устройства, мы подходим к довольно интересной теме. Может ли машина думать? Для этого можно попробовать сравнить биологический нейрон и электронный.
Если сильно упростить картинку, то можно выделить следующие элементы тех нейронов, которые у нас в мозгу.
Есть дендриты — ветвящиеся отростки, которые собирают информацию со входа в нейрон. Это может быть что угодно: внешняя информация с рецепторов (колбочки, в случае цвета) или внутренняя информация от другого нейрона. Если эта информация активирует нейрон (потенциал выше какого-то порога), рождается волна возбуждения, которая распространяется по мембране, а затем через аксон передает сигнал другим нервным клеткам или тканям.
изображение
Что насчет искусственного, математического нейрона? Он был придуман еще в 1943 году.
1 — желтые шарики — это входные параметры. Массив данных, числовых значений, которые меняются в процессе обучения.
2 — Сумматор — блок нейрона, который складывает все входные параметры.
3 — Функция активации, которая работает в зависимости от значения, пришедшего от сумматора. Часто она передает либо 0, либо 1.
4 — Последующие нейроны, куда подается значение.
Именно из этих структурных единиц собирают классические искусственные нейронные сети.
Может ли машина думать? Пожалуй да, потому что биологические нейроны и те, которые используются в машинном обучении, мало чем различаются.
В чем загвоздка? У нас с вами есть как минимум 5 чувств и около 200 миллиардов нервных клеток, которые соединяются сотнями триллионов синапсов. Каждый синапс содержит около 1000 молекулярных переключателей, транзисторов. Именно столько есть во всей мировой инфраструктуре, по мнению стэнфордских нейробиологов.
Кроме того, есть определенные ограничения.
Во-первых, у искусственного интеллекта нет 5 чувств, он не в состоянии собирать данные самостоятельно. Обучается он только на тех данных, которые мы с вами ему предоставляем. Во-вторых, машина не будет создавать новые нейронные связи самостоятельно. А значит, система будет ограничена тем обучающим алгоритмом, который мы зададим при разработке.
У нас есть общее понятие искусственного интеллекта. Как мы с вами уже поняли — это программа, которая может действовать, проводить базовые рассуждения и приспосабливаться.
Интересно узнать, что такое машинное обучение? Тогда кликай сюда.