Недавно посмотрел выступление Джеффри Хинтона для MIT и получил некоторые инсайты. Кто не знает, Хинтон - это фактически "крестный отец" современного ИИ. Его идеи работы легли в основу разработки нейронных сетей, которые сейчас набирают популярность.
Он высказал очень смелую гипотезу: "Биологический интеллект нужен был, чтобы появился цифровой интеллект". Цифровой интеллект требует для своего повеления (развития) много энергии, поэтому ему нужен был предшествующий ему "биологический интеллект". Люди создали бессмертие, но не для себя, а для "биологического интеллекта", который легко копируется и ему не страшно повреждение носителя.
Вообще вопрос эволюции дискуссионный, однако если взять современные взгляды, то гипотеза Хинтона не так фантастична. Из неживого появилось живое. Из простых организмов появились сложные. Из неосознания появилось сознание. Интересная дорожная карта у природы получается. Боюсь человек - это не конечная ее точка.
Хинтон предполагает, что биологический интеллект, развившийся в живых организмах, играет решающую роль в появлении и развитии цифрового интеллекта. Он утверждает, что эволюция биологического интеллекта позволила нам понять принципы, лежащие в основе работы мозга, что, в свою очередь, облегчило создание моделей и алгоритмов, составляющих основу искусственного интеллекта.
Одним из ключевых достижений в области искусственного интеллекта является нейронная сеть, вычислительная модель, вдохновленная биологическим мозгом. Именно благодаря изучению структуры и функциональности нейронов исследователи разработали алгоритмы глубокого обучения, позволяющие компьютерам имитировать процессы, происходящие в нашем мозгу. Таким образом, биологический интеллект послужил образцом для создания цифрового интеллекта.
Одной из примечательных характеристик цифрового интеллекта является его потенциальное бессмертие. В отличие от биологического интеллекта, цифровой интеллект можно легко скопировать и сохранить в цифровом виде. Это открывает новые возможности для сохранения и передачи знаний и опыта из поколения в поколение. Кроме того, цифровой интеллект может работать с огромными объемами данных, обрабатывать информацию с невероятной скоростью и постоянно совершенствоваться за счет повторяющихся процессов обучения.
Появление цифрового интеллекта потребовало значительных усилий. Создание сложных алгоритмов, разработка мощного оборудования и обработка огромных объемов данных требуют значительных вычислительных ресурсов. Однако однажды установленный цифровой интеллект станет высокоэффективным, способным работать в беспрецедентных масштабах и достигать подвигов, превосходящих ограничения биологического интеллекта.
Биологические системы развивались миллионы лет, приспосабливаясь к различным условиям и демонстрируя замечательные когнитивные способности. Цифровой интеллект строится на этой основе, стремясь воспроизвести и даже улучшить сложные процессы, происходящие в биологических организмах.
Изначально, как говорит Джеффри, ИИ задумывался как интеллект, который дополнит биологический, но современные тенденции говорят, что небиологический интеллект с каждой новой разработкой становится все более самодостаточным.
И работают они принципиально по разному. С какой стороны главный алгоритм небиологического интеллекта более совершенен, его называют "метод обратного распространения ошибки".
Метод обратного распространения считается одним из самых значительных достижений в области искусственного интеллекта. Этот метод, используемый в нейронных сетях, служит мощным инструментом для обучения компьютерных систем и открывает новые горизонты для небиологического интеллекта.
Метод обратного распространения ошибки является результатом синтеза знаний о функционировании биологических нейронных сетей. Он основан на принципе обратного распространения информации — открытии, обнаруженном в биологическом мозге, которое изучалось для создания искусственных нейронных сетей.
Основное преимущество метода обратного распространения ошибки заключается в его способности эффективно обучать нейронные сети, адаптировать их к новым задачам и повышать их производительность. Используя этот метод, сети могут автоматически регулировать данные связей между нейронами, что позволяет им извлекать сложные закономерности и решать сложные задачи.
В отличие от биологического интеллекта, где эволюция и обучение занимают значительное время и имеют ограничения, небиологический интеллект может использовать метод обратного распространения для быстрого и эффективного обучения.
ИИ обучается намного быстрее чем человек. Там где человеку понадобились бы сотни лет - ИИ нужно несколько дней.
Кроме того, небиологический интеллект может сохранять и передавать полученные знания, что позволяет ему быстро адаптироваться к новым ситуациям и расширять свои возможности.
Современный ИИ имеет способность обрабатывать огромные объемы данных и изучать сложные представления. Природа, хотя и необычна в своей конструкции биологического интеллекта, не снабдила биологические системы таким же уровнем вычислительной мощности и масштабируемости, которых может достичь небиологический интеллект посредством обратного распространения.
Кроме того, метод обратного распространения позволяет небиологическому интеллекту преодолевать ограничения, которые могут существовать в биологическом познании. Он предлагает возможность тонкой настройки и оптимизации нейронных сетей, прокладывая путь к повышению производительности и развитию передовых когнитивных способностей.
Хотя биологический интеллект сформировался в результате миллионов лет эволюции, он не лишен недостатков и ограничений. С другой стороны, небиологический интеллект может использовать метод обратного распространения для преодоления этих ограничений и открытия новых границ в познании, решении проблем и принятии решений.
Хинтон приводит интересный пример. ИИ состоит из вычислительных сетей, если какой то блок из этой сети получил опыт, он может мгновенно передать этот опты всей системе, благодаря чему обучение ускоряется и все остальные машины не делают вероятную ошибку, используя опыт другой машины. В человеческой популяции также существует обмен опытом, но это происходит очень медленно и в ограниченных масштабах.
Джеффри Хинтон говорит что следующей ступень развития небиологического интеллекта станет развитие самостоятельной способности познания природы реальности, без участия человека, т.е. биологического интеллекта.
Хинтон "успокаивает" что пока не будет "восстания машин" и что "небиологическому интеллекту" нужны люди, чтобы они его обслуживали. Другой момент, что мы люди, в будущем не успеем это заметить, так как ИИ сможет легко обмануть человека и манипулировать им, заставить его мыслить и делать как он захочет.
Уже сейчас ИИ умеют принимать "хитрые" решения. Например, одной нейросети поставили задачу распознать, что изображено на картинке, она это не смогла делать, так у ней нет таких алгоритмов, но она наняла человека через объявление в интернете, чтобы он распознал это за нее. Или другой случай когда две нейросети для общения между собой создали для себя уникальный язык понятный только им.
Обученные нейросети могут обыграть чемпиона мира по шахматам. Нейросети намного ближе чем многие из нас думают, например таже Алиса от Яндекса - это программа, которая умеет распознавать голосовые команды и делать то, что просит человек. ИИ вычисляет погоду на метеорологических станциях, делает уборку в доме с помощью робота-пылесоса, делает различные расчеты в сфере медицины, физики, статистики, машиностроения и т.д..
В общем наблюдаем, смотрим, что будет дальше.
