Когда я только планировал написать эту статью, о нейронных сетях я знал только то, что они словно копируют мыслительный процесс нашего мозга.
Тогда я понятия не имел, насколько я ошибался.
В то время, когда кибернетики только начинали играть в свои игрушки, другие, более серьезные учёные работали над более серьёзной проблемой.
На основе нейрофизиологических данных о строении нейронов клеток нашего мозга они попытались воссоздать их структуру.
Это было за несколько лет до того самого семинара, на котором впервые заговорили об ИИ.
Эти серьезные учёные были на сто процентов уверены, что единственное, что способно думать, — это наш мозг.
Следовательно, все, что должно обладать этой способностью, должно воспроизводить структуру нашего мозга.
Смелое заявление, особенно если учесть, что о процессах мышления они имели довольно смутное представление, хотя нет – не идея, а просто гипотеза о том, что мышление человека работает посредством собственных нейронных сетей.
Другими словами, они, зная строение нейрона, создали свою упрощенную его копию и, зная, как нейроны объединяются в сети, попытались на основе этих знаний разработать логику, а затем и компьютер.
И здесь работают только математики.
Никто не говорит, что человек использует свои нейроны так же, как нейрокомпьютер.
Просто инженеры заменили классические полупроводники искусственными нейронами и пытаются построить новую логику.
О психологической стороне процесса пока никто не думает. Принцип работы нейронных сетей несколько отличается от полупроводниковых чипов — первые не используют двоичные коды.
Но секретное оружие нейронных сетей заключается в том, что, по слухам, нейронные сети способны обучаться.
Давайте попробуем разобраться в этом вопросе.
Итак, у нас есть сеть (однослойная или многослойная), состоящая из упрощенных моделей нейронов.
Есть группа входных нейронов и, соответственно, группа выходных нейронов.
При подаче информации на вход сигналы пробегают по сети, усиливаясь и ослабляясь, от нейрона к нейрону.
Они могут идти напрямую от входа к выходу, но могут и делать петли, возвращая несколько нейронов обратно.
Они могут даже хаотично перемещаться по сети, но суть в том, что на выходах формируется правильно обработанный сигнал.
Если на входы подаются коэффициенты квадратного уравнения, то на выходе мы должны получить его решения.
Если входные данные представляют собой изображение рукописного текста, то выходные данные должны быть его распознанной версией.
В начале работы, когда нейросеть еще не настроена, она бесполезна.
Чтобы он, помимо своего загадочного имени, приносил еще и пользу при решении задач, его нужно дрессировать.
Этот процесс начинается с решения проблемы с помощью внешних средств.
Это необходимо для того, чтобы в конечном итоге получить наборы вопросов и правильные ответы.
Далее эти вопросы представляются в качестве входных данных, а ответы — в качестве выходных данных.
Давайте посмотрим, как этот процесс работает для одного нейрона.
На его входы поступают входные сигналы, а на выход — сигнал, о правильности которого заранее известно.
Нейрон, в свою очередь, генерирует выходной сигнал, суммируя входные сигналы и применяя к сумме специальную функцию.
В результате собственный выходной сигнал нейрона на первом этапе отличается от внешнего.
Если наблюдается несоответствие, то используются специальные алгоритмы, изменяющие уровень входных сигналов (их вес) до тех пор, пока оба выходных сигнала не станут близкими.
Но здесь нужно быть осторожным, ведь если они окажутся очень близко, нейросеть «переобучится».
И тогда, если ее задача состоит, например, в распознавании текста, то нейросеть сможет распознавать только почерк конкретного человека, но не других.
А если эти два сигнала сильно отличаются, то нейросеть «недообучится».
То есть он вообще не сможет распознавать чей-либо почерк.
Чтобы этого не произошло, разработчик, занимающийся обучением, устанавливает своеобразную ошибку настройки.
Если разница между выходными сигналами не превышает значения этой ошибки, то процесс обучения можно считать завершенным.
Примерно так.
На самом деле все гораздо сложнее, так как нейронов в сети много.
Есть разные сети, и никто пока не знает, какой она должна быть на самом деле; более того, никто не знает, сколько нейронов в нем должно быть.
Каким бы сложным и невообразимым все это ни казалось, первые нейросетевые компьютеры были построены 50 лет назад. И хотя они были не очень мощными, но они работали.
Основные отличия таких компьютеров от обычных — самообучение (хотя я бы предпочел термин «самонастройка») и параллельные вычисления.
Именно поэтому на них возлагаются такие большие надежды, поскольку наши обычные процессорные компьютеры выполняют все вычисления последовательно.
Параллельные вычисления дают новый импульс развитию поисковых программ, криптоанализа и других областей, связанных с поиском в больших объемах информации.
Сейчас нейронные сети используются для распознавания изображений, текста и речи.
Есть даже такие, на основе которых строятся целые программные системы, заменяющие трейдеров на бирже.
Выпускаются платы расширения с нейронными сетями, которые затем можно вставить в обычный компьютер и с набором необходимого программного обеспечения работать с ними самостоятельно.
Они отлично справляются со своей задачей, хотя все еще находятся в процессе совершенствования.
Но возможно ли на их основе создать искусственный интеллект? Да, нейросеть способна к самообучению, но для этого необходимо заранее знать все ответы.
Метод проб и ошибок здесь не сработает. Так что самообучением это можно назвать только с большой натяжкой.
Его можно настроить для решения конкретной задачи.
Она тогда сможет с этим справиться, но не более того.
Чтобы переобучить его для новых целей, нужен человек, и не просто человек, а специалист в этой новой области.
Сама нейронная сеть не способна ничему научиться.
Фишка нейрокибернетиков заключалась в том, что они пытаются воссоздать мозг с его мыслительными процессами.
Но единственное, чего они добились, это то, что частично повторили структуру только одного типа его клеток — нейронов.
При этом ко всему этому они прикрепили свои алгоритмы, не имеющие ничего общего с нашим мышлением.
В результате мы получаем тот самый «черный ящик» кибернетики, со входом, выходом и черт знает что внутри.
Процесс нашего мышления не имеет ничего общего с работой нейронной сети, поскольку нейронные сети не используют анализ, синтез, сравнение или дедуцирование.
Они также не учитывают такой фактор, как психика человека.
При воссоздании нейронов их свойства, связанные со всем этим, опускаются, поэтому процесс реализуется лишь на поверхностном уровне.
Создатели нейронных сетей, которые до сих пор пытаются разработать помимо логики некий «язык программирования», основанный на психологии человека, столкнулись с серьезной проблемой.
Они пытаются найти общую теорию психологии, которую было бы легко формализовать.
Но дело в том, что подходов десятки, и что еще интереснее, ни один из них не относится к физиологии, т. е.
к тому, что двигателем нашей психики являются наши собственные нейронные сети.
Что делать, если такой связи нет? Теоретическая психология уже представляет собой самостоятельную систему со своими элементами.
Он никак не связан с физиологией, поэтому этот «язык программирования», эта формализация нашей психологии может быть реализована как на нейронных сетях, так и на другой платформе, или даже описана математически.
Поэтому нейронные сети не так уж и незаменимы, поскольку без них можно обойтись.
Пришло время вернуться к вопросу, который я задал в конце первой части, а именно к вопросу о том, настолько ли хорошо существующее определение искусственного интеллекта.
Вроде бы все компоненты уже созданы, но чего-то этому Франкенштейну все равно не хватает. Должно быть что-то, что вдыхает в него жизнь.
Здесь главное понять, зачем нам нужен искусственный интеллект. Решать логические задачи? Для этой цели уже может послужить обычный компьютер.
Распознавать изображения или речь? Такие технологии также уже существуют. Может быть, есть какая-то другая задача, достаточно сложная? Я думаю, что для этого тоже будут какие-то технологии или разработки.
Любую нашу проблему можно решить отдельно и без привлечения искусственного интеллекта.
Тогда зачем нам это нужно? Подозреваю, что не для какой-то конкретной задачи.
Давайте не будем ходить вокруг да около и обманывать себя.
Скажем откровенно: мы хотим, чтобы искусственный интеллект был максимально приближен к человеческому.
Чтобы он был таким же нелогичным, обладал интуицией, способностью генерировать идеи, принимать решения, чувствовать, сопереживать, чтобы, общаясь с ним, создавалось ощущение, что ты общаешься с человеком.
Чтобы у него был свой взгляд на мир, чтобы он мог спорить и соглашаться или не соглашаться со своим оппонентом.
Чтобы он был внимательным, имел умение дружить, хранить секреты, врать, уважать и не любить, чтобы у него было чувство юмора.
Чтобы он мог любить.
Мне кажется, что это определение ближе к сути.
УПД: Судя по комментариям стало понятно, что название не отражает сути, поэтому его пришлось изменить.
Оглавление: История искусственного интеллекта, часть 1. Картина без художника.
История искусственного интеллекта, часть 2. Нейросетевой ИИ – неизбежно или невозможно? Создание искусственного интеллекта Теги: #искусственный интеллект #нейрокибернетика #нейронные сети #нейрокомп #искусственный интеллект
-
Причины, По Которым Люди Используют Интернет
19 Oct, 24 -
Выпущен Весенний Аддон Edumandriva 2009.
19 Oct, 24 -
Проблема С Колпаками
19 Oct, 24
