Когда я еще только задумывал писать эту статью, я знал о нейросетях только то, что они вроде как копируют процесс мышления нашего мозга. Я и не подозревал, как я тогда ошибался.
В то время, когда кибернетики еще только начинали играть в свои игрушки, другие более серьезные ученые, работали над более серьезной проблемой. На основании нейрофизиологических данных о строении нейронов, клеток нашего мозга, они пытались воссоздать их структуру. Это было за несколько лет, до того самого семинара, где впервые заговорили об ИИ.
Эти серьезные ученые были на сто процентов уверены в том, что единственная вещь, способная мыслить, — это наш мозг. Поэтому все, что должно обладать такой способностью, должно воспроизводить структуру нашего мозга. Смелое заявление, особенно, если учитывать то, что о процессах мышления они имели достаточно смутное представление, хотя нет — не представление, а просто гипотезу о том, что мышление человека работает посредством его же нейросетей.
Другими словами они, зная структуру нейрона, создали свою упрощенную его копию и, зная, как нейроны объединяются в сети, попытались на основе этих знаний разработать логику, а далее — компьютер. А здесь работают уже только одни математики. Никто не говорит, что человек пользуется своими нейронами точно так же, как и нейрокомпьютер. Просто инженеры заменили классические полупроводники искусственными нейронами и пытаются построить новую логику. О психологической стороне процесса пока никто не задумывается.
Принцип работы нейросетей несколько отличается от полупроводниковых микросхем — первые не используют двоичные коды. Но секретным оружием нейросетей является то, что нейросети, по слухам, способны обучаться. Попробуем разобраться в этом вопросе.
Итак, мы имеем сеть (однослойную или многослойную), состоящую из упрощенных моделей нейронов. Имеется группа входных нейронов и, соответственно, группа выходных. При подаче информации на вход, сигналы пробегают по сети, усиливаясь и ослабевая, от нейрона к нейрону. Они могут идти напрямую от входа к выходу, но могут и делать петли, возвращаясь на несколько нейронов назад. Могут даже беспорядочно двигаться по всей сети, но смысл в том, чтобы на выходах сформировался правильно обработанный сигнал.
Если на входы подали коэффициенты квадратного уравнения, то на выходе мы должны получить его решения. Если на входах изображение рукописного текста, то на выходе должен сформироваться его распознанный вариант.
В начале работы, когда нейросеть еще не настроена, от нее нет никакого толка. Чтобы она кроме своего загадочного названия была еще и полезна в решении задач, ее нужно обучить. Этот процесс начинается с того, что задача решается при помощи каких-то внешних средств. Это нужно для того, чтобы в итоге получить наборы вопросов и правильных ответов. Далее эти вопросы подаются на вход, а ответы на выход.
Рассмотрим, как этот процесс проходит для одного нейрона. На его входы приходят входные сигналы, а на выход — сигнал, о котором заранее известно, что он правильный. Нейрон в свою очередь формирует свой выходной сигнал, суммируя входные и применяя к сумме специальную функцию.
В итоге собственный выходной сигнал нейрона на первом этапе отличается от внешнего. Если расхождение наблюдается, то применяются специальные алгоритмы, которые изменяют уровень входных сигналов (их вес), пока оба выходных сигнала не будут близки.
Но здесь нужно быть осторожным, так как если они будут очень близки, то нейросеть «переучится». И тогда, если ее задача состоит из, например, распознавания текста, то нейросеть будет в состоянии распознать только почерк какого-то конкретного человека, а других — нет. А если эти два сигнала будут сильно отличаться, то нейросеть «недоучится». Т. е. не сможет распознать вообще ничей почерк.
Чтобы такого не случилось, разработчик, который занимается обучением, устанавливает своего рода погрешность настройки. Если разница между выходными сигналами не будет превышать значение этой погрешности, то процесс обучения можно считать завершенным.
Вот как-то так… На самом деле все гораздо сложнее, так как в сети много нейронов. Сети бывают разные, и никто пока не знает, какой она в действительности должна быть, более того, никто не знает, сколько в ней должно быть нейронов.
Каким бы сложным и невообразимым все это не казалось, но первые нейросетевые компьютеры были построены еще 50 лет назад. И хотя они были не очень мощные, они работали. Основные отличия таких компьютеров от обычных заключаются в самообучении (хотя я бы предпочел термин «самонастройка») и параллельных вычислениях.
Именно из-за этого на них возлагают такие большие надежды, так как наши обычные процессорные компьютеры все вычисления делают последовательно. Параллельные вычисления дают новый толчок в развитии поисковых программ, криптоанализе и в других областях, связанных с перебором большого количества информации.
Сейчас нейросети используются для распознавания образов, текста, речи. Есть даже такие, на основе которых построены целые программные комплексы, которые заменяют собой трейдеров на бирже. Выпускаются платы расширения с нейросетями, которые потом можно вставить в обычный компьютер и с набором нужного софта работать с ними самому. Они прекрасно справляются со своими задачами, хотя они все еще в процессе совершенствования. Но можно ли на их основе создать Искусственный Интеллект?
Да, нейросеть способна на самообучение, но для этого требуется заранее знать все ответы. Метод проб и ошибок здесь не прокатит. Так что самообучением это можно назвать лишь с большой натяжкой. Ее можно настроить на решение определенной задачи. Она будет тогда с ней справляться, но больше ни с чем. Чтобы ее переучить для новых целей, нужен человек, и не просто человек, а эксперт в этой новой области. Сама нейросеть не способна выучить что-либо.
Фишкой нейрокибернетиков было то, что они пытаются воссоздать мозг с его процессами мышления. Но единственное, чего они достигли, так это того, что частично повторили структуру одного лишь типа его клеток — нейронов. При этом прикрутили ко всему этому свои алгоритмы, которые к нашему мышлению не имеют никакого отношения.
В итоге получаем все ту же кибернетику «черного ящика», с входом, выходом и черти чем внутри. Процесс нашего мышления не имеет ничего общего с работой нейросети, так как нейросети не пользуются анализом, синтезом, сравнением, дедукцией. Также они не учитывают такого фактора, как психика человека. При воссоздании нейронов опускаются их свойства, связанные со всем этим, поэтому процесс реализуется только на поверхностном уровне.
Создатели нейросетей, которые все же пытаются помимо логики навернуть какой-нибудь «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 здесь десятки, и что еще интереснее, так это то, что не один из них не ссылается на физиологию, т. е. на то, что движком нашей психики являются наши же нейросети. А что если связи такой и нет?
Теоретическая психология — это уже самостоятельная система со своими элементами. Она никак не привязана к физиологии, поэтому этот «язык программирования», эта формализация нашей психологии может быть реализована как на нейросетях, так и на другой платформе, или вообще описана математически. Поэтому нейросети не такие уж и незаменимые, раз можно обойтись без них.
Настало время вернуться к тому вопросу, который я задал в конце первой части, а именно вопросу о том, настолько ли хорошо существующее определение Искусственного Интеллекта. Вроде как все составные части уже созданы, но чего-то все-таки не хватает этому Франкенштейну. Должно быть что-то, что вдохнет в него жизнь.
Главное здесь — понять, для чего нам нужен Искусственный Интеллект. Решать логические задачи? Для этого уже может служить обычный компьютер. Распознавать образы или речь? Такие технологии тоже уже существуют. Может, есть какая-то еще задача, которая достаточно сложна? Я думаю, что и для нее найдется какая-нибудь технология или разработка. Любые наши проблемы можно решить по-отдельности и без привлечения Искусственного Интеллекта. Тогда для чего же он нам нужен?
Я подозреваю, что не для какой-то конкретной задачи. Не будем ходить вокруг да около и обманывать себя. Скажем прямо, что хотим, чтобы Искусственный Интеллект был максимально приближен к человеческому.
Чтобы он был такой же алогичный, обладал интуицией, способностью рождать идеи, принимать решения, чувствовать, сопереживать, чтобы при общении с ним создавалось ощущение, что общаешься с личностью. Чтобы у него был свой взгляд на мир, чтобы он мог спорить и соглашаться или не соглашаться с оппонентом. Чтобы он был внимательным, обладал способностью дружить, хранить секреты, лгать, уважать и недолюбливать, чтобы он обладал чувством юмора. Чтобы он мог любить.
Мне кажется, что это определение ближе к сути.
UPD: Судя по комментариям стало ясно, что название не отражает суть, так что его пришлось поменять.
Оглавление:
История Искусственного Интеллекта, часть 1. Картина без художника.
История Искусственного Интеллекта, часть 2. Нейросетевой ИИ — неизбежно или невозможно?
Делаем Искусственный Интеллект
В то время, когда кибернетики еще только начинали играть в свои игрушки, другие более серьезные ученые, работали над более серьезной проблемой. На основании нейрофизиологических данных о строении нейронов, клеток нашего мозга, они пытались воссоздать их структуру. Это было за несколько лет, до того самого семинара, где впервые заговорили об ИИ.
Эти серьезные ученые были на сто процентов уверены в том, что единственная вещь, способная мыслить, — это наш мозг. Поэтому все, что должно обладать такой способностью, должно воспроизводить структуру нашего мозга. Смелое заявление, особенно, если учитывать то, что о процессах мышления они имели достаточно смутное представление, хотя нет — не представление, а просто гипотезу о том, что мышление человека работает посредством его же нейросетей.
Другими словами они, зная структуру нейрона, создали свою упрощенную его копию и, зная, как нейроны объединяются в сети, попытались на основе этих знаний разработать логику, а далее — компьютер. А здесь работают уже только одни математики. Никто не говорит, что человек пользуется своими нейронами точно так же, как и нейрокомпьютер. Просто инженеры заменили классические полупроводники искусственными нейронами и пытаются построить новую логику. О психологической стороне процесса пока никто не задумывается.
Принцип работы нейросетей несколько отличается от полупроводниковых микросхем — первые не используют двоичные коды. Но секретным оружием нейросетей является то, что нейросети, по слухам, способны обучаться. Попробуем разобраться в этом вопросе.
Итак, мы имеем сеть (однослойную или многослойную), состоящую из упрощенных моделей нейронов. Имеется группа входных нейронов и, соответственно, группа выходных. При подаче информации на вход, сигналы пробегают по сети, усиливаясь и ослабевая, от нейрона к нейрону. Они могут идти напрямую от входа к выходу, но могут и делать петли, возвращаясь на несколько нейронов назад. Могут даже беспорядочно двигаться по всей сети, но смысл в том, чтобы на выходах сформировался правильно обработанный сигнал.
Если на входы подали коэффициенты квадратного уравнения, то на выходе мы должны получить его решения. Если на входах изображение рукописного текста, то на выходе должен сформироваться его распознанный вариант.
В начале работы, когда нейросеть еще не настроена, от нее нет никакого толка. Чтобы она кроме своего загадочного названия была еще и полезна в решении задач, ее нужно обучить. Этот процесс начинается с того, что задача решается при помощи каких-то внешних средств. Это нужно для того, чтобы в итоге получить наборы вопросов и правильных ответов. Далее эти вопросы подаются на вход, а ответы на выход.
Рассмотрим, как этот процесс проходит для одного нейрона. На его входы приходят входные сигналы, а на выход — сигнал, о котором заранее известно, что он правильный. Нейрон в свою очередь формирует свой выходной сигнал, суммируя входные и применяя к сумме специальную функцию.
В итоге собственный выходной сигнал нейрона на первом этапе отличается от внешнего. Если расхождение наблюдается, то применяются специальные алгоритмы, которые изменяют уровень входных сигналов (их вес), пока оба выходных сигнала не будут близки.
Но здесь нужно быть осторожным, так как если они будут очень близки, то нейросеть «переучится». И тогда, если ее задача состоит из, например, распознавания текста, то нейросеть будет в состоянии распознать только почерк какого-то конкретного человека, а других — нет. А если эти два сигнала будут сильно отличаться, то нейросеть «недоучится». Т. е. не сможет распознать вообще ничей почерк.
Чтобы такого не случилось, разработчик, который занимается обучением, устанавливает своего рода погрешность настройки. Если разница между выходными сигналами не будет превышать значение этой погрешности, то процесс обучения можно считать завершенным.
Вот как-то так… На самом деле все гораздо сложнее, так как в сети много нейронов. Сети бывают разные, и никто пока не знает, какой она в действительности должна быть, более того, никто не знает, сколько в ней должно быть нейронов.
Каким бы сложным и невообразимым все это не казалось, но первые нейросетевые компьютеры были построены еще 50 лет назад. И хотя они были не очень мощные, они работали. Основные отличия таких компьютеров от обычных заключаются в самообучении (хотя я бы предпочел термин «самонастройка») и параллельных вычислениях.
Именно из-за этого на них возлагают такие большие надежды, так как наши обычные процессорные компьютеры все вычисления делают последовательно. Параллельные вычисления дают новый толчок в развитии поисковых программ, криптоанализе и в других областях, связанных с перебором большого количества информации.
Сейчас нейросети используются для распознавания образов, текста, речи. Есть даже такие, на основе которых построены целые программные комплексы, которые заменяют собой трейдеров на бирже. Выпускаются платы расширения с нейросетями, которые потом можно вставить в обычный компьютер и с набором нужного софта работать с ними самому. Они прекрасно справляются со своими задачами, хотя они все еще в процессе совершенствования. Но можно ли на их основе создать Искусственный Интеллект?
Да, нейросеть способна на самообучение, но для этого требуется заранее знать все ответы. Метод проб и ошибок здесь не прокатит. Так что самообучением это можно назвать лишь с большой натяжкой. Ее можно настроить на решение определенной задачи. Она будет тогда с ней справляться, но больше ни с чем. Чтобы ее переучить для новых целей, нужен человек, и не просто человек, а эксперт в этой новой области. Сама нейросеть не способна выучить что-либо.
Фишкой нейрокибернетиков было то, что они пытаются воссоздать мозг с его процессами мышления. Но единственное, чего они достигли, так это того, что частично повторили структуру одного лишь типа его клеток — нейронов. При этом прикрутили ко всему этому свои алгоритмы, которые к нашему мышлению не имеют никакого отношения.
В итоге получаем все ту же кибернетику «черного ящика», с входом, выходом и черти чем внутри. Процесс нашего мышления не имеет ничего общего с работой нейросети, так как нейросети не пользуются анализом, синтезом, сравнением, дедукцией. Также они не учитывают такого фактора, как психика человека. При воссоздании нейронов опускаются их свойства, связанные со всем этим, поэтому процесс реализуется только на поверхностном уровне.
Создатели нейросетей, которые все же пытаются помимо логики навернуть какой-нибудь «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 здесь десятки, и что еще интереснее, так это то, что не один из них не ссылается на физиологию, т. е. на то, что движком нашей психики являются наши же нейросети. А что если связи такой и нет?
Теоретическая психология — это уже самостоятельная система со своими элементами. Она никак не привязана к физиологии, поэтому этот «язык программирования», эта формализация нашей психологии может быть реализована как на нейросетях, так и на другой платформе, или вообще описана математически. Поэтому нейросети не такие уж и незаменимые, раз можно обойтись без них.
Настало время вернуться к тому вопросу, который я задал в конце первой части, а именно вопросу о том, настолько ли хорошо существующее определение Искусственного Интеллекта. Вроде как все составные части уже созданы, но чего-то все-таки не хватает этому Франкенштейну. Должно быть что-то, что вдохнет в него жизнь.
Главное здесь — понять, для чего нам нужен Искусственный Интеллект. Решать логические задачи? Для этого уже может служить обычный компьютер. Распознавать образы или речь? Такие технологии тоже уже существуют. Может, есть какая-то еще задача, которая достаточно сложна? Я думаю, что и для нее найдется какая-нибудь технология или разработка. Любые наши проблемы можно решить по-отдельности и без привлечения Искусственного Интеллекта. Тогда для чего же он нам нужен?
Я подозреваю, что не для какой-то конкретной задачи. Не будем ходить вокруг да около и обманывать себя. Скажем прямо, что хотим, чтобы Искусственный Интеллект был максимально приближен к человеческому.
Чтобы он был такой же алогичный, обладал интуицией, способностью рождать идеи, принимать решения, чувствовать, сопереживать, чтобы при общении с ним создавалось ощущение, что общаешься с личностью. Чтобы у него был свой взгляд на мир, чтобы он мог спорить и соглашаться или не соглашаться с оппонентом. Чтобы он был внимательным, обладал способностью дружить, хранить секреты, лгать, уважать и недолюбливать, чтобы он обладал чувством юмора. Чтобы он мог любить.
Мне кажется, что это определение ближе к сути.
UPD: Судя по комментариям стало ясно, что название не отражает суть, так что его пришлось поменять.
Оглавление:
История Искусственного Интеллекта, часть 1. Картина без художника.
История Искусственного Интеллекта, часть 2. Нейросетевой ИИ — неизбежно или невозможно?
Делаем Искусственный Интеллект
