Goldman Sachs: Великий американский пузыренадуватель

ЭВМ не давали задач, связанных с отходом от жесткого и однозначного варианта направления

Пытались. Жалкие человечки оказались не в состоянии ни объяснить машине задачу, ни обучить её алгоритмам решения.

ИИ возможен). Дело за малым - наделить волей и правом выбора

Кого/что и зачем?

ЭВМ (на том или ином принципе реализации).

Взяв определение интеллекта из Вики https://ru.wikipedia.org/wiki/%D0%98%D0 ... 0%BA%D1%82
можно увидеть, что ИИ вполне возможен уже сейчас и раньше.
Естественно низкого уровня.

Но человек не наделяет ЭВМ всей полнотой и глубиной способностей для реализации ИИ, потому что ему не нужны ошибки, которые будут возникать при этом.
Человек категорически отказывается от такого подхода к ЭВМ.

Сам же человек в процессе развития своего интеллекта миллионы лет творил и творит "чудеса в решете" - то есть ошибки.
Никто ведь с него не спрашивает)) и не ограничивает.
Сидеть на дереве или в пещере, есть бананы и т.д.

Доинтеллектился уже до того, что и Землю в состоянии разнести в пух и прах

ЭВМ не давали задач, связанных с отходом от жесткого и однозначного варианта направления

Пытались. Жалкие человечки оказались не в состоянии ни объяснить машине задачу, ни обучить её алгоритмам решения.

Уж что-то, а алгоритмы машина выполняет без проблем.
"Объяснение" задачи -- проблема уровня развития периферии - преобразователей.

Кстати, если машине давать выбор произвольного результата, то неудивительно, что процесс обучения долгий.
У ребенка есть мозг, нейронная сетка, но обучается он несколько лет
Хотя это пример развития преобразователей.

А так проблема в ограничении возможностей машины. Со стороны человека.

Чем же таким является интеллект, чего такого нет в компьютере, но есть в мозгу? Почему шестилетний ребенок может аккуратно перепрыгнуть с камня на камень через ручей, тогда как самые продвинутые роботы нашего времени – неуклюжие зомби? Почему трехлетний ребенок без проблем осваивает язык, тогда как компьютеры не могут, несмотря на полвека усилий лучших программистов? Почему вы можете отличить кошку от собаки за долю секунды, тогда как суперкомпьютер не может совсем?

Запускаете Google Chrome. В строке поиска нажимаете на значок микрофона и наслаждаетесь как распознается ваш голос и ищется запрашиваемая информация.

Загрузите фотографии ваших домашних питомцев или кадры из зоопарка, желательно вами сделанные. Из интернета тоже годятся, но результат вас больше удивит именно вами же сделанными снимками. Зайдите опять же на Гугл, введите "Поиск по картинке"
Пробуйте, заодно посчитаете, за какую долю секунды теперь с этой задачей справляется Гугл, и не только собачки-кошки. То ли еще будет через пару лет.

несмотря на полвека усилий лучших программистов
Вообще некоректное сравнение. На момент выхода книги (2004) еще куда не шло, сейчас цитировать эту фразу просто смешно. Подчеркну, не фраза смешна, сказанная в 2004, а цитирование ее в теперешнее время, когда ситуация изменилась.

Улыбает, когда люди поднимают книги десятилетней давности боком или не боком относящиеся к IT. Это не значит, что книгу не стоит читать, просто не стоит цитировать из нее те вещи, которые на данный момент уже не являются верными.

Так получается уже всё есть и разработано?!

ну не все, конечно, но определенные продвижения есть, конечно. и по софту, и по харду

Почему сама IBM не идёт дальше?

идет, конечно. перед тем, как сделать эти высокопроизводительные "нейронные" чипы, их сначала, по алгоритмам (основы которых описаны в книге) эмулировали на "обычных" суперкомпах.

На конференции Supercomputing 2012 компания IBM представила результаты работы нейросимулятора Compass на суперкомпьютере Sequoia (второе место в мировом рейтинге суперкомпьютеров). Впервые был достигнут масштаб, соответствующий человеческому мозгу — 530 миллиардов нейронов и 137 триллионов синапсов. Симуляция происходила в 1542 раза медленнее реального времени. В ней были задействованы все 1 572 864 ядер и полтора петабайта памяти.

Compass — система симуляции новой компьютерной архитектуры TrueNorth, которую в IBM называют «старшим братом Watson». В отличие от привычных нам компьютеров, основанных на архитектуре фон Неймана, TrueNorth построен по образу и подобию мозга, на базе разработанных IBM "нейросемантических ядер" — чипов, содержащих кремниевые нейроны и синапсы. Каждый чип содержит 256 нейронов, 1024 аксона и 256х1024 синапса. Площадь чипа, произведённого по 45-нанометровой технологии — 4.5 мм2. В рекордной симуляции была смоделирована работа 2084 миллиардов таких ядер.

Эта работа была проделана в рамках программы DARPA SyNAPSE, конечная цель которой — создать нейрокомпьютер, сравнимый с мозгом высших млекопитающих как по быстродействию и когнитивным способностям, так и по компактности и энергоёмкости. То есть фактически речь идёт о создании мозга для «терминаторов». Вот некоторые его характеристики:

10 миллиардов нейронов
100 триллионов синапсов
энергопотребление в пределах 1 кВт
занимаемый объём — меньше 2 дм3
интерфейсы для сенсорного восприятия и моторных функций


IBM работает над созданием «когнитивного компьютера» для DARPA уже несколько лет. Так, в 2009 году были представлены результаты нейорсимуляции в масштабах мозга кошки. Пока рано говорить о реалистичной имитации человеческого мозга, ведь кроме достаточного количества нейронов необходимо ещё знать схему их соединения и, самое главное, программу, которая управляет работой мозга. В этом направлении тоже есть прогресс. Одна из симуляций в рамках DARPA SyNAPSE была основана на схеме соединений нейронных комплексов в мозгу макаки, полученной в рамках проекта CoCoMac.

про Watson то хоть слыхали, надеюсь?

И как удалось автору опередить в исследованиях IBM, которая, раз уж если полностью законченный чип реализовала, то должна была продвинуться дальше?

На каких элементах выполнен чип?
По каким принципам сконструирован?
"реализующий нейронную сетку" --- это конечный результат реализации.

компания автора Numenta не конкурирует с IBM, а успешно сотрудничает.

April 11, 2015 — Kim Komando
IBM has established a research group in San Jose, Calif., to work on what could be the next big thing in artificial intelligence software. This news came on April 8 after 100 people were assigned to the project, according to the MIT Technology Review. The IBM team will work on algorithms created by Jeff Hawkins, founder of Numenta.

Hawkins spent time creating a theory to explain the inner workings of the human brain, and then applied the concepts to a software blueprint. His algorithms operate in a network, aimed at recreating the behavior of repeating circuits of about 100 neurons in the brain. These neurons can be found on the outer layer of the brain in the neocortex.

Related: Artificial Intelligence could be ‘worse than nukes,’ Tesla CEO Elon Musk says

“Our goal is not to be biologically inspired; I want to re-create exactly,” Hawkins told the news source. “This is how you would really build a machine intelligence.”

IBM’s 100-person research team has already started using the algorithms to analyze satellite imagery of crops and spot malfunctioning field machinery. Veteran Researcher Winfried Wilcke is leading the team, and he has praised Numenta’s software in the past. The project is known internally as the Cortical Learning Center.

k

На каких элементах выполнен чип?
По каким принципам сконструирован?
"реализующий нейронную сетку" --- это конечный результат реализации.

http://electronics360.globalspec.com/images/assets/445/4445/82c60702-40e3-4864-99ed-e34c9edd74bb.jpg

Если база всё же те же триггеры, то в чём подвох?

нет подвоха, сначала были разработаны универсальные алгоритмы симулирующие работу неокортекса (естественно, симуляция не на 100%), потом под эти алгоритмы, которые требуют громадных процессорных мощностей (суперкомп второй в мире!) были сделаны специфические чипы для ускорения работы и повышения энергоэффективности. чипы представлены в прошлом году

Кстати, если машине давать выбор произвольного результата, то неудивительно, что процесс обучения долгий.

а как вы хотели? в статье на хабре, ссылку я давал выше, энтузиаст воспользовался алгоритмами нументы для обучения машины предсказывать банальную синусоиду http://habrahabr.ru/post/196084/

Параметры и структура модели

Ключевым понятием nupic является модель неокортекса (или просто — модель), представляющая собой набор клеток, обрабатывающих и запоминающих входные данные. В процессе обработки входных данных, клетки прогнозируют вероятное развитие событий, что автоматически формирует прогноз на будущее. Про то, как это делается, я расскажу в следующей статье, сейчас лишь общее описание самых необходимых вещей.

Модель состоит из нескольких процессов, поведение каждого из которых задается набором параметров.

Encoder

Входные данные проходят через encoder, преобразуясь в понятный модели вид. Каждая клетка воспринимает лишь бинарные данные, причем для работы, близкие по значению данные должны иметь похожее бинарное представление.

Например, на вход модели мы хотим подавать числа из интервала от 1 до 100 (скажем, текущую относительную влажность). Если просто взять бинарное представление чисел, что значения 7 и 8, расположены рядом, но бинарное их представление отличается очень сильно (0b0111 и 0b1000). Чтобы этого избежать, encoder преобразует числовые значения в набор единичных бит, сдвинутых пропорционально значению. Например, для диапазона значений от 1 до 10 и трех единичных бит, получаем следующее представление:
1 -> 111000000000
2 -> 011100000000
3 -> 001110000000
7 -> 000000111000
10 -> 000000000111

Если на входе несколько значений, то их бинарные представления просто объединяются вместе.
Аналогично представляются значения с плавающей точкой и дискретный набор значений (true/false, и другие перечислимые типы).

Spatial Pooler

Основная задача SP — обеспечить активацию близкого набора клеток на похожий набор данных, добавляя в эту активацию элемент случайности. Подробное обсуждение как это делается выходит за рамки статьи интересующиеся могут подождать продолжения, либо обратиться к первоисточнику (whitepaper).

Temporal Pooler

Помимо определения похожих образов входных данных, NuPIC умеет различать контекст этих данных, анализируя их поток во времени. Достигается это за счет многослойности набора клеток (так называемые клеточные колонки), и подробное описание также выходит за намеченные рамки. Тут достаточно сказать, что без этого, система не отличала бы символ B в последовательности ABCABC от того же символа в CBACBA.

Практика: синус

Довольно теории, перейдем к практической стороне вопроса. Для начала возьмем простую функцию синуса, подадим на вход модели и посмотрим насколько хорошо она сможет ее понять и предсказать.

итого, чтобы уменьшить колво ошибок с 0.04 до 0.01 пришлось прогнать алгоритм около 10000 раз а всего то банальный синус.

Но человек не наделяет ЭВМ всей полнотой и глубиной способностей для реализации ИИ, потому что ему не нужны ошибки, которые будут возникать при этом.

опыт - сын ошибок трудных. возвратное значение ошибки при обучении - основа этого самого обучения потому ЭВМ, которая клинит при делении на ноль никогда не станет интеллектуальной

Но нечто само по себе часто не обладает теми свойствами, которые приобретает в связке с чем-то еще.
Типа знания в комплекте с моралью и без морали и пр.

Не понял.

ИИ (да и интеллект вообще) и процесс обучения как-то связаны?
Процесс обучения возможен без проб и ошибок?
Система оценки результата, тест истина/ложь строится на чем?
Полноценна ли эта система без морали и чувств как таковых?

опыт - сын ошибок трудных. возвратное значение ошибки при обучении - основа этого самого обучения потому ЭВМ, которая клинит при делении на ноль никогда не станет интеллектуальной

Как этот принцип реализуется в разработке ИИ?
З.ы.
Прошу прощения за дилетантские вопросы и измышления.

козак

ИИ (да и интеллект вообще) и процесс обучения как-то связаны?

естественно, необучаемая система не может быть интеллектуальной

Процесс обучения возможен без проб и ошибок?

думаю, нет

Система оценки результата, тест истина/ложь строится на чем?

система получает входные данные и на основании этого делает предсказания, которые потом сверяются с входящими данными. чем меньше ошибки - тем выше "интеллектуальность"

Полноценна ли эта система без морали и чувств как таковых?

смотря какая задача ставится. если скопировать человека - то, очевидно, нет. если сделать машину, которая обучается и принимает решения, как человек - то думаю, мораль не нужна. и мотивация может обойтись без нейромедиаторов типа допамина