Recentemente, le pubblicazioni sulle prospettive per l'emergere dell'intelligenza artificiale sono diventate più frequenti. Vengono discussi gli aspetti pratici ed etici-morali della convivenza dell'umanità con lui. Quanto sono tempestive queste discussioni? Possiamo davvero aspettarci l'apparizione di "macchine pensanti"?
Tutti i progetti per creare intelligenza artificiale possono essere approssimativamente suddivisi in due aree. Il primo è l'accumulo di database e la loro elaborazione da parte di programmi che imitano l'attività del cervello umano. La seconda si basa sullo studio di modelli di comportamento intellettuale. Lo svantaggio principale di entrambi è che non sappiamo ancora abbastanza bene cosa siano la mente e il comportamento intellettuale e il cervello umano, francamente, è stato seriamente studiato relativamente di recente.
C'è un'opinione secondo cui il problema può essere aggirato a causa dei cyborg, cioè fondendo un cervello vivente (scimmia e in futuro un essere umano) con un computer, tuttavia, questo percorso è irto di enormi difficoltà e, peggio ancora, in questo caso sarà impossibile parlarne intelligenza artificiale completa.
Tuttavia, gli scienziati ritengono che sia abbastanza realistico saltare più passaggi, consentendo all'intelligenza artificiale di svilupparsi da sola, proprio come si è sviluppata nella natura vivente, con la differenza che la sua evoluzione avverrà nello spazio virtuale, non materiale. Qui la scommessa è piazzata su reti neurali artificiali o reti neurali (Artificial Neural Network).
Ricordiamoci cos'è un neurone. Questo è il nome di una cellula nervosa, che differisce dalle altre cellule in quanto è in grado di memorizzare e trasmettere informazioni tramite segnali elettrici e chimici. La funzione dei neuroni fu scoperta alla fine del XIX secolo, cosa che, ovviamente, giocò nelle mani dei materialisti, che in quel periodo stavano guadagnando autorità in tutto il mondo: dichiararono immediatamente che erano i neuroni a contenere l '"anima". Da qui l'idea che se in qualche modo cresci una copia esatta del cervello, allora in esso nascerà un '"anima". Ma è sorta una domanda filosofica: è possibile parlare di "anima" senza motivo? Dopo tutto, è un prodotto dell'educazione, come dimostrato dallo studio di "Mowgli" - bambini umani allevati da animali. Di conseguenza, non è sufficiente creare una copia del cervello: deve ancora essere "istruito" per acquisire intelligenza.
FINE TECNICA
Il cervello di un adulto normale contiene circa 86 miliardi di neuroni. Non molto tempo fa, l'idea di crearne un analogico digitale sembrava assolutamente fantastica. Tuttavia, oggi, con lo sviluppo della tecnologia dell'informazione, questo sembra già abbastanza realizzabile.
Video promozionale:
Va ricordato che il famoso matematico americano Norbert Wiener, il "padre" della cibernetica, è considerato il fondatore della teoria della modellazione di processi biologici complessi, compresi i processi cerebrali. Nel 1949, lo psicologo canadese Donald Hebb, uno specialista nello studio dei processi di pensiero, basato sui calcoli di Wiener, compilò il primo algoritmo di addestramento per le reti neurali (a proposito, un tempo Hebb prestò servizio nella CIA, dove si occupò del problema del lavaggio del cervello).
Nel 1957, l'americano Frank Rosenblatt, un teorico dell'intelligenza artificiale, sulla base del suo lavoro precedente, creò un diagramma logico del perceptron - un modello cibernetico ad autoapprendimento del cervello, che fu implementato tre anni dopo sulla base del computer elettronico Mark-1. Il perceptron trasmette segnali da fotocellule (sensori, celle S) a blocchi di celle di memoria elettromeccaniche che sono collegate casualmente. Se una delle celle riceve un segnale che supera il valore di soglia, lo trasmette ulteriormente - al sommatore (elemento R) e con un certo coefficiente ("peso" della connessione AR). A seconda della somma del segnale moltiplicata per i fattori di peso, il sommatore emette uno dei tre possibili risultati sull'uscita dell'intero sistema: -1, 0 e +1. L'allenamento del perceptron avviene nella fase di introduzione dei coefficienti di peso nel sistema. Per esempio,mettiamo una figura “quadrata” davanti alle fotocellule e stabiliamo la regola: quando un quadrato appare nel campo visivo, il perceptron dovrebbe dare un risultato positivo (+1), e quando qualsiasi altro oggetto appare negativo (-1). Quindi cambiamo gli oggetti uno per uno e regoliamo i pesi quando un quadrato appare nella direzione di aumento e, in sua assenza, nella direzione di diminuzione. Di conseguenza, otteniamo una matrice univoca di valori dei coefficienti di peso all'interno del sistema per qualsiasi variante dell'aspetto di un quadrato e in futuro possiamo utilizzarla per riconoscere i quadrati. "Mark-1", nonostante la sua primitività rispetto ai computer moderni, è in grado di riconoscere non solo le forme geometriche, ma anche le lettere dell'alfabeto, e scritte con grafie diverse.quando un quadrato appare nel campo visivo, il perceptron dovrebbe dare un risultato positivo (+1), e quando qualsiasi altro oggetto appare - negativo (-1). Quindi cambiamo gli oggetti uno per uno e regoliamo i pesi quando un quadrato appare nella direzione di aumento e, in sua assenza, nella direzione di diminuzione. Di conseguenza, otteniamo un array univoco di valori dei coefficienti di peso all'interno del sistema per qualsiasi variante dell'aspetto di un quadrato e in futuro possiamo utilizzarlo per riconoscere i quadrati. "Mark-1", nonostante la sua primitività rispetto ai computer moderni, è in grado di riconoscere non solo le forme geometriche, ma anche le lettere dell'alfabeto, e scritte con grafie diverse.quando un quadrato appare nel campo visivo, il perceptron dovrebbe dare un risultato positivo (+1), e quando qualsiasi altro oggetto appare - negativo (-1). Quindi cambiamo gli oggetti uno per uno e regoliamo i pesi quando un quadrato appare nella direzione di aumento e, in sua assenza, nella direzione di diminuzione. Di conseguenza, otteniamo un array univoco di valori dei coefficienti di peso all'interno del sistema per qualsiasi variante dell'aspetto di un quadrato e in futuro possiamo utilizzarlo per riconoscere i quadrati. "Mark-1", nonostante la sua primitività rispetto ai computer moderni, è in grado di riconoscere non solo le forme geometriche, ma anche le lettere dell'alfabeto, e scritte con grafie diverse. Quindi cambiamo gli oggetti uno per uno e regoliamo i pesi quando un quadrato appare nella direzione di aumento e, in sua assenza, nella direzione di diminuzione. Di conseguenza, otteniamo un array univoco di valori dei coefficienti di peso all'interno del sistema per qualsiasi variante dell'aspetto di un quadrato e in futuro possiamo utilizzarlo per riconoscere i quadrati. "Mark-1", nonostante la sua primitività rispetto ai computer moderni, è in grado di riconoscere non solo le forme geometriche, ma anche le lettere dell'alfabeto, e scritte con grafie diverse. Quindi cambiamo gli oggetti uno per uno e regoliamo i pesi quando un quadrato appare nella direzione di aumento e, in sua assenza, nella direzione di diminuzione. Di conseguenza, otteniamo un array univoco di valori dei coefficienti di peso all'interno del sistema per qualsiasi variante dell'aspetto di un quadrato e in futuro possiamo utilizzarlo per riconoscere i quadrati. "Mark-1", nonostante la sua primitività rispetto ai computer moderni, è in grado di riconoscere non solo le forme geometriche, ma anche le lettere dell'alfabeto, e scritte con grafie diverse. Di conseguenza, otteniamo un array univoco di valori dei coefficienti di peso all'interno del sistema per qualsiasi variante dell'aspetto di un quadrato e in futuro possiamo utilizzarlo per riconoscere i quadrati. "Mark-1", nonostante la sua primitività rispetto ai computer moderni, è in grado di riconoscere non solo le forme geometriche, ma anche le lettere dell'alfabeto, e scritte con grafie diverse. Di conseguenza, otteniamo un array univoco di valori dei coefficienti di peso all'interno del sistema per qualsiasi variante dell'aspetto di un quadrato e in futuro possiamo utilizzarlo per riconoscere i quadrati. "Mark-1", nonostante la sua primitività rispetto ai computer moderni, è in grado di riconoscere non solo le forme geometriche, ma anche le lettere dell'alfabeto, e scritte con grafie diverse.
COSE INTELLIGENTI
Ovviamente da allora sono emersi molti circuiti, algoritmi e varianti di perceptron più complessi. Tuttavia, questo approccio all'organizzazione di un modello di rete neurale ha dei limiti fondamentali: ad esempio, i perceptrons non sono in grado di risolvere il problema di dividere una figura in parti separate o di determinare la posizione relativa delle figure.
Quando è diventato chiaro che era impossibile costruire un'intelligenza artificiale basata sui perceptrons, l'interesse per loro è diminuito. Tuttavia, all'inizio degli anni '80, apparvero nuove varianti di reti neurali di autoapprendimento e auto-organizzazione: la rete Hopfield, la rete Hemming, la rete Kohonen, la rete Jordan e altre. Nel 1986 ha avuto luogo una sorta di rivoluzione: scienziati sovietici e americani hanno sviluppato un metodo di backpropagation (algoritmo iterativo del gradiente), che ha permesso di superare i limiti scoperti in precedenza. Successivamente, le reti neurali hanno ricevuto un rapido sviluppo, che è stato immediatamente implementato nei programmi per computer applicati.
I moderni pacchetti software costruiti sulla base di reti neurali artificiali sono in grado di riconoscere testi arbitrariamente complessi, comandi sonori, volti, gesti ed espressioni facciali. Tuttavia, questi sono solo i casi d'uso più semplici, ce ne sono anche di più insoliti. Autopiloti ad autoapprendimento in grado di rispondere allo sviluppo di situazioni catastrofiche prima dei piloti. Ispettori di cambio che identificano transazioni sospette nei mercati azionari. Agenti pubblicitari di rete che tengono traccia delle preferenze dei potenziali clienti. Diagnostici medici che determinano patologie nei neonati.
È chiaro che con il miglioramento delle tecnologie dell'informazione, anche le reti neurali diventeranno più complesse. Gestiranno tutti gli elettrodomestici e il supporto vitale per case, fabbriche e supermercati. Possono monitorare le minacce, analizzare le tendenze e fornire consigli, ad esempio, sull'investimento ottimale di denaro. Potranno persino creare oggetti d'arte: ci sono già dipinti e poesie scritte da reti neurali!
SCHIAVITÙ O AMICIZIA?
In effetti, tutto dipende dal fatto che un giorno una rete neurale diventerà un assistente insostituibile in mille questioni grandi e piccole. I futuristi lo temono. Credono che a un certo punto la quantità si trasformerà in qualità, l'intelligenza artificiale sorgerà nelle reti neurali, che sfideranno immediatamente l'umanità e la distruggeranno. Un'altra opzione è anche possibile: le persone diventeranno così dipendenti dalle decisioni prese dalla rete neurale che loro stesse non noteranno come si trasformeranno in suoi schiavi.
Scenari spaventosi come questi sembrano troppo strani. Il fatto è che le reti neurali sono inizialmente strutturate per adattarsi alle esigenze di una particolare persona o gruppo di persone. Possono aiutare a correggere un errore o dare consigli, evidenziare un problema o notare un inganno, ma loro stessi non sono in grado di fare una scelta tra opzioni equivalenti, perché noi (sfortunatamente o fortunatamente) non saremo in grado di insegnare loro la cosa principale: la moralità. Pertanto, in ogni momento, le reti neurali saranno come cani domestici: obbedienti, leali e amichevoli.
Anton Pervushin
