Starp neirozinātniekiem, kognitīvistiem un filozofiem notiek diskusijas par to, vai cilvēka smadzenes var izveidot vai rekonstruēt. Pašreizējie sasniegumi un atklājumi smadzeņu zinātnē nepārtraukti bruģē ceļu uz laiku, kad mākslīgās smadzenes var izveidot no jauna. Daži cilvēki pieņem, ka tas ir ārpus iespējamā robežām, otrs ir aizņemts ar veidiem, kā to izveidot, trešais jau ilgu laiku ir auglīgi strādājis pie uzdevuma. Rakstā aplūkosim jautājumus par mākslīgā intelekta attīstību, tā perspektīvām, kā arī par lielajiem uzņēmumiem un projektiem šajā jomā.
Pamatinformācija
Mākslīgās smadzenes atbilst robotizētai mašīnai, kas ir tikpat gudra, radoša un apzinīga kā cilvēki. Visā cilvēces vēsturē uzdevums nav pilnībā atrisināts, taču futūristi saka, ka tas ir laika jautājums. Ņemot vērā mūsdienutendences neirozinātnēs, skaitļošanā un nanotehnoloģijās paredz, ka mākslīgais intelekts un smadzenes parādīsies 21. gadsimtā, iespējams, līdz 2050. gadam.
Zinātnieki apsver vairākus mākslīgā intelekta radīšanas veidus. Pirmajā gadījumā liela mēroga bioloģiski reālistiskas cilvēka smadzeņu simulācijas tiek veiktas uz superdatoriem. Otrajā gadījumā zinātnieki mēģina izveidot masveidā paralēlas neiromorfiskas skaitļošanas ierīces, kuras ir viegli modelējamas, izmantojot nervu audus.
Cilvēka apziņa zinātnes un metafizikas interesantāko noslēpumu ziņā tiek uzskatīta par vissarežģītāko un sasniedzamāko. Līdzīgus secinājumus iegūst, veicot cilvēka smadzeņu reverso inženieriju.
Mašīnmācība
Mašīnmācība ir "mākslīgā intelekta" attīstības stratēģijas pamatā, tādēļ cilvēka smadzeņu šūnas tiek vispusīgi pētītas. Šāda veida mācībām ir liels potenciāls: tās platforma ietver algoritmus, izstrādes rīkus, API un modeļu izvietošanu. Datoriem ir iespēja mācīties bez tiešas programmēšanas. Inovatīvi uzņēmumi Amazon, Google un Microsoft aktīvi izmanto mašīnmācīšanos.
Padziļinātas mācību platformas
Padziļināta mācīšanās ir daļa no mašīnmācīšanās. Tas ir balstīts uz to, kā darbojas cilvēka smadzenes, un paļaujas uz mākslīgā neironu tīkla (ANN) algoritmiem, caur kuriem plūst informācija. Roboti var "mācīties" no ievades un rezultātiem. Padziļināta mācīšanās - daudzsološamākslīgā intelekta tendence apvienojumā ar lielu informācijas apjomu. Tas ir sevi pierādījis modeļu atpazīšanā un klasifikācijā. Deep Instinct, Fluid AI, MathWorks, Ersatz Labs, Sentient Technologies, Peltarion un Saffron Technology ir piemēri uzņēmumiem, kas ir pionieri šajā izlūkošanas pētījumu jomā.
Dabiskā valodas apstrāde
Neirolingvistiskā programmēšana (NLP) atrodas uz robežas starp datoru un cilvēka valodu, un tā ir mākslīgā intelekta tehnoloģija. Datorprogrammas var saprast runāto vai rakstīto cilvēka runu. Amazon Alexa programmatūrā Apple Siri, Microsoft Cortana un Google Assistant NLP tiek izmantots, lai izprastu lietotāju jautājumus un sniegtu uz tiem atbildes. Šis programmēšanas veids tiek plaši izmantots saimnieciskajos darījumos un klientu apkalpošanā.
Dabīgās valodas paaudze
NLG programmatūra tiek izmantota, lai pārveidotu visu veidu datus cilvēkiem lasāmā tekstā, un tas tiek panākts, pētot smadzenes. Tā ir nenovērtēta tehnoloģija ar tādām lietojumprogrammām kā biznesa informācijas pārskatu automatizācija, produktu apraksti, finanšu pārskati. Tehnoloģija ļauj izveidot lietotāju ģenerētu saturu par paredzamām papildu izmaksām. Strukturētie dati tiek pārvērsti tekstā lielā ātrumā, līdz pat vairākām lappusēm sekundē. Interesanti spēlētāji šajā tirgū ir Automated Insights,Lucidworks, Attivio, SAS, naratīvā zinātne, digitālā spriešana, Yseop un Cambridge Semantics.
Virtuālie aģenti
Mākslīgā intelekta tehnoloģiju ietvaros termini "virtuālais aģents" un "virtuālais palīgs" nav savstarpēji aizstājami. Daži cilvēki cenšas atšķirt jēdzienus, un viņiem tas izdodas.
Virtuālais palīgs ir sava veida personīgais tiešsaistes palīgs. Virtuālie aģenti bieži tiek attēloti kā datoru AI rakstzīmes, kas inteliģenti sarunājas ar lietotājiem. Viņi var atbildēt uz jautājumiem, un to galvenā priekšrocība ir tā, ka klienti var saņemt palīdzību 24 stundas diennaktī.
Runas atpazīšana
Runas identifikācija ir programmas spēja saprast un analizēt vārdus un frāzes runātajā valodā un pārvērst tos datos, izmantojot iebūvēto mākslīgo smadzeņu algoritmu. Runas atpazīšana uzņēmumā tiek izmantota zvanu maršrutēšanai, numura izsaukšanai ar balsi, meklēšanai ar balsi un runas pārveidošanai tekstā. Viens no trūkumiem ir tas, ka programma var sajaukt vārdus izrunas atšķirību un fona trokšņu dēļ. Runas atpazīšanas programmatūra arvien vairāk tiek instalēta mobilajās ierīcēs. Šajā jomā attīstās Nuance Communications, OpenText, Verint Systems un NICE.
AI iegultā aparatūra
Ierīces ar iegultu AI, mikroshēmām un grafikas apstrādes vienībām (GPU) ir kļuvušas plaši izplatītas. Google ir iebūvēts savāaparatūras mākslīgais intelekts, par pamatu ņemot cilvēka smadzeņu institūta attīstību. AI integrācijas ar programmatūru ietekme sniedzas daudz tālāk par patērētāju lietojumprogrammām, piemēram, izklaidi un spēlēm. Šī ir jauna veida tehnoloģija, kas tiks izmantota dziļas mācīšanās veicināšanai. Šādas izstrādes veic Google, IBM, Intel, Nvidia, Allluviate un Cray.
Lēmumu pārvaldība
Uzņēmējdarbības lēmumu pārvaldība inovatīvos produktos (piemēram, robots ar mākslīgo intelektu) aptver visus automatizēto sistēmu projektēšanas un regulēšanas aspektus. Organizācijām ir svarīgi pārvaldīt darbinieku, klientu un piegādātāju mijiedarbību.
Lēmumu vadība uzlabo alternatīvās izvēles procesu, šeit tiek izmantota visa iespējamā informācija, lai iegūtu vislabāko izvēli, savukārt uzsvars tiek likts uz manevrētspēju, konsekvenci, lēmumu pieņemšanas precizitāti. Lēmumu pārvaldībā tiek ņemti vērā laika ierobežojumi un zināmie riski.
Banku, apdrošināšanas un finanšu pakalpojumu organizācijas savos klientu apkalpošanas procesos integrē ikdienas lēmumu pieņemšanas programmatūru.
Neiromorfs aprīkojums
SyNAPSE ir DARPA finansētaprogramma, lai izstrādātu neiromorfiskas mikroprocesoru sistēmas, kas atbilst smadzeņu intelektam un fizikai. Platforma meklē atbildi uz galveno jautājumu: vai ir iespējams izveidot mākslīgas smadzenes? Vispirmsneironu tīkli tiek pārbaudīti simulācijās uz superdatora, pēc tam tīkli tiek iebūvēti tieši aparatūrā. 2011. gada oktobrī tika demonstrēts neiromorfā mikroshēmas prototips, kas satur 256 neironus. Notiek darbs, lai izveidotu vairāku mikroshēmu sistēmu, kas spēj atdarināt 1 miljonu pīķa neironu un 1 miljardu sinapses.
Neironu tīklu modelēšana
Zilu smadzeņu projekts ir mēģinājums rekonstruēt cilvēka smadzenes un muguras smadzenes, izmantojot datorsimulācijas molekulārā līmenī. Projektu 2005. gada maijā dibināja Henrijs Markrams Lozannas Valsts Politehniskajā skolā (EPFL) Šveicē. Simulācija darbojas IBM Blue Gene superdatorā, tāpēc arī nosaukums Blue Brain. No 2018. gada novembra tiek veiktas simulācijas mezocītiem, kas satur aptuveni 10 miljonus neironu un 10 miljardus sinapses. 2023. gadā ir paredzēta pilna mēroga cilvēka smadzeņu simulācija ar 186 miljardiem neironu.
Spaun, vienotu tīklu ar semantisko rādītāju arhitektūru, izveidoja Kriss Eliasmits un kolēģi Teorētiskās neiroloģijas centrā (CTN) Vaterlo Universitātē Kanādā. 2018. gada decembrī Spaun ir pasaulē lielākā smadzeņu simulācija. Modelis satur 2,5 miljonus neironu, kas ir pietiekami, lai tas atpazītu skaitļu sarakstus, veiktu vienkāršus aprēķinus.
SpiNNaker ir milzīgs mazjaudas neiromorfs superdators, kaspašlaik tiek būvēts Mančestras Universitātē Apvienotajā Karalistē. Ar vairāk nekā miljonu kodolu un tūkstoš simulētiem neironiem iekārta spētu simulēt vienu miljardu neironu. Tā vietā, lai ieviestu vienu konkrētu algoritmu, SpiNNaker kļūs par platformu, kurā varēsiet pārbaudīt dažādus algoritmus. Dažāda veida neironu tīklus var izstrādāt un darbināt mašīnā, tādējādi simulējot dažāda veida neironus un komunikācijas modeļus. SpiNNaker ir akronīms, kas atvasināts no Spi King Nural.
Brain Corporation ir neliels pētniecības uzņēmums, kas izstrādā jaunus algoritmus un mikroprocesorus, kas ir bioloģiskās nervu sistēmas pamatā. Uzņēmumu 2009. gadā dibināja skaitļošanas neirozinātnieks Jevgeņijs Izhikevičs un neirozinātnieks/uzņēmējs Alens Grūbers. Viņu pētījumi koncentrējas uz šādām jomām: vizuālā uztvere, motora vadība un autonoma navigācija. Uzņēmuma mērķis ir ar mākslīgo nervu sistēmu aprīkot tādas plaša patēriņa ierīces kā mobilie telefoni un sadzīves roboti. Pētījumu daļēji finansē Qualcomm, kas atrodas Qualcomm pilsētiņā Sandjego, Kalifornijā. Konkrēti produkti vēl nav izlaisti vai paziņoti, taču uzņēmums turpina augt un kopš 2018. gada februāra aktīvi pieņem darbā jaunus darbiniekus.
Saistīti pētījumi
Google X Lab ir slepena laboratorija, kurā Google eksperimentē ar nākotnes tehnoloģijām. Projekti, uz kuriem uzņēmumsdarbi nav publiski, bet tiek uzskatīts, ka tie ir balstīti uz robotiku un mākslīgo intelektu. Sīkāka informācija par laboratoriju pirmo reizi parādījās New York Times rakstā 2011. gada novembrī. Publikācijā norādīts, ka laboratorija atrodas Kalifornijas štatā Bay Area. Ir labi zināms, ka Google dibinātāji ir ieinteresēti pētīt mākslīgo intelektu un investē šajā virzienā. 2006. gadā uzņēmuma piezīmē teikts, ka Google vēlas izveidot pasaulē labāko AI pētniecības laboratoriju.
Russia 2045, kas pazīstams kā 2045. gada iniciatīva vai Avatar Project, ir vērienīgs ilgtermiņa projekts, kura mērķis ir līdz 2020. gadam izveidot robotu iemiesojumus, līdz 2025. gadam veikt smadzeņu transplantācijas un līdz 2035. gadam – mākslīgās smadzenes. Programmu 2011. gadā uzsāka Krievijas mediju magnāts Dmitrijs Itskovs. Tā mērķis ir izveidot cilvēka smadzeņu institūciju, izmantojot globālu zinātnieku tīklu, kas strādā kopā cilvēces un sistemātiskas tehnoloģiju attīstības labā. Vairāki Krievijas zinātnieki jau ir saņēmuši investīcijas no Itskova saviem pētījumiem. Turklāt Itskovs meklē papildu finansējumu no augstvērtīgām privātpersonām, labdarības organizācijām un valsts un starptautiskajām valdībām.
Nākamais interesantais projekts ir Bostonas Universitātes un Hewlett Packard (HP) programma Moneta. HP komanda Grega Snaidera vadībā veido neironu tīkla platformu Cog Ex Machina, kas spējstrādāt ar GPU un nākotnes datoriem, kuru pamatā ir memristors. Bostonas universitātes Neiromorfoloģijas laboratorija, kuru vadīja Massimiliano Versace, ir izveidojusi modulāras mākslīgās smadzenes Moneta, kas darbojas uz Cog Ex Machina. Akronīms apzīmē Modular Neural Exploring Travel Agent.
Laika rāmis
Neizbēgami rodas jautājums, kad var sintezēt smadzeņu un muguras smadzeņu digitālo kopiju.
Diemžēl tas nenotiks drīz. Kurcveila prognoze par smadzeņu emulāciju līdz 2030. gadam šķiet pārāk īsa, tikai 12 gadu attālumā. Turklāt viņa analoģijas ar cilvēka genoma projektu izrādījās neapmierinošas. Turklāt daudzi zinātnieki, iespējams, virzās dažos strupceļa virzienos.
Līdzīgi Gērcela prognozes par uz noteikumiem balstītās pieejas panākumiem nākamajās desmitgadēs šķiet pārāk optimistiskas. Lai gan, iespējams, tas nav neiespējami, ņemot vērā viņa AI apmācības pieeju.
Pēc iespējamā scenārija koda vai cilvēka smadzeņu līdzības izveidošana ir iespējama pēc 50-75 gadiem. Tomēr datumu ir diezgan grūti paredzēt, ņemot vērā kļūdas robežu neirozinātnēs, no vienas puses, un pārmaiņu ātrumu, no otras puses. 2050. gads ir sava veida melnais caurums, kad runa ir par prognozēm.
