Искусственный интеллект. Иллюстрированная история. От автоматов до нейросетей

ИИ-технологии задействуют различные методы, помогающие машинам имитировать человеческий разум. Машинное обучение – это класс методов ИИ, с помощью которых машины совершенствуются в выполнении задач посредством практики и опыта. Глубокое обучение – это форма машинного обучения, позволяющая системам самостоятельно учиться выполнять задачи (например, играть в игры или распознавать кошек на фотографиях) с помощью глубоких нейросетей. Такие нейросети состоят из множества промежуточных слоев искусственных нейронов – в отличие от неглубоких сетей, в которых всего один-два слоя. Хотя термин «глубокое обучение» появился только в 1986 г., советский математик Алексей Ивахненко (1913–2007) еще в 1965 г. проделал важную работу по созданию контролируемых глубоких многослойных перцептронов.

В целом многочисленные слои нейронов могут выделять признаки из данных на разных уровнях иерархии (например, реагируя на простые контуры на одном уровне и на черты лица на другом). Обучение глубоких нейросетей может быть основано на методе обратного распространения ошибки: информация передается по системе в обратном направлении, от выхода к входу, чтобы система увидела ошибку и скорректировала работу.

Глубокое обучение успешно применяется в распознавании речи, компьютерном зрении, обработке естественного языка, соцсетях, переводах с одного языка на другой, разработке лекарств, периодизации живописных полотен по особенностям стиля, системах рекомендации товаров, оценке эффективности маркетинговых решений, реконструкции и очистке изображений, играх, идентификации людей на фотографиях и во многих других сферах.

Специалист по технологиям Джереми Фейн пишет: «С появлением глубокого обучения машинное обучение вышло на новый уровень. Если раньше машинное обучение позволяло довольно успешно автоматизировать повторяющиеся задачи или анализировать данные, то теперь оно воплощает будущее в жизнь в виде компьютеров, которые могут видеть, слышать и играть во все виды игр».

СМ. ТАКЖЕ Искусственные нейронные сети (1943), Обучение с подкреплением (1951), Перцептрон (1957), Машинное обучение (1959), Компьютерное искусство и DeepDream (2015), Состязательные примеры (2018)

Глубокие нейросети состоят из множества промежуточных слоев искусственных нейронов (от трех до нескольких десятков), которые повышают способность сетей к обучению. Такие нейросети представляют собой архитектуру, на основе которой происходит глубокое обучение.

Робот Шейки. 1966

В 1970 г. журнал Life назвал Шейки «первым электронным человеком», который вскоре сможет «месяцами летать вокруг Луны без каких бы то ни было сигналов управления с Земли». Хотя заметка об этом удивительном роботе пестрела преувеличениями, появление Шейки стало важной вехой в истории распознавания образов и компьютерного зрения, а также решения задач, обработки естественного языка и представления информации.

Шейки разрабатывали ученые Стэнфордского университета с 1966 по 1972 г. Это была одна из первых серьезных попыток создания универсального автономного робота, способного передвигаться, воспринимать окружающую обстановку, контролировать выполнение задач и рассуждать о своих действиях. Проект профинансировало Управление перспективных исследовательских проектов Министерства обороны США. Код программы был написан в основном на языке Лисп. Чтобы робот лучше справлялся с задачами, его мир был ограничен несколькими комнатами, соединенными коридорами, с дверями, выключателями света и предметами, которые Шейки мог двигать. Оператор вводил команды вроде «столкнуть блок с возвышения», и Шейки изучал обстановку, обнаруживал возвышение, подталкивал к нему предмет, служивший пандусом, въезжал на возвышение и сталкивал с него блок.

Программное обеспечение Шейки разделялось на несколько уровней. На нижнем уровне использовались программы планирования маршрута, управления движением и сбора сенсорной информации; программы среднего уровня были связаны с перемещением в назначенное место и обработкой изображений с телекамеры робота. Программное обеспечение высокого уровня отвечало за планирование последовательности действий для достижения целей.

Робот получил свое имя Shakey, то есть «трясун», из-за характерных толчков при движении. У Шейки была антенна для радио- и видеосвязи с компьютером DEC PDP, а также телекамера, дальномеры, детекторы ударов и двигатели управления. Работа над Шейки подстегнула исследования в области искусственного интеллекта, включая разработку алгоритмов поиска путей и технологий компьютерного зрения, позволяющих выделять характерные признаки.

СМ. ТАКЖЕ Обработка естественного языка (1954), SHRDLU (1971), Робот AIBO (1999), ASIMO и друзья (2000), Искусственный интеллект на Марсе (2015)