В прошлом веке очень сложная работа на заводах была автоматизирована благодаря достижениям в области робототехники, вычислительной и упрощения работы. Это объясняет, почему, несмотря на свою сложность, автомобильная сборка, например, посадка сельскохозяйственных культур и отделка текстиля, была совершенно созрелой для автоматизации.
Без маршрута, такая работа, которую выполняют читатели нового стека, всегда были бы вне пределов, потому что она не является алгоритмической. Это, в свою очередь, означало, что креативность, последний бастион человеческого усилия, никогда не упадет, и, следовательно, талантливая, но избыточная рабочая сила никогда не будет использоваться в качестве инструмента для владельцев бизнеса для понижения заработной платы.
Тогда что -то изменилось.
В 2016 году искусственные нейронные сети созрели как технология и проживали перед десятками миллионов людей. Если ANNS может быть использовано для практического использования для безграничной работы, уже невыносимая скорость технологических изменений и хаос, который он создал на рынке труда, ухудшится.
В главе 17 провидцев, повстанцев и машин я рассказываю историю о рождении и зрелости искусственных нейронных сетей. При этом читатель заново изучает универсальную истину: природа технологий изменений, а человеческая природа — нет. Вот отрывок.
Революция была телевизирована
В 1960 -х и 1970 -х и 1970 -х годах ажиотаж искусственного интеллекта был в 1960 -х и 1970 -х годах. Было две основные школы мысли. Нисходящая школа была сосредоточена на «манипуляциях с символом», которая была на том, чтобы втянуть факты в базу данных, а затем запросить их.
Проблема заключалась в том, что независимо от того, сколько фактов была у компьютерной программы, она все еще была глупой — и когда я говорю, Daft, я имею в виду действительно глупо. Человеческий ребенок может разобраться с пробелами в языке. Компьютер не может. Например, большинство носителей английского знают, что «время летит как стрелка» — это выражение, которое означает, что время, кажется, быстро проходит. Компьютерная программа может интерпретировать это предложение так, как будто есть что -то, что называется «муха», которое немного похоже на фруктовую муху. Поскольку фрукты любят есть фрукты, компьютер может сделать вывод, что время мух нравится есть стрелы. Попросите компьютер нарисовать это для вас, и он нарисует муху, грызкую на стрелке. Это не искусственный интеллект — это искусственная глупость.
Снизу вверх искусственный интеллект
Школа мысли снизу вверх сосредоточилась на моделировании, хотя и грубо, что происходит в реальном мозге. Что происходит в реальном мозге? После периода обучения мозг способен обрабатывать горы аналоговой информации одновременно. Поместите человека в сканер мозга и дайте ему жареную курицу, и вы увидите, что активность его мозга взорвется, как фейерверк. Замените курицу на лабрадудл, и сканирование покажет различные области мозга, и, пока человек не был аллергией или боялся собак, они расслабились, когда его поглаживали.
Мозги осуществляют трюк массивной параллельной обработки аналоговой информации с помощью сети нейронов. Нейроны — это тип нервных клеток, которые являются электрически возбужденными. Они состоят из множества дендритов и одного аксона. Нейрон «стреляет» заряд через аксон, когда вход из дендритов достигает определенного порога.
Чудо как биологии, так и вычислений, нейрон принимает аналоговую информацию, контролирует ее и, когда порог выполняется, посылает электрический сигнал. Другими словами, нейроны получают аналоговые сигналы в качестве входных данных и производят цифровые сигналы в качестве вывода.
В мозге нейроны организованы в сети, которые питаются друг в друга. Выход одного нейрона является входом в другой. Они называются нейронными сетями. Когда 1960-е годы подошли к концу, исследователи искусственного интеллекта снизу вверх сосредоточились на создании искусственных нейронных сетей. Они были многообещающей линией расследования.
Работа топора
Затем, в 1969 году, в ссоре из-за исследовательских долларов Арпа, человек по имени Марвин Минский, который называл людей «мясными машинами», выполнял работу на подъеме на восходящем ИИ. В книге, которую он написал с Seymour Papert под названием Peppttrons, Минский доказал, что персептрон, название, данное раннему типу искусственной нейронной сети, не может научиться выполнять эксклюзивную или (xor), что является серьезным ограничением для любой вычислительной системы. Проблема заключалась в том, что это не было правдой, и, что еще хуже, Минский и Пэртр знали, что это не так. Минский и паперт, работа, загрузил искусственные нейронные сети в академическую длинную траву. Человек, стоящий за персептроном, Фрэнк Розенблатт, был сломан этим. Он умер в результате аварии на лодке в течение короткого времени, в 1971 году. Ему было 43 года.
Обратное распространение
В 1980 -х годах нейронные сети начали возвращаться из дикой природы. Техника, называемая обратной передачей ошибок, облегчала обучение искусственных нейронных сетей. Со временем они стали хорошими в распознавании рисунков, включая распознавание лиц, хотя они по -прежнему плохие рассказывают о разнице между жареной курицей и лабрадудлз, чихуахуа и шоколадным печеньем, овчарными и швабами.
Разразиться
Прорыв ожил в аркадной игровой компании, Atari. Нолан Бушнелл и Тед Дабни начали Атари в 1970 -х годах. В 1976 году они выпустили аркадную игру под названием Breakout. Стив Джобс и Стив Возняк помогли его построить. Они не работали на компьютере, но вместо этого использовали 12-дюймовую плату и несколько транзисторов, которые они паяли вручную. Прорыв прошел долгий путь за 37 лет, которые последовали.
Отчасти из -за таких методов, как размножение ошибок, и отчасти из -за продолжающихся последствий закона Мура, компании под названием DeepMind подготовила искусственную нейронную сеть для воспроизведения. Сначала программа DeepMind бросилась, как ребенок, делая бессмысленные движения, но вскоре выяснила правила и набрали несколько очков. Вскоре после этого нейронная сеть DeepMind была, безусловно, лучшим игроком на планете.
Атари
Уже в 1970 -х годах компьютеры могли победить людей в шахматах. По общему признанию, эти игроки были, как и я, шахматные идиоты. Но начало было сделано, и через 30 с лишним лет, в 1996 году компьютер, наконец, победил гроссмейстера Гари Каспарова. Шахматы легко для компьютерной программы, потому что перестановки доски относительно невелики. Например, вскоре после того, как первые ходы в шахматной игре сделаны, осталось «только» более ста миллионов возможных шагов. Людям сложно обрести головы. Для компьютера это ничтожно.
Go — это совсем другой зверь. Доска GO состоит из 19 рядов на 19 колонн. У одного игрока есть сумка с черной камешкой, а другой — белый пакет. Если куча этих камешек или то, что игроки Go называют камни, окружают другой цвет, то закрытая камешка меняет цвет. Например, черная камешка, окруженная белой галькой, станет белой. В момент до этого произойдет, когда камень находится под угрозой, называется «Атари». Игра в конечном итоге выиграла игрок с самой «территорией».
Количество юридических движений в ходе составляет 2,1 × 10170. Это 2,1 с 170 нулей после этого. Количество атомов в известной вселенной составляет число с 80 нулями после него. После трех движений в ходе до сих пор существует 200 квадриллионов возможных конфигураций платы. Я знал, что программа GO никогда не победит человека, используя грубую силу, как шахматная программа, победила Каспаров. Этого не произойдет в моей жизни и, скорее всего, не в чьей -либо жизни. Я также знал, что компьютер никогда не победит, потому что я «знал» сверху вниз, был тупиком, и что никогда не будет достаточно компьютерной мощности для обучения искусственных нейронных сетей. Я был прав по поводу метода с использованием грубой силы и сверху вниз. Я ошибался в искусственных нейронных сетях.
Альфаго против Ли Седола
После того, как DeepMind создал свой прорыв, играя в искусственный интеллект, они создали Alphago. Исследователи DeepMind обучили Alphago в ряде человеческих игр. Как только это был OK Player, как программы, играющие в шахматы 1970-х годов, команда DeepMind сделала его копии и заставила его играть против себя. Поскольку это компьютерная программа, Альфаго экспериментировал с миллионами новых игр и сделал это быстро. Каждый раз, когда он делал какой -то безумный, случайный ход, который сработал, это помнило. Каждый раз, когда он делал безумный, случайный ход, который не сработал, он не помнил, чтобы не делать этого снова. Когда он наконец столкнулся с одним из лучших игроков в мире Go, Ли Седол, он сделал то, что выглядело как безумные, случайные движения. Но они не были ни безумными, ни случайными. В первой игре против Седола Альфаго сделал шаг, который выглядел так, как будто это была ошибка, но когда игра подошла к концу, окупилась. Во второй игре Alphago сделал свой знаменитый шаг 37. Комментаторы сказали, что движение 37 было «немыслимым» и «очень удивительным» (Kohs 2017). Седол вернулся из перерыва сигарет. Игра подчеркнула его, где у программы было явное преимущество над ним, поскольку у нее нет эмоций. Когда он сел назад и увидел «Движение 37», Седол криво улыбнулся. Затем ему потребовалось 12 минут, чтобы сделать свою Contromy. Это не помогло. Move 37, действительно проницательный шаг, который игроки GO сейчас регулярно тренируются, но ни один человек никогда не делал раньше, выиграл Alphago The Game. Альфаго вышел на победу из четырех из пяти игр в серии, которую он сыграл против Седола, когда миллионы людей смотрели вживую по телевизору.
Оказалось, революция была телевидена.
Trending Stories youtube.com/thenewstack Tech движется быстро, не пропустите эпизод. Подпишитесь на наш канал YouTube, чтобы транслировать все наши подкасты, интервью, демонстрации и многое другое. Группа подпишитесь с эскизом. Джейми, соучредитель, «Контейнерные решения», Джейми является соучредителем и первым исполнительным директором Container Solutions. Первая встреча с компьютером BBC и Basic в возрасте девяти лет запустила свою страсть на всю жизнь к программированию и разработке программного обеспечения. В настоящее время он … читайте больше от Джейми Добсона
