Tarp neurologų, kognityvininkų ir filosofų diskutuoja, ar galima sukurti ar rekonstruoti žmogaus smegenis. Dabartiniai smegenų mokslo laimėjimai ir atradimai nuolat atveria kelią laikui, kai dirbtines smegenis bus galima atkurti nuo nulio. Vieni mano, kad tai peržengia galimų ribų ribas, antri yra užsiėmę būdais ją sukurti, treti jau seniai vaisingai dirba su užduotimi. Straipsnyje svarstysime klausimus apie dirbtinio intelekto plėtrą, jo perspektyvas, taip pat apie dideles šios srities įmones ir projektus.
Pagrindai
Dirbtinės smegenys atitinka robotų mašiną, kuri yra tokia pat protinga, kūrybinga ir sąmoninga kaip žmonės. Per visą žmonijos istoriją užduotis nebuvo iki galo išspręsta, tačiau ateitininkai sako, kad tai laiko klausimas. Atsižvelgiant į šiuolaikiškąneurologijos, kompiuterijos ir nanotechnologijų tendencijos numato, kad dirbtinis intelektas ir smegenys atsiras XXI amžiuje, galbūt iki 2050 m.
Mokslininkai svarsto keletą būdų, kaip sukurti dirbtinį intelektą. Pirmuoju atveju superkompiuteriais atliekami didelio masto biologiškai tikroviški žmogaus smegenų modeliavimai. Antruoju atveju mokslininkai bando sukurti masiškai lygiagrečius neuromorfinius skaičiavimo įrenginius, kurie būtų lengvai modeliuojami pagal nervinį audinį.
Žmogaus sąmonė pagal įdomiausias mokslo ir metafizikos paslaptis laikoma sudėtingiausia ir labiausiai pasiekiama. Panašios išvados daromos naudojant žmogaus smegenų atvirkštinę inžineriją.
Mašininis mokymasis
Mašininis mokymasis yra „dirbtinio intelekto“plėtros strategijos pagrindas, todėl žmogaus smegenų ląstelės yra visapusiškai tiriamos. Šio tipo mokymasis turi didelį potencialą: jo platformoje yra algoritmai, kūrimo įrankiai, API ir modelio diegimas. Kompiuteriai turi galimybę mokytis be aiškiai užprogramuoti. Novatoriškos įmonės „Amazon“, „Google“ir „Microsoft“aktyviai naudoja mašininį mokymąsi.
Gilaus mokymosi platformos
Gilus mokymasis yra mašininio mokymosi dalis. Jis pagrįstas žmogaus smegenų veikimu ir remiasi dirbtinio neuroninio tinklo (ANN) algoritmais, kuriais perduodama informacija. Robotai gali „mokytis“iš įvesties ir rezultatų. Gilus mokymasis – daug žadantisdirbtinio intelekto tendencija kartu su dideliais informacijos kiekiais. Jis pasitvirtino modelių atpažinimo ir klasifikavimo srityse. „Deep Instinct“, „Fluid AI“, „MathWorks“, „Ersatz Labs“, „Sentient Technologies“, „Peltarion“ir „Saffron Technology“yra pavyzdžiai įmonių, kurios yra šios žvalgybos tyrimų srities pradininkės.
Natūralios kalbos apdorojimas
Neurolingvistinis programavimas (NLP) yra ant ribos tarp kompiuterio ir žmogaus kalbos ir yra dirbtinio intelekto technologija. Kompiuterinės programos gali suprasti sakytinę ar rašytinę žmogaus kalbą. „Amazon Alexa“programinėje įrangoje, „Apple Siri“, „Microsoft Cortana“ir „Google Assistant“NLP naudojamas norint suprasti vartotojų klausimus ir pateikti į juos atsakymus. Šio tipo programavimas plačiai naudojamas atliekant ekonomines operacijas ir aptarnaujant klientus.
Natūralios kalbos karta
NLG programinė įranga naudojama visų rūšių duomenims konvertuoti į žmogaus skaitomą tekstą. Tai pasiekiama tiriant smegenis. Tai nepakankamai įvertinta technologija su tokiomis programomis kaip verslo žvalgybos ataskaitų automatizavimas, produktų aprašymai, finansinės ataskaitos. Technologijos leidžia sukurti vartotojų sukurtą turinį už nuspėjamą papildomą kainą. Struktūriniai duomenys paverčiami tekstu dideliu greičiu, iki kelių puslapių per sekundę. Įdomūs šios rinkos žaidėjai yra „Automated Insights“,„Lucidworks“, „Attivio“, SAS, naratyvinis mokslas, skaitmeninis samprotavimas, „Yseop“ir „Cambridge Semantics“.
Virtualieji agentai
Dirbtinio intelekto technologijų sistemoje terminai „virtualusis agentas“ir „virtualusis asistentas“nekeičiami. Kai kurie žmonės bando atskirti sąvokas ir jiems tai pavyksta.
Virtualusis asistentas yra tam tikras asmeninis internetinis asistentas. Virtualūs agentai dažnai vaizduojami kaip kompiuteriniai AI veikėjai, kurie protingai bendrauja su vartotojais. Jie gali atsakyti į klausimus, o pagrindinis jų pranašumas yra tai, kad klientai gali gauti pagalbos 24 valandas per parą.
Kalbos atpažinimas
Kalbos atpažinimas – tai programos gebėjimas suprasti ir analizuoti žodžius bei frazes sakytine kalba ir konvertuoti juos į duomenis naudojant integruotą dirbtinių smegenų algoritmą. Kalbos atpažinimas įmonėje naudojamas skambučių nukreipimui, rinkimui balsu, paieškai balsu ir kalbos pakeitimo tekstu apdorojimui. Vienas trūkumas yra tas, kad programa gali supainioti žodžius dėl tarimo ir foninio triukšmo skirtumų. Kalbos atpažinimo programinė įranga vis dažniau įdiegiama mobiliuosiuose įrenginiuose. Šioje srityje vystosi „Nuance Communications“, „OpenText“, „Verint Systems“ir „NICE“.
Įterptoji AI aparatinė įranga
Įrenginiai su įterptuoju AI, lustais ir grafikos apdorojimo blokais (GPU) tapo plačiai paplitę. „Google“įdiegė savoaparatinės įrangos dirbtinis intelektas, remiantis žmogaus smegenų instituto plėtra. AI integravimo su programine įranga poveikis yra daug platesnis nei vartotojų taikomosios programos, tokios kaip pramogos ir žaidimai. Tai naujo tipo technologija, kuri bus naudojama gilesniam mokymuisi. Tokią plėtrą vykdo Google, IBM, Intel, Nvidia, Allluviate ir Cray.
Sprendimų valdymas
Verslo sprendimų valdymas naujoviškų produktų srityje (pvz., robotas su dirbtiniu intelektu) apima visus automatizuotų sistemų projektavimo ir reguliavimo aspektus. Organizacijoms labai svarbu valdyti darbuotojų, klientų ir tiekėjų sąveiką.
Sprendimų valdymas pagerina alternatyvaus pasirinkimo procesą, čia panaudojama visa įmanoma informacija siekiant geriausio pasirinkimo, o akcentuojamas manevringumas, nuoseklumas, sprendimų priėmimo tikslumas. Priimant sprendimus atsižvelgiama į laiko apribojimus ir žinomą riziką.
Bankų, draudimo ir finansinių paslaugų organizacijos į savo klientų aptarnavimo procesus integruoja kasdienę sprendimų priėmimo programinę įrangą.
Neuromorfinė įranga
SyNAPSE yra DARPA finansuojamaprograma, skirta kurti neuromorfines mikroprocesorių sistemas, kurios susietos su smegenų intelektu ir fizika. Platforma ieško atsakymo į pagrindinį klausimą: ar įmanoma sukurti dirbtines smegenis? Iš pradžiųneuroniniai tinklai yra testuojami simuliacijoje superkompiuteryje, tada tinklai kuriami tiesiai į techninę įrangą. 2011 m. spalį buvo pademonstruotas neuromorfinio lusto prototipas, kuriame yra 256 neuronai. Šiuo metu vyksta darbas kuriant kelių lustų sistemą, galinčią imituoti 1 milijoną didžiausių neuronų ir 1 milijardą sinapsių.
Neuroninio tinklo modeliavimas
Mėlynųjų smegenų projektas – tai bandymas rekonstruoti žmogaus smegenis ir nugaros smegenis naudojant kompiuterinį modeliavimą molekuliniu lygmeniu. Projektą 2005 m. gegužės mėn. įkūrė Henry Markram iš Lozanos valstybinės politechnikos mokyklos (EPFL) Šveicarijoje. Modeliavimas vykdomas „IBM Blue Gene“superkompiuteryje, todėl „Blue Brain“pavadinimas. 2018 m. lapkričio mėn. buvo vykdomi mezocitų, kuriuose yra apie 10 milijonų neuronų ir 10 milijardų sinapsių, modeliavimas. 2023 m. planuojamas viso žmogaus smegenų modeliavimas su 186 milijardais neuronų.
Spaun, vieningą tinklą su semantine rodyklės architektūra, sukūrė Chrisas Eliasmitas ir kolegos iš Vaterlo universiteto Kanadoje Teorinės neurologijos centro (CTN). 2018 m. gruodžio mėn. „Spaun“yra didžiausias pasaulyje smegenų modeliavimas. Modelyje yra 2,5 milijono neuronų, kurių pakanka atpažinti skaičių sąrašus, atlikti paprastus skaičiavimus.
SpiNNaker yra didžiulis mažos galios neuromorfinis superkompiuteris,šiuo metu statomas Mančesterio universitete JK. Turėdama daugiau nei milijoną branduolių ir tūkstantį imituotų neuronų, mašina galėtų imituoti milijardą neuronų. Užuot įdiegę vieną konkretų algoritmą, SpiNNaker taps platforma, kurioje galėsite išbandyti skirtingus algoritmus. Įvairių tipų neuroniniai tinklai gali būti suprojektuoti ir paleisti mašinoje, taip imituojant skirtingus neuronų tipus ir komunikacijos modelius. SpiNNaker yra akronimas, kilęs iš Spi King Nural.
Brain Corporation yra nedidelė tyrimų įmonė, kurianti naujus algoritmus ir mikroprocesorius, kuriais grindžiama biologinė nervų sistema. Kompaniją 2009 m. įkūrė skaičiavimo neurologas Jevgenijus Izhikevičius ir neurologas/verslininkas Allenas Gruberis. Jų tyrimai sutelkti į šias sritis: vizualinį suvokimą, variklio valdymą ir autonominę navigaciją. Įmonės tikslas – vartotojų įrenginius, tokius kaip mobilieji telefonai ir buitiniai robotai, aprūpinti dirbtine nervų sistema. Tyrimą iš dalies finansuoja Qualcomm, kuris yra Qualcomm miestelyje San Diege, Kalifornijoje. Jokie konkretūs produktai dar nebuvo išleisti ar paskelbti, tačiau įmonė toliau auga ir nuo 2018 m. vasario mėn. aktyviai samdo naujus darbuotojus.
Susiję tyrimai
„Google X Lab“yra slapta laboratorija, kurioje „Google“eksperimentuoja su ateities technologijomis. Projektai, apie kuriuos įmonėdarbai nėra vieši, tačiau manoma, kad jie yra pagrįsti robotika ir dirbtiniu intelektu. Išsami informacija apie laboratoriją pirmą kartą pasirodė New York Times straipsnyje 2011 m. lapkritį. Publikacijoje rašoma, kad laboratorija yra Kalifornijos valstijos Bay Area mieste. Gerai žinoma, kad „Google“įkūrėjai domisi dirbtinio intelekto studijomis ir investuoja šia kryptimi. 2006 m. įmonės atmintinėje rašoma, kad „Google“nori sukurti geriausią pasaulyje AI tyrimų laboratoriją.
Rusija 2045, žinoma kaip 2045 m. iniciatyva arba Avataro projektas, yra ambicingas ilgalaikis projektas, kurio tikslas – iki 2020 m. turėti robotų avatarus, iki 2025 m. – smegenų transplantaciją, o iki 2035 m. – dirbtines smegenis. Programą 2011 metais pradėjo Rusijos žiniasklaidos magnatas Dmitrijus Itskovas. Juo siekiama sukurti žmogaus smegenų instituciją per pasaulinį mokslininkų tinklą, kuris kartu dirba žmonijos labui ir sistemingai plėtojant technologijas. Nemažai Rusijos mokslininkų savo tyrimams jau gavo investicijų iš Itskovo. Be to, Itskovas siekia papildomo finansavimo iš turtingų asmenų, labdaros organizacijų ir nacionalinių bei tarptautinių vyriausybių.
Kitas įdomus projektas – Bostono universiteto ir „Hewlett Packard“(HP) programa „Moneta“. Grego Snyderio vadovaujama HP komanda kuria neuroninio tinklo platformą Cog Ex Machina, kuri galidirbti GPU ir ateities kompiuteriuose, pagrįstuose memristoriais. Bostono universiteto Neuromorfologijos laboratorija, vadovaujama Massimiliano Versace'o, sukūrė modulines dirbtines smegenis „Moneta“, veikiančias Cog Ex Machina. Akronimas reiškia Modular Neural Exploring Travel Agent.
Laiko intervalas
Neišvengiamai kyla klausimas, kada galima susintetinti skaitmeninę smegenų ir nugaros smegenų kopiją.
Deja, tai nebus greitai. Kurzweilo prognozė apie smegenų emuliaciją iki 2030 m. atrodo pernelyg trumpa – liko tik 12 metų. Be to, jo analogijos su Žmogaus genomo projektu pasirodė nepatenkinamos. Be to, daugelis mokslininkų tikriausiai juda tam tikromis aklavietės kryptimis.
Panašiai Goertzelio prognozės apie taisyklėmis pagrįsto požiūrio sėkmę ateinančiais dešimtmečiais atrodo pernelyg optimistiškos. Nors tikriausiai tai nėra neįmanoma, atsižvelgiant į jo AI mokymo metodą.
Pagal tikėtiną scenarijų kodą ar žmogaus smegenų panašumą sukurti įmanoma per 50–75 metus. Nepaisant to, datą gana sunku numatyti, viena vertus, atsižvelgiant į neurologijos paklaidą ir, kita vertus, pokyčių greitį. 2050 m. yra tarsi juodoji skylė, kai kalbama apie prognozes.
