Оглавление
Мелани Митчелл. Идиот или гений? Как работает и на что способен искусственный интеллект
Пролог. Испуганные
ИИ и “ГЭБ”
Шахматы и первое зерно сомнения
Музыка – бастион человечности
Google и сингулярность
Почему Хофштадтер испуган?
Я в недоумении
О чем эта книга
Часть I. Предыстория
Глава 1. Истоки искусственного интеллекта
Два месяца и десять мужчин в Дартмуте
Основные понятия и работа с ними
Анархия методов
Символический ИИ
Субсимволический ИИ: перцептроны
Входные сигналы нашего перцептрона
Как узнать веса и порог перцептрона
Ограниченность перцептронов
Зима ИИ
Простые вещи делать сложно
Глава 2. Нейронные сети и подъем машинного обучения
Многослойные нейронные сети
Обучение методом обратного распространения ошибки
Коннекционизм
Плохо с логикой, хорошо с фрисби
Подъем машинного обучения
Глава 3. Весна ИИ
Весеннее обострение
ИИ: ограниченный и общий, слабый и сильный
Могут ли машины мыслить?
Тест Тьюринга
Сингулярность
Экспоненциальная притча
Экспоненциальный прогресс в компьютерной сфере
Нейроинженерия
Скептики и адепты сингулярности
Ставка на тест Тьюринга
Часть II. Смотреть и видеть
Глава 4. Что, где, когда, кто и почему?
Простые вещи делать сложно (особенно в области зрения)
Революция глубокого обучения
Мозг, неокогнитрон и сверточные нейронные сети
Распознавание объектов в мозге и в СНС
Классификация в СНС
Тренировка сверточной нейронной сети
Глава 5. Сверточные нейронные сети и ImageNet
Создание ImageNet
Mechanical Turk
Соревнования ImageNet
Золотая лихорадка СНС
СНС превзошли людей в распознавании изображений?
Не ограничиваясь распознаванием объектов
Глава 6. Подробнее об обучаемых машинах
Самостоятельное обучение
Большие данные
Длинный хвост
Чему научилась моя сеть?
Предвзятый ИИ
Где решение?
Как обмануть глубокие нейронные сети
Глава 7. Надежный и этичный ИИ
Полезный ИИ
Великий компромисс ИИ
Этика распознавания лиц
Регулирование ИИ
Нравственные машины
Часть III. Обучение игре
Глава 8. Награды для роботов
Дрессировка собаки-робота
Препятствия в реальном мире
Глава 9. Игра началась
Глубокое Q-обучение
Агент за 650 миллионов долларов
Шахматы и шашки
Deep Blue
Большой вызов го
AlphaGo против Ли Седоля
Как работает AlphaGo
Глава 10. Не ограничиваясь играми
Общий характер и “перенос обучения”
“Без человеческих примеров и руководства”
Самые сложные области
Чему научились эти системы?
Насколько умна AlphaGo?
От игр в реальный мир
Часть IV. Искусственный интеллект и естественный язык
Глава 11. В компании слов
Тонкости языка
Распознавание речи и последние 10 %
Классификация тональности
Рекуррентные нейронные сети
Простая схема кодирования слов цифрами
Семантическое пространство слов
Word2vec
Глава 12. Перевод как кодирование и декодирование
Кодер и декодер
Оценка машинного перевода
Трудности перевода
Перевод изображений в предложения
Глава 13. Спроси меня о чем угодно
История Watson
Понимание прочитанного
Что это значит?
Вредоносные атаки на системы обработки естественного языка
Глава 14. О понимании
Компоненты понимания
Прогнозирование возможных вариантов будущего
Понимание как симуляция
Метафоры, с которыми мы живем
Абстракции и аналогии
Глава 15. Знание, абстракция и аналогия в искусственном интеллекте
Изначальное знание для компьютеров
Абстракция в идеале
Активные символы и построение аналогий
Метапознание в мире алфавитных последовательностей
Распознавание визуальных ситуаций
“Мы еще очень, очень далеко”
Глава 16. Вопросы, ответы и гипотезы
Вопрос: как скоро беспилотные автомобили войдут в обиход?
Вопрос: приведет ли ИИ к массовой безработице?
Вопрос: может ли компьютер обладать творческими способностями?
Вопрос: насколько мы далеки от создания общего ИИ человеческого уровня?
Вопрос: насколько нам следует опасаться ИИ?
Вопрос: какие интересные задачи ИИ еще не решены?
Благодарности
Сведения об иллюстрациях
Отрывок из книги
Складывается впечатление, что компьютеры с пугающей скоростью становятся все умнее, но кое-что им все же не под силу – они по-прежнему не могут оценить иронию. Именно об этом я думала несколько лет назад, когда по пути на встречу по вопросам искусственного интеллекта (ИИ) заблудилась в столице поиска – в Googleplex, штаб-квартире Google в Маунтин-Вью, в штате Калифорния. Более того, я заблудилась в здании Google Maps. Это была ирония судьбы в квадрате.
Найти само здание Google Maps оказалось несложно. У двери стояла машина Google Street View, на крыше которой громоздилась установка с камерой, похожей на черно-красный футбольный мяч. Оказавшись внутри и получив у охраны хорошо заметный гостевой пропуск, я растерялась и заблудилась в лабиринтах кабинок, занятых стайками работников Google, которые, надев наушники, сосредоточенно стучали по клавишам компьютеров Apple. В конце концов мои бессистемные поиски (в отсутствие плана здания) увенчались успехом: я нашла нужную переговорную и присоединилась к собравшимся на целый день.
.....
Как видно из “ГЭБ”, Хофштадтер твердо верит, что разум и все его характеристики в полной мере проистекают из физической среды мозга и остального тела, а также из взаимодействия тела с физическим миром. Здесь нет ничего нематериального или бесплотного. Хофштадтер беспокоится о сложности. Он боится, что ИИ может показать нам, что человеческие качества, которые мы ценим больше всего, очень просто механизировать. После встречи Хофштадтер пояснил мне, рассуждая о Шопене, Бахе и других выдающихся представителях рода человеческого: “Если маленький чип сможет обесценить эти умы бесконечной остроты, сложности и эмоциональной глубины, это разрушит мое представление о сущности человечества”.
За выступлением Хофштадтера последовала короткая дискуссия, в ходе которой недоумевающие слушатели побуждали Хофштадтера подробнее разъяснять опасения, связанные с ИИ и, в частности, с работой Google. Но коммуникационный барьер не рухнул. Встреча продолжилась презентациями и обсуждениями проектов с перерывами на кофе – все как обычно, – но о словах Хофштадтера больше никто не вспоминал. В завершение встречи Хофштадтер попросил участников поделиться своими соображениями о ближайшем будущем ИИ. Несколько исследователей из Google предположили, что общий ИИ человеческого уровня, вероятно, появится в течение ближайших тридцати лет, во многом благодаря успехам Google в совершенствовании метода “глубокого обучения”, навеянного представлениями о человеческом мозге.
.....
