Оглавление
Ян Лекун. Как учится машина. Революция в области нейронных сетей и глубокого обучения
Введение
Глава 1. Революция в искусственном интеллекте
Вездесущий искусственный интеллект
Искусственный интеллект в искусстве
Гуманоиды? Ничего подобного!
«Старый добрый» искусственный интеллект…
… или же машинное обучение?
Коктейль из старого и нового
Тест Тьюринга
Постоянное совершенствование
Могущество алгоритма
Глава 2. Краткая история искусственного интеллекта… и моего карьерного пути
Вечный поиск
Логика превыше всего
Игровой мир
Нейробиология и перцептрон
Эпоха застоя
Преданные последователи
Мой выход на сцену
Плодотворное чтение
Коннекционистские модели обучения
Лез-Уш
Использование обратного распространения градиента[22]
Святая святых
Годы в Bell Labs
Почти табу
«Заговор» глубокого обучения
Эффективность сверточных сетей подтвердилась
Глава 3. Простые обучающие машины
Мягкотелые как источник вдохновения
Изучение и минимизация ошибок: пример
Найти функцию f(х), которая предсказывает у на основе х
Как минимизировать ошибку?
В скобках – для математиков
Галилей и Пизанская башня
Распознавание изображений или еще чего-нибудь
Фрэнк Розенблатт, Берни Уидроу и перцептрон
Решетка из 25 пикселей
Как отличить букву C от буквы D?
Обучение с учителем и обобщение
Пределы возможностей перцептрона
Решение: экстрактор признаков
Заключение
Глава 4. Обучение путем минимизации, теория обучения
Функция стоимости
Как спуститься на дно долины
Градиентный спуск на практике
Стохастический градиентный спуск
Висячие долины
Общая теория обучения
Выбор модели
Корова и три ученых
Бритва Оккама
Протокол обучения
«Необходимый компромисс» Вапника
Головокружительные булевы функции
Примеры возможных функций
Регуляризация: ограничение возможностей модели
Уроки для человека
Глава 5. Глубокие сети и обратное распространение
Торт «Наполеон»
Непрерывные нейроны
Мой HLM
Гонка
Грааль… и немного математики
Польза от нескольких слоев
Возражения не принимаются
Распознание признаков
Глава 6. Сверточные сети, столпы ИИ
«Бомба» 2012 года
Зрительная кора: простые клетки
Зрительная кора: сложные клетки и «пулинг»
Дальновидный Фукусима
Краткий взгляд в прошлое
Сверточные сети
Обнаружение, локализация, сегментация и распознавание объектов
Семантическая сегментация со сверточной сетью
Глава 7. Внутренности машины, или глубокое обучение сегодня
Распознавание изображений
Встраивание контента и измерение сходства
Распознавание речи
Синтез речи и звука
Понимание языка и перевод
Прогнозирование
Искусственный интеллект и наука
Архитектура «больших» приложений: автономный автомобиль
Автономия и смешанная система
Полная автономия? Сквозное обучение
Архитектура «больших» приложений: виртуальный помощник
Архитектура больших приложений: медицинская визуализация и медицина
Старые рецепты: алгоритмы поиска
Глава 8. Моя работа в компании Facebook
Меня нанимает Марк Цукерберг
Исследовательские лаборатории Facebook
Специализация
Фильтрация контента
Поговорим вкратце о Cambridge Analytica
Новостная лента
Facebook и будущее СМИ
Обновленная компания Facebook
Работа FAIR
Премия Тьюринга
Глава 9. Что ждет нас завтра? Перспективы и проблемы искусственного интеллекта
Природа вдохновляет, но лишь до определенного момента
Пределы машинного обучения: обучение с учителем
Обучение с подкреплением
Пределы обучения с подкреплением
Пресловутый здравый смысл
Эталон человеческого обучения или «обучения без учителя»
Обучение без учителя – продолжение
Множественные прогнозы и скрытые переменные
Способность к прогнозированию
Архитектура автономных интеллектуальных систем
Глубокое обучение и рассуждения: динамические сети
Интеллектуальные объекты
Будущее согласно ИИ
Глава 10. Искусственный интеллект и человечество
ИИ меняет общество и экономику
Инновационная «экосистема» ИИ
Кому выгодна интеллектуальная революция?
Военная угроза?
Предупреждение об опасности: предвзятость и безопасность
Должен ли ИИ быть понятным?
Лучше понять человеческий интеллект?
Неужели мозг – это всего лишь машина?
Все модели неверны…
Встревоженные голоса
Усердный исполнитель
Врожденное или приобретенное?
Возникнет ли у машин сознание?
Роль языка в формировании мышления
Будут ли у машин эмоции?
Захотят ли роботы захватить мир?
Согласование ценностей
Новые рубежи
Наука об интеллекте
Послесловие
Благодарности
Отрывок из книги
«Открой дверь модульного отсека, Хэл!» В фильме «2001 год: Космическая одиссея» HAL 9000, сверхразумный компьютер, управляющий работой космического корабля, отказывается открыть дверь модульного отсека астронавту Дейву Боумену. В этой драматической сцене – вся трагедия искусственного интеллекта. Мыслящая машина оборачивается против человека, который ее сам же разработал. Что это: фантазия или обоснованные опасения? Стоит ли тревожиться о том, что однажды нашим миром будут управлять терминаторы – искусственные гуманоиды с почти неограниченными возможностями и темными замыслами? Этот вопрос люди задают все чаще и чаще сейчас, когда мы переживаем неслыханную революцию в интеллектуальных технологиях, которую никто не мог вообразить себе еще полвека назад. Искусственный интеллект, изучению которого я посвятил много лет, меняет все наше общество.
Я решил написать эту книгу, чтобы объяснить определенный набор методов и приемов в этой области, не скрывая всей ее сложности. Понять это не так просто, как научиться играть в шашки, но я думаю, что это необходимо для формирования аргументированного мнения по вопросам, связанным с искусственным интеллектом. Наше медиапространство пестрит такими терминами как «глубокое обучение», «машинное обучение» или «нейронные сети» … Я хочу, шаг за шагом, пролить свет на научный подход, который работает на стыке вычислительной техники и нейробиологии, не прибегая при этом к каким-либо метафорам.
.....
Мы будем писать о возможностях и приложении искусственного интеллекта на протяжении всей этой книги, но сейчас пришло время сделать шаг назад. Как определить общие черты всех этих интеллектуальных машин?
Я бы сказал, что искусственный интеллект – это способность машины выполнять задачи, обычно выполняемые животными и людьми, то есть воспринимать, рассуждать и действовать. Эти свойства неотделимы от способности учиться, как это наблюдается и у живых существ. Системы искусственного интеллекта – это просто очень сложные электронные схемы и компьютерные программы. Но возможности хранения информации, доступ к памяти, скорость вычислений и возможности обучения позволяют им «абстрагироваться» от конкретных примеров, содержащейся в огромных объемах данных.
.....
