Есть ли у вас какие-либо представления о том, как именно ученые и исследователи создают системы искусственного интеллекта? Из чего на самом деле состоит искусственный интеллект? Каковы его реальные основания?

Что ж, если мы хотим понять, как создается искусственный интеллект, нам нужно сначала понять, как работает человеческий интеллект, потому что почти весь искусственный интеллект основан на наших собственных когнитивных, перцептивных и физических способностях. Затем нам нужно понять, как мы, люди, стали теми, кто мы есть, за миллионы лет эволюционного процесса. В своей книге 1999 года Культурные истоки человеческого познания Майкл Томаселло предложил простой, но всесторонний взгляд на эту проблему. По его собственным словам, «если мы хотим попытаться по-настоящему понять человеческое познание, мы должны рассмотреть его развитие в трех различных временных рамках: в филогенетическом времени, когда человеческие приматы развили свои уникальные способы понимания соспецифичности; в историческое время, поскольку эта особая форма социального понимания привела к своеобразным формам культурного наследия, включающим материальные и символические артефакты, которые со временем накапливают модификации; и в онтогенетическом времени, когда человеческие дети и взрослые поглощают все, что может предложить их культура, развивая в процессе уникальные способы перспективно-ориентированной когнитивной репрезентации».

Это то, что исследователи искусственного интеллекта делают для создания своих ИИ-существ: понимают, а затем искусственно воссоздают когнитивные способности человека, которые были разработаны в ходе наших филогенетических, культурных и онтогенетических процессов, и используют эти способности для расширения возможностей машин. Нынешняя основополагающая парадигма ИИ — это машинное обучение, что означает: машины должны иметь возможность учиться и когнитивно развиваться самостоятельно — так же, как и мы. Эта парадигма стала общепризнанной, когда исследователи поняли, что невозможно создать искусственный интеллект человеческого уровня, который был бы просто «запрограммирован». Машины должны были иметь возможность развиваться и учиться самостоятельно. И пусть так.

Но не все исследователи ИИ придерживаются одинакового исследовательского подхода. Вообще говоря, исследователи искусственного интеллекта в настоящее время делятся на 5 основных категорий:

1- Символисты: этот подход основан на предположении, что многие аспекты интеллекта могут быть достигнуты путем манипулирования символами. Символический ИИ был доминирующей парадигмой исследований ИИ с середины 1950-х до конца 1980-х годов. И он по-прежнему играет важную роль в развитии ИИ, хотя теперь он больше приспособлен к парадигме машинного обучения.

2- Коннекционисты: этот подход моделирует ментальные или поведенческие явления как возникающие процессы взаимосвязанных сетей простых единиц. Существует множество форм коннекционизма, но в наиболее распространенных формах используются модели нейронных сетей. Так что, по сути, этот подход пытается реконструировать человеческий мозг.

3- Эволюционисты: этот подход создает эволюционные алгоритмы, основанные на принятии дарвиновских принципов, отсюда и название. Эволюционный ИИ использует итеративный прогресс, такой как рост или развитие популяции. Затем эта популяция выбирается в управляемом случайном поиске с использованием параллельной обработки для достижения желаемого результата. Такие процессы часто вдохновлены биологическими механизмами эволюции для создания высокооптимизированных процессов и сетей, которые широко применяются в ИИ.

4- Байесовцы: байесовский вывод — это метод статистического вывода, в котором теорема Байеса используется для обновления вероятности гипотезы по мере появления дополнительных доказательств или информации. Методы байесовского вывода были фундаментальной частью компьютеризированных методов распознавания образов с конца 1950-х годов. В последнее время байесовский вывод приобрел популярность в эволюционном сообществе; ряд приложений позволяет одновременно оценивать многие демографические и эволюционные параметры.

5- Аналогизаторы: этот подход рассматривает аналогии в основе самого интеллекта. Аналогия определяется как когнитивный процесс передачи информации или значения от определенного субъекта (аналога или источника) другому (цели). Их главный алгоритм — «ближайший сосед», который может давать результаты, аналогичные нейронным сетям. Аналогии лежат в основе чрезвычайно эффективных результатов машинного обучения.

Нетрудно заметить, что человеческое познание лежит в основе исследований каждой из этих групп ИИ. Хотя каждая из них внесла свой важный вклад в область ИИ, самые мощные современные системы ИИ на самом деле объединяют вклад многих или всех из них. Комбинированный подход, вероятно, позволит однажды создать искусственный интеллект уровня человека или выше.

Итак, мы имеем дело с машинами, обладающими широкими возможностями и способностями, которые унаследованы от человека. В этом нет ничего плохого. В Inova: Ingenuity мы в целом благосклонно относимся к развитию искусственного интеллекта, но (и это большое НО) мы также считаем, что это мощное знание должно быть направлено и на нас самих, на наше собственное образование и способности. Другими словами, исследования, разработки и знания из таких областей, как когнитивная наука, неврология, эволюционная антропология, искусственный интеллект и других, должны использоваться не только для расширения возможностей машин, но и для пересмотра и улучшения человеческого образования — для расширения возможностей человечества.

Если вам интересен пример такого образовательного подхода, вы можете воспользоваться программой Inova:Ingenuity, на которую заявлен патент CIC. Вы можете найти программу CIC онлайн на www.inovaingenuity.com.

Предыдущая версия этого поста впервые появилась на сайте www.inovaingenuity.com.