Может машина мыслить?::Журнал СА 6.2017
www.samag.ru
     
Поиск   
              
 www.samag.ru    Web  0 товаров , сумма 0 руб.
E-mail
Пароль  
 Запомнить меня
Регистрация | Забыли пароль?
О журнале
Журнал «БИТ»
Информация для ВАК
Звезды «СА»
Подписка
Где купить
Авторам
Рекламодателям
Магазин
Архив номеров
Вакансии
Игры
Контакты
   

  Опросы

Какие курсы вы бы выбрали для себя?  

Очные
Онлайновые
Платные
Бесплатные
Я и так все знаю

 Читать далее...

1001 и 1 книга  
13.03.2019г.
Просмотров: 78
Комментарии: 0
DevOps для ИТ-менеджеров

 Читать далее...

13.03.2019г.
Просмотров: 82
Комментарии: 0
Запуск и масштабирование DevOps на предприятии

 Читать далее...

13.03.2019г.
Просмотров: 66
Комментарии: 0
Kubernetes в действии

 Читать далее...

13.03.2019г.
Просмотров: 61
Комментарии: 0
Внедрение Splunk 7

 Читать далее...

24.12.2018г.
Просмотров: 1119
Комментарии: 0
Python. Разработка на основе тестирования

 Читать далее...

Друзья сайта  

Форум системных администраторов  

sysadmins.ru

 Может машина мыслить?

Архив номеров / 2017 / Выпуск №6 (175) / Может машина мыслить?

Рубрика: Зал славы «СА»

Может машина мыслить?

Знаменитый вопрос Алана Тьюринга вполне может получить положительный – и, главное, убедительный – ответ от Пола Аллена (о котором см. статью в этом номере журнала). Причем в недалеком будущем. Тому свидетельством – разрабатываемые проекты создания искусственного интеллекта в одноименном американском институте – Allen Institute for Artificial Intelligence (AI2), основанном в 2013 году бывшим сотворцом и совладельцем Microsoft. Эти проекты и стали очередными «экспонатами» нашего виртуального музея компьютерных и коммуникационных технологий.

Может машина мыслить?Конкретно перед сотрудниками AI2 была поставлена задача создания систем искусственного интеллекта, способных принимать «разумные» – в нашем человеческом понимании – решения. А как минимум способных обучаться и воспринимать визуальную и текстовую информацию. Иначе говоря, обладать способностями и интеллектуальными возможностями школьника, сдающего экзамен.

Флагманский проект института носит название «Аристотель» (Aristo) – как, впрочем, и другие проекты (о них пойдет речь ниже), названные в честь великих мыслителей античности. Компьютерная система Aristo должна будет успешно сдать школьные экзамены за 4-й, 8-й и 12-й классы. Для чего ей предстоит самостоятельно проштудировать соответствующие учебники и учебные пособия. А до этого – построить мысленную модель «хода вещей» в той или иной дисциплине, после чего скорректировать модель с учетом информации, почерпнутой в учебниках. И в результате правильно ответить на вопрос «экзаменатора».

Предполагается, что машина будет работать следующим образом: 1. Сначала она экстрагирует факты из различных источников и преобразует эти факты в структурированную «базу знаний». 2. Затем подвергнет задаваемые вопросы грамматическому разбору и переработает их (вместе с прилагаемыми диаграммами) в целях выбора лучшей «стратегии ответа». 3. И, наконец, используя программы упорядочивания, статистического анализа и перекрестных ссылок, выдаст правильный ответ.

Другой проект – «Евклид» (Euclid), как следует из названия, нацелен на решение машиной чисто математических задач, сформулированных вербально или с помощью геометрических схем и рисунков. Такой машине придется учиться распознавать не только речь, но и визуальную информацию – графики, диаграммы и прочее. В частности, одна из таких «сквозных» (или «всеобъемлющих» – end-to-end) систем, GeoS, учится решать школьные и вузовские задачи погеометрии.

Есть еще проект «Платон» (Plato), призванный научить машину распознавать исключительно визуальную информацию – статическую (слайды) и динамическую (видео). И на основании только ее создавать «базы знаний» для нахождения правильного ответа.

В рамках этого проекта разрабатывается несколько подпроектов: BiDAF (Bi-directional Attention Flow – «двунаправленный поток внимания»), imSitu (набор данных, необходимых для общей оценки ситуации), XNOR-Net (классификация образов с помощью бинарных «сверточных» искусственных нейросетей), Learning to Predict the Effects of Forces (предсказание дальнейшего поведения материального объекта на основании оценки его геометрического положения и действия нанего внешних сил), Charades (решение видеоголоволомок), VisKe (VISual Knowledge Extraction – система поиска решений на основании визуальной верификации соотносящихся друг с другом фраз), LEVAN (полностью автоматизированная обучающая программа, позволяющая получить всю необходимую информацию о рассматриваемом визуальном образе).

Наконец, разрабатывается еще одна программа, запущенная в ноябре 2015 года и не нашедшая себе имени среди великих умов древности: Semantic Scholar (буквально «Ученый-семантик»). Это целый компьютерный сервис, с помощью которого обучающаяся машина сможет выискивать требуемую информацию из научной литературы. Причем выискивать «с пониманием» – семантическим и текстуальным – того, что она делает. А именно: сначала определить ключевые работы по заданной тематике либо составить список наиболее цитируемых работ или результатов, на которые ссылается автор разбираемой статьи.

Вообще-то отбор нужной литературы в нынешнем информационном океане – первый этап работы любого «живого» исследователя, пора начинать обучать этим навыкам и компьютеры, которые в недалеком будущем будут носить гордые названия «интеллектуальных». А начали исследователи из AI2 обучать компьютер искусству поиска и фильтрации релевантной информации с какого журнала? Правильно – с годового комплекта Computer Science за 2015 год! «Родную» науку компьютер уж как-нибудь да осилит.

Владимир Гаков


Комментарии отсутствуют

Добавить комментарий

Комментарии могут оставлять только зарегистрированные пользователи

               Copyright © Системный администратор

Яндекс.Метрика
Tel.: (499) 277-12-41
Fax: (499) 277-12-45
E-mail: sa@samag.ru