Նյարդաբանների, ճանաչողների և փիլիսոփաների միջև քննարկումներ են ընթանում այն մասին, թե արդյոք մարդու ուղեղը կարող է ստեղծվել կամ վերակառուցվել: Ուղեղի գիտության ներկայիս առաջընթացներն ու հայտնագործությունները անշեղորեն ճանապարհ են հարթում մի ժամանակաշրջանի համար, երբ արհեստական ուղեղները կարող են վերստեղծվել զրոյից: Ոմանք ենթադրում են, որ դա հնարավորի սահմաններից դուրս է, երկրորդները զբաղված են այն ստեղծելու եղանակներով, երրորդները երկար ժամանակ արդյունավետ աշխատում են առաջադրանքի վրա։ Հոդվածում մենք կքննարկենք արհեստական ինտելեկտի զարգացման, դրա հեռանկարների, ինչպես նաև այս ոլորտում խոշոր ընկերությունների և նախագծերի վերաբերյալ հարցեր։
Հիմունքներ
Արհեստական ուղեղը համապատասխանում է ռոբոտային մեքենային, որը նույնքան խելացի, ստեղծագործ և գիտակից է, որքան մարդիկ: Մարդկության ողջ պատմության ընթացքում խնդիրն ամբողջությամբ լուծված չէ, սակայն ապագայագետներն ասում են, որ դա ժամանակի խնդիր է։ Հաշվի առնելով ժամանակակիցՆեյրոգիտության, հաշվարկների և նանոտեխնոլոգիայի միտումները կանխատեսում են, որ արհեստական ինտելեկտը և ուղեղը կհայտնվեն 21-րդ դարում, հնարավոր է մինչև 2050 թվականը։
Գիտնականները դիտարկում են արհեստական ինտելեկտ ստեղծելու մի քանի եղանակներ։ Առաջին դեպքում սուպերհամակարգիչների վրա կատարվում են մարդկային ուղեղի կենսաբանորեն իրատեսական լայնածավալ սիմուլյացիաներ։ Երկրորդ դեպքում գիտնականները փորձում են ստեղծել զանգվածային զուգահեռ նեյրոմորֆ հաշվողական սարքեր, որոնք հեշտությամբ մոդելավորվում են նյարդային հյուսվածքի վրա։
Մարդկային գիտակցությունը գիտության և մետաֆիզիկայի ամենահետաքրքիր առեղծվածների առումով համարվում է ամենաբարդն ու ամենահասանելին: Նմանատիպ եզրակացությունների են հանգում մարդու ուղեղի հակադարձ ճարտարագիտությունը:
Մեքենայական ուսուցում
Մեքենայական ուսուցումը «արհեստական ինտելեկտի» զարգացման ռազմավարության հիմքում է, դրա համար մարդու ուղեղի բջիջները համակողմանիորեն ուսումնասիրվում են: Ուսուցման այս տեսակը մեծ ներուժ ունի. դրա հարթակը ներառում է ալգորիթմներ, զարգացման գործիքներ, API-ներ և մոդելների տեղակայում: Համակարգիչները սովորելու ունակություն ունեն՝ առանց հստակ ծրագրավորված լինելու: Նորարարական Amazon, Google և Microsoft ընկերությունները ակտիվորեն օգտագործում են մեքենայական ուսուցում:
Խորը ուսուցման հարթակներ
Խորը ուսուցումը մեքենայական ուսուցման մի մասն է: Այն հիմնված է մարդու ուղեղի աշխատանքի վրա և հիմնված է արհեստական նեյրոնային ցանցի (ANN) ալգորիթմների վրա, որոնց միջոցով տեղեկատվությունը հոսում է: Ռոբոտները կարող են «սովորել» մուտքերից և արդյունքներից: Deep Learning – Խոստումնալիցարհեստական ինտելեկտի միտում՝ զուգորդված մեծ քանակությամբ տեղեկատվության հետ։ Այն իրեն ապացուցել է օրինաչափությունների ճանաչման և դասակարգման մեջ: Deep Instinct-ը, Fluid AI-ն, MathWorks-ը, Ersatz Labs-ը, Sentient Technologies-ը, Peltarion-ը և Saffron Technology-ն ընկերությունների օրինակներ են, որոնք ինտելեկտուալ ուսումնասիրության այս ոլորտում առաջամարտիկներ են::
Բնական լեզվի մշակում
Նեյրո-լեզվաբանական ծրագրավորումը (NLP) գտնվում է համակարգչի և մարդու լեզվի սահմանին և արհեստական ինտելեկտի տեխնոլոգիա է: Համակարգչային ծրագրերը կարող են հասկանալ մարդու բանավոր կամ գրավոր խոսքը: Amazon Alexa ծրագրաշարում, Apple Siri-ում, Microsoft Cortana-ում և Google Assistant-ում NLP-ն օգտագործվում է օգտատերերի հարցերը հասկանալու և դրանց պատասխաններ տալու համար: Ծրագրավորման այս տեսակը լայնորեն կիրառվում է տնտեսական գործարքների և հաճախորդների սպասարկման մեջ:
Բնական լեզուների սերունդ
NLG ծրագրաշարն օգտագործվում է բոլոր տեսակի տվյալները մարդու համար ընթեռնելի տեքստի փոխակերպելու համար, ինչը ձեռք է բերվում ուղեղի ուսումնասիրության միջոցով: Դա թերագնահատված տեխնոլոգիա է այնպիսի ծրագրերով, ինչպիսիք են բիզնես հետախուզության հաշվետվությունների ավտոմատացումը, արտադրանքի նկարագրությունները, ֆինանսական հաշվետվությունները: Տեխնոլոգիան թույլ է տալիս ստեղծել օգտատերերի կողմից ստեղծված բովանդակություն կանխատեսելի հավելյալ գնով: Կառուցվածքային տվյալները վերածվում են տեքստի բարձր արագությամբ՝ վայրկյանում մինչև մի քանի էջ: Այս շուկայում հետաքրքիր խաղացողներն են Automated Insights,Lucidworks, Attivio, SAS, Narrative Science, Digital Reasoning, Yseop և Cambridge Semantics:
Վիրտուալ գործակալներ
Արհեստական ինտելեկտի տեխնոլոգիաների շրջանակներում «վիրտուալ գործակալ» և «վիրտուալ օգնական» տերմինները փոխարինելի չեն։ Որոշ մարդիկ փորձում են տարբերել հասկացությունները, և դա նրանց հաջողվում է։
Վիրտուալ օգնականը մի տեսակ անձնական առցանց օգնական է: Վիրտուալ գործակալները հաճախ ներկայացված են որպես համակարգչային AI կերպարներ, ովքեր խելացի զրույց են ունենում օգտատերերի հետ: Նրանք կարող են պատասխանել հարցերին, և նրանց հիմնական առավելությունն այն է, որ հաճախորդները կարող են օգնություն ստանալ օրը 24 ժամ:
Խոսքի ճանաչում
Խոսքի նույնականացումը ծրագրի կարողությունն է՝ հասկանալու և վերլուծելու խոսակցական լեզվով բառերն ու արտահայտությունները և դրանք վերածելու տվյալների՝ օգտագործելով ներկառուցված ուղեղի արհեստական ալգորիթմը: Խոսքի ճանաչումը ընկերությունում օգտագործվում է զանգերի ուղղորդման, ձայնային հավաքման, ձայնային որոնման և խոսքից տեքստ մշակելու համար: Թերություններից մեկն այն է, որ ծրագիրը կարող է շփոթել բառերը արտասանության և ֆոնային աղմուկի տարբերությունների պատճառով: Խոսքի ճանաչման ծրագրակազմը ավելի ու ավելի է տեղադրվում շարժական սարքերում: Nuance Communications-ը, OpenText-ը, Verint Systems-ը և NICE-ը զարգանում են այս ոլորտում:
AI-ներկառուցված սարքաշար
Ներկառուցված AI, չիպեր և գրաֆիկայի մշակման միավորներ (GPU) ունեցող սարքերը լայն տարածում են գտել։ Google-ը ներդրել է իր մեջապարատային արհեստական բանականություն՝ հիմք ընդունելով մարդու ուղեղի ինստիտուտի զարգացումը։ Ծրագրային ապահովման հետ AI-ի ինտեգրման ազդեցությունը շատ ավելին է, քան սպառողական հավելվածները, ինչպիսիք են զվարճանքը և խաղերը: Սա նոր տեսակի տեխնոլոգիա է, որը կօգտագործվի խորը ուսուցումն առաջ մղելու համար: Նման մշակումներն իրականացնում են Google-ը, IBM-ը, Intel-ը, Nvidia-ն, Allluviate-ը և Cray-ը:
Որոշումների կառավարում
Բիզնես որոշումների կառավարումը նորարարական արտադրանքներում (օրինակ՝ արհեստական ինտելեկտով ռոբոտ) ներառում է ավտոմատացված համակարգերի նախագծման և կարգավորման բոլոր ասպեկտները: Կազմակերպությունների համար կարևոր է կառավարել փոխգործակցությունը աշխատակիցների, հաճախորդների և մատակարարների միջև:
Որոշումների կառավարումը բարելավում է այլընտրանքային ընտրության գործընթացը, այստեղ բոլոր հնարավոր տեղեկությունները օգտագործվում են լավագույն նախապատվության համար, մինչդեռ շեշտը դրվում է մանևրելու, հետևողականության, որոշումների կայացման ճշգրտության վրա: Որոշումների կառավարումը հաշվի է առնում ժամանակի սահմանափակումները և հայտնի ռիսկերը:
Բանկային, ապահովագրական և ֆինանսական ծառայություններ մատուցող կազմակերպությունները ինտեգրում են ամենօրյա որոշումների ծրագրակազմը իրենց հաճախորդների սպասարկման գործընթացներում:
Նեյրոմորֆիկ սարքավորում
SyNAPSE -ը DARPA-ի կողմից ֆինանսավորվողծրագիր է, որը մշակում է նեյրոմորֆ միկրոպրոցեսորային համակարգեր, որոնք քարտեզագրում են ուղեղի հետախուզությունը և ֆիզիկան: Հարթակը փնտրում է հիմնական հարցի պատասխանը՝ հնարավո՞ր է արհեստական ուղեղ ստեղծել։ Սկզբումնեյրոնային ցանցերը փորձարկվում են սուպերհամակարգչի սիմուլյացիաներում, այնուհետև ցանցերը կառուցվում են անմիջապես սարքաշարում: 2011 թվականի հոկտեմբերին ցուցադրվեց 256 նեյրոն պարունակող նեյրոմորֆիկ չիպի նախատիպ։ Աշխատանքներ են տարվում բազմակի չիպային համակարգի ստեղծման ուղղությամբ, որը կարող է ընդօրինակել 1 միլիոն գագաթնակետային նեյրոններ և 1 միլիարդ սինապսներ:
Նյարդային ցանցերի մոդելավորում
Կապույտ ուղեղի նախագիծը փորձ է վերականգնել մարդու ուղեղը և ողնուղեղը մոլեկուլային մակարդակում համակարգչային սիմուլյացիաների միջոցով: Նախագիծը հիմնադրվել է 2005 թվականի մայիսին Հենրի Մարկրամի կողմից Շվեյցարիայի Լոզանի պետական պոլիտեխնիկական դպրոցում (EPFL): Սիմուլյացիան աշխատում է IBM Blue Gene սուպերհամակարգչի վրա, որտեղից էլ կոչվում է Blue Brain: 2018 թվականի նոյեմբերի դրությամբ սիմուլյացիաներ են իրականացվում մեզոցիտների վրա, որոնք պարունակում են մոտ 10 միլիոն նեյրոն և 10 միլիարդ սինապսներ։ 2023 թվականին նախատեսվում է մարդու ուղեղի ամբողջական մոդելավորում իր 186 միլիարդ նեյրոններով։
Spaun՝ իմաստային ցուցիչի ճարտարապետությամբ միասնական ցանց, ստեղծվել է Քրիս Էլիասմիթի և Կանադայի Վաթերլոոյի համալսարանի տեսական նյարդաբանության կենտրոնի (CTN) գործընկերների կողմից: 2018 թվականի դեկտեմբերի դրությամբ Spaun-ը ուղեղի աշխարհի ամենամեծ մոդելավորումն է: Մոդելը պարունակում է 2,5 միլիոն նեյրոն, ինչը բավարար է թվերի ցուցակները ճանաչելու, պարզ հաշվարկներ կատարելու համար։
SpiNNaker-ը զանգվածային ցածր էներգիայի նեյրոմորֆ սուպերհամակարգիչ է, որըներկայումս կառուցվում է Մեծ Բրիտանիայի Մանչեսթերի համալսարանում: Ավելի քան մեկ միլիոն միջուկներով և հազար մոդելավորված նեյրոններով մեքենան ի վիճակի կլինի նմանակել մեկ միլիարդ նեյրոն: Մեկ կոնկրետ ալգորիթմի ներդրման փոխարեն SpiNNaker-ը կդառնա հարթակ, որտեղ դուք կարող եք փորձարկել տարբեր ալգորիթմներ: Տարբեր տեսակի նեյրոնային ցանցեր կարող են նախագծվել և գործարկվել մեքենայի վրա՝ այդպիսով մոդելավորելով տարբեր տեսակի նեյրոններ և հաղորդակցման օրինաչափություններ: SpiNNaker-ը հապավում է, որը ստացվել է Spi King Nural-ից:
Brain Corporation-ը փոքր հետազոտական ընկերություն է, որը մշակում է նոր ալգորիթմներ և միկրոպրոցեսորներ, որոնք ընկած են կենսաբանական նյարդային համակարգի հիմքում: Ընկերությունը հիմնադրվել է 2009 թվականին հաշվողական նյարդաբան Եվգենի Իժիկևիչի և նյարդաբան/ձեռներեց Ալեն Գրուբերի կողմից։ Նրանց հետազոտությունը կենտրոնանում է հետևյալ ոլորտների վրա՝ տեսողական ընկալում, շարժիչի կառավարում և ինքնավար նավարկություն։ Ընկերության նպատակն է սպառողական սարքերը, ինչպիսիք են բջջային հեռախոսները և կենցաղային ռոբոտները արհեստական նյարդային համակարգով զինել: Ուսումնասիրությունը մասամբ ֆինանսավորվում է Qualcomm-ի կողմից, որը գտնվում է Կալիֆորնիայի Սան Դիեգոյի Qualcomm կամպուսում: Դեռևս ոչ մի կոնկրետ ապրանք չի թողարկվել կամ հայտարարվել, սակայն ընկերությունը շարունակում է աճել և ակտիվորեն նոր աշխատակիցներ է ընդունում 2018 թվականի փետրվարից:
Առնչվող հետազոտություն
Google X Lab-ը գաղտնի լաբորատորիա է, որտեղ Google-ը փորձարկում է ապագա տեխնոլոգիաները: Նախագծեր, որոնց վրա ընկերությունըաշխատանքները հրապարակային չեն, բայց ենթադրվում է, որ հիմնված են ռոբոտաշինության և արհեստական ինտելեկտի վրա: Լաբորատորիայի մասին մանրամասները առաջին անգամ հայտնվեցին New York Times-ի հոդվածում 2011 թվականի նոյեմբերին: Հրապարակման մեջ նշվում է, որ լաբորատորիան գտնվում է Կալիֆորնիայի Բեյ Արա քաղաքում։ Հայտնի է, որ Google-ի հիմնադիրները հետաքրքրված են արհեստական ինտելեկտի ուսումնասիրությամբ և ներդրումներ են կատարում այս ուղղությամբ։ 2006 թվականին ընկերության հուշագրում ասվում էր, որ Google-ը ցանկանում է կառուցել աշխարհի լավագույն AI հետազոտական լաբորատորիան:
Russia 2045, որը հայտնի է որպես 2045 նախաձեռնություն կամ Ավատար նախագիծ, հավակնոտ երկարաժամկետ նախագիծ է, որի նպատակն է ունենալ ռոբոտային ավատարներ մինչև 2020 թվականը, ուղեղի փոխպատվաստում մինչև 2025 թվականը և արհեստական ուղեղներ մինչև 2035 թվականը: Ծրագիրը մեկնարկել է 2011 թվականին ռուս մեդիա մագնատ Դմիտրի Իցկովի կողմից։ Այն նպատակ ունի ստեղծել մարդու ուղեղի ինստիտուտ գիտնականների գլոբալ ցանցի միջոցով, որոնք միասին աշխատում են ի շահ մարդկության և տեխնոլոգիաների համակարգված զարգացման: Մի շարք ռուս գիտնականներ արդեն իսկ ներդրումներ են ստացել Իցկովից իրենց հետազոտությունների համար։ Ի լրումն, Իցկովը լրացուցիչ ֆինանսավորում է փնտրում բարձր ունեցվածքով անհատներից, բարեգործական կազմակերպություններից և ազգային և միջազգային կառավարություններից:
Հաջորդ հետաքրքիր նախագիծը Բոստոնի համալսարանի և Hewlett Packard-ի (HP) ծրագիրն է, որը կոչվում է Moneta: HP թիմը՝ Գրեգ Սնայդերի գլխավորությամբ, կառուցում է նեյրոնային ցանցի հարթակ, որը կոչվում է Cog Ex Machina, որը կարող էաշխատել GPU-ներում և ապագայի համակարգիչներում, որոնք հիմնված են memristors-ի վրա: Բոստոնի համալսարանի նեյրոմորֆոլոգիայի լաբորատորիան՝ Մասիմիլիանո Վերսաչեի ղեկավարությամբ, ստեղծել է մոդուլային արհեստական ուղեղ՝ Moneta-ն, որն աշխատում է Cog Ex Machina-ի վրա: Հապավումը նշանակում է Modular Neural Exploring Travel Agent:
Ժամանակային շրջանակ
Անխուսափելիորեն հարց է առաջանում, թե երբ կարելի է սինթեզել ուղեղի և ողնուղեղի թվային պատճենը:
Ցավոք, սա շուտով չի գա: Մինչեւ 2030 թվականը ուղեղի էմուլյացիայի մասին Կուրցվեյլի կանխատեսումը չափազանց կարճ է թվում՝ ընդամենը 12 տարի: Ավելին, նրա նմանությունները Մարդու գենոմի նախագծի հետ անբավարար էին: Բացի այդ, շատ գիտնականներ, հավանաբար, շարժվում են որոշ փակուղիներով:
Նմանապես, Գյորցելի կանխատեսումները կանոնների վրա հիմնված մոտեցման հաջողության մասին հաջորդ տասնամյակների ընթացքում չափազանց լավատեսական են թվում: Թեև, հավանաբար, անհնարին չէ՝ հաշվի առնելով նրա AI ուսուցման մոտեցումը:
Հավանական սցենարի համաձայն՝ 50-75 տարում հնարավոր է ստեղծել կոդ կամ մարդու ուղեղի արտաքին տեսք։ Այնուամենայնիվ, ամսաթիվը բավականին դժվար է կանխատեսել՝ հաշվի առնելով մի կողմից նյարդաբանության մեջ սխալի սահմանը, մյուս կողմից՝ փոփոխության արագությունը։ 2050 թվականը մի տեսակ սև խոռոչ է, երբ խոսքը վերաբերում է կանխատեսումների:
