Питер Бентли - Всё об искусственном интеллекте за 60 минут

Общий искусственный интеллект (ОИИ) – термин, используемый некоторыми исследователями для обозначения более «разносторонней» формы ИИ. Он подразумевает более широкий взгляд на создание систем ИИ, обладающих общим уровнем интеллекта, сопоставимым с человеческим или даже более высоким. В попытке дать ИИ больший набор возможностей используется и большее разнообразие методов и их комбинаций. Одни исследователи стремятся объединить символьные или модельные подходы с субсимвольными, такими как глубокое обучение. Другие пытаются создать гигантские графы знаний, чтобы обеспечить обширные общие знания.

Несмотря на десятилетия попыток исследователей и многих компаний, заявляющих, что они стремятся к этой цели, очевидно, что прогресс идет медленно. Одним из методов измерения уровня человеческого интеллекта является простой тест на IQ . В 2017 году IQ ИИ, находящихся в свободном доступе, таких как Google AI, Apple Siri и других, составлял в лучшем случае 47, что эквивалентно уровню IQ шестилетнего ребенка. Но другие исследователи утверждают, что те же ИИ не способны ходить, разговаривать или даже сделать чашку кофе, а значит, не являются ОИИ.

Тогда как многие исследователи и ученые пытаются разработать ОИИ, существуют и другие пути моделирования и симуляции биологического мозга. Проект «Человеческий мозг», стартовавший в 2011 году, преследует чрезвычайно амбициозную цель – изучить и смоделировать все уровни человеческого мозга, начиная с микроскопического. К настоящему моменту в проект вложено уже 1 019 миллиардов евро. Однако цель выглядит довольно расплывчато, и большинство исследователей считают ее неосуществимой, учитывая уровень современных технологий и знаний. И все же участники проекта надеются, что при столь грандиозной цели им удастся достигнуть определенных успехов в нейробиологии и ИИ.

«Человеческий мозг» – лишь один из многих проектов. Например, в 2013 году администрацией Барака Обамы была запущена американская инициатива «МОЗГ». Ее целью является прогресс в нейробиологии – в частности, более глубокое понимание нарушения функций головного мозга с помощью передовых технологий сканирования и моделирования. Похожий китайский проект стартовал в 2015 году и продлится 15 лет. Ученые и исследователи уже создают массивные нейронные компьютеры, разрабатываемые специально для имитации импульсов нейронных сетей.

SpiNNaker – детище британского пионера в области компьютерной техники Стивена Фербера, который разработал эту новую компьютерную архитектуру, вдохновленную человеческим мозгом, для использования в нейробиологии, робототехнике и информатике. SpiNNaker включает в себя набор специальных процессоров, имитирующих импульсы нейронов. Каждый состоит из 18 процессоров меньшего размера (16 из которых используются для имитации нейронов, 1 – для управления и еще 1 – запасной) с продуманным дизайном, чтобы они могли взаимодействовать на сверхвысокой скорости друг с другом и со своими компаньонами на соседних чипах. Архитектура позволяет одновременно активировать множество таких микросхем для симуляции параллельной работы миллиардов нейронов и включает в себя до 1 036 800 процессоров, что требует 100 кВт мощности – удивительно мало для столь гигантского компьютера параллельного действия. SpiNNaker – одна из основных аппаратных платформ, входящих в проект «Человеческий мозг». Исследователи надеются, что помимо имитации импульсных нейронных сетей, в будущем эта технология поможет разрабатывать также новые типы больших энергосберегающих компьютеров параллельного действия.

1 Ethernet – технология, которая позволяет соединять проводные локальные сети, обеспечивая тем самым взаимодействие устройств согласно протоколу.

По сравнению с искусственными нейронными сетями, используемыми в машинном обучении, импульсные нейронные сети больше напоминают биологические нейроны. Традиционные искусственные нейроны непрерывно выводят значения на основе входных данных. Тогда как импульсные, которые активируются импульсами на входе, передают цепочки импульсов друг от друга, эффективно кодируя информацию во времени в форме двоичных сигналов «включено/выключено». Это значит, что импульсные нейронные сети лучше подходят для решения изменяющихся со временем проблем, нежели обычные искусственные нейронные сети. Импульсные нейронные сети требуют значительных вычислений для имитации более реалистичных нейронов (отсюда необходимость в специальном оборудовании, таком как SpiNNaker ). Неясно только, как учить такие сети, поскольку нельзя применить традиционное обратное распространение. По этой причине, хотя импульсные нейронные сети имеют большой потенциал – в том числе для создания нейробиологических моделей, позволяющих лучше понимать живой мозг, – мы пока не знаем, как заставить их работать на полную мощность.