Миналата година изкуственият интелект AlphaGo победи световния шампион в играта за първи път. Тази победа беше безпрецедентна и неочаквана предвид високата трудност на китайската настолна игра. Докато победата на AlphaGo определено беше впечатляваща, този AI, който оттогава победи други шампиони на Go, все още се счита за "тесен" тип AI - този, който може да надмине хората само в ограничена област от задачи.
Така че, въпреки че едва ли ще успеем да победим компютър в Go или шах, без да прибягваме до помощта на друг компютър, ние все още не можем да разчитаме на тях за рутинни задачи. AI няма да ви направи чай или да планирате ТОП за вашата кола.
Противно на това, AI често се представя в научната фантастика като "общ" изкуствен интелект. Тоест, изкуственият интелект със същото ниво и разнообразие като човек. Въпреки че вече имаме различни видове изкуствен интелект, които могат да направят всичко - от диагностициране на заболявания до управление на автомобилите си, все още не успяхме да разберем как да ги интегрираме на по-общо ниво.
Миналата седмица изследователите на DeepMind представиха няколко документа, които твърдят, че поставят основите на общия изкуствен интелект. Въпреки че все още няма заключения, първите резултати са обнадеждаващи: в някои области AI вече е надминал хората по способности.
И двете работи на DeepMind се фокусират върху относителни разсъждения, критична познавателна способност, която позволява на хората да правят сравнения между различни обекти или идеи. Например, за да сравните кой обект е по-голям или по-малък, кой е отляво и кой отдясно. Хората използват относителни (или релационни) разсъждения всеки път, когато се опитват да решат проблем, но учените все още не са измислили как да дадат на AI тази измамно проста способност.
Учените от DeepMind са избрали два различни маршрута. Някои обучиха невронна мрежа - вид AI архитектура, моделирана след човешкия мозък - използвайки база данни от прости, статични 3D обекти, наречени CLEVR. Друга невронна мрежа беше научена да разбира как двуизмерен обект се променя с течение на времето.
В CLEVR невронната мрежа беше представена от набор от прости дизайни като пирамиди, кубчета и сфери. Тогава учените зададоха въпроси за изкуствения интелект на естествен език, като например „куб е направен от същия материал като цилиндър?“Удивително е, че невронната мрежа е в състояние правилно да оцени релационните характеристики на CLEVR в 95,5% от случаите, надминавайки дори човек със своята 92,6% точност в този параметър.
Във втория тест изследователите на DeepMind създадоха невронна мрежа за визуално взаимодействие (VIN), която беше обучена да прогнозира бъдещите състояния на обект на видео, в зависимост от предишните му движения. За да направите това, учените първо подадоха VIN три последователни видеокадри, които мрежата преведе в код. В този код имаше списък на векторите - скоростта или положението на обект - за всеки обект в кадъра. След това VIN се подава последователност от други кодове, които се комбинират за прогнозиране на кода за следващия кадър.
Промоционално видео:
За да обучават VIN, учените използват пет различни типа физически системи, в които 2D обекти се движат на фона на „естествени образи“и се сблъскват с различни сили. Например, в една физическа система симулираните обекти си взаимодействат помежду си в съответствие със закона на гравитацията на Нютон. В друга, невронна мрежа беше представена с билярд и направена да прогнозира бъдещата позиция на топките. Според учените мрежата VIN успешно се справи с прогнозирането на поведението на обекти във видеото.
Тази работа представлява важна стъпка към общия ИИ, но предстои още много работа, преди изкуственият интелект да поеме света. И освен това, свръхчовешкото представяне не предполага свръхчовешка интелигентност.
Все още не, така или иначе.
ИЛЯ КХЕЛ
