ИИ в поисках смысла

МЕНЮ


Новости ИИ
Поиск

ТЕМЫ


Big data
Беспилотные автомобили
БПЛА
генетические алгоритмы
Головной мозг
городские сумасшедшие
дополнительная реальность
ИИ проекты
интернет вещей
искусственный интеллект
ИТ-гиганты
квантовые компьютеры
кибербезопасность
Кластеризация
Машинное обучение
наука и образование
нейронные процессоры
нейронные сети
Нейронные сети: искусственные
Нейронные сети: реализация
облачные вычисления
Поведение животных
Поисковые алгоритмы. Ранжирование
Психология
распознавание образов
робототехника
Семинары
суперкомпьютеры
Теория эволюции
техническое зрение
Трансгуманизм
Чат-боты

АРХИВ


Ноябрь 2016
Октябрь 2016
Сентябрь 2016
Август 2016
Июль 2016
Июнь 2016
Май 2016
Апрель 2016
Март 2016
Февраль 2016
Январь 2016
Декабрь 2015
Ноябрь 2015
Октябрь 2015
Сентябрь 2015
Август 2015
Июль 2015
Июнь 2015
Май 2015
Апрель 2015
Март 2015
Февраль 2015
Январь 2015
Декабрь 2014
Ноябрь 2014
Октябрь 2014
Сентябрь 2014
Август 2014
Июль 2014
Июнь 2014
Май 2014
Апрель 2014
Март 2014
Февраль 2014
Январь 2014
Декабрь 2013
Ноябрь 2013
Октябрь 2013
Сентябрь 2013
Август 2013
Июль 2013
Июнь 2013
Май 2013
Апрель 2013
Март 2013
Февраль 2013
Январь 2013
Декабрь 2012
Ноябрь 2012
Октябрь 2012
Сентябрь 2012
Июль 2012
Июнь 2012
Май 2012
Апрель 2012
Март 2012
Февраль 2012
Январь 2012
Декабрь 2011
Ноябрь 2011
Октябрь 2011
Сентябрь 2011
Август 2011
Май 2011

RSS


RSS новости
свиной грипп
new balance кроссовки

Новостная лента форума ailab.ru

Год уходящий запомнится целым рядом замечательных ИИ-достижений. Тут и синтез речи беспрецедентного качества, и переизобретение криптографии, и кинематограф, музыка и творчество вообще, и победа в го, считавшаяся невозможной… Но даже на этом фоне новость, пришедшая на днях, выделяется. Потому что касается процесса, который, вообще говоря, до сих пор считался недостижимо сложным для автоматизации: осмысления информации. Правда, и сейчас ещё доказать, что — получилось, проблематично. Но косвенные улики, которые удалось собрать, свидетельствуют: машина научилась выделять смысл.

Чтобы понять, как этого удалось добиться, нужно вернуться на тройку месяцев назад. В сентябрь, когда разработчики Google Translate — знаете ведь этот сервис, один из самых популярных мультиязычных машинных переводчиков? — отрапортовали об успешной замене некоторых стандартных переводных моделей одной универсальной, основанной на ИИ и глубоком обучении.

До тех пор GT был набором моделей-трансляторов, которые, грубо говоря, писались наново для каждой пары языков. А гугловцы сделали следующее: взяли у коллег нейросетевой ИИ, который не раз уже применялся для решения других задач, и заставили его обучаться на миллиардах словарных пар из нескольких языков сразу, чтобы затем заставить переводить. Вообразите, насколько это сэкономит труд программистов! Ведь в одном только GT больше ста поддерживаемых языков, и если для каждой языковой пары писать отдельную модель, получается сто в квадрате.

Конечно, они были не первыми, кто попытался применить ИИ для перевода. Недостатки этого подхода известны, их два. Во-первых, ИИ-переводчики плохо показывают себя на фразах с относительно редкими словами. Во-вторых, они слишком жадны до машинных ресурсов — как в обучении, так и в работе. Однако гугловцам удалось обе проблемы решить, построив нейросеть особой формы (в частностью, с обратной связью: «вниманием»). Подробности изложены в статье, препринт которой остался на Arxiv.org: вот, если интересно.

291116-1

Так вот результаты, показанные ИИ-переводчиком, оказались на уровне лучших машинных трансляторов. Между языками, для которых удалось набрать один-два миллиарда словарных пар, ИИ переводит не просто лучше, а делая аж на 80% меньше ошибок по сравнению с классическим транслятором. Неудивительно, что разработка сразу же и была внедрена: ИИ взял на себя несколько языков в Google Translate и со временем стал набирать их всё больше. И вот когда счёт пошёл на десятки, вскрылась ещё одна удивительная вещь. Оказывается, ИИ-переводчик умеет переводить даже между языками, переводить между которыми его не учили!

Представьте, например, что на этапе обучения машину тренируют переводить с португальского на английский и с английского на испанский. Значит ли это, что она сможет потом перевести прямо с португальского на испанский? До сих пор ответ был отрицательным (гугловцы осторожно уточняют, что им об успехах в этом направлении ничего не известно). Но построенный ими ИИ-переводчик действительно это делает, причём качество перевода опять-таки на высоте. И это несмотря на то, что он в глаза не видел прямого сопоставления португальских и испанских фраз! Если же при обучении показать машине кое-что из португало-испанского словаря, качество перевода ещё улучшится.

Но как ИИ это делает? К сожалению, искусственная нейросеть — не компьютерная программа, внутрь которой можно залезть и вычленить алгоритм. С нейросетью приходится применять методы, отдалённо напоминающие методы исследования головного мозга живых существ: загружать её работой и визуализировать активность разных участков, пытаясь проникнуть в суть протекающих там процессов. Именно такому анализу был подвергнут и ИИ-переводчик — и получена следующая картинка.

291116-2

Здесь (а) показана работа нейросети в период перевода между тремя языками: английским, корейским и японским. При этом одним цветом обозначены блоки данных, имеющие общий смысл, то есть, например, хранящие предложение, переводимое с английского на корейский и с японского на английский. А (с) показывает уже внутреннюю структуру одноцветных сочленений: тут для разных языков уже разные цвета. Так вот тот факт, что языковые гроздья сгруппированы, но разделены по языкам, означает, что ИИ научился не просто механически сопоставлять слова и фразы из разных языков, а именно выделять смысл текста и накапливать его.

Это можно понимать и как осмысление (то есть выделение и накопление некоторой фундаментальной информации о содержании текста, не имеющей прямой связи собственно с языком, на котором текст был написан), так и изобретение искусственным интеллектом собственного промежуточного низкоуровневого языка («интерлингва», который машина потом использует, чтобы переводить между языковыми парами, которым её не учили). В обоих случаях это одинаково масштабное достижение — и оно уже применяется практически в Google Translate, хоть пока и не для всех языков, и имеет огромный потенциал.

Чем это может пригодиться человеку и чем угрожать? Что касается пользы, следует понимать вот какую вещь: умение выделять смысл из информации — святой грааль для всех самых важных задач, какие только человек мечтает заставить машину решать. Научите машину выделять смысл — и вы научите её изобретать методы компрессии данных недостижимо высокой эффективности. Научите выделять смысл — и машина обыграет всех спекулянтов на бирже. Научите выделять смысл — и она пройдёт, наконец, тест Тьюринга, но уже не обманув человека красивой имитацией, а действительно осмысленно строя диалог! Так что за качественным ИИ-переводом обязательно последуют другие интересные свершения в областях, вроде бы с лингвистикой совершенно не связанных, тут нет никаких сомнений.

А вот чем это может нам угрожать? Угроза тут проистекает из одного того факта, что машина становится умнее человека. Не быстрее, точнее или логичней, а именно умнее. Раз она способна теперь проникать в суть вещей и событий по крайней мере так же глубоко, как создатель, возникает и реальная опасность, что это может быть против создателя так или иначе обращено.

Правда, тут понадобится разум: одного только блока выделения смысла для бунта машин мало. Но что если где-то там, в переплетениях искусственных нейронов гугловского сильного ИИ, научившегося тому, чему и человека научить не всегда возможно, огонёк разума уже теплится, а мы просто не понимаем?


Источник: computerra.ru



кроссовки нью баланс