არის დისკუსია ნეირომეცნიერებს, კოგნიციონისტებსა და ფილოსოფოსებს შორის იმის შესახებ, შეიძლება თუ არა ადამიანის ტვინის შექმნა ან რეკონსტრუქცია. ტვინის მეცნიერების ამჟამინდელი მიღწევები და აღმოჩენები სტაბილურად ხსნის გზას იმ დროისთვის, როდესაც ხელოვნური ტვინის ხელახლა შექმნა შესაძლებელია ნულიდან. ზოგი ვარაუდობს, რომ ის სცილდება შესაძლებლობის ფარგლებს, მეორენი დაკავებულნი არიან მისი შექმნის გზებით, მესამენი დიდი ხანია ნაყოფიერად მუშაობენ დავალებაზე. სტატიაში განვიხილავთ კითხვებს ხელოვნური ინტელექტის განვითარების, მისი პერსპექტივების, ასევე ამ სფეროში მსხვილი კომპანიებისა და პროექტების შესახებ.
საფუძვლები
ხელოვნური ტვინი შეესაბამება რობოტულ მანქანას, რომელიც ისეთივე ჭკვიანი, კრეატიული და ცნობიერია, როგორც ადამიანი. კაცობრიობის მთელი ისტორიის მანძილზე ამოცანა ბოლომდე გადაწყვეტილი არ არის, მაგრამ ფუტურისტები ამბობენ, რომ ეს დროის საკითხია. თანამედროვეობის გათვალისწინებითნეირომეცნიერების, გამოთვლის და ნანოტექნოლოგიის ტენდენციები პროგნოზირებს, რომ ხელოვნური ინტელექტი და ტვინი გაჩნდება 21-ე საუკუნეში, შესაძლოა 2050 წლისთვის.
მეცნიერები განიხილავენ ხელოვნური ინტელექტის შექმნის რამდენიმე გზას. პირველ შემთხვევაში, სუპერკომპიუტერებზე ხორციელდება ადამიანის ტვინის მასშტაბური ბიოლოგიურად რეალისტური სიმულაციები. მეორე შემთხვევაში, მეცნიერები ცდილობენ შექმნან მასიურად პარალელური ნეირომორფული გამოთვლითი მოწყობილობები, რომლებიც ადვილად მოდელირდებიან ნერვულ ქსოვილზე.
ადამიანის ცნობიერება მეცნიერებისა და მეტაფიზიკის ყველაზე საინტერესო საიდუმლოებების თვალსაზრისით ყველაზე რთულ და მიღწევად ითვლება. მსგავსი დასკვნები მიიღწევა ადამიანის ტვინის საპირისპირო ინჟინერიით.
მანქანის სწავლა
მანქანური სწავლება არის "ხელოვნური ინტელექტის" განვითარების სტრატეგიის საფუძველი, ამისთვის ადამიანის ტვინის უჯრედები სრულყოფილად არის შესწავლილი. ამ ტიპის სწავლას აქვს დიდი პოტენციალი: მისი პლატფორმა მოიცავს ალგორითმებს, განვითარების ინსტრუმენტებს, API-ებს და მოდელის დანერგვას. კომპიუტერებს აქვთ სწავლის უნარი აშკარად დაპროგრამების გარეშე. ინოვაციური კომპანიები Amazon, Google და Microsoft აქტიურად იყენებენ მანქანურ სწავლებას.
ღრმა სწავლის პლატფორმები
ღრმა სწავლა მანქანური სწავლის ნაწილია. ის დაფუძნებულია იმაზე, თუ როგორ მუშაობს ადამიანის ტვინი და ეყრდნობა ხელოვნური ნერვული ქსელის (ANN) ალგორითმებს, რომლებშიც ინფორმაცია მიედინება. რობოტებს შეუძლიათ "სწავლა" შეყვანის და შედეგების მიხედვით. ღრმა სწავლა - პერსპექტიულიხელოვნური ინტელექტის ტენდენცია, დიდი რაოდენობით ინფორმაციასთან ერთად. მან დაამტკიცა თავი ნიმუშის ამოცნობასა და კლასიფიკაციაში. Deep Instinct, Fluid AI, MathWorks, Ersatz Labs, Sentient Technologies, Peltarion და Saffron Technology არის კომპანიების მაგალითები, რომლებიც პიონერები არიან დაზვერვის ამ სფეროში..
ბუნებრივი ენის დამუშავება
ნეირო-ლინგვისტური პროგრამირება (NLP) არის კომპიუტერისა და ადამიანის ენის საზღვარზე და არის ხელოვნური ინტელექტის ტექნოლოგია. კომპიუტერულ პროგრამებს შეუძლიათ ადამიანის სიტყვიერი ან წერილობითი მეტყველების გაგება. Amazon Alexa პროგრამულ უზრუნველყოფაში, Apple Siri, Microsoft Cortana და Google Assistant, NLP გამოიყენება მომხმარებლის კითხვების გასაგებად და მათზე პასუხების გასაცემად. ამ ტიპის პროგრამირება ფართოდ გამოიყენება ეკონომიკურ ტრანზაქციებში და მომხმარებელთა მომსახურებაში.
ბუნებრივი ენის თაობა
NLG პროგრამული უზრუნველყოფა გამოიყენება ყველა სახის მონაცემის ადამიანის წაკითხვადი ტექსტად გადასაყვანად, ეს მიიღწევა ტვინის შესწავლით. ეს არის დაუფასებელი ტექნოლოგია ისეთი აპლიკაციებით, როგორიცაა ბიზნეს დაზვერვის ანგარიშის ავტომატიზაცია, პროდუქტის აღწერა, ფინანსური ანგარიშები. ტექნოლოგია შესაძლებელს ხდის მომხმარებლის მიერ გენერირებული კონტენტის შექმნას პროგნოზირებადი დამატებითი ხარჯით. სტრუქტურირებული მონაცემები გარდაიქმნება ტექსტად მაღალი სიჩქარით, წამში რამდენიმე გვერდამდე. ამ ბაზრის საინტერესო მოთამაშეები არიან Automated Insights,Lucidworks, Attivio, SAS, Narrative Science, Digital Reasoning, Yseop და Cambridge Semantics.
ვირტუალური აგენტები
ხელოვნური ინტელექტის ტექნოლოგიების ფარგლებში, ტერმინები „ვირტუალური აგენტი“და „ვირტუალური ასისტენტი“ერთმანეთს არ ენაცვლება. ზოგიერთი ადამიანი ცდილობს განასხვავოს ცნებები და წარმატებას მიაღწევს.
ვირტუალური ასისტენტი არის ერთგვარი პერსონალური ონლაინ ასისტენტი. ვირტუალური აგენტები ხშირად წარმოდგენილია როგორც კომპიუტერული AI პერსონაჟები, რომლებსაც აქვთ ინტელექტუალური საუბარი მომხმარებლებთან. მათ შეუძლიათ კითხვებზე პასუხის გაცემა და მათი მთავარი უპირატესობა ის არის, რომ მომხმარებლებს შეუძლიათ მიიღონ დახმარება 24 საათის განმავლობაში.
მეტყველების ამოცნობა
მეტყველების იდენტიფიკაცია არის პროგრამის უნარი, გაიგოს და გააანალიზოს სიტყვები და ფრაზები სალაპარაკო ენაში და გადაიყვანოს ისინი მონაცემებად ჩაშენებული ხელოვნური ტვინის ალგორითმის გამოყენებით. მეტყველების ამოცნობა კომპანიაში გამოიყენება ზარის მარშრუტიზაციის, ხმოვანი აკრეფის, ხმოვანი ძიებისა და მეტყველების ტექსტის დამუშავებისთვის. ერთი მინუსი არის ის, რომ პროგრამას შეუძლია სიტყვების აღრევა გამოთქმისა და ფონის ხმაურის განსხვავების გამო. მეტყველების ამოცნობის პროგრამული უზრუნველყოფა სულ უფრო და უფრო დაინსტალირებულია მობილურ მოწყობილობებზე. Nuance Communications, OpenText, Verint Systems და NICE ვითარდება ამ სფეროში.
AI-ში ჩაშენებული აპარატურა
მოწყობილობები ჩაშენებული AI, ჩიპები და გრაფიკული დამუშავების ერთეულებით (GPU) ფართოდ გავრცელდა. Google ჩაშენებულია მასშიტექნიკის ხელოვნური ინტელექტი, საფუძვლად დაედო ადამიანის ტვინის ინსტიტუტის განვითარებას. ხელოვნური ინტელექტის პროგრამულ უზრუნველყოფასთან ინტეგრირების გავლენა ბევრად სცილდება სამომხმარებლო აპლიკაციებს, როგორიცაა გასართობი და თამაშები. ეს არის ახალი ტიპის ტექნოლოგია, რომელიც გამოყენებული იქნება ღრმა სწავლის გასაუმჯობესებლად. ასეთ განვითარებას ახორციელებენ Google, IBM, Intel, Nvidia, Allluviate და Cray.
გადაწყვეტილების მენეჯმენტი
საქმიანი გადაწყვეტილების მართვა ინოვაციურ პროდუქტებში (მაგ. რობოტი ხელოვნური ინტელექტის მქონე) მოიცავს ავტომატური სისტემების დიზაინისა და რეგულირების ყველა ასპექტს. ორგანიზაციებისთვის აუცილებელია თანამშრომლებს, კლიენტებსა და მომწოდებლებს შორის ურთიერთქმედების მართვა.
გადაწყვეტილების მენეჯმენტი აუმჯობესებს ალტერნატიული არჩევანის პროცესს, აქ ყველა შესაძლო ინფორმაცია გამოიყენება საუკეთესო უპირატესობისთვის, ხოლო აქცენტი კეთდება მანევრირებაზე, თანმიმდევრულობაზე, გადაწყვეტილების მიღების სიზუსტეზე. გადაწყვეტილების მენეჯმენტი ითვალისწინებს დროის შეზღუდვებს და ცნობილ რისკებს.
საბანკო, სადაზღვევო და ფინანსური მომსახურების ორგანიზაციები აერთიანებენ ყოველდღიური გადაწყვეტილების პროგრამულ უზრუნველყოფას მომხმარებელთა მომსახურების პროცესებში.
ნეირომორფული აღჭურვილობა
SyNAPSE არის DARPA-ს მიერ დაფინანსებულიპროგრამა, რათა განავითაროს ნეირომორფული მიკროპროცესორული სისტემები, რომლებიც ასახავს ტვინის ინტელექტსა და ფიზიკას. პლატფორმა ეძებს პასუხს მთავარ კითხვაზე: შესაძლებელია თუ არა ხელოვნური ტვინის შექმნა? Პირველადნერვული ქსელები ტესტირება ხდება სუპერკომპიუტერის სიმულაციებში, შემდეგ ქსელები შენდება უშუალოდ აპარატურაში. 2011 წლის ოქტომბერში აჩვენეს პროტოტიპი ნეირომორფული ჩიპი, რომელიც შეიცავს 256 ნეირონს. მიმდინარეობს მუშაობა მრავალ ჩიპიანი სისტემის შესაქმნელად, რომელსაც შეუძლია 1 მილიონი პიკური ნეირონისა და 1 მილიარდი სინაფსის ემულაცია.
ნერვული ქსელის მოდელირება
Blue Brain Project არის ადამიანის ტვინის და ზურგის ტვინის რეკონსტრუქციის მცდელობა მოლეკულურ დონეზე კომპიუტერული სიმულაციების გამოყენებით. პროექტი დაარსდა 2005 წლის მაისში ჰენრი მარკრამის მიერ ლოზანის სახელმწიფო პოლიტექნიკურ სკოლაში (EPFL) შვეიცარიაში. სიმულაცია მუშაობს IBM Blue Gene სუპერკომპიუტერზე, აქედან მომდინარეობს სახელწოდება Blue Brain. 2018 წლის ნოემბრის მონაცემებით, სიმულაციები მიმდინარეობს მეზოციტებზე, რომლებიც შეიცავს დაახლოებით 10 მილიონ ნეირონს და 10 მილიარდ სინაფსს. 2023 წელს დაგეგმილია ადამიანის ტვინის სრულმასშტაბიანი სიმულაცია 186 მილიარდი ნეირონით.
Spaun, ერთიანი ქსელი სემანტიკური მაჩვენებლის არქიტექტურით, შეიქმნა კრის ელიასმიტის და კოლეგების მიერ კანადის ვატერლოოს უნივერსიტეტის თეორიული ნეირომეცნიერების ცენტრში (CTN). 2018 წლის დეკემბრის მონაცემებით, Spaun არის მსოფლიოში ყველაზე დიდი ტვინის სიმულაცია. მოდელი შეიცავს 2,5 მილიონ ნეირონს, რაც საკმარისია იმისათვის, რომ ამოიცნოს რიცხვების სიები, შეასრულოს მარტივი გამოთვლები.
SpiNNaker არის მასიური დაბალი სიმძლავრის ნეირომორფული სუპერკომპიუტერი, რომელიცამჟამად მშენებარე ბრიტანეთში, მანჩესტერის უნივერსიტეტში მიმდინარეობს. მილიონზე მეტი ბირთვითა და ათასი იმიტირებული ნეირონით, მანქანას შეეძლო ერთი მილიარდი ნეირონის სიმულაცია. ერთი კონკრეტული ალგორითმის დანერგვის ნაცვლად, SpiNNaker გახდება პლატფორმა, სადაც შეგიძლიათ შეამოწმოთ სხვადასხვა ალგორითმები. სხვადასხვა ტიპის ნერვული ქსელების დაპროექტება და გაშვება შესაძლებელია მანქანაზე, რითაც ხდება სხვადასხვა ტიპის ნეირონებისა და კომუნიკაციის ნიმუშების სიმულაცია. SpiNNaker არის აბრევიატურა, მიღებული Spi King Nural.
Brain Corporation არის პატარა კვლევითი კომპანია, რომელიც ავითარებს ახალ ალგორითმებს და მიკროპროცესორებს, რომლებიც ემყარება ბიოლოგიურ ნერვულ სისტემას. კომპანია დაარსდა 2009 წელს გამოთვლითი ნეირომეცნიერის ევგენი იჟიკევიჩის და ნეირომეცნიერის/მეწარმე ალენ გრუბერის მიერ. მათი კვლევა ფოკუსირებულია შემდეგ სფეროებზე: ვიზუალური აღქმა, ძრავის კონტროლი და ავტონომიური ნავიგაცია. კომპანიის მიზანია სამომხმარებლო მოწყობილობების, როგორიცაა მობილური ტელეფონები და საყოფაცხოვრებო რობოტები ხელოვნური ნერვული სისტემით აღჭურვა. კვლევას ნაწილობრივ აფინანსებს Qualcomm, რომელიც მდებარეობს Qualcomm-ის კამპუსში სან დიეგოში, კალიფორნია. კონკრეტული პროდუქცია ჯერ არ გამოსულა ან გამოცხადებულა, მაგრამ კომპანია აგრძელებს ზრდას და აქტიურად ქირაობს ახალ თანამშრომლებს 2018 წლის თებერვლიდან.
დაკავშირებული კვლევა
Google X Lab არის საიდუმლო ლაბორატორია, სადაც Google ატარებს ექსპერიმენტებს მომავალ ტექნოლოგიებზე. პროექტები, რომლებზეც კომპანიანამუშევრები არ არის საჯარო, მაგრამ ითვლება, რომ დაფუძნებულია რობოტიკასა და ხელოვნურ ინტელექტზე. ლაბორატორიის შესახებ დეტალები პირველად გამოჩნდა New York Times-ის სტატიაში 2011 წლის ნოემბერში. გამოცემაში აღნიშნულია, რომ ლაბორატორია მდებარეობს კალიფორნიის ბეი არეაში. ცნობილია, რომ Google-ის დამფუძნებლები ხელოვნური ინტელექტის შესწავლით არიან დაინტერესებული და ამ მიმართულებით ინვესტიციებს ახორციელებენ. 2006 წელს კომპანიის მემორანდუმში ნათქვამია, რომ Google-ს სურდა შეექმნა მსოფლიოში საუკეთესო ხელოვნური ინტელექტის კვლევის ლაბორატორია.
Russia 2045, ცნობილი როგორც 2045 წლის ინიციატივა ან ავატარის პროექტი, არის ამბიციური გრძელვადიანი პროექტი, რომელიც მიზნად ისახავს 2020 წლისთვის რობოტული ავატარები, 2025 წლისთვის ტვინის ტრანსპლანტაცია და 2035 წლისთვის ხელოვნური ტვინი. პროგრამა 2011 წელს დაიწყო რუსმა მედიამაგნატმა დიმიტრი იცკოვმა. მისი მიზანია შექმნას ადამიანის ტვინის ინსტიტუტი მეცნიერთა გლობალური ქსელის მეშვეობით, რომლებიც ერთად მუშაობენ კაცობრიობის საკეთილდღეოდ და ტექნოლოგიების სისტემატური განვითარებისთვის. რიგმა რუსმა მეცნიერმა უკვე მიიღო ინვესტიცია იცკოვისგან მათი კვლევისთვის. გარდა ამისა, იცკოვი ეძებს დამატებით დაფინანსებას მაღალი ღირებულების მქონე პირებისგან, საქველმოქმედო ორგანიზაციებისა და ეროვნული და საერთაშორისო მთავრობებისგან.
შემდეგი საინტერესო პროექტია ბოსტონის უნივერსიტეტისა და Hewlett Packard (HP) პროგრამა სახელწოდებით Moneta. HP გუნდი გრეგ სნაიდერის ხელმძღვანელობით აშენებს ნერვულ ქსელის პლატფორმას სახელწოდებით Cog Ex Machina, რომელსაც შეუძლიამუშაობა GPU-ებსა და მომავლის კომპიუტერებში მემრისტორებზე დაფუძნებული. ბოსტონის უნივერსიტეტის ნეირომორფოლოგიის ლაბორატორიამ, მასიმილიანო ვერსაჩეს ხელმძღვანელობით, შექმნა მოდულარული ხელოვნური ტვინი Moneta, რომელიც მუშაობს Cog Ex Machina-ზე. აკრონიმი ნიშნავს Modular Neural Exploring Travel Agent.
დროის ჩარჩო
აუცილებლად ჩნდება კითხვა, როდის შეიძლება მოხდეს ტვინის და ზურგის ტვინის ციფრული ასლის სინთეზი.
სამწუხაროდ, ეს მალე არ მოვა. კურცვეილის პროგნოზი ტვინის ემულაციის შესახებ 2030 წლისთვის ზედმეტად მოკლედ გამოიყურება, სულ რაღაც 12 წლით ადრე. უფრო მეტიც, მისი ანალოგიები ადამიანის გენომის პროექტთან არადამაკმაყოფილებელი აღმოჩნდა. გარდა ამისა, ბევრი მეცნიერი, ალბათ, მოძრაობს გარკვეული ჩიხების მიმართულებით.
ანალოგიურად, გოერცელის პროგნოზები წესებზე დაფუძნებული მიდგომის წარმატების შესახებ მომდევნო ათწლეულების განმავლობაში ზედმეტად ოპტიმისტური ჩანს. თუმცა, ალბათ, შეუძლებელი არ არის მისი AI სასწავლო მიდგომის გათვალისწინებით.
სავარაუდო სცენარის მიხედვით, კოდის ან ადამიანის ტვინის მსგავსების შექმნა 50-75 წელიწადშია შესაძლებელი. მიუხედავად ამისა, თარიღის პროგნოზირება საკმაოდ რთულია, ერთი მხრივ, ნეირომეცნიერებაში ცდომილების ზღვარზე და მეორეს მხრივ ცვლილების სიჩქარის გათვალისწინებით. 2050 წელი ერთგვარი შავი ხვრელია, როცა საქმე პროგნოზებს ეხება.
