Der er diskussioner blandt neurovidenskabsmænd, kognitionister og filosoffer om, hvorvidt den menneskelige hjerne kan skabes eller rekonstrueres. Nuværende gennembrud og opdagelser inden for hjernevidenskab baner støt vejen for en tid, hvor kunstige hjerner kan genskabes fra bunden. Nogle mennesker antager, at det er ud over det muliges grænser, den anden har travlt med måder at skabe den på, den tredje har arbejdet frugtbart på opgaven i lang tid. I artiklen vil vi overveje spørgsmål om udviklingen af kunstig intelligens, dens udsigter samt om store virksomheder og projekter på dette område.
Grundlæggende
Den kunstige hjerne svarer til en robotmaskine, der er lige så smart, kreativ og bevidst som mennesker. I hele menneskehedens historie er opgaven ikke helt løst, men fremtidsforskerne siger, at det er et spørgsmål om tid. Moderne i betragtningtendenser inden for neurovidenskab, computing og nanoteknologi forudsiger, at kunstig intelligens og hjernen vil dukke op i det 21. århundrede, muligvis i 2050.
Forskere overvejer flere måder at skabe kunstig intelligens på. I det første tilfælde udføres storskala biologisk realistiske simuleringer af den menneskelige hjerne på supercomputere. I det andet tilfælde forsøger videnskabsmænd at skabe massivt parallelle neuromorfe computerenheder, der nemt kan modelleres på neur alt væv.
Menneskelig bevidsthed i form af de mest interessante mysterier inden for videnskab og metafysik anses for at være den mest komplekse og mest opnåelige. Lignende konklusioner nås ved omvendt konstruktion af den menneskelige hjerne.
Maskinlæring
Machine learning er kernen i udviklingsstrategien for "kunstig intelligens", til dette formål studeres menneskelige hjerneceller omfattende. Denne type læring har et stort potentiale: dens platform omfatter algoritmer, udviklingsværktøjer, API'er og modelimplementering. Computere har evnen til at lære uden at være eksplicit programmeret. Innovative virksomheder Amazon, Google og Microsoft bruger aktivt maskinlæring.
Deep learning platforme
Dyb læring er en del af maskinlæring. Den er baseret på, hvordan den menneskelige hjerne fungerer og er afhængig af kunstige neurale netværk (ANN) algoritmer, som information flyder igennem. Robotter kan "lære" af input og resultater. Dyb læring - lovendetrend inden for kunstig intelligens, kombineret med store mængder information. Det har bevist sig selv i mønstergenkendelse og klassificering. Deep Instinct, Fluid AI, MathWorks, Ersatz Labs, Sentient Technologies, Peltarion og Saffron Technology er eksempler på virksomheder, der er pionerer inden for dette område af intelligensstudier.
Natural Language Processing
Neuro-lingvistisk programmering (NLP) er på grænsen mellem computer og menneskeligt sprog og er en kunstig intelligens-teknologi. Computerprogrammer kan forstå t alt eller skrevet menneskelig tale. I Amazon Alexa-softwaren, Apple Siri, Microsoft Cortana og Google Assistant, bruges NLP til at forstå brugerspørgsmål og give svar på dem. Denne type programmering er meget brugt i økonomiske transaktioner og kundeservice.
Natural Language Generation
NLG-software bruges til at konvertere alle slags data til menneskelig læsbar tekst, dette opnås gennem undersøgelse af hjernen. Det er en undervurderet teknologi med applikationer som business intelligence rapportautomatisering, produktbeskrivelser, økonomiske rapporter. Teknologi gør det muligt at skabe brugergenereret indhold til en forudsigelig merpris. Strukturerede data konverteres til tekst med høj hastighed, op til flere sider i sekundet. Interessante spillere på dette marked er Automated Insights,Lucidworks, Attivio, SAS, Narrative Science, Digital Reasoning, Yseop og Cambridge Semantics.
Virtuelle agenter
Inden for rammerne af kunstig intelligens-teknologier er udtrykkene "virtuel agent" og "virtuel assistent" ikke udskiftelige. Nogle mennesker forsøger at skelne mellem begreber, og det lykkes dem.
Virtual Assistant er en slags personlig online assistent. Virtuelle agenter er ofte repræsenteret som computer AI-karakterer, der har en intelligent samtale med brugere. De kan svare på spørgsmål, og deres største fordel er, at kunderne kan få hjælp 24 timer i døgnet.
Talegenkendelse
Taleidentifikation er et programs evne til at forstå og analysere ord og sætninger i talesprog og konvertere dem til data ved hjælp af den indbyggede kunstige hjernealgoritme. Talegenkendelse bruges i virksomheden til opkaldsdirigering, stemmeopkald, stemmesøgning og tale-til-tekst-behandling. En ulempe er, at programmet kan forveksle ord på grund af forskelle i udtale og baggrundsstøj. Talegenkendelsessoftware installeres i stigende grad på mobile enheder. Nuance Communications, OpenText, Verint Systems og NICE udvikler sig på dette område.
AI-indlejret hardware
Enheder med indlejret AI, chips og grafikbehandlingsenheder (GPU'er) er blevet udbredt. Google har indbygget dethardware kunstig intelligens, der tager udgangspunkt i udviklingen af instituttet for den menneskelige hjerne. Effekten af at integrere AI med software rækker langt ud over forbrugerapplikationer som underholdning og spil. Dette er en ny type teknologi, der vil blive brugt til at fremme dyb læring. Sådanne udviklinger udføres af Google, IBM, Intel, Nvidia, Allluviate og Cray.
Beslutningsstyring
Forretningsbeslutningsstyring i innovative produkter (f.eks. robot med kunstig intelligens) dækker alle aspekter af design og regulering af automatiserede systemer. Det er vigtigt for organisationer at styre interaktioner mellem medarbejdere, kunder og leverandører.
Beslutningsstyring forbedrer processen med alternative valg, her bliver al mulig information brugt til den bedste præference, mens vægten er på manøvredygtighed, konsistens, nøjagtighed af beslutningstagning. Beslutningsstyring tager højde for tidsbegrænsninger og kendte risici.
Bank-, forsikrings- og finansielle serviceorganisationer integrerer daglig beslutningssoftware i deres kundeserviceprocesser.
Neuromorfisk udstyr
SyNAPSE er et DARPA-finansieretprogram til udvikling af neuromorfe mikroprocessorsystemer, der kortlægger hjernens intelligens og fysik. Platformen leder efter et svar på hovedspørgsmålet: er det muligt at skabe en kunstig hjerne? Førstneurale netværk testes i simuleringer på en supercomputer, derefter bygges netværk direkte i hardware. I oktober 2011 blev en prototype neuromorf chip indeholdende 256 neuroner demonstreret. Der arbejdes på at skabe et multi-chip system, der er i stand til at efterligne 1 million peak neuroner og 1 milliard synapser.
Neural netværksmodellering
The Blue Brain Project er et forsøg på at rekonstruere den menneskelige hjerne og rygmarv ved hjælp af computersimuleringer på molekylært niveau. Projektet blev grundlagt i maj 2005 af Henry Markram ved State Polytechnic School of Lausanne (EPFL) i Schweiz. Simuleringen kører på IBM Blue Gene supercomputeren, deraf navnet Blue Brain. Fra november 2018 udføres simuleringer på mesocytter, der indeholder omkring 10 millioner neuroner og 10 milliarder synapser. En fuldskala simulering af den menneskelige hjerne med dens 186 milliarder neuroner er planlagt til 2023.
Spaun, et samlet netværk med en semantisk pointer-arkitektur, blev skabt af Chris Eliasmit og kolleger ved Center for Theoretical Neuroscience (CTN) ved University of Waterloo i Canada. Fra december 2018 er Spaun verdens største hjernesimulering. Modellen indeholder 2,5 millioner neuroner, hvilket er nok til at den kan genkende lister med tal, udføre simple beregninger.
SpiNNaker er en massiv neuromorf supercomputer med lav effekti øjeblikket under opbygning på University of Manchester i Storbritannien. Med over en million kerner og tusind simulerede neuroner ville maskinen være i stand til at simulere en milliard neuroner. I stedet for at implementere én bestemt algoritme, bliver SpiNNaker en platform, hvor du kan teste forskellige algoritmer. Forskellige typer af neurale netværk kan designes og køres på en maskine, og dermed simulere forskellige typer neuroner og kommunikationsmønstre. SpiNNaker er et akronym afledt af Spi King Nural.
Brain Corporation er et lille forskningsfirma, der udvikler nye algoritmer og mikroprocessorer, der ligger til grund for det biologiske nervesystem. Virksomheden blev grundlagt i 2009 af computerneuroforsker Evgeny Izhikevich og neuroforsker/iværksætter Allen Gruber. Deres forskning fokuserer på følgende områder: visuel perception, motorisk kontrol og autonom navigation. Virksomhedens mål er at udstyre forbrugerenheder som mobiltelefoner og husholdningsrobotter med et kunstigt nervesystem. Undersøgelsen er delvist finansieret af Qualcomm, som er placeret på Qualcomm campus i San Diego, Californien. Ingen specifikke produkter er endnu blevet frigivet eller annonceret, men virksomheden fortsætter med at vokse og har aktivt ansat nye medarbejdere siden februar 2018.
Relateret forskning
Google X Lab er et hemmeligt laboratorium, hvor Google eksperimenterer med fremtidige teknologier. Projekter, hvorpå virksomhedenværker er ikke offentlige, men menes at være baseret på robotteknologi og kunstig intelligens. Detaljer om laboratoriet dukkede først op i en artikel i New York Times i november 2011. Publikationen oplyser, at laboratoriet er placeret i Bay Area, Californien. Det er velkendt, at grundlæggerne af Google er interesserede i at studere kunstig intelligens og investerer i denne retning. I 2006 sagde et firmanotat, at Google ville bygge verdens bedste AI-forskningslaboratorium.
Russia 2045, kendt som 2045-initiativet eller Avatar-projektet, er et ambitiøst langsigtet projekt, der sigter mod at have robotavatarer i 2020, hjernetransplantationer i 2025 og kunstige hjerner i 2035. Programmet blev lanceret i 2011 af den russiske mediemagn Dmitry Itskov. Det sigter mod at skabe en menneskelig hjerneinstitution gennem et glob alt netværk af videnskabsmænd, der arbejder sammen til gavn for menneskeheden og den systematiske udvikling af teknologi. En række russiske forskere har allerede modtaget investeringer fra Itskov til deres forskning. Derudover søger Itskov yderligere finansiering fra enkeltpersoner med høj nettoværdi, velgørende organisationer og nationale og internationale regeringer.
Det næste interessante projekt er et Boston University og Hewlett Packard (HP)-program kaldet Moneta. Et HP-team ledet af Greg Snyder er ved at bygge en neural netværksplatform kaldet Cog Ex Machina, der kanarbejde i fremtidens GPU'er og computere baseret på memristorer. Neuromorphology Lab ved Boston University, ledet af Massimiliano Versace, har skabt en modulær kunstig hjerne, Moneta, der kører på Cog Ex Machina. Akronymet står for Modular Neural Exploring Travel Agent.
Tidsramme
Spørgsmålet opstår uundgåeligt om, hvornår en digital kopi af hjernen og rygmarven kan syntetiseres.
Dette kommer desværre ikke snart. Kurzweils forudsigelse af hjerneemulering i 2030 virker alt for kort, kun 12 år væk. Desuden viste hans analogier med Human Genome Project sig utilfredsstillende. Derudover bevæger mange videnskabsmænd sig sandsynligvis i nogle blindgyde retninger.
Tilsvarende virker Goertzels forudsigelser om succesen med den regelbaserede tilgang over de næste årtier alt for optimistiske. Selvom det nok ikke er umuligt i betragtning af hans AI-træningstilgang.
Ifølge det sandsynlige scenarie er oprettelsen af en kode eller et udseende af en menneskelig hjerne mulig om 50-75 år. Ikke desto mindre er datoen ret svær at forudsige, givet fejlmarginen inden for neurovidenskab på den ene side og forandringshastigheden på den anden. 2050 er lidt af et sort hul, når det kommer til forudsigelser.
