Baru-baru ini, publikasi tentang prospek kemunculan kecerdasan buatan semakin sering dilakukan. Aspek praktis dan moral-etika dari hidup berdampingan umat manusia dengannya dibahas. Seberapa tepat waktu diskusi ini? Bisakah kita benar-benar mengharapkan munculnya "mesin berpikir"?
Semua proyek untuk membuat kecerdasan buatan secara kasar dapat dibagi menjadi dua area. Yang pertama adalah akumulasi database dan pemrosesannya oleh program yang meniru aktivitas otak manusia. Yang kedua didasarkan pada studi model perilaku intelektual. Kelemahan utama dari keduanya adalah kita masih belum cukup mengetahui apa itu pikiran dan perilaku intelektual, dan otak manusia, terus terang, mulai dipelajari secara serius baru-baru ini.
Ada pendapat bahwa masalah ini dapat dielakkan karena cyborg, yaitu dengan menggabungkan otak yang hidup (kera, dan di masa depan - manusia) dengan komputer, namun, jalur ini penuh dengan kesulitan yang sangat besar, dan, lebih buruk lagi, dalam hal ini tidak mungkin untuk membicarakannya. kecerdasan buatan penuh.
Namun, para ilmuwan percaya bahwa cukup realistis untuk melompati beberapa langkah, memungkinkan kecerdasan buatan berkembang secara mandiri - seperti yang berkembang di alam yang hidup, dengan perbedaan bahwa evolusinya akan terjadi di ruang virtual, bukan di ruang material. Disini taruhan dipasang pada jaringan syaraf tiruan atau jaringan syaraf tiruan (Artificial Neural Network).
Mari kita ingat apa itu neuron. Ini adalah nama sel saraf, yang berbeda dari sel lain karena mampu menyimpan dan mentransmisikan informasi melalui sinyal listrik dan kimia. Fungsi neuron ditemukan pada akhir abad ke-19, yang, tentu saja, berperan di tangan para materialis, yang memperoleh otoritas di seluruh dunia pada saat itu: mereka segera menyatakan bahwa neuron-lah yang mengandung "jiwa". Oleh karena itu, gagasan bahwa jika Anda entah bagaimana menumbuhkan salinan persis dari otak, maka "jiwa" akan lahir di dalamnya. Tapi pertanyaan filosofis muncul: mungkinkah berbicara tentang "jiwa" tanpa alasan? Bagaimanapun, itu adalah produk dari pengasuhan, seperti yang ditunjukkan oleh studi tentang "Mowgli" - anak-anak manusia yang dibesarkan oleh hewan. Oleh karena itu, tidak cukup hanya membuat salinan dari otak - otak masih perlu "dididik" untuk memperoleh kecerdasan.
HALUS TEKNIS
Otak orang dewasa normal mengandung sekitar 86 miliar neuron. Belum lama berselang, ide untuk membuat analog digital sepertinya sangat fantastis. Namun saat ini, dengan perkembangan teknologi informasi, hal tersebut sepertinya sudah dapat dicapai.
Video promosi:
Harus diingat bahwa ahli matematika Amerika yang terkenal, Norbert Wiener, "bapak" sibernetika, dianggap sebagai pendiri teori pemodelan proses biologis yang kompleks, termasuk proses otak. Pada tahun 1949, psikolog Kanada Donald Hebb, seorang spesialis dalam studi tentang proses berpikir, berdasarkan kalkulasi Wiener, menyusun algoritma pelatihan pertama untuk jaringan saraf (omong-omong, pada suatu waktu Hebb bertugas di CIA, di mana ia menangani masalah pencucian otak).
Pada tahun 1957, Amerika Frank Rosenblatt, seorang ahli teori kecerdasan buatan, berdasarkan pekerjaan sebelumnya, membuat diagram logika dari perceptron - model cybernetic belajar mandiri dari otak, yang diimplementasikan tiga tahun kemudian berdasarkan komputer elektronik Mark-1. Perceptron mentransmisikan sinyal dari fotosel (sensor, sel S) ke blok sel memori elektromekanis yang terhubung secara acak. Jika salah satu sel menerima sinyal yang melebihi nilai ambang, kemudian mengirimkannya lebih jauh - ke penambah (elemen R), dan dengan koefisien tertentu ("bobot" sambungan AR). Bergantung pada jumlah sinyal yang dikalikan dengan faktor bobot, penambah mengeluarkan salah satu dari tiga kemungkinan hasil ke keluaran dari seluruh sistem: -1, 0 dan +1. Pelatihan perceptron terjadi pada tahap memasukkan koefisien bobot ke dalam sistem. Sebagai contoh,kita menempatkan gambar "persegi" di depan fotosel dan menetapkan aturan: ketika persegi muncul di bidang pandang, perceptron harus memberikan hasil positif (+1), dan ketika objek lain muncul, negatif (-1). Kemudian kami mengubah objek satu per satu dan menyesuaikan bobot ketika sebuah persegi muncul ke arah bertambah, dan jika tidak ada - ke arah menurun. Hasilnya, kami memperoleh larik unik nilai koefisien bobot dalam sistem untuk varian apa pun dari tampilan persegi, dan di masa mendatang kami dapat menggunakannya untuk mengenali kotak. "Mark-1", terlepas dari primitifnya dibandingkan dengan komputer modern, tidak hanya dapat mengenali bentuk geometris, tetapi juga huruf alfabet, dan ditulis dengan tulisan tangan yang berbeda.ketika sebuah persegi muncul di bidang pandang, perceptron harus memberikan hasil positif (+1), dan ketika ada objek lain yang muncul - negatif (-1). Kemudian kami mengubah objek satu per satu dan menyesuaikan bobot ketika sebuah persegi muncul ke arah bertambah, dan jika tidak ada - ke arah menurun. Hasilnya, kami memperoleh larik unik nilai koefisien bobot dalam sistem untuk varian apa pun dari tampilan persegi, dan di masa mendatang kami dapat menggunakannya untuk mengenali kotak. "Mark-1", terlepas dari primitifnya dibandingkan dengan komputer modern, tidak hanya dapat mengenali bentuk geometris, tetapi juga huruf alfabet, dan ditulis dengan tulisan tangan yang berbeda.ketika sebuah persegi muncul di bidang pandang, perceptron harus memberikan hasil positif (+1), dan ketika ada objek lain yang muncul - negatif (-1). Kemudian kami mengubah objek satu per satu dan menyesuaikan bobot ketika sebuah persegi muncul ke arah bertambah, dan jika tidak ada - ke arah menurun. Hasilnya, kami memperoleh larik unik nilai koefisien bobot dalam sistem untuk varian apa pun dari tampilan persegi, dan di masa mendatang kami dapat menggunakannya untuk mengenali kotak. "Mark-1", terlepas dari primitifnya dibandingkan dengan komputer modern, tidak hanya dapat mengenali bentuk geometris, tetapi juga huruf alfabet, dan ditulis dengan tulisan tangan yang berbeda. Kemudian kami mengubah objek satu per satu dan menyesuaikan bobot ketika sebuah persegi muncul ke arah bertambah, dan jika tidak ada - ke arah menurun. Hasilnya, kami memperoleh larik unik nilai koefisien bobot dalam sistem untuk varian apa pun dari tampilan persegi, dan di masa mendatang kami dapat menggunakannya untuk mengenali kotak. Mark-1, terlepas dari sifat primitifnya dibandingkan dengan komputer modern, tidak hanya dapat mengenali bentuk geometris, tetapi juga huruf-huruf alfabet, terlebih lagi, ditulis dengan tulisan tangan yang berbeda. Kemudian kami mengubah objek satu per satu dan menyesuaikan bobot ketika sebuah persegi muncul ke arah bertambah, dan jika tidak ada - ke arah menurun. Hasilnya, kami memperoleh larik unik nilai koefisien bobot dalam sistem untuk varian apa pun dari tampilan persegi, dan di masa mendatang kami dapat menggunakannya untuk mengenali kotak. Mark-1, terlepas dari sifat primitifnya dibandingkan dengan komputer modern, tidak hanya dapat mengenali bentuk geometris, tetapi juga huruf-huruf alfabet, terlebih lagi, ditulis dengan tulisan tangan yang berbeda. Hasilnya, kami memperoleh larik unik nilai koefisien bobot dalam sistem untuk varian apa pun dari tampilan persegi, dan di masa mendatang kami dapat menggunakannya untuk mengenali kotak. "Mark-1", terlepas dari primitifnya dibandingkan dengan komputer modern, tidak hanya dapat mengenali bentuk geometris, tetapi juga huruf alfabet, dan ditulis dengan tulisan tangan yang berbeda. Hasilnya, kami memperoleh larik unik nilai koefisien bobot dalam sistem untuk varian apa pun dari tampilan persegi, dan di masa mendatang kami dapat menggunakannya untuk mengenali kotak. "Mark-1", terlepas dari primitifnya dibandingkan dengan komputer modern, tidak hanya dapat mengenali bentuk geometris, tetapi juga huruf alfabet, dan ditulis dengan tulisan tangan yang berbeda.
HAL CERDAS
Tentu saja, banyak sirkuit yang lebih kompleks, algoritma, dan varian perceptron telah muncul sejak saat itu. Namun demikian, pendekatan pengorganisasian model jaringan saraf ini memiliki keterbatasan mendasar: misalnya, perceptron tidak berdaya untuk memecahkan masalah membagi gambar menjadi beberapa bagian atau menentukan posisi relatif dari gambar.
Ketika menjadi jelas bahwa tidak mungkin membangun kecerdasan buatan berdasarkan perceptron, minat pada mereka jatuh. Namun demikian, pada awal 1980-an, varian baru dari jaringan saraf belajar mandiri dan mengatur diri sendiri muncul: jaringan Hopfield, jaringan Hemming, jaringan Kohonen, jaringan Jordan, dan lain-lain. Pada tahun 1986, semacam revolusi terjadi: ilmuwan Soviet dan Amerika mengembangkan metode propagasi mundur (algoritma gradien berulang), yang memungkinkan untuk mengatasi keterbatasan yang ditemukan sebelumnya. Setelah itu, jaringan syaraf tiruan mengalami perkembangan pesat, yang segera diimplementasikan dalam program komputer terapan.
Paket perangkat lunak modern yang dibangun berdasarkan jaringan saraf tiruan mampu mengenali teks kompleks, perintah suara, wajah, gerak tubuh, dan ekspresi wajah yang sewenang-wenang. Namun, ini hanya kasus penggunaan yang paling sederhana, ada juga yang lebih tidak biasa. Autopilot belajar mandiri yang mampu merespons perkembangan situasi bencana lebih awal daripada pilot. Pemeriksa bursa mengidentifikasi transaksi mencurigakan di pasar saham. Agen iklan jaringan yang melacak preferensi calon pelanggan. Diagnostik Medis Menentukan Patologi pada Bayi.
Jelas bahwa ketika teknologi informasi meningkat, jaringan saraf juga akan menjadi lebih kompleks. Mereka akan mengelola semua peralatan rumah tangga dan penunjang kehidupan untuk rumah, pabrik, dan supermarket. Mereka dapat memantau ancaman, menganalisis tren, dan memberikan saran, misalnya, tentang investasi uang yang optimal. Mereka bahkan dapat membuat objek seni: sudah ada lukisan dan puisi yang ditulis oleh jaringan saraf!
PERBUDAKAN ATAU PERSAHABATAN?
Faktanya, semuanya mengarah pada fakta bahwa jaringan saraf suatu hari nanti akan menjadi asisten yang tak tergantikan dalam seribu masalah besar dan kecil. Futuris takut akan hal ini. Mereka percaya bahwa pada titik tertentu, kuantitas akan berubah menjadi kualitas, kecerdasan buatan akan muncul di jaringan saraf, yang akan segera menantang umat manusia dan menghancurkannya. Pilihan lain juga dimungkinkan - orang akan menjadi sangat bergantung pada keputusan yang dibuat oleh jaringan saraf sehingga mereka sendiri tidak akan menyadari bagaimana mereka akan berubah menjadi budaknya.
Skenario menakutkan seperti ini sepertinya terlalu aneh. Faktanya adalah bahwa jaringan saraf awalnya disusun untuk menyesuaikan dengan kebutuhan orang atau sekelompok orang tertentu. Mereka dapat membantu mengoreksi kesalahan atau memberikan nasihat, menyoroti masalah atau melihat penipuan, tetapi mereka sendiri tidak dapat membuat pilihan antara opsi yang setara, karena kami (sayangnya atau untungnya) tidak akan dapat mengajari mereka hal utama - moralitas. Oleh karena itu, setiap saat, jaringan saraf akan seperti anjing peliharaan - penurut, setia, dan ramah.
Anton Pervushin
