Народження науки про витоки штучного інтелекту; 12
Ідея завжди полягала в тому, щоб створити машину за образом Людини з часів появи цивілізації. З поняттям "розум у машині" кілька цивілізацій інтегрували концепцію ШІ відповідно до вірувань та винаходів.
Deus ex machina - Ἀπὸ μηχανης θεός
Починаючи з давньоєгипетської, грецької та китайської цивілізацій (антропоморфні автомати та роботи-слуги бога Гефеста), алгоритми Вавилону або грецьких математиків (Евклід та Ератосфен) до винаходу алгебри (з арабської "Аль-Джабр") Аль -Хрізмі за допомогою двійкової арифметики Лейбніца та диференціального аналізатора Джеймса Томсона, очевидно, що історія не починається у ХХ столітті, і всі ці досягнення послужили цій новій-старій дисципліні: ШІ. Але найзначнішими досягненнями з точки зору досліджень ШІ є, безперечно, роботи Марвіна Лі Мінського, Джона Маккарті та особливо Алена Тьюрінга [1] (пор. Тест Тьюрінга), що дозволило зробити значний прогрес у концептуалізації цієї нової науки.
Не обговорюючи в цій статті справжню природу цього "інтелекту", який повинен нести в собі власну незалежність, те, що зазвичай називають "штучним інтелектом", призводить до нової промислової революції, яка ставить цифрове в центр стратегій не лише компаній ( інновації та революція у використанні), а також між державами (дослідження, патенти та передача технологій). Ця революція має значний вплив на продуктивність та ріст різних галузей та сфер діяльності, починаючи від сільського господарства, закінчуючи охороною здоров'я та навіть фінансами, але її вплив не походить з сьогоднішнього дня та представляє основні виклики, які потрібно вирішити дотепер. ми взаємодіємо, працюємо, споживаємо, дбаємо про себе, фінансуємо себе, а також подорожуємо.
Наприклад, у галузі охорони здоров’я технологічний прогрес, що випливає із штучного інтелекту (ШІ) завдяки поєднанню обчислювальної потужності, вибуху наявних даних та дедалі ефективніших алгоритмів дозволив і, безумовно, дозволить вражаючий прогрес. Ці розробки впливають на медичні дослідження, відкриття нових препаратів, точність діагнозів, включаючи профілактику в режимі реального часу, догляд за ліжком та спостереження. ШІ революціонізував усі аспекти здоров’я, як ми це знали раніше.
Нові бізнес-моделі та способи використання, пов’язані з ШІ, з’являються щодня з їх часткою потрясінь у більш глобалізованому та конкурентному середовищі. Це породжує питання, пов’язані з етикою (які дані можуть бути використані і ким? Хто ними володіє? ...), безпекою, спільною нормативною базою для нагляду за розвитком ШІ та спільного управління цією масою даних, що широко циркулюють та їх використання, захищаючи особисті дані від неконтрольованого та неконтрольованого маркетингу.
Питання, поставлені ШІ, та методи, що використовуються, є тими самими, якими керувались інші дисципліни з моменту їх виникнення, а саме філософія, математика, психологія, лінгвістика та інформатика.
Повернемось до витоків народження нової науки
Штучний інтелект, який також називають комп'ютерним інтелектом, визначається як "інтелект машин та програмного забезпечення" [2]. Він базується на припущенні, що можна описати людський інтелект і, отже, машини (або програмне забезпечення) як здатні його імітувати. Словом, це наука, метою якої є змусити машину виконувати завдання, які людина виконує, використовуючи свій інтелект.
Поняття зародилося в 1950-х роках завдяки математику Алену Тьюрінгу, і ця термінологія (IA) з’явилася в 1956 році завдяки Джону Маккарті [3], але деякі воліють евристичні обчислення або інтелектуальну програму.
Дійсно, інформатика - це наука обробки інформації, і ця обробка прирівнює її до ШІ, оскільки її не можна звести до простого, точного та алгоритмічного методу.
Алгоритм - це послідовність впорядкованих, чітко визначених операцій, які можна виконувати на будь-якому комп'ютері, і яка дозволяє досягти необхідного рішення за розумний час. ШІ - це частина ІТ, присвячена автоматизації розумної поведінки.
Отже, машини або програмне забезпечення, здатні міркувати, планувати, вивчати, сприймати та обробляти інформацію, як людський розум, можуть думати і діяти замість людей. Обчислення, програмування, проведення медичних діагнозів, складання найкращих прогнозів погоди та гра з комп’ютером сьогодні є частиною нашого повсякденного життя.
Створення інтелектуальних машин, роботів та програмного забезпечення лежить в основі наукових розвідок та винаходів у декількох секторах: робототехніка, телекомунікації, програмне забезпечення, охорона здоров’я, фінанси, промисловість, транспорт, авіація, сфера послуг, оборона чи відпочинок. Насправді у світі ШІ розроблено багато систем, додатків та технологій, але вони не вважаються продуктами ШІ; натомість їм дають конкретні назви, такі як розумна комп’ютерна графіка, машинне навчання, електронна комерція, кібернетика тощо. (це "ефект ІА") [5].
Штучний інтелект сам по собі не є ізольованим і специфічним полем. Це міждисциплінарна галузь дослідження, що об’єднує інформатику, нейронауку, психологію, лінгвістику та філософію. Завдяки цій мультидисциплінарності вплив ШІ на економіку та суспільство важко виміряти, але ці програми лежать в основі глибоких перетворень, які вже є помітними або тривають.
Щоб все зрозуміти ...
Спочатку був чоловік, але перш за все його мозок !
Мозок або енцефалон - головний орган нервової системи. Саме на рівні мозку інтегрована вся сенсорна та сенсорна інформація, яка потрапляє до людини як зовні, так і всередині тіла, через чутливі нерви та шляхи чутливості.
Мозок людини - це складна, бінарна система, яка складається із 100 мільярдів нейронів (клітин мозку) із середнім значенням 10 000 зв’язків між собою. Простіше кажучи, нейрони пов’язані між собою синапсами, які передають інформацію і які можуть бути лише в активованому чи інактивованому режимі. Кожна інформація використовує виділену нейронну мережу.
На думку невробіолога Жана-П'єра Ченге, для побудови людського мозку потрібно 15 років. "Це менше питання технології, ніж масштабу", - пише Ден Браун [5].
З моменту появи людей вперше їх мозок еволюціонував з точки зору ваги, діаметру та когнітивних можливостей. Homo Sapiens має в 3 рази більше когнітивних можливостей, ніж австралопітеки. Однак, незважаючи на той факт, що мозок Homo Neanderthalensis, середній розмір якого становить 1600 см3, на 17% більше, ніж у Homo Sapiens (1450 см3), він не обов'язково розумніший.
Протягом мільйонів років мозок людини еволюціонував, збільшуючи свою вагу, об’єм та кількість звивин. Розмір черепної коробки залишався обмеженим завдяки еволюції, яка сприяла у Homo Sapien досить вузькому тазу, сприятливому для біпедалізму (положення стоячи) і, отже, можливому проходженню нової голови під час народження. - рік, яка не могла бути більшою [6]. Думка про те, що розмір наших черепів обмежує людський інтелект, є абсолютно помилковою. Наш мозок працює як губка, і саме кількість нейронів та зв’язки між ними роблять нас розумними істотами.
Насправді це функціонування мозку, нервової системи та використання нейронних мереж є основою нейробіології, нейронауки та розвитку нейротехнологій.
Те, що ми зараз називаємо ANR (штучними нейронними мережами), значною мірою походить від цих наук. Це математичне та алгоритмічне моделювання, яке тісно імітує властивості нейронів, асимільованих до одиниць обчислення. РНК - це сильно зв’язані мережі елементарних процесорів, що працюють паралельно. Кожен процесор обчислює унікальний результат на основі отриманої інформації.
Штучні нейронні мережі сильно надихаються біологічною нервовою системою. Ми можемо навчити штучну нейронну мережу для конкретного завдання (наприклад, розпізнавання символів), регулюючи значення зв’язків (або ваг) між нейронними елементами.
Завдяки ANN, які зазвичай використовуються у фізиці, тепер можливо кілька додатків у різних областях, оскільки для змінних не потрібно початкове припущення, а також тому, що цей інструмент підходить для вирішення складних неструктурованих проблем:
- Цифрова обробка аудіосигналу (TSA) - обробка зображень і сигналів: застосування згорткової багатошарової нейронної мережі (розроблена Ян ле Куном), архітектура зв’язку якої натхнена архітектурою зорової кори ссавців для розпізнавання персонажів та підписів, розпізнавання форм та візерунків. Дійсно, автоматична класифікація зображень полягає в автоматичному присвоєнні класу зображення за допомогою системи класифікації. Таким чином, ми знаходимо класифікацію об’єктів, сцен, фактур, розпізнавання облич, відбитків пальців та персонажів завдяки двом основним типам використовуваного навчання (під контролем та без нагляду). У навчанні під наглядом кожне зображення пов'язане з міткою, яка описує його клас членства. При неконтрольованому підході наявні дані не мають міток, і підхід полягає у виведенні знань про дані лише на основі навчальних зразків і без цілі (пошук природних структур у даних).
Для обробки сигналів були розроблені моделі та алгоритми, що розрізняють сигнал, що містить мову або шум, і навіть диференціацію між кількома мовами, що пропонують все більш ефективні операційні програми: автоматична транскрипція/переклад, автоматичне розпізнавання мови (ASR), синтез мови, трансформація голосу ідентифікація мовця, розпізнавання мови та паралінгвістичні репліки [7].
Ще одне важливе застосування, яке стосується біомедичної галузі та використання електроміографії (ЕМГ), зокрема методів спектрального аналізу, параметричного моделювання та класифікації, призвело до розробки інструменту для діагностичної допомоги для сигналів ЕМГ, зібраних на поверхня [8].
- Контроль: завдяки поєднанню штучних нейронних мереж (РНК) та генетичних алгоритмів для моделювання та виявлення машинних збоїв, моніторингу ІС (серверів та мереж у хостингових та операційних центрах), а також машин у різних секторах промислових заводів через необхідність гарантувати безперервність обслуговування, надійність машин і зменшення ризику втрати виробництва через поломки стало можливим. Використання вібраційних сигналів та акустичного випромінювання досить поширене у сфері контролю стану обертових машин. Порівняння сигналів машини, що працює в номінальних та дефектних умовах, дозволяє виявити такі несправності, як дисбаланс маси, смуга тертя ротора, відхилення вирівнювання осі тощо.
- Оптимізація:
- У сфері фінансів різноманітні програми, ціноутворення на страхування та його пристосованість до ризиків клієнтів, виявлення шахрайства, управління портфелем та передбачуваність індексів, прогнозування невдач у бізнесі, прогнозування цін, оцінка кредитного ризику (при наданні гранту або протягом життя) та особливо в торгівлі, де перевищуються певні класичні методи, такі як показники або ковзні середні.
- З точки зору управління дорожнім рухом: Розроблені на сьогодні додатки в галузі транспорту стосуються головним чином транспортних інженерних проблем; прогнозування щомісячного пасажиропотоку на лінії метро чи поїзда, щоденне моделювання руху на ділянці автомагістралі з використанням інформації про календарні та шкільні канікули, пікове забруднення (чергування руху) тощо.
- Моделювання: гібридне моделювання для теплового моделювання будівель, а також для покращення прогнозів погоди. Щодо цього останнього пункту, дослідники з французьких лабораторій [9] продемонстрували, що за допомогою нейронних мереж та супутникових спостережень можна генерувати дані про вологість ґрунту з оптимальними властивостями, що підлягають засвоєнню, і тим самим сприяти покращенню прогнозів погоди в короткі або середній діапазон.
- Моделювання навчання та адаптація методів навчання за допомогою використання навчальних слідів та автоматичної персоналізації курсів. Справді, ШІ зробив революцію в персоналізованому навчанні завдяки концепції, яка називається: адаптивне навчання. Поступові оцінки за допомогою цього інструменту дають змогу орієнтуватись на ті частини навчання, які менш зрозумілі, щоб надати більш цілеспрямовані пояснення та краще відкалібровані вправи на застосування. Ця хороша доза дозволяє краще відстежувати успіхи студентів та зменшити ризик відсіву.
- Мініатюризація: Дійсно, завдяки розробкам у галузі нанотехнологій, застосування штучного інтелекту в таких областях, як оптика, біологія, медицина, хімія, електроніка, механіка та навколишнє середовище може пришвидшитись. Виготовлення та маніпулювання конструкціями та матеріальними системами в нанометровому масштабі [10]. Поєднання з робототехнікою, обчислювальною технікою та ANR буде реле використання об'єктів, які є легшими, легшими для транспортування, що споживають менше енергії, дешевше і виробляють менше відходів. Наприклад, застосування в медицині при застосуванні нанокристалів для визначення біочіпа або локалізації пухлин або використання наноботів як інструментів діагностики та доставки ліків.
Завдяки цим інструментам та методам, пов’язаним з ANR, стало можливим кілька інших медичних застосувань із переконливими результатами (виявлення патологій, допомога утриманцям тощо).
Список літератури:
[1] А. Тьюрінг, “Обчислювальна техніка та інтелект”, Розум, вип. LIX, No 236, 1950 рік.
[2] Штучний інтелект, Вікіпедія
[3] Він є головним піонером штучного інтелекту разом з Марвіном Лі Мінським; він втілює поточну, що наголошує символічну логіку. Джон Маккарті - головний піонер штучного інтелекту разом з Марвіном Лі Мінським; він втілює поточну, що підкреслює символічну логіку. www.actuia.com
[4] Ефект ШІ, Вікіпедія
[5] Походження Дена Брауна - жовтень 2017 року
[6] Science & Vie - QR n ° 22 "Геній та його таємниці"
[7] Роланд Бадо, Шарбіт та Жерар Бланше, аудіо-цифрова обробка сигналів, матеріали курсу, ATIAM, Telecom Paris Tech, вересень 2012 р.
Френсіс Коттет, обробка сигналів та збір даних, Dunod, 1997.
[8] Практична робота з боротьби з сигналом - Том 1 - Марі Шабер та Корін Мейлес - 2010
[9] Центр космічних досліджень біосфери (CESBIO/OMP, UPS/CNES/CNRS/IRD), Лабораторія досліджень випромінювання та речовин в астрофізиці та атмосфері (LERMA, CNRS/Observatoire de Paris/ENS/UPMC/UCP) та Національного центру метеорологічних досліджень (CNRM, Метео-Франція/CNRS).
[10] 1 = людський масштаб - 10 (9) = астрономічний масштаб (відстань земля-місяць) - 10 (-9) = нанометричний масштаб