Tekoäly

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 8. elokuuta 2022 tarkistetusta versiosta . tarkastukset vaativat 12 muokkausta .

Tekoäly ( AI ; englanninkielinen  keinoäly, AI ) - keinotekoisten järjestelmien ominaisuus suorittaa luovia toimintoja, joita on perinteisesti pidetty ihmisen etuoikeutena [1] (ei pidä sekoittaa keinotekoiseen tietoisuuteen , IS); älykkäiden koneiden, erityisesti älykkäiden tietokoneohjelmien , luomisen tiede ja teknologia [2] .

Tekoäly liittyy samanlaiseen tehtävään käyttää tietokoneita ihmisen älykkyyden ymmärtämiseen , mutta se ei välttämättä rajoitu biologisesti uskottaviin menetelmiin [2] .

Nykyään olevilla älykkäillä järjestelmillä on melko kapeat sovellusalueet. Esimerkiksi ohjelmat, jotka voivat voittaa henkilön shakissa , eivät voi vastata kysymyksiin jne. [3]

Termin alkuperä ja merkitys

Johdanto-osassa lainattu tekoälyn määritelmä, jonka John McCarthy antoi vuonna 1956 Dartmouthin yliopiston seminaarissa , ei liity suoraan ihmisten älykkyyden ymmärtämiseen. McCarthyn mukaan tekoälytutkijat voivat vapaasti käyttää menetelmiä, joita ei havaita ihmisillä, jos se on tarpeen tiettyjen ongelmien ratkaisemiseksi [2] .

Selittäessään määritelmäään John McCarthy huomauttaa: ”Ongelma on, että emme voi vielä yleisesti määritellä, mitä laskentaproseduureja haluamme kutsua älykkäiksi. Ymmärrämme joitain älykkyyden mekanismeja, emmekä ymmärrä muita. Siksi älykkyys tässä tieteessä ymmärretään vain laskennallisena komponenttina kyvystä saavuttaa tavoitteita maailmassa” [2] .

Samaan aikaan on olemassa näkökulma, jonka mukaan älykkyys voi olla vain biologinen ilmiö [4] .

Englannin kielessä ilmauksella tekoäly ei ole sitä antropomorfista väritystä, jonka se sai perinteisessä venäjänkielisessä käännöksessä: sana äly tarkoittaa käytetyssä asiayhteydessä pikemminkin "kykyä järkevästi" eikä ollenkaan "älyä" (jolle on olemassa on englantilainen analoginen äly [5] .

Seuraavat tekoälyn määritelmät annetaan:

Yksi älykkyyden yksityisistä määritelmistä, joka on yhteinen ihmiselle ja "koneelle", voidaan muotoilla seuraavasti: "Älykkyys on järjestelmän kykyä luoda (ensisijaisesti heuristisia) ohjelmia itseoppimisen aikana ongelmien ratkaisemiseksi. tietyn luokan monimutkaisuus ja ratkaise nämä ongelmat” [8] .

Edellytykset tekoälyn tieteen kehittymiselle

Tekoälyn historia uutena tieteellisenä suunnana alkaa 1900-luvun puolivälistä. Siihen mennessä sen syntymiselle oli jo muodostunut monia edellytyksiä: filosofien keskuudessa oli pitkään kiistelty ihmisen luonteesta ja maailmantuntemuksen prosessista, neurofysiologit ja psykologit kehittivät joukon teorioita ihmisen aivojen ja aivojen toiminnasta. ajattelu, taloustieteilijät ja matemaatikot esittivät kysymyksiä optimaalisista laskelmista ja maailmaa koskevan tiedon esittämisestä formalisoidussa muodossa; Lopulta syntyi laskennan matemaattisen teorian perusta – algoritmien teoria – ja luotiin ensimmäiset tietokoneet.

Uusien koneiden kyvyt laskentanopeuden suhteen osoittautuivat suuremmiksi kuin ihmisen, joten tiedeyhteisössä heräsi kysymys: mitkä ovat tietokoneiden kyvyn rajat ja saavuttavatko koneet ihmisen kehityksen tason? Vuonna 1950 yksi tietotekniikan alan edelläkävijöistä, englantilainen tiedemies Alan Turing , kirjoitti artikkelin " Voiko kone ajatella? ” [9] , joka kuvaa Turingin testiksi kutsuttua menettelyä, jolla on mahdollista määrittää hetki, jolloin koneesta tulee älykkyydeltään samanlainen kuin henkilön kanssa .

Tekoälyn kehityksen historia Neuvostoliitossa ja Venäjällä

Kollegiaalinen neuvonantaja Semjon Nikolajevitš Korsakov (1787-1853) asetti tehtäväksi vahvistaa mielen kykyjä kehittämällä tieteellisiä menetelmiä ja laitteita, toistaen nykyaikaisen käsitteen tekoälystä luonnollisen vahvistimena. Vuonna 1832 S. N. Korsakov julkaisi kuvauksen viidestä keksimästään mekaanisesta laitteesta, niin sanotuista "älykkäistä koneista", henkisen toiminnan osittaiseen mekanisointiin etsintä-, vertailu- ja luokittelutehtävissä. Ensimmäistä kertaa tietojenkäsittelytieteen historiassa Korsakov käytti koneidensa suunnittelussa rei'itettyjä kortteja , jotka toimivat hänelle eräänlaisena tietopohjana , ja koneet itse olivat pohjimmiltaan asiantuntijajärjestelmien edelläkävijöitä [10] [11 ]. ] .

Neuvostoliitossa työ tekoälyn alalla alkoi 1960-luvulla [6] . Moskovan yliopistossa ja tiedeakatemiassa tehtiin useita uraauurtavia tutkimuksia, joita johtivat Veniamin Pushkin ja D. A. Pospelov . 1960-luvun alusta lähtien M. L. Tsetlin ja kollegat ovat kehittäneet äärellisten automaattien koulutukseen liittyviä kysymyksiä.

[12] » 1950-luvun loppu - 1960-luvun alku [13] . Kaikki eivät jaa tätä näkemystä tekoälystä, kybernetiikasta ja tietojenkäsittelytieteestä. Tämä johtuu siitä, että lännessä näiden tieteiden rajat ovat hieman erilaiset [14] .

G. S. Pospelovin aloitteesta 10. syyskuuta 1986 Neuvostoliiton tiedeakatemian puheenjohtajistoon perustettiin "tekoälyn" ongelmaa käsittelevä tieteellinen neuvosto (neuvoston puheenjohtajaksi tuli G. S. Pospelov, D. A. Pospelov ja E. V. Popov tuli hänen varamiehensä). Myöhemmin tällä neuvostolla oli tärkeä rooli tekoälytutkimuksen kehittämisessä Venäjällä ja koko Neuvostoliitossa.

Venäjällä 30.5.2019 V. V. Putinin johtamassa digitaalisen talouden kehitystä käsittelevässä kokouksessa päätettiin valmistella kansallinen tekoälystrategia. Sen puitteissa valmistellaan liittovaltion ohjelmaa, johon osoitetaan 90 miljardia ruplaa [15] [16] .

V. V. Putin hyväksyi 10. lokakuuta 2019 asetuksellaan Venäjän tekoälyn kehittämisen kansallisen strategian vuoteen 2030 asti [17] .

27. elokuuta 2020 hyväksyttiin kansallinen hanke "Tekoäly", jonka johtajaksi nimitettiin apulaistaloudellinen kehitysministeri Oksana Tarasenko [18] [19] .

Joulukuussa 2020 toinen tekoälykonferenssi Artificial Intelligence Journey (AI Journey) pääsi maailman kolmen parhaan samanlaisen foorumin joukkoon. Siihen osallistui (verkossa) yli 20 000 ihmistä 80 maasta, Vladimir Putin osallistui konferenssiin [20] [21] .

Pääministeri Mihail Mishustin hyväksyi keväällä 2021 säännöt 1,4 miljardin ruplan taloudellisen tuen myöntämisestä tekoälyn alalla toimiville yrityksille (vuodelle 2021) [22] .

Lähestymistavat ja ohjeet

Lähestymistavat ongelman ymmärtämiseen

Ei ole yhtä vastausta kysymykseen, mitä tekoäly tekee. Melkein jokainen tekoälystä kirjan kirjoittava kirjailija lähtee jostain sen määritelmästä, ottaen huomioon tämän tieteen saavutukset sen valossa.

Filosofiassa kysymystä ihmisälyn luonteesta ja asemasta ei ole ratkaistu . Tietokoneilla ei myöskään ole tarkkoja kriteerejä "älyn" saavuttamiseksi, vaikka tekoälyn kynnyksellä ehdotettiin useita hypoteeseja , esimerkiksi Turingin testi tai Newell-Simonin hypoteesi . Tästä syystä huolimatta monista lähestymistavoista sekä tekoälyn tehtävien ymmärtämiseen että älykkäiden tietojärjestelmien luomiseen , voidaan erottaa kaksi pääasiallista lähestymistapaa tekoälyn kehittämiseen [23] :

Jälkimmäinen lähestymistapa ei tarkasti ottaen päde tekoälytieteeseen John McCarthyn esittämässä merkityksessä - niitä yhdistää vain yhteinen perimmäinen päämäärä.

Turingin testi ja intuitiivinen lähestymistapa

Empiiristä testiä ehdotti Alan Turing artikkelissaan " Computing Machinery and Intelligence " [24] , joka julkaistiin vuonna 1950 filosofisessa lehdessä Mind .  Tämän testin tarkoituksena on määrittää keinotekoisen ajattelun mahdollisuus, lähellä ihmistä.

Tämän testin standarditulkinta on seuraava: " Ihminen on vuorovaikutuksessa yhden tietokoneen ja yhden henkilön kanssa. Kysymyksiin annettujen vastausten perusteella hänen on määritettävä, kenen kanssa hän puhuu: henkilön vai tietokoneohjelman kanssa. Tietokoneohjelman tehtävänä on saada ihminen harhaan tekemään väärän valinnan ." Kaikki testin osallistujat eivät näe toisiaan.

  • Yleisin lähestymistapa olettaa, että tekoäly pystyy osoittamaan ihmisen kaltaista käyttäytymistä normaaleissa tilanteissa. Tämä ajatus on yleistys Turingin testilähestymistavasta , jonka mukaan koneesta tulee älykäs, kun se pystyy keskustelemaan tavallisen ihmisen kanssa, eikä hän pysty ymmärtämään puhuvansa koneelle ( keskustelu käydään kirjeitse).
  • Tieteiskirjailijat ehdottavat usein toista lähestymistapaa: tekoäly syntyy, kun kone pystyy tuntemaan ja luomaan . Niinpä " Bicentennial Man " -sarjan Andrew Martinin omistaja alkaa kohdella häntä ihmisenä, kun hän luo oman suunnittelemansa lelun. Data Star Trekistä , kyky kommunikoida ja oppia, haaveilee tunteiden ja intuition hankkimisesta .

Jälkimmäinen lähestymistapa ei kuitenkaan todennäköisesti kestä yksityiskohtaisempaa tarkastelua. On esimerkiksi helppo luoda mekanismi, joka arvioi joitakin ulkoisen tai sisäisen ympäristön parametreja ja reagoi niiden epäsuotuisiin arvoihin. Voimme sanoa tällaisesta järjestelmästä, että siinä on tunteita (" kipu " on reaktio iskuanturin laukeamiseen, " nälkä " on reaktio akun alhaiseen lataukseen jne.). Kohosen karttojen ja monien muiden "älykkäiden" järjestelmien tuottamat klusterit voidaan nähdä luovuuden muotona.

Symbolinen lähestymistapa

Historiallisesti symbolinen lähestymistapa oli ensimmäinen digitaalisten tietokoneiden aikakaudella, sillä ensimmäisen symbolisen laskentakielen Lisp luomisen jälkeen sen kirjoittaja varmisti mahdollisuudesta käytännössä alkaa toteuttaa näitä älykkyyden keinoja. Symbolinen lähestymistapa mahdollistaa toimimisen heikosti formalisoiduilla esityksillä ja niiden merkityksillä.

Uusien ongelmien ratkaisemisen onnistuminen ja tehokkuus riippuu kyvystä poimia vain olennaista tietoa, mikä edellyttää joustavuutta abstraktiomenetelmissä. Sen sijaan tavallinen ohjelma asettaa yhden omista tavoistaan ​​tulkita dataa, minkä vuoksi sen työ näyttää puolueelliselta ja puhtaasti mekaaniselta. Tässä tapauksessa vain henkilö, analyytikko tai ohjelmoija, voi ratkaista älyllisen ongelman, mutta ei voi uskoa sitä koneelle. Tuloksena syntyy yksi abstraktiomalli, konstruktiivisten entiteettien ja algoritmien järjestelmä . Ja joustavuus ja monipuolisuus johtavat merkittäviin resurssikustannuksiin epätyypillisiin tehtäviin, eli järjestelmä palaa älykkyydestä raakaan voimaan.

Symbolisten laskelmien pääominaisuus on  uusien sääntöjen luominen ohjelman suorittamisen aikana. Kun taas ei-älykkäiden järjestelmien mahdollisuudet täyttyvät juuri ennen kykyä ainakin ilmaista uusia ilmaantuvia vaikeuksia. Lisäksi nämä vaikeudet eivät ratkea, ja lopulta tietokone ei itse paranna näitä kykyjä.

Symbolisen lähestymistavan haittana on, että tällaiset avoimet mahdollisuudet kokevat valmistautumattomat ihmiset työkalujen puutteeksi. Tämä melko kulttuurinen ongelma on osittain ratkaistu logiikkaohjelmoinnin avulla.

Looginen lähestymistapa

Looginen lähestymistapa tekoälyjärjestelmien rakentamiseen perustuu päättelymallinnukseen. Teoreettinen perusta on logiikka.

Loogista lähestymistapaa voidaan havainnollistaa käyttämällä logiikkaohjelmointikieltä ja Prolog -järjestelmää näihin tarkoituksiin . Prolog-kielellä kirjoitetut ohjelmat edustavat joukkoa tosiseikkoja ja päättelysääntöjä ilman jäykkää algoritmin määrittelyä toimintosarjana, joka johtaa haluttuun tulokseen.

Agenttipohjainen lähestymistapa

Viimeisintä, 1990-luvun alusta lähtien kehitettyä lähestymistapaa kutsutaan agenttipohjaiseksi lähestymistavaksi eli älykkäiden (rationaalisten) agenttien käyttöön. Tämän lähestymistavan mukaan älykkyys on laskennallinen osa (karkeasti sanottuna suunnittelu) kyvystä saavuttaa älykkäälle koneelle asetetut tavoitteet. Tällainen kone itsessään on älykäs agentti , joka havaitsee ympäröivän maailman antureiden avulla ja pystyy vaikuttamaan ympäristön esineisiin toimilaitteiden avulla .

Tämä lähestymistapa keskittyy niihin menetelmiin ja algoritmeihin, jotka auttavat älykästä agenttia selviytymään ympäristössä suorittaessaan tehtäväänsä. Joten tässä polunhaku- ja päätöksentekoalgoritmeja tutkitaan paljon tarkemmin .

Hybridi lähestymistapa

Hybridilähestymistapa olettaa, että vain hermo- ja symbolisten mallien synergistinen yhdistelmä saavuttaa täyden valikoiman kognitiivisia ja laskennallisia kykyjä. Esimerkiksi asiantuntijapäätelmäsääntöjä voidaan generoida neuroverkoilla ja generatiiviset säännöt saadaan tilastollisen oppimisen avulla. Tämän lähestymistavan kannattajat uskovat, että hybriditietojärjestelmät ovat paljon vahvempia kuin eri käsitteiden summa erikseen.

Ajatusprosessien symbolinen mallinnus

Tekoälyn historiaa analysoimalla voidaan erottaa niin laaja alue kuin päättelymallinnus [25] . Useiden vuosien ajan tämän tieteen kehitys on edennyt tällä tiellä, ja nyt se on yksi kehittyneimmistä alueista modernissa tekoälyssä. Päättelymallinnus sisältää symbolisten järjestelmien luomisen , joiden sisäänmenoon asetetaan tietty tehtävä ja lähdössä se on ratkaistava. Ehdotettu ongelma on pääsääntöisesti jo formalisoitu eli käännetty matemaattiseen muotoon, mutta siinä joko ei ole ratkaisualgoritmia tai se on liian monimutkainen, aikaa vievä jne. Tämä suunta sisältää: lauseiden todistamisen , päätöksenteon ja peliteoria , suunnittelu ja lähettäminen , ennustaminen .

Työskentely luonnollisten kielten kanssa

Tärkeä alue on luonnollisen kielen käsittely [26] , joka analysoi mahdollisuuksia ymmärtää, käsitellä ja generoida tekstejä "ihmiskielellä". Tässä suunnassa tavoitteena on sellainen luonnollinen kielenkäsittely, joka pystyisi hankkimaan tietoa itsekin lukemalla olemassa olevaa Internetistä saatavilla olevaa tekstiä. Joitakin luonnollisen kielen käsittelyn suoria sovelluksia ovat tiedonhaku (mukaan lukien tekstin louhinta) ja konekääntäminen [27] .

Tiedon edustaminen ja käyttö

Tietotekniikan suunnassa yhdistyvät tehtävät tiedon hankkimisesta yksinkertaisesta tiedosta , niiden systematisoinnista ja käytöstä. Tämä suunta on historiallisesti liitetty asiantuntijajärjestelmien luomiseen  - ohjelmiin, jotka käyttävät erikoistuneita tietokantoja luotettavien johtopäätösten saamiseksi mistä tahansa ongelmasta.

Tiedon tuottaminen tiedosta on yksi tiedon louhinnan perusongelmista . On olemassa erilaisia ​​lähestymistapoja tämän ongelman ratkaisemiseen, mukaan lukien neuraaliverkkoteknologiaan [28] perustuvat , käyttäen hermoverkon verbalisointiproseduureja .

Koneoppiminen

Koneoppimisen ongelma [29] koskee älykkään järjestelmän itsenäistä tiedonhankintaprosessia toimintansa aikana. Tämä suunta on ollut keskeinen tekoälyn kehityksen alusta lähtien [30] . Vuonna 1956 Dartmundin kesäkonferenssissa Ray Solomonoff kirjoitti raportin valvomattomasta todennäköisyyslaskentakoneesta , kutsuen sitä: "Induktiivinen päättelykone" [31] .

Ohjaamaton oppiminen  – voit tunnistaa kuvioita syöttövirrassa. Ohjattu oppiminen sisältää myös luokittelun ja regressioanalyysin . Luokittelua käytetään määrittämään, mihin luokkaan kuva kuuluu. Regressioanalyysiä käytetään jatkuvan funktion löytämiseksi lukuisista numeerisista esimerkeistä tulo/poistumisesta ja jonka perusteella olisi mahdollista ennustaa poistuminen. Koulutuksessa agenttia palkitaan hyvistä vastauksista ja rangaistaan ​​huonoista. Niitä voidaan analysoida päätösteorian näkökulmasta käyttämällä käsitteitä, kuten hyödyllisyys. Koneoppimisalgoritmien matemaattinen analyysi on teoreettisen tietojenkäsittelytieteen ala , joka tunnetaan laskennallisena oppimisteoriana . 

Koneoppimisen ala sisältää laajan joukon tehtäviä hahmontunnistukseen . Tämä on esimerkiksi merkin tunnistus , käsiala , puhe , tekstianalyysi . Monet ongelmat ratkaistaan ​​onnistuneesti biologisen mallinnuksen avulla (katso seuraava osa). Erityisesti tulee mainita tietokonenäkö , joka liittyy myös robotiikkaan .

Tekoälyn biologinen mallinnus

Se eroaa John McCarthyn käsityksestä tekoälystä , kun lähdetään näkemyksestä, että keinotekoisten järjestelmien ei tarvitse toistaa rakenteessa ja toiminnassaan biologisille järjestelmille ominaista rakennetta ja siinä tapahtuvia prosesseja. Tämän lähestymistavan kannattajat uskovat, että ihmisen käyttäytymisen ilmiöt, sen oppimis- ja sopeutumiskyky ovat seurausta sen biologisesta rakenteesta ja toiminnan ominaisuuksista.

Tämä sisältää useita suuntauksia. Neuroverkkoja käytetään ratkaisemaan sumeita ja monimutkaisia ​​ongelmia, kuten geometristen muotojen tunnistusta tai objektien klusterointia. Geneettinen lähestymistapa perustuu ajatukseen, että algoritmista voi tulla tehokkaampi, jos se lainaa parempia ominaisuuksia muilta algoritmeilta ("vanhemmilta"). Suhteellisen uutta lähestymistapaa, jossa tehtävänä on luoda itsenäinen ohjelma - agentti , joka on vuorovaikutuksessa ulkoisen ympäristön kanssa, kutsutaan agenttilähestymistapaksi .

Robotiikka

Robotiikan [32] ja tekoälyn alat liittyvät läheisesti toisiinsa. Näiden kahden tieteen yhdistäminen, älykkäiden robottien luominen ovat toinen tekoälyn suunta. Älykkyyttä tarvitaan, jotta robotit voivat manipuloida esineitä [33] , suorittaa navigointia paikannusongelmilla (paikantaa, tutkia lähialueita) ja suunnitella liikettä (miten päästään kohteeseen) [34] . Esimerkkejä älykkäästä robotiikasta ovat Pleo- , AIBO- , QRIO -robottilelut .

Koneen luovuus

Ihmisen luovuuden luonne on vielä vähemmän ymmärretty kuin älyn luonne. Silti tämä alue on olemassa, ja täällä käsitellään musiikin kirjoittamisen tietokoneella [35] , kirjallisten teosten (usein runoja tai satuja) ja taiteellisen luomisen ongelmia . Realististen kuvien luomista käytetään laajalti elokuvissa[ selventää ] ja tietokonepeliteollisuutta .

Erikseen korostuu tekoälyjärjestelmien teknisen luovuuden ongelmien tutkimus . Keksinnöllisen ongelmanratkaisun teoria, jonka G. S. Altshuller ehdotti vuonna 1946 , merkitsi tällaisen tutkimuksen alkua.

Kun lisäät tämän ominaisuuden mihin tahansa älykkääseen järjestelmään, voit näyttää erittäin selvästi, mitä järjestelmä tarkalleen havaitsee ja miten se ymmärtää. Lisäämällä kohinaa puuttuvan tiedon sijasta tai suodattamalla kohinaa järjestelmässä olevalla tiedolla, abstraktista tiedosta tuotetaan konkreettisia kuvia, jotka on helposti ihmisen havaittavissa, mikä on hyödyllistä erityisesti intuitiiviselle ja vähäarvoiselle tiedolle, jonka todentaminen muodollinen muoto vaatii huomattavaa henkistä vaivaa.

Muut tutkimusalueet

Lopuksi, tekoälyllä on monia sovelluksia, joista jokainen muodostaa lähes itsenäisen suunnan. Esimerkkejä ovat ohjelmointiäly tietokonepeleissä , epälineaarinen ohjaus , älykkäät tietoturvajärjestelmät .

Tulevaisuudessa tekoälyn kehityksen ja kvanttitietokoneen kehityksen välillä oletetaan olevan läheinen yhteys , koska joillain tekoälyn ominaisuuksilla on samanlaiset toimintaperiaatteet kvanttitietokoneiden kanssa [36] [37] .

Voidaan nähdä, että monet tutkimusalueet menevät päällekkäin. Mutta tekoälyssä näennäisesti eri suuntien välinen suhde on erityisen vahva, ja tämä johtuu filosofisesta keskustelusta vahvasta ja heikosta tekoälystä .

keinotekoinen tietoisuus

Kuuluisa amerikkalainen neurofysiologi Michael Graziano panee merkille perustavanlaatuisen eron tekoälyn ja keinotekoisen tietoisuuden (AI) välillä. Grazianon mukaan tietoisuus , ei äly, on olennainen ero korkeampien nisäkkäiden, mukaan lukien Homo sapiens , välillä . Tietoisuuden mallinnus on ratkaisematon tieteellinen ongelma [38] .

Moderni tekoäly

Tekoälyn kehittämisessä on kaksi suuntaa:

  • ongelmien ratkaiseminen, jotka liittyvät erikoistuneiden tekoälyjärjestelmien lähentämiseen ihmisen kykyihin ja niiden integrointiin, mikä on ihmisluonnon toteuttama (katso Älykkyyden parantaminen );
  • tekoälyn luominen, joka edustaa jo vakiintuneiden tekoälyjärjestelmien integrointia yhdeksi järjestelmäksi, joka pystyy ratkaisemaan ihmiskunnan ongelmat (katso Vahva ja heikko tekoäly ).

Mutta tällä hetkellä tekoälyn alalla on mukana monia aihealueita, jotka ovat enemmän käytännöllisiä kuin perustavanlaatuisia tekoälylle. Monia lähestymistapoja on kokeiltu, mutta mikään tutkimusryhmä ei ole vielä keksinyt tekoälyn syntyä. Alla on vain muutamia merkittävimmistä tekoälykehityksistä.

Tunnetut tekoälyjärjestelmät

Jotkut tunnetuimmista tekoälyjärjestelmistä ovat:

  • Deep Blue  - IBM :n kehittämä , voitti shakin maailmanmestarin. Kasparov vs. supertietokone -ottelu ei tuonut tyydytystä tietotekniikan tutkijoille eikä shakinpelaajille, eikä Kasparov tunnistanut järjestelmää (katso lisätietoja kohdasta Mies vs. tietokone ). IBM:n supertietokoneiden sarja ilmeni sitten brute force BluGene (molekyylimallinnus) ja pyramidisolujärjestelmän mallinnusprojekteissa Blue Brain Centerissä Sveitsissä [39] .
  • Google DeepMindin  kehittämä AlphaGo voitti go - ottelun korealaista 9. dan -ammattilaista Lee Sedolia vastaan .
  • Watson  on lupaava IBM-kehitys, joka pystyy havaitsemaan ihmisen puheen ja suorittamaan todennäköisyyshakuja käyttämällä useita algoritmeja. Esitelläkseen työtään Watson osallistui amerikkalaiseen Jeopardy! ”, ” Oman pelin ” analogi Venäjällä, jossa järjestelmä onnistui voittamaan molemmissa peleissä [40] .
  • MYCIN  oli yksi varhaisista asiantuntijajärjestelmistä, joka pystyi diagnosoimaan pienen osajoukon sairauksia, usein yhtä tarkasti kuin lääkärit.
  • 20Q  on tekoälyn inspiroima projekti, joka on saanut inspiraationsa klassisesta 20 Questions -pelistä. Tuli erittäin suosittu esiintymisen jälkeen Internetissä osoitteessa 20q.net [41] .
  • Puheentunnistus . Järjestelmät, kuten ViaVoice , pystyvät palvelemaan kuluttajia.
  • Robotit vuotuisessa RoboCup -turnauksessa kilpailevat jalkapallon yksinkertaistetussa muodossa.

Tietokonepelien kehittäjät käyttävät tekoälyä eriasteisesti. Tämä muodostaa käsitteen " pelin tekoäly ". Pelien tavallisia tekoälytehtäviä ovat polun löytäminen 2D- tai 3D-avaruudessa, taisteluyksikön käyttäytymisen simulointi, oikean taloudellisen strategian laskeminen ja niin edelleen.

Tutkimuskeskukset

Tekoälyn alan suurimmat tiede- ja tutkimuskeskukset:

Tekoälyn sovellukset

Rahoitus

Rahoituslaitokset ovat pitkään käyttäneet hermoverkkoja epäilyttävien tapahtumien ja toimintojen havaitsemiseen [42] . Tekoälyn käyttö pankkialalla alkoi jo vuonna 1987, kun Security Pacific National Bank Yhdysvaltoihin perusti työryhmän torjumaan petoksia ja pankkikorttien luvatonta käyttöä [43] .

Algoritminen kaupankäynti

Algoritminen kaupankäynti sisältää kehittyneiden tekoälyjärjestelmien käytön kauppapäätösten tekemiseksi nopeammin kuin ihmiskeho pystyy. Tämän avulla voit tehdä miljoonia tapahtumia päivässä ilman ihmisen väliintuloa. Suuret institutionaaliset sijoittajat käyttävät yleisesti automatisoituja kaupankäyntijärjestelmiä [44] .

Anekdoottiset todisteet viittaavat kuitenkin siihen, että vaikka tekoäly voi ennustaa osakekurssitrendejä tai yleistä mielipidettä rahoitusmarkkinoista, se ei ole tarpeeksi tarkka. Tekoälyyn perustuvaa sijoitusmallia ei voida käyttää pitkäaikaisiin sijoituksiin. Tällaisten osakkeiden oston, myynnin tai omistamisen ennustamiseen tarkoitettujen algoritmien tarkkuus voi johtaa pääoman menettämiseen.

Näiden tulosten perusteella tutkijat päättelivät, että tekoäly ei vielä pysty ennustamaan osakemarkkinoiden liikettä luotettavalla ja luotettavalla tarkkuudella [45] .

Markkinatutkimus ja tiedon louhinta

Useat suuret rahoituslaitokset ovat investoineet tekoälyn kehittämiseen käyttääkseen sitä sijoituskäytännössään. Aladdinin (BlackRock) kehitystyötä käytetään sekä yrityksen sisällä että yrityksen asiakkailla apuna sijoituspäätösten tekemisessä. Järjestelmän laaja toimintovalikoima sisältää luonnollisen kielen käsittelyn tekstien, kuten uutisten, välittäjäraporttien ja sosiaalisen median syötteiden lukemiseen. Sen jälkeen järjestelmä arvioi tunnelmia mainituissa yrityksissä ja antaa niille pisteet. Pankit, kuten UBS ja Deutsche Bank , käyttävät tekoälyjärjestelmää nimeltä Sqreem (Sequential Quantum Reduction and Extraction Model), joka pystyy käsittelemään tietoja kuluttajaprofiilien kehittämiseksi ja yhdistämään ne tuotteisiin, joita he todennäköisimmin haluavat [46] . Goldman Sachs käyttää Kenshoa, markkinatietoalustaa, joka yhdistää tilastollisen laskennan big dataan ja luonnollisen kielen käsittelyyn. Hänen koneoppimisjärjestelmänsä käyttävät Internetissä olevaa dataa ja arvioivat maailman tapahtumien välisiä korrelaatioita ja niiden vaikutusta rahoitusvarojen hintoihin [47] . Tekoälyjärjestelmän suorasta uutislähetyksestä poimimaa tietoa käytetään investointipäätöksissä.

Henkilökohtainen taloushallinto

On tuotteita, jotka käyttävät tekoälyä auttamaan ihmisiä hallitsemaan henkilökohtaista talouttaan. Esimerkiksi Digit on tekoälyllä toimiva sovellus, joka auttaa kuluttajia automaattisesti optimoimaan kulutustaan ​​ja säästöjä henkilökohtaisten tapojensa ja tavoitteidensa perusteella. Sovellus voi analysoida tekijöitä, kuten kuukausituloja, nykyistä saldoa ja kulutustottumuksia, tehdä sitten omia päätöksiä ja siirtää rahaa erilliselle säästötilille [48] . Wallet.AI, San Franciscossa sijaitseva start-up, luo agentteja, jotka analysoivat dataa, jota kuluttaja tuottaa ollessaan vuorovaikutuksessa älypuhelimien ja sosiaalisten verkostojen kanssa tiedottaakseen kuluttajalle kulumisestaan ​​[49] .

Rahoitussalkun hallinta

Automatisoituja neuvonantajia käytetään yhä laajemmin sijoitushallinnan alalla. Automatisoidut järjestelmät tarjoavat taloudellista neuvontaa ja neuvontaa rahoitussalkkujen hallinnassa minimaalisella ihmisen väliintulolla. Tämä rahoitusneuvojien luokka toimii algoritmien pohjalta , jotka on suunniteltu automaattisesti kehittämään rahoitussalkkua asiakkaiden sijoitustavoitteiden ja riskinottohalun mukaisesti. Se voi korjata reaaliaikaisia ​​muutoksia markkinoilla ja kalibroida portfolion asiakkaan toiveiden mukaan [50] .

Vakuutus

Verkkolainanantaja Upstart analysoi valtavia määriä kuluttajadataa ja käyttää koneoppimisalgoritmeja luokseen luottoriskimalleja, jotka ennustavat maksukyvyttömyyden todennäköisyyden . Heidän teknologiansa lisensoidaan pankeille, jotta ne voivat käyttää sitä prosessiensa arvioimiseen [51] .

ZestFinance on kehittänyt Zest Automated Machine Learning (ZAML) -alustan erityisesti luottovakuutusta varten . Tämä alusta käyttää koneoppimista analysoimaan kymmeniä tuhansia perinteisiä ja ei-perinteisiä muuttujia (ostotapahtumista aina siihen, kuinka asiakas täyttää lomakkeen), joita käytetään lainaalalla lainaajien arvioimiseen. Alusta on erityisen hyödyllinen luottopisteiden määrittämisessä asiakkaille, joilla on vähän luottohistoriaa, kuten milleniaaleille [52] .

Pankkitoiminta

Tekoälyn käyttö mahdollisti Sberbankin 700 miljoonan dollarin lisätulot vuonna 2019, ja määrä oli tarkoitus nostaa miljardiin dollariin vuonna 2020 [53] .

Julkinen hallinto

Lokakuun 2021 lopussa Venäjän federaation pääministeri Mihail Mishustin hyväksyi toimintasuunnitelman julkishallinnon digitaalisen muutoksen alalla vuoteen 2031 asti. Tekoäly on tunnustettu keskeiseksi teknologiaksi (yhdessä big datan ja esineiden internetin kanssa ), joka on otettava laajalti käyttöön [54] .


Tekoälyn tehokkuuden arvioimiseksi käytämme yleensä viittä mittariryhmää : nopeus, laatu, objektiivisuus, personointi ja kustannustehokkuus. Kaikilla toimialoilla, mukaan lukien julkishallinto, tekoälyn käyttöönotto johtaa yleensä näiden indikaattoreiden nousuun 5-7-kertaiseksi. Vuonna 2021 tekoälytapahtumia alettiin sisällyttää kaikkien liittovaltion toimeenpanoviranomaisten digitaalimuunnosohjelmiin .Alexander Vedyakhin , 9. marraskuuta 2021 [55]

Warfare

Tekoälyn käyttö on tärkeä suuntaus kehittyneiden taistelukenttien ja aseiden ohjausjärjestelmien luomisessa [56] .

Tekoälyn avulla on mahdollista tarjota optimaalinen ja uhkiin mukautuva valinta anturien ja aseiden yhdistelmästä, koordinoida niiden yhteistä toimintaa, havaita ja tunnistaa uhkia, arvioida vihollisen aikomuksia [56] . Tekoälyllä on merkittävä rooli lisätyn todellisuuden taktisten järjestelmien toteuttamisessa . Tekoäly mahdollistaa esimerkiksi kuvien luokittelun ja semanttisen segmentoinnin , liikkuvien kohteiden lokalisoinnin ja tunnistamisen tehokkaan kohteen määrittämisen kannalta [56] .

1. maaliskuuta 2021 tekoälyn soveltamisen turvallisuutta käsittelevä komitea ) [57] lähetti presidentille ja kongressille raportin , jossa suositettiin, että tekoälyyn perustuvien autonomisten asejärjestelmien käyttökielto maailmanlaajuisesti hylätään ( Katso myös taistelurobotti[ tarkenna ] ). Raportin mukaan tekoälyn käyttö "lyhentää päätöksentekoaikaa" tapauksissa, joissa henkilö ei pysty toimimaan tarpeeksi nopeasti. Komitea ilmaisi myös huolensa siitä, että Kiina ja Venäjä eivät todennäköisesti noudata tekoälyn käytön kieltävää sopimusta sotilasasioissa [58] .

Kiina

Yhdysvaltain puolustusministeriön mukaan Kiina on päättänyt kehittää menetelmiä tekoälyn tuomiseksi tuleviin asejärjestelmiin. Kiinan sotatieteiden akatemian tehtävänä oli toteuttaa tämä ohjelma yhdistämällä sotilas-teollisen kompleksin ja yksityisten yritysten toimet [59] .

Tiedustelupalvelut

Britannian tiedustelupalvelut taistelevat venäläisiä valeuutisia vastaan ​​tekoälyn avulla, joka tunnistaa " peikkotehtaan " toiminnan. Yhdistyneen kuningaskunnan hallituksen viestintäkeskuksen mukaan tekoäly taistelee väärennöksiä vastaan ​​tarkistamalla tiedot luotettavista lähteistä, tunnistamalla kuvien ja videoiden manipuloinnin ja estämällä epäilyttävät robotit [60] .

Raskas teollisuus

Robotit ovat yleistyneet monilla teollisuudenaloilla, ja ne ovat usein mukana töissä, joita pidetään ihmisille vaarallisina. Robotit ovat osoittautuneet tehokkaiksi töissä, joihin liittyy toistuvia, rutiinitehtäviä, jotka voivat johtaa virheisiin tai onnettomuuksiin keskittymiskyvyn heikkenemisen vuoksi. Robotteja käytetään myös laajalti töissä, joita ihmiset saattavat pitää halventavina.

Vuonna 2014 Kiinan , Japanin , Yhdysvaltojen , Korean tasavallan ja Saksan osuus maailmanlaajuisesta robottimyynnistä oli yhteensä 70 prosenttia. Autoteollisuudessa , jolla on erityisen korkea automaatioaste, Japanissa oli maailman eniten teollisuusrobotteja, 1 414 robottia 10 000 työntekijää kohti.

Lääketiede

Keinotekoisia hermoverkkoja, kuten Concept Processing -tekniikkaa Electronic Health Record -ohjelmistossa , käytetään kliinisinä päätösjärjestelminä lääketieteellisessä diagnoosissa .

Muita lääketieteen tehtäviä, joita tekoäly voisi mahdollisesti suorittaa ja joita aletaan kehittää, ovat:

  • Lääketieteellisten kuvien tietokonetulkinta. Tällaiset järjestelmät auttavat skannaamaan digitaalisia kuvia, kuten TT-skannauksia , tyypillisten esitysten ja havaittavien poikkeavuuksien, kuten mahdollisten sairauksien, korostamiseksi. Tyypillinen sovellus on kasvaimen havaitseminen.
  • Sykeanalyysi [ 61 ]
  • Watson-projekti on toinen tekoälyn käyttö tällä alueella, kysymys/vastaus-ohjelma, joka on suunniteltu auttamaan onkologeja
  • Hoitorobotit vanhuksille [62]
  • Lääkäritietojen käsittely hyödyllisemmän tiedon saamiseksi
  • Luo hoitosuunnitelmat
  • Lisääntyneen sairauksien riskin tunnistaminen
  • Apua toistuvissa tehtävissä, mukaan lukien lääkityksen hallinta
  • Neuvonnan antaminen
  • Huumeiden luominen [63]
  • Humanoidinukkejen käyttö potilaiden sijasta kliinisessä koulutuksessa [64]

Terveydenhuoltoalalla on tällä hetkellä yli 90 tekoälyyn perustuvaa startuppia [65] .

Henkilöstöjohtaminen ja rekrytointi

Toinen tekoälyn sovellus on henkilöstöhallinnossa ja rekrytoinnissa . On kolme tapaa käyttää tekoälyä henkilöresurssien hallintaan ja palkkaamiseen. Tekoälyä käytetään ansioluetteloiden tarkistamiseen ja ehdokkaiden luokitteluun heidän taitotasonsa mukaan. Tekoälyä käytetään myös ennustamaan hakijan menestystä tietyissä rooleissa työnhakualustojen avulla. Lopuksi tekoälyä käytetään chatbottien luomiseen, jotka voivat automatisoida toistuvia viestintätehtäviä.

Ansioluetteloiden tarkistusprosessiin kuuluu pääsääntöisesti tietojen analysointi ja haku ansioluettelotietokannasta. Startup -yritykset , kuten Pomato , rakentavat koneoppimisalgoritmeja automatisoidakseen ansioluettelon tarkistusprosesseja. Pomato AI -järjestelmän [66] tavoitteena on automatisoida teknisten yritysten tehtäviä hakevien teknisten hakijoiden seulonta. Pomaton tekoäly suorittaa yli 200 000 laskutoimitusta ansioluetteloa kohti sekunneissa ja suunnittelee sitten oman teknisen haastattelunsa hyödyllisten taitojen perusteella.

Vuosina 2016–2017 kulutustavarayhtiö Unilever käytti tekoälyä kaikkien lähtötason työntekijöiden kartoittamiseen. Unileverin tekoäly käytti neurotieteisiin perustuvia pelejä, tallensi haastatteluja sekä kasvojen ja puheen analyysiä ennustaakseen ehdokkaan menestystä yrityksessä. Unilever teki yhteistyötä Pymetricsin ja HireVuen kanssa luodakseen uuden tekoälypohjaisen analytiikkajärjestelmän ja kasvattaakseen hakijoiden määrää 15 000:sta 30 000:een vuoden sisällä. Unilever lyhensi myös hakemusten käsittelyaikaa 4 kuukaudesta 4 viikkoon ja säästi yli 50 000 tuntia rekrytointiaikaa.

Ansioluettelosta neurotieteeseen, puheentunnistukseen ja kasvoanalyysiin… on selvää, että tekoälyllä on valtava vaikutus henkilöstöhallinnon alalla. Yksi tekoälyn edistysaskeleista on rekrytointikeskustelujen kehittäminen. TextRecruit julkaisi Arin (automaattisen rekrytointiliittymän). Ari on rekrytointikeskustelupaketti, joka on suunniteltu kaksisuuntaiseen tekstikeskusteluun ehdokkaiden kanssa. Ari automatisoi työpaikkailmoitukset, ilmoitukset, hakijoiden seulonnan, haastatteluaikataulut ja ehdokassuhteiden kehittämisen yrityksen kanssa, kun he siirtyvät rekrytointiprosessin läpi. Ari on tällä hetkellä tarjolla osana TextRecruit-projektin osallistumisalustaa.

Musiikki

Vaikka teknologia on aina vaikuttanut musiikin kehitykseen, tekoäly on mahdollistanut tieteen edistyksen avulla jäljitellä jossain määrin ihmisen kaltaista sävellystä.

Yksi merkittävistä varhaisista ponnisteluista David Cope loi tekoälyn nimeltä Emily Howell , joka onnistui tulemaan tunnetuksi algoritmisen tietokonemusiikin alalla. Emily Howellin taustalla oleva algoritmi on rekisteröity Yhdysvaltain patentiksi [67] .

Muu kehitys, kuten AIVA , keskittyy sinfonioiden, enimmäkseen klassisten elokuvamusiikkien, säveltämiseen. Tämä kehitys saavutti mainetta, ja siitä tuli ensimmäinen virtuaalinen säveltäjä, jonka musiikin ammattiliitto on tunnustanut [68] .

Tekoälyt voivat jopa luoda lääketieteellisiin tarkoituksiin soveltuvaa musiikkia, Melomics käyttää tietokonemusiikkia stressin ja kivun lievittämiseen [69] .

Lisäksi Google Brain -tiimin johtamat aloitteet, kuten Google Magenta , haluavat nähdä, voiko tekoäly luoda vakuuttavaa taidetta.

Sonyn CSL- tutkimuslaboratoriossa heidän Flow Machines -ohjelmistonsa luo popkappaleita oppimalla musiikkityylejä valtavasta kappaletietokannasta . Analysoimalla ainutlaatuisia tyyliyhdistelmiä ja optimointitekniikoita tekoäly voi säveltää musiikkia mihin tahansa olemassa olevaan tyyliin.

Joulukuussa 2020 Venäjällä osana AI ​​Journey -konferenssia (järjestäjänä Sberbank , moderaattori Alexander Vedyakhin) venäläiset esiintyjät Zivert , Rakhim , Egor Ship ja Danya Milokhin esiintyivät yhdessä tekoälyn kanssa [70] .

Uutiset, julkaisut ja kirjoittaminen

Narrative Science tuo kaupallisesti saataville tietokoneuutisia ja -raportteja, mukaan lukien urheilutapahtumien yhteenvedon pelin tilastoihin perustuen englanniksi. Hän myös laatii talousraportteja ja kiinteistöanalyysiä. Samoin Automated Insights henkilökohtaisia ​​yhteenvetoja ja esikatseluita Yahoo Sports Fantasy Footballista. Vuoteen 2014 mennessä yrityksen odotetaan luovan miljardi tarinaa vuodessa, kun vuonna 2013 niitä oli 350 miljoonaa [71] . Johtavat mediayhtiöt, kuten Associated Press , Forbes , New York Times , Los Angeles Times ja ProPublica ovat alkaneet automatisoida uutissisältöä. Oli olemassa sellainen asia kuin automatisoitu journalismi [72] .

Echobox on ohjelmistoyritys, joka auttaa julkaisijoita lisäämään liikennettä julkaisemalla älykkäästi artikkeleita sosiaalisessa mediassa, kuten Facebookissa ja Twitterissä . Analysoimalla suuria tietomääriä tekoäly oppii, kuinka tietyt yleisöt reagoivat eri artikkeleihin eri vuorokaudenaikoina. Sitten se valitsee parhaat tarinat julkaistavaksi ja parhaan ajankohdan julkaista ne. Se käyttää sekä historiallisia että reaaliaikaisia ​​tietoja ymmärtääkseen, mikä on toiminut hyvin aiemmin ja mikä on tällä hetkellä trendissä verkossa .

Toinen yritys, nimeltään Yseop , käyttää tekoälyä muuttaakseen strukturoidun tiedon älykkäiksi luonnollisen kielen kommenteiksi ja suosituksiksi. Yseop voi kirjoittaa tilinpäätöksiä, yhteenvetoja, henkilökohtaisia ​​myynti- tai markkinointiasiakirjoja ja paljon muuta tuhansia sivuja sekunnissa ja useilla kielillä, mukaan lukien englanti , espanja , ranska ja saksa [73] .

Boomtrain on toinen esimerkki tekoälystä, jonka tarkoituksena on oppia saamaan kukin yksittäinen lukija parhaiten mukaan juuri sellaisilla artikkeleilla - jotka lähetetään oikean kanavan kautta oikeaan aikaan - jotka ovat lukijalle tärkeimpiä. Se on kuin palkkaisit henkilökohtaisen toimittajan jokaiselle yksittäiselle lukijalle etsimään heille parhaat artikkelit.

On myös mahdollista, että tekoäly kirjoittaa kirjallisia teoksia tulevaisuudessa. Vuonna 2016 japanilainen tekoäly kirjoitti novellin ja voitti melkein kirjallisuuspalkinnon [74] .

Online- ja puhelintuki

Tekoäly on toteutettu automatisoiduissa online-assistenteissa , joita voidaan pitää nettisivujen chatbotteina . Tämä voi auttaa yrityksiä vähentämään työntekijöiden palkkaamisesta ja kouluttamisesta aiheutuvia kustannuksia. Tällaisten järjestelmien taustalla oleva tekniikka on luonnollisen kielen käsittely. Pypestream käyttää automaattista asiakaspalvelua mobiilisovelluksessaan, joka on suunniteltu helpottamaan yhteydenpitoa asiakkaisiin [75] .

Tietoliikenteen ylläpito

Monet puhelinyhtiöt käyttävät heuristiikkaa työntekijöidensä hallinnassa, esimerkiksi BT Group on ottanut heuristiikkaa käyttöön aikataulusovelluksessa, joka tarjoaa työaikataulut 20 000 insinöörille .

Tekoälyjärjestelmien käyttöön asetetaan suuria toiveita 6G - matkapuhelinverkkojen hallinnassa [76] .

Viihde ja pelit

1990-luvulla tehtiin ensimmäiset yritykset valmistaa kotikäyttöön tarkoitettuja perusAI-tyyppejä koulutukseen tai virkistykseen. Tämä on edistynyt merkittävästi digitaalisen vallankumouksen myötä ja auttanut ihmisiä, erityisesti lapsia, tutustumaan erilaisiin tekoälytyyppeihin, erityisesti tamagotcheihin ja lemmikkeihin, iPod Touchiin , Internetiin ja ensimmäiseen laajalle levinneeseen robottiin, Furbyyn . Vuotta myöhemmin julkaistiin paranneltu kotirobottityyppi Aibo , robottikoira, jolla on älykkäitä ominaisuuksia ja autonomia.

Mattelin kaltaiset yritykset luovat valikoiman tekoälyllä varustettuja leluja alle kolmevuotiaille lapsille. Patentoitujen tekoälyjärjestelmien ja puheentunnistuksen avulla he voivat ymmärtää keskusteluja, tarjota älykkäitä vastauksia ja oppia nopeasti [77] .

Tekoälyä käytetään myös peliteollisuudessa, esimerkiksi videopeleissä käytetään botteja , jotka on suunniteltu toimimaan vastustajina siellä, missä ihminen ei ole tavoitettavissa tai toivottavaa. Vuonna 2018 Cornellin yliopiston tutkijat loivat parin generatiivista vastakkainasettelua ja kouluttivat heitä ampumapelissä Doom . Oppimisprosessin aikana neuroverkot määrittelivät perusperiaatteet tämän pelin tasojen rakentamiselle ja sen jälkeen pystyivät luomaan uusia tasoja ilman ihmisten apua [78] .

Kuljetus

Maantiekuljetus

Sumeat logiikkaohjaimet on kehitetty autojen automaattivaihteistoille . Esimerkiksi vuoden 2006 Audi TT , VW Touareg ja VW Caravell käyttävät DSG-vaihteistoa, joka perustuu sumeaan logiikkaan . Useissa Škoda -malleissa ( Škoda Fabia ) on tällä hetkellä myös sumeaan logiikkaan perustuva ohjain.

Nykypäivän ajoneuvoissa on nyt tekoälyyn perustuvia apuominaisuuksia, kuten itselatautuva ja kehittyneet vakionopeudensäädin . Tekoälyä käytetään liikenteenhallintasovellusten optimointiin, mikä puolestaan ​​vähentää odotusaikoja, energiankulutusta ja päästöjä jopa 25 % [79] . Tulevaisuudessa kehitetään täysin autonomisia ajoneuvoja. Tekoälyn odotetaan liikenteessä tarjoavan turvallisen, tehokkaan ja luotettavan kuljetuksen minimoiden samalla haitalliset vaikutukset ympäristölle ja yhteiskunnalle. Suurin ongelma tämän tekoälyn kehittämisessä on se, että liikennejärjestelmät ovat luonnostaan ​​monimutkaisia ​​järjestelmiä, joihin kuuluu erittäin suuri määrä komponentteja ja eri osapuolia, joilla jokaisella on erilaiset ja usein ristiriitaiset tavoitteet [80] .

Rautatieliikenne

Kesäkuussa 2019 näkötekniikalla toimivaa ohjelmisto- ja laitteistokompleksia testattiin Pohjoisen rautatien Lost-varikolla rekisteröidyssä dieselveturissa ChME3-1562 . Vaaratilanteessa (väärin sijoitettu nuoli, este tiellä, estävä liikennevalo) järjestelmä antaa ensin valo- ja äänimerkin kuljettajalle ja sitten jarruttaa [81] . PAK-PML-nimen (ohjelmisto- ja laitteistokompleksi veturinkuljettajan avuksi) saanut kompleksi käyttää tekoälyä, joka kerää tietoja jo tehdyistä matkoista ja arvioi niitä tilanteen arvioimiseen. Syyskuun 2020 alussa Lostan asemalla alkoi kahden PAK-PML:llä varustetun ChME3 :n koekäyttö. Kilometrimäärä on osa Venäjän rautateiden pilottiprojektia "Näkötekniikan käyttöönotto liikkuvan kaluston ohjaukseen ja valvontaan". Tämä projekti puolestaan ​​on tärkeä askel maailmanlaajuisessa yritysprojektissa "Digital Locomotive" [82] .

Kaupunkiliikenne

Muut sovellukset

Erilaisia ​​tekoälytyökaluja käytetään myös laajasti tietoturvassa, puheen ja tekstin tunnistuksessa, tiedon louhinnassa ja sähköpostin roskapostin suodatuksessa. Sovelluksia kehitetään myös eleiden tunnistukseen (koneiden viittomakielen ymmärtäminen), yksilölliseen äänentunnistukseen , globaaliin äänentunnistukseen (monilta ihmisiltä meluisassa huoneessa), kasvojentunnistukseen tunteiden ja ei-verbaalisten vihjeiden tulkitsemiseen. Muita sovelluksia ovat robottinavigointi, esteiden välttäminen ja esineiden tunnistus .

Tekoälyn yhdistäminen kokeelliseen dataan on nopeuttanut uudenlaisen metallilasin luomista 200-kertaiseksi. Uuden materiaalin lasimainen luonne tekee siitä vahvemman, kevyemmän ja korroosionkestävämmän kuin nykyinen teräs. Energiaministeriön SLAC National Accelerator Laboratoryn , National Institute of Standards and Technologyn ja US Northwestern Universityn tutkijoiden johtama tiimi ilmoitti kustannussäästöistä metallilasin löytämiseksi ja parantamiseksi murto-osalla ajasta ja kustannuksista. Kehitystiimin tiedottajan Apurva Mehtan mukaan [83] "pystyimme tekemään ja valitsemaan 20 000 vaihtoehtoa yhdessä vuodessa" [84] .

Helmikuussa 2021 Yhdysvallat testasi tekoälyä kaksi vastaan ​​-koirataistelussa. Uusi testausvaihe, nimeltään Scrimmage 1, suoritettiin Johns Hopkinsin yliopiston Applied Physics Laboratoryssa . Tässä ilmataistelussa kaksi tekoälyn ohjaamaa F-16 Fighting Falcon -hävittäjää toimi ryhmässä ja taisteli yhtä samaa lentokonetta vastaan. Uuden testausvaiheen aikana hermoverkkoalgoritmit eivät vain suorittaneet ohjattavia lähitaisteluja, vaan toimivat myös etäällä vihollisesta havaiten hänet tutkien avulla ja osumalla ohjuksilla etäältä [85] .

Yhteys muihin tieteisiin ja kulttuurisiin ilmiöihin

Tekoäly ja neurofysiologia , epistemologia , kognitiivinen psykologia muodostavat yleisemmän tieteen nimeltä kognitologia . Filosofialla on tärkeä rooli tekoälyssä . Tekoälyn ongelmiin liittyy läheisesti myös epistemologia, tiedon tiede filosofian puitteissa. Tätä ongelmaa käsittelevät filosofit ratkaisevat samanlaisia ​​kysymyksiä kuin tekoälyinsinöörit ovat ratkaisseet siitä, kuinka tietoa ja tietoa voidaan parhaiten edustaa ja käyttää.

Tietotekniikka ja kybernetiikka

Tietojenkäsittelytieteessä tekoälyn ongelmia tarkastellaan asiantuntijajärjestelmien ja tietokantojen suunnittelun näkökulmasta . Tietokanta ymmärretään joukkona tietoja ja päättelysääntöjä, jotka mahdollistavat loogisen päättelyn ja mielekkään tiedon käsittelyn. Yleisesti tietojenkäsittelytieteen tekoälyn ongelmien tutkimus on suunnattu älykkäiden tietojärjestelmien luomiseen, kehittämiseen ja käyttöön, ja tällaisten järjestelmien käyttäjien ja kehittäjien kouluttamiseen liittyvät kysymykset ratkaistaan ​​tietotekniikan asiantuntijoiden toimesta .

Psykologia ja kognitiotiede

Kognitiivisen mallinnuksen metodologia on suunniteltu analysoimaan ja tekemään päätöksiä huonosti määritellyissä tilanteissa. Sen ehdotti Robert Axelrod [86] .

Se perustuu asiantuntijoiden subjektiivisten näkemysten mallintamiseen tilanteesta ja sisältää: menetelmän tilanteen jäsentämiseksi: mallin asiantuntijatiedon esittämiseksi merkityn digraafin (kognitiivinen kartta) muodossa (F, W), jossa F on joukko tilannetekijöitä, W on joukko tilannetekijöiden välisiä syy-seuraussuhteita; tilanneanalyysin menetelmiä. Tällä hetkellä kognitiivisen mallinnuksen metodologia kehittyy tilanteen analysointi- ja mallintamislaitteiston parantamisen suuntaan. Tässä ehdotetaan malleja tilanteen kehityksen ennustamiseksi; menetelmiä käänteisongelmien ratkaisemiseksi.

Filosofia

Tiede "tekoälyn luomisesta" ei voinut muuta kuin herättää filosofien huomion. Ensimmäisten älykkäiden järjestelmien tultua esille peruskysymykset ihmisestä ja tiedosta sekä osittain maailmanjärjestyksestä.

Tekoälyn luomisen filosofiset ongelmat voidaan jakaa suhteellisesti kahteen ryhmään "ennen tekoälyn kehitystä ja sen jälkeen". Ensimmäinen ryhmä vastaa kysymykseen: "Mikä on tekoäly, onko se mahdollista luoda, ja jos mahdollista, miten se tehdään?" Toinen ryhmä (tekoälyn etiikka) kysyy: "Mitä seurauksia tekoälyn luomisesta on ihmiskunnalle?"

Transhumanismiliike pitää tekoälyn luomista yhtenä ihmiskunnan tärkeimmistä tehtävistä.

Tekoälyn luomiseen liittyvät ongelmat

Tekoälytutkijoilla ei ole edelleenkään hallitsevaa näkemystä älykkyyden kriteereistä, päämäärien ja ratkaistavien tehtävien systematisoinnista, ei ole edes tiukkaa tieteen määritelmää. Siitä, mitä älykkyydeksi pidetään, on erilaisia ​​näkemyksiä.

Tekoälyn filosofian kuumin keskustelu on kysymys mahdollisuudesta ajatella ihmiskäsien luomuksia. Kysymyksen "Voiko kone ajatella?", joka sai tutkijat luomaan tieteen ihmismielen mallintamisesta, esitti Alan Turing vuonna 1950. Kaksi tärkeintä näkökulmaa tähän asiaan kutsutaan hypoteesiksi vahvasta ja heikosta tekoälystä .

Termin "vahva tekoäly" otti käyttöön John Searle , ja hänen lähestymistapaansa kuvaavat hänen omat sanansa:

Lisäksi tällainen ohjelma olisi enemmän kuin pelkkä mielen malli; se tulee kirjaimellisesti olemaan itse mieli, samassa mielessä kuin ihmismieli on mieli [87] .

Samanaikaisesti on ymmärrettävä, onko "puhdas keinotekoinen" mieli ("metamind") mahdollista, ymmärtää ja ratkaisee todellisia ongelmia ja samalla vailla tunteita, jotka ovat tyypillisiä henkilölle ja ovat välttämättömiä hänelle. yksilöllistä selviytymistä. .

Sitä vastoin heikot tekoälyn kannattajat pitävät ohjelmistoja mieluummin työkaluna tiettyjen tehtävien ratkaisemiseksi, jotka eivät vaadi kaikkia ihmisen kognitiivisia kykyjä.

John Searlen China Room -ajattelukoe on argumentti, jonka mukaan Turingin testin läpäiseminen ei ole kriteeri sille, että koneella on aito ajatusprosessi . Samanlaisen kannan on Roger Penrose , joka kirjassaan The New Mind of the King väittää, että on mahdotonta saada ajatusprosessia muodollisten järjestelmien perusteella [88] .

Science -lehdessä vuonna 2018 julkaistussa artikkelissa Matthew Hutson osoittaa, että tekoälyala on tällä hetkellä replikaatiokriisissä [89] . Kriisi liittyy kirjoittajan ja hänen haastattelemiensa asiantuntijoiden mukaan alalla kehittyneeseen suljetun koodin ja datan käytäntöön.

Venäläisen neurobiologin ja filosofin Nikolai Asejevin mukaan tekoälyn luomisyrityksillä on kaikki lastikultin ominaisuudet : "Teemme aivot oljesta ja odotamme niiden ilmestymistä " [90] . Tämän kirjoittajan mukaan vahvaa tekoälyä ei koskaan luoda, vaikka algoritmit, jotka pystyvät toistamaan, tunnistamaan ja ratkaisemaan muita erityisongelmia, kehittyvät edelleen.

Etiikka

Eliezer Yudkowsky tutkii Machine Intelligence Research Institutessa (SIAI) Yhdysvalloissa globaaleja riskejä, joita tulevaisuuden yli-inhimillinen tekoäly voi aiheuttaa, jos sitä ei ohjelmoida ihmisystävälliseksi [ 91] . Vuonna 2004 SIAI loi AsimovLaws.com-sivuston keskustelemaan tekoälyn etiikasta I, Robot -elokuvassa esille otettujen ongelmien yhteydessä . Tällä sivustolla he halusivat näyttää, että Asimovin robotiikan lait eivät ole turvallisia, koska ne voivat esimerkiksi saada tekoälyn ottamaan vallan "suojellakseen" ihmisiä haitalta.

Murray Shanahan , Lontoon Imperial Collegen kognitiivisen robotiikan professori , on välittänyt useiden tekoälyasiantuntijoiden näkemykset seuraavasti [92] :

Voidaan vetää seuraava analogia: singulaarisuus ihmiskunnan historiassa tapahtuisi, jos eksponentiaalinen teknologinen kehitys johtaisi dramaattisiin muutoksiin yhteiskunnassa, jonka seurauksena ihmissuhteet, sellaisina kuin ne nykyään ymmärrämme, päättyisivät. Tunnustetut yhteiskunnalliset instituutiot - talous, hallitus, laki, valtio - eivät voineet selviytyä nykyisessä muodossaan. Jopa alkeellisimmat inhimilliset arvot - elämän loukkaamattomuus, onnen tavoittelu, valinnanvapaus - kumoutuisivat itsestään.

Uskonto

14. Dalai Lama uskoo, että ei voida väittää, että koneilla olisi tietoisuus tai kyky tietää, ja väite, että tietoisuus ilmaantuu aineellisista syistä, on mahdotonta hyväksyä buddhalaisuuden kannalta [93] .

Muut perinteiset tunnustukset kuvaavat harvoin tekoälyn ongelmia. Mutta jotkut teologit kiinnittävät siihen kuitenkin huomiota. Esimerkiksi arkkipappi Mihail Zaharov [94] esittää kristillisen maailmankuvan näkökulmasta seuraavan kysymyksen: ”Ihminen on rationaalisesti vapaa olento, jonka Jumala on luonut kuvakseen ja kaltaisekseen. Olemme tottuneet viittaamaan kaikkiin näihin määritelmiin biologisiin Homo Sapiens -lajeihin. Mutta kuinka perusteltua tämä on? [95] . Hän vastaa tähän kysymykseen näin:

Jos oletetaan, että tekoälyn alan tutkimus johtaa koskaan sellaisen keinotekoisen olennon syntymiseen, joka on älykkyydeltään ihmistä parempi ja jolla on vapaa tahto, tarkoittaako tämä, että tämä olento on henkilö? …ihminen on Jumalan luomus. Voimmeko kutsua tätä olentoa Jumalan luomukseksi? Ensi silmäyksellä se on ihmisen luomus. Mutta edes ihmistä luodessaan on tuskin kannattavaa kirjaimellisesti ymmärtää, että Jumala omin käsin loi ensimmäisen ihmisen savesta. Tämä on luultavasti allegoria, joka osoittaa Jumalan tahdosta luodun ihmisruumiin aineellisuuden. Mutta ilman Jumalan tahtoa tässä maailmassa ei tapahdu mitään. Ihminen tämän maailman kanssaluojana voi Jumalan tahdon täyttämällä luoda uusia olentoja. Sellaisia ​​ihmiskäden Jumalan tahdon mukaisesti luomia olentoja voidaan luultavasti kutsua Jumalan luomuksiksi. Loppujen lopuksi ihminen luo uusia eläin- ja kasvilajeja. Ja me pidämme kasveja ja eläimiä Jumalan luomina. Samaa voidaan sanoa ei-biologisesta keinotekoisesta olennosta.

[95]

Science fiction

Tieteiskirjallisuudessa tekoäly kuvataan useimmiten voimana, joka yrittää kaataa ihmisen vallan ( Omnius , HAL 9000 teoksessa 2001: A Space Odyssey , Supremacy , Skynet , Colossus, " The Matrix " ja replikantti " Blade Runnerissa ", tekoälyt " Hyperionissa ", Ultron tai palveleva humanoidi ( C-3PO , Data , KITT ja KARR , " Bicentennial Man "). Sen tutkijat, kuten tieteiskirjailija Isaac Asimov ja kyberneetikko Kevin Warwick , jotka tunnetaan useista koneiden ja elävien olentojen integroinnista, kiistävät hallitsemattoman tekoälyn väistämättömyyden hallita maailmaa .

Tieteiskirjailija Harry Harrisonin ja tiedemies Marvin Minskyn romaani Turing Choice [96] nostaa esiin kysymyksen ihmiskunnan menetyksestä ihmisessä, jonka aivot on istutettu tietokoneeseen , ja ihmiskunnan ilmaantumisesta tekoälykoneeseen, jonka muistiin tallentuvat tiedot. aivoista kopioitiin henkilö.

Jotkut tieteiskirjailijat , kuten Vernor Vinge , ovat myös pohtineet tekoälyn tulon seurauksia, mikä todennäköisesti saa aikaan dramaattisia muutoksia yhteiskunnassa. Tätä ajanjaksoa kutsutaan teknologiseksi singulariteettiksi .

Tekoälyn aihetta tarkastellaan eri näkökulmista Robert Heinleinin teoksissa : hypoteesi tekoälyn itsetietoisuuden syntymisestä, kun rakenne muuttuu monimutkaisemmaksi tietyn kriittisen tason jälkeen ja on vuorovaikutusta ulkomaailman ja muiden mielenkantajien kanssa ( "The Moon Is a Harsh Mistress", "Time Enough For Love", hahmot Mycroft, Dora ja Aya " Historia of the Future " -syklissä, tekoälyn kehityksen ongelmat hypoteettisen itsetietoisuuden jälkeen ja joitain sosiaalisia ja eettisiä kysymyksiä ( "Perjantai"). Ihmisten ja tekoälyn välisiä sosiopsykologisia ongelmia pohditaan myös Philip K. Dickin romaanissa Do Androids Dream of Electric Sheep? ”, joka tunnetaan myös Blade Runnerin elokuvasovituksesta .

Virtuaalitodellisuuden, tekoälyn, nanorobottien ja monien muiden tekoälyn filosofian ongelmien luominen on kuvattu ja pitkälti ennakoitu tieteiskirjailija ja filosofi Stanislav Lemin työssä. Erityisen huomionarvoinen on futurologia " The Sum of Technology " . Lisäksi Iyon the Quietin seikkailut kuvaavat toistuvasti elävien olentojen ja koneiden välistä suhdetta: ajotietokoneen mellakoita myöhempien odottamattomien tapahtumien kanssa (11. matka), robottien sopeutumista ihmisyhteiskunnassa ("Pesutragedia" alkaen "Muistoja Iyonista Hiljaisesta"), absoluuttisen järjestyksen rakentaminen planeetalle elävien asukkaiden käsittelyn kautta (24. matka), Corcoranin ja Diagorasin keksinnöt ("Memoirs of Iyon the Quiet"), robottien psykiatrinen klinikka (" Iyon the Quiet muistelmat"). Lisäksi on olemassa kokonainen tarinoiden ja novellien sykli " Cyberiad ", jossa lähes kaikki hahmot ovat robotteja, jotka ovat kaukaisia ​​ihmisistä paenneiden robottien jälkeläisiä (he kutsuvat ihmisiä kalpeiksi ja pitävät heitä myyttisinä olentoina).

Elokuvat

Lähes 1960-luvulta lähtien fantasiatarinoiden ja romaanien kirjoittamisen ohella on tehty elokuvia tekoälystä . Monet eri puolilla maailmaa tunnettujen kirjailijoiden tarinat kuvataan ja niistä tulee genren klassikoita, toisista tulee virstanpylväitä tieteiskirjallisuuden kehityksessä , esimerkiksi Blade Runner , Terminator , The Matrix , Star Wars ja niin edelleen.

Katso myös

Muistiinpanot

  1. 1 2 3 Averkin A. N., Gaaze-Rapoport M. G., Pospelov D. A. Tekoälyn selittävä sanakirja. - M.: Radio ja viestintä, 1992. - 256 s. . Haettu 26. toukokuuta 2010. Arkistoitu alkuperäisestä 5. toukokuuta 2010.
  2. 1 2 3 4 Mitä tekoäly on? Arkistoitu 18. marraskuuta 2015 Wayback Machinen FAQ:iin kirjoittanut John McCarthy , 2007
  3. Anatoli Gershman. Tekoälyn virheitä . Postnauka.ru. Haettu 6. lokakuuta 2017. Arkistoitu alkuperäisestä 6. lokakuuta 2017.
  4. M. Andrew. Tosielämä ja tekoäly // "Uutiset tekoälystä", RAII, 2000
  5. Gavrilova T. A. Khoroshevsky V. F. Älykkäiden järjestelmien tietopohjat: Oppikirja yliopistoille  (pääsemätön linkki)
  6. 1 2 G. S. Osipov. Tekoäly: tutkimuksen tila ja katse tulevaisuuteen . Käyttöpäivä: 26. toukokuuta 2010. Arkistoitu alkuperäisestä 11. syyskuuta 2010.
  7. Andreas Kaplan; Michael Haenlein (2019) Siri, Siri kädessäni, kuka on maan kaunein? Tekoälyn tulkinnoista, kuvituksista ja vaikutuksista, Business Horizons, 62(1) . Haettu 30. joulukuuta 2018. Arkistoitu alkuperäisestä 21. marraskuuta 2018.
  8. Iljasov F. N. Keinotekoinen ja luonnollinen mieli // Turkmenistanin SSR:n tiedeakatemian julkaisut, yhteiskuntatieteiden sarja. 1986. Nro 6. S. 46-54.
  9. Alan Turing, Voivatko koneet ajatella? . Haettu 22. elokuuta 2011. Arkistoitu alkuperäisestä 24. maaliskuuta 2012.
  10. S. N. Korsakovin keksinnöt . Haettu 4. marraskuuta 2013. Arkistoitu alkuperäisestä 9. maaliskuuta 2014.
  11. Mikhailov A.S. Mielen mahdollisuuksien vahvistaminen - S.N:n keksinnöt. Korsakova  // Tekoäly ja päätöksenteko. - 2016. - Nro 2 . - S. 5-15 . Arkistoitu alkuperäisestä 26. kesäkuuta 2021.
  12. Tekoäly Neuvostoliitossa . Arkistoitu alkuperäisestä 2. syyskuuta 2018. Haettu 10.9.2018.
  13. D. A. Pospelov. Informatiikan muodostuminen Venäjällä . Käyttöpäivä: 31. toukokuuta 2010. Arkistoitu alkuperäisestä 9. syyskuuta 2010.
  14. Kybernetiikan historiasta Neuvostoliitossa. Feature One arkistoitu 28. joulukuuta 2019 Wayback Machinessa , Feature Two arkistoitu 6. tammikuuta 2010 Wayback Machinessa
  15. Sanomalehti "Kommersant" nro 92, 30.5.2019, s. 1 Tekoäly lisätään hallituksen arkistokopioon 4.6.2019 Wayback Machinessa
  16. Lilit Sargsyan, Maria Efimova. Mutta hänen täytyy olla hallitsija  // Novaja Gazeta . - 2019. - Nro 59 . - S. 9 .
  17. Venäjän federaation presidentin asetus tekoälyn kehittämisestä Venäjän federaatiossa . Haettu 28. lokakuuta 2019. Arkistoitu alkuperäisestä 28. lokakuuta 2019.
  18. Hallituksen digitaalisen kehityksen toimikunnan puheenjohtajisto hyväksyi liittovaltion hankkeen "Artificial Intelligence"  // Electronic Staten asiantuntijakeskus . - 2020 - 31. elokuuta. — Käyttöönottopäivä: 05/11/2021.
  19. Aleksandr Kirjanov, Igor Korolev. Varaelinkehitysministeri Oksana Tarasenko CNewsin haastattelussa tekoälyn kehityksestä Venäjällä: Liittovaltion "Tekoäly"-projektin toteuttaminen on alkanut Venäjällä.  // Uutiset . - 2021 - 9. helmikuuta. — Käyttöönottopäivä: 05/11/2021.
  20. AI Journey pääsi kolmen parhaan maailman konferenssin joukkoon tekoälystä  // SberPress  : uutispalvelu Sber-ekosysteemistä. - 2021 - 2. joulukuuta. — Käyttöönottopäivä: 05/11/2021.
  21. Tekoälykonferenssi: Vladimir Putin osallistui tekoälyä käsittelevän Artificial Intelligence Journey (AI Journey 2020) -konferenssin pääkeskusteluun aiheesta "Tekoäly on 2000-luvun pääteknologia" videoneuvottelun välityksellä.  // Venäjän  presidentti : Venäjän federaation presidentin hallinnon verkkosivusto. - 2020 - 4. joulukuuta. — Käyttöönottopäivä: 05/11/2021.
  22. Hallitus tukee tekoälyn alan hankkeiden kehittäjiä: Työtä tehdään presidentin puolesta  // Venäjän federaation hallituksen verkkosivusto . - 2021 - 29. maaliskuuta. — Käyttöönottopäivä: 05/11/2021.
  23. Jack Copeland. Mikä on tekoäly? Arkistoitu 24. joulukuuta 2008 Wayback Machine 2000 :ssa
  24. Alan Turing, " Computing Machinery and Intelligence Arkistoitu 28. maaliskuuta 2013 Wayback Machinessa ", Mind, voi. LIX, ei. 236, lokakuu 1950, s. 433-460.
  25. MALLINTOPERUSTELU Pop-matematiikka aikuisille lapsille :: @päiväkirjat: asosiaalinen verkosto . www.diary.ru Haettu 10. syyskuuta 2018. Arkistoitu alkuperäisestä 10. syyskuuta 2018.
  26. Luonnollisen kielen käsittely :
  27. Luonnollisen kielen käsittelysovellukset sisältävät tiedonhaun (mukaan lukien: tekstianalyysi ja konekäännös ):
  28. Gorban P. A. Neuroverkkotietojen poiminta tiedoista ja tietokonepsykoanalyysistä Arkistokopio 12. joulukuuta 2009 Wayback Machinessa
  29. Koneoppiminen :
  30. Alan Turing käsitteli keskeisenä aiheena jo vuonna 1950 klassisessa artikkelissaan Computing Machinery and Intelligence . ( Turing 1950 )
  31. (pdf-skannattu kopio alkuperäisestä) Arkistoitu 26. huhtikuuta 2011 Wayback Machinessa (versio julkaistiin vuonna 1957 , An Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Part 2, s. 56-62)
  32. Robotiikka :
  33. Russell & Norvig, 2003 , s. 916–932
  34. Russell & Norvig, 2003 , s. 908–915
  35. Tekoälymusiikki . Hermoverkko on oppinut luomaan teknokappaleita // Kommersant - Nauka, 09.06.2022
  36. Kvanttitietokoneet ja tekoäly . Haettu 20. maaliskuuta 2017. Arkistoitu alkuperäisestä 20. maaliskuuta 2017.
  37. Kvanttitietokone ja tekoäly . Haettu 20. maaliskuuta 2017. Arkistoitu alkuperäisestä 20. maaliskuuta 2017.
  38. Gratiano, 2021 , luku 8...
  39. Blue Brain Project - Artificial Brain (pääsemätön linkki) . Haettu 23. elokuuta 2011. Arkistoitu alkuperäisestä 4. maaliskuuta 2016. 
  40. Mietotapainen Watson Skewers Human Opponents on Jeopardy . Haettu 17. helmikuuta 2011. Arkistoitu alkuperäisestä 22. helmikuuta 2011.
  41. 20Q.net Inc (linkki ei saatavilla) . Haettu 15. kesäkuuta 2020. Arkistoitu alkuperäisestä 30. marraskuuta 2005. 
  42. Matthew F. Dixon, Igor Halperin, Paul Bilokon. Koneoppiminen rahoituksessa: teoriasta käytäntöön . - Springer, 2021. - ISBN 9783030410674 . Arkistoitu 2. syyskuuta 2021 Wayback Machinessa
  43. Christy, Charles A. Tekoälyn vaikutus pankkitoimintaan . Los Angeles Times (17. tammikuuta 1990). Käyttöönottopäivä: 10.9.2019.
  44. Henkilökunta, Investopedia . Algorithmic Trading  (englanti) , Investopedia  (18. toukokuuta 2005). Arkistoitu alkuperäisestä 4. tammikuuta 2022. Haettu 10. marraskuuta 2017.
  45. Aljazeera: voiko tekoäly ennustaa rahoitusmarkkinoiden liikkeitä? . Arabinform-lehti . Haettu 10. maaliskuuta 2022. Arkistoitu alkuperäisestä 3. maaliskuuta 2022.
  46. Beyond Robo-Advisers: Kuinka tekoäly voisi uudelleenjohdottaa varallisuudenhoidon  , American Banker . Arkistoitu alkuperäisestä 18. tammikuuta 2019. Haettu 10. marraskuuta 2017.
  47. Gara, Antoine . Kenshon sijoittajien tekoäly sai juuri yli 500 miljoonan dollarin rahoituskierroksen Wall  Streetiltä , ​​Forbesilta . Arkistoitu alkuperäisestä 28. maaliskuuta 2019. Haettu 10. marraskuuta 2017.
  48. 5 parasta tekoälyllä toimivaa chatbot-  sovellusta . yalantis.com. Haettu 10. marraskuuta 2017. Arkistoitu alkuperäisestä 8. tammikuuta 2019.
  49. Kaushik, Preetam . Onko tekoäly henkilökohtaisen rahoituksen tie eteenpäin?  (englanniksi) , LANGATON . Arkistoitu alkuperäisestä 28. maaliskuuta 2019. Haettu 10. marraskuuta 2017.
  50. Koneoppiminen rahoituksessa – nykyiset ja tulevat sovellukset  , Emerj (  15. elokuuta 2016). Arkistoitu alkuperäisestä 15. joulukuuta 2018. Haettu 10. marraskuuta 2017.
  51. Koneoppiminen on vakuutusliikkeen tulevaisuus, mutta startupit eivät johda sitä  , Bank Innovation (  3. huhtikuuta 2017). Arkistoitu alkuperäisestä 10. marraskuuta 2017. Haettu 10. marraskuuta 2017.
  52. ZestFinance esittelee koneoppimisalustan Millennialeille ja muille kuluttajille, joilla on rajoitettu  luottohistoria . www.businesswire.com Haettu 10. marraskuuta 2017. Arkistoitu alkuperäisestä 8. helmikuuta 2019.
  53. Tekoäly auttoi Sberbankia tienaamaan 700 miljoonaa dollaria lisää vuodessa: Pankin hallituksen ensimmäinen varapuheenjohtaja Alexander Vedyakhin ennustaa tämän luvun nousevan miljardiin dollariin vuonna 2020 // TASS . - 2020 - 23.1. — Käyttöönottopäivä: 07/04/2021.
  54. Tatjana Isakova. Tekoäly yksi, kaksi otti: Miten Venäjän valtionhallinto digitalisoituu  // Kommersant . - 2021 - 12. marraskuuta. — Käyttöönottopäivä: 05/10/2022.
  55. Julia Makarova. Alexander Vedyakhin aiheesta "Transformers Race" ja hermoverkkojen tulevaisuus: Sberbankin hallituksen ensimmäinen varapuheenjohtaja Alexander Vedyakhin kertoi RBC Trendsille haastattelussa, mitä läpimurtoja tekoäly on tehnyt viime aikoina ja mistä keskustellaan suurimmassa tekoälyä ja dataa käsittelevässä konferenssissa analyysi AI Journey 2021  // RBC . - 2021 - 9. marraskuuta. — Käyttöönottopäivä: 05/10/2022.
  56. 1 2 3 Slyusar, Vadym Tekoäly tulevaisuuden ohjausverkkojen perustana. . Sotilaallisen teknisen ja devensiivisen teollisuuspolitiikan koordinointiongelmat Ukrainassa. Aseiden ja puolustustarvikkeiden kehitysnäkymät/ VII kansainvälinen tieteellinen ja käytännön konferenssi. raporttien tiivistelmät. - 8.–10.10.2019. - Kiova. - Pp. 76 - 77. - DOI: 10.13140/RG.2.2.30247.50087 (2019). Haettu 28. huhtikuuta 2020. Arkistoitu alkuperäisestä 26. kesäkuuta 2021.
  57. Komitean jäseniä ovat: Andy Jesse  - Amazon Corporationin toimitusjohtaja ; Andrew Moore ja Eric Horwitz  ovat Googlen ja Microsoftin tekoälyjohtajia ja Safra Katz  on Oraclen toimitusjohtaja . Komitean puheenjohtajana toimivat  Googlen entinen toimitusjohtaja Eric Schmidt ja  Yhdysvaltain entinen apulaispuolustusministeri Robert Wark .
  58. Bideniä kehotettiin tukemaan tekoälyaseita Kiinan ja Venäjän uhkien torjumiseksi Arkistoitu 2. maaliskuuta 2021 Wayback Machinessa , BBC, 2.03.2021
  59. Miksi Kiina voisi voittaa uuden maailmanlaajuisen asevarustelun Arkistoitu 22. joulukuuta 2021 Wayback Machinessa , BBC, 22.12.2021
  60. Tekoälyä Venäjän disinformaation torjumiseksi Arkistoitu 26. helmikuuta 2021 Wayback Machinessa , BBC, 26.2.2021
  61. Todd R. Reed, Nancy E. Reed, Peter Fritzson. Sydämen äänianalyysi oireiden havaitsemiseen ja tietokoneavusteiseen diagnoosiin  // Simulation Modeling Practice and Theory. - 2004-05-01. - T. 12 , no. 2 . - S. 129-146 . - doi : 10.1016/j.simpat.2003.11.005 . Arkistoitu alkuperäisestä 28. tammikuuta 2013.
  62. A. Yorita, N. Kubota. Kognitiivinen kehitys kumppaniroboteissa ikääntyneiden ihmisten  tietotukeen // IEEE Transactions on autonomous Mental Development. - Maaliskuu 2011. - Osa 3 , no. 1 . - S. 64-73 . — ISSN 1943-0604 . - doi : 10.1109/TAMD.2011.2105868 . Arkistoitu alkuperäisestä 9. kesäkuuta 2018.
  63. Tekoäly suunnittelee uudelleen terveydenhuollon - The Medical Futurist  , The Medical Futurist (  4. elokuuta 2016). Arkistoitu alkuperäisestä 22. tammikuuta 2019. Haettu 10. marraskuuta 2017.
  64. David D. Luxton. Tekoäly psykologisessa käytännössä: nykyiset ja tulevat sovellukset ja vaikutukset  (englanniksi)  // Professional Psychology: Research and Practice. — Voi. 45 , iss. 5 . - s. 332-339 . - doi : 10.1037/a0034559 . Arkistoitu alkuperäisestä 8. toukokuuta 2022.
  65. Virtuaalisista sairaanhoitajista huumeiden löytämiseen: 106 tekoälyn aloitusta terveydenhuollossa  , CB Insights Research (  3. helmikuuta 2017). Arkistoitu alkuperäisestä 3. tammikuuta 2018. Haettu 10. marraskuuta 2017.
  66. Etusivu  . _ Pomaatti. Haettu 10. syyskuuta 2018. Arkistoitu alkuperäisestä 10. syyskuuta 2018.
  67. Rekombinanttimusiikin sävellysalgoritmi ja menetelmä sen käyttämiseksi . Haettu 10. marraskuuta 2017. Arkistoitu alkuperäisestä 12. helmikuuta 2018.
  68. Results de recherche - La Sacem  (fr.) . repertuaari.sacem.fr. Haettu 10. marraskuuta 2017. Arkistoitu alkuperäisestä 4. lokakuuta 2018.
  69. Gloria Requena, Carlos Sánchez, José Luis Corzo-Higueras, Sirenia Reyes-Alvarado, Francisco Rivas-Ruiz. Melomics musiikkilääketiede (M3) vähentämään kivun havaitsemista lasten pistotestin aikana  (englanniksi)  // Pediatric Allergy and Immunology. – 11.11.2014. — Voi. 25 , iss. 7 . - s. 721-724 . — ISSN 1399-3038 . - doi : 10.1111/pai.12263 . Arkistoitu alkuperäisestä 11. marraskuuta 2017.
  70. Laulaja Zivert esiintyy tekoälyn kanssa  // Lenta.ru . - 2020 - 2. joulukuuta. — Käyttöönottopäivä: 05/11/2021.
  71. Smith, Mark (22. heinäkuuta 2016). "Joten mielestäsi päätit lukea tämän artikkelin?" (linkki ei saatavilla) . BBC. Haettu 27. heinäkuuta 2016. Haettu 10. marraskuuta 2017. Arkistoitu alkuperäisestä 24. elokuuta 2014. 
  72. Tow Center for Digital Journalism . Haettu 27. heinäkuuta 2020. Arkistoitu alkuperäisestä 4. elokuuta 2020.
  73. ↑ Tekoälyohjelmisto, joka kirjoittaa kuin ihminen  . Yseop. Haettu 10. marraskuuta 2017. Arkistoitu alkuperäisestä 14. marraskuuta 2017.
  74. Japanilainen tekoälyohjelma kirjoitti juuri lyhytromaanin, ja se melkein voitti kirjallisuuspalkinnon  (englanniksi) , Digital Trends  (23. maaliskuuta 2016). Arkistoitu alkuperäisestä 10. marraskuuta 2017. Haettu 10. marraskuuta 2017.
  75. O'Brien, Sarah Ashley . Onko Pypestream tulevaisuuden puhelinkeskus? , CNNMoney . Arkistoitu alkuperäisestä 18. tammikuuta 2019. Haettu 10. marraskuuta 2017.
  76. Syed Junaid Nawaz, Shree Krishna Sharma, Shurjeel Wyne, Mohammad N. Patwary, Md. Asaduzzaman. Kvanttikoneoppiminen 6G-viestintäverkkoihin: uusinta tekniikkaa ja  tulevaisuuden visio . Preprint. (huhtikuu 2019). Haettu 1. toukokuuta 2022. Arkistoitu alkuperäisestä 19. heinäkuuta 2021.
  77. Basulto, Dominic . Kuinka tekoäly siirtyy laboratoriosta lapsesi leikkihuoneeseen  , Washington Post (  15. lokakuuta 2015). Arkistoitu alkuperäisestä 7. tammikuuta 2019. Haettu 10. marraskuuta 2017.
  78. "Tekoälyn tekemät videopelikartat: Lisää DOOMia!" Arkistoitu 15. toukokuuta 2018 Wayback Machine SlashGearissa, 8. toukokuuta 2018
  79. Yhdysvallat, kansallinen tiede- ja teknologianeuvosto – teknologiakomitea. Presidentin toimeenpanovirasto. (2016). Valmistautuminen tekoälyn tulevaisuuteen.
  80. Meyer, Michael D. (tammikuu 2007). "Tekoäly kuljetustiedoissa sovelluksille" . Liikennetutkimuksen kiertokirje. . Haettu 10. marraskuuta 2017. Arkistoitu alkuperäisestä 2. lokakuuta 2018.
  81. Nikolai Poretski. Veturi näkee kaiken  // " Beep ": Sanomalehti (sähköinen versio). - Kustantaja Gudok, 2019. - 3. heinäkuuta ( nro 115 (26724) ).
  82. Nikolai Poretski. Hermoverkko valvoo turvallisuutta  // " Beep ": Sanomalehti (sähköinen versio). - Kustantaja Gudok, 2020. - 11. syyskuuta ( nro 169 (27018) ).
  83. Apoorva Mehta (@apoorva_mehta) | Twitter . twitter.com Haettu 10. syyskuuta 2018. Arkistoitu alkuperäisestä 2. toukokuuta 2019.
  84. "Tekoäly nopeuttaa metallisen lasin löytämistä" Arkistoitu 17. huhtikuuta 2018, Wayback Machine ScienceDaily, 13. huhtikuuta 2018
  85. DARPA testaa keinotekoista älykästä ilmataistelua 2v1-  simulaattoreissa . Flightglobal . Haettu 21. maaliskuuta 2021. Arkistoitu alkuperäisestä 22. maaliskuuta 2021.
  86. Axelrod R. Päätöksen rakenne: Poliittisten eliittien kognitiiviset kartat. – Princeton. University Press, 1976
  87. John Searle. Onko aivojen mieli tietokoneohjelma? Arkistoitu 8. syyskuuta 2011 Wayback Machinessa
  88. Penrose R. Kuninkaan uusi mieli. Tietokoneista, ajattelusta ja fysiikan laeista. - M. : URSS, 2005. - ISBN 5-354-00993-6 .
  89. Matthew Hutson. Missing data hider replikointi tekoälytutkimusten  (englanniksi)  // Tiede. – 15.2.2018 — ISSN 1095-9203 0036-8075, 1095-9203 . - doi : 10.1126/science.aat3298 . Arkistoitu alkuperäisestä 22. joulukuuta 2019.
  90. Nikolai Aseev. Projekti "Behemoth": maailman ja ihmiskunnan kohtalosta  . asenic.ru. Haettu 19. joulukuuta 2019. Arkistoitu alkuperäisestä 19. joulukuuta 2019.
  91. Tekoäly globaalina riskitekijänä . Haettu 30. maaliskuuta 2010. Arkistoitu alkuperäisestä 10. helmikuuta 2012.
  92. Bootle, 2022 , s. 16.
  93. Mieli ja elämä. Dialogin aloittaminen [[buddhalaisuuden]] ja [[tieteen|tieteen]] välillä. Osa 2 . Haettu 11. marraskuuta 2015. Arkistoitu alkuperäisestä 12. tammikuuta 2018.
  94. Moskovan hiippakunta - Hiippakunta tänään - Papisto ja luostarit . www.mepar.ru Haettu 10. syyskuuta 2018. Arkistoitu alkuperäisestä 10. syyskuuta 2018.
  95. 1 2 http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf  (pääsemätön linkki) Ortodoksinen näkemys tekoälyn ongelmasta
  96. Harry Harrison. Turingin valinta . - M . : Eksmo-Press, 1999. - 480 s. - ISBN 5-04-002906-3 .

Kirjallisuus

Linkit

Artikkelit ja tutkimukset Luentokurssit Tarkista artikkelit Kritiikkiä