Восстание машин

Автоматизация — явление в производстве не новое. Американские производители начали заменять людей на производственных линиях автоматическими паллетизаторами, разливочными машинами и упаковщиками в ящики еще в 1950-х годах. Роботы не появлялись на рынке до 1990-х годов. Большинство крупных производственных предприятий в США сейчас в высокой степени автоматизированы.

Но есть новая угроза, вселяющая страх в сердца трудящихся. Есть вероятность того, что искусственный интеллект будет развиваться до такой степени, что машины станут разумными и заменят людей во всех рабочих средах. Эта идея была популяризирована в таких фильмах, как «Терминатор», когда ученые создали компьютерный чип, который сделал машины сознательными и самосознательными. Основатель Tesla Илон Маск и физик Стивен Хокинг предупредили, что машины в конечном итоге начнут программировать сами себя и вызовут крах цивилизации.

Идея развития искусственного интеллекта до уровня разумных машин становится популярной. концепция в СМИ. В статье Института Брукингса говорится, что «четверть рабочих мест в США будет серьезно нарушена, поскольку искусственный интеллект ускоряет автоматизацию существующей работы». Исследование Oxford Economics Group предполагает, что «к 2030 году роботы могут занять более 20 миллионов рабочих мест на производстве по всему миру». В статье в журнале Smithsonian «Когда роботы берут на себя все наши рабочие места» говорится, что «47% всех рабочих мест в США будут автоматизированы через десять или два десятилетия».

Многие компьютерные ученые считают, что сложные системы искусственного интеллекта, использующие глубокое обучение, могут создавать сети многоуровневых алгоритмов, которые взаимодействуют друг с другом и в конечном итоге приведут к сознанию. В его книге Сингулярность близка », футурист Рэй Курцвейл предсказывает, что к 2029 году компьютеры будут такими же умными, как люди.

Если вы проанализируете все спекулятивные статьи об искусственном интеллекте за последнее десятилетие, вы можете сделать вывод, что мы находимся на грани создания робота, который самосознает и может думать так же, как человек. Создание разумного компьютера потребует моделирования возможностей человеческого мозга, и, вопреки популярным сообщениям, ни один компьютер не принял простейшего решения по собственной инициативе или проявил хоть какой-то намек на интеллект до настоящего времени.

Как компьютеры а искусственный интеллект сравнить с человеческим мозгом?

Цифровая компьютерная система — это неживая, сухая система, которая работает последовательно, а не параллельно. Он может работать на очень высоких скоростях, а его конструкция включает в себя транзисторы (переключатели включения/выключения), центральный процессор (ЦП) и какую-то операционную систему (например, окна), основанную на двоичной логике (инструкции, закодированные как 0 и 1). Вся информация должна проходить через процессор, который зависит от тактовой частоты. Цифровые компьютеры не создают оригинальной мысли. Они должны быть запрограммированы людьми.

Человеческий мозг — это живой, влажный аналог сетей, которые могут одновременно выполнять массовые параллельные процессы и действуют в соответствии с биологическими законами. Нет никакого программирования, и мозг имеет способность меняться от одного момента к другому, постоянно формируя новые синапсы. Человеческий мозг также включает области, которые мы называем подсознанием и сознанием, которые абсолютно необходимы для достижения сознания или чувствительности.

Лучшая книга, объясняющая различия между компьютером и мозгом, — это Будущее разума Мичио Каку. Он говорит: «Мозг не работает как компьютер. В отличие от цифрового компьютера, который имеет фиксированную архитектуру (ввод, вывод и процессор), нейронные сети представляют собой совокупность нейронов, которые постоянно меняют схему соединений и укрепляют себя после изучения новой задачи. В мозгу нет программирования, нет операционной системы, нет Windows, нет центрального процессор. Вместо этого его нейронные сети в значительной степени параллельны, и миллиарды нейронов активируются одновременно для достижения единственной цели: обучения. Он гораздо более продвинутый, чем любой существующий цифровой компьютер ».

Цифровые суперкомпьютеры имеют миллиарды транзисторов. Но для моделирования типичного человеческого мозга весом 3,5 фунта потребовалось бы сопоставить миллиарды взаимодействий мозга между типами клеток, нейротрансмиттерами, нейромодуляторами, аксональными ветвями и дендритными шипами. Поскольку мозг нелинейный, и поскольку он имеет гораздо больше возможностей, чем любой компьютер, он функционирует совершенно иначе, чем цифровой компьютер.

Нейроны — это реальный ключ к тому, как мозг учится, думает, воспринимает, хранит память и множество других функций. В среднем в мозгу есть не менее 100 миллиардов нейронов. Нейроны связаны с аксонами, дендритами и глиальными клетками, каждый из которых имеет тысячи синапсов, передающих сигналы через электро/химические связи. Именно синапсы наиболее сравнимы с транзисторами, потому что они выключаются или включаются. Но важно отметить, что каждый нейрон — это живая клетка и компьютер сам по себе. Нейрон обладает «мощностью обработки сигналов тысяч транзисторов». Нейроны медленнее, но сложнее, потому что они могут изменять свои синапсы и модулировать частоту своих сигналов ».

Каждый нейрон может взаимодействовать с 10 000 других нейронов. В отличие от цифровых компьютеров с фиксированной архитектурой, мозг может постоянно перепрограммировать нейроны для обучения и адаптации. Вместо программ нейронные сети учатся, делая и запоминая, и эта обширная сеть связанных нейронов дает мозгу отличное распознавание образов.

Нейробиологи знают, что чувства и эмоции необходимы для подражания человеческому мышлению, и это также может быть ключом к установлению сознания. На самом деле, похоже, что даже для того, чтобы иметь шанс быть самосознательным или сознательным, компьютер должен быть оснащен эмоциями.. Мичио Каку говорит: «Следовательно, эмоции — это не роскошь; они абсолютно необходимы, и без них роботу будет сложно определить, что важно, а что нет. Итак, эмоции, вместо того, чтобы быть второстепенными по отношению к развитию искусственного интеллекта, имеют центральное значение ».

Мозг использует эмоции как систему ценностей, помогающую определить, что является наиболее важным. Чтобы робот развивал человеческое мышление, он должен быть разработан с учетом системы ценностей и эмоций, хотя многие эмоции могут быть иррациональными.

В компьютерах доступ к информации в памяти осуществляется путем опроса ее точного адреса в памяти. Это известно как память с байтовой адресацией. Напротив, мозг использует адресуемую по содержанию память, так что к информации можно получить доступ в памяти посредством «распространения активации» из тесно связанных понятий. Например, поиск слова «девушка» в цифровом компьютере находится в памяти по байтовому адресу. С другой стороны, когда мозг ищет «девушку», он автоматически использует активацию, распространяющуюся на воспоминания, связанные с другими вариациями девушки, такими как жена, дочь, женщина и т. Д.

Еще одно большое отличие заключается в что компьютеру не хватает органов чувств, таких как глаза, уши, язык и осязание. Хотя компьютеры можно запрограммировать на зрение или обоняние, они не могут по-настоящему «почувствовать» или ощутить сущность чувств. Например, пишет Каку, компьютер может иметь датчик зрения, но человеческий глаз «может мгновенно распознавать цвет, движение, формы, интенсивность света и тени. Компьютер не может ни слышать, ни обонять, как мозг, не говоря уже о том, чтобы решить, нравится ли ему чувство. Пять чувств дают мозгу огромное понимание окружающей среды ».

Он добавляет:« Чтобы каталогизировать здравый смысл 4-летнего ребенка, потребуются сотни миллионов строк компьютерного кода ». Без височной доли робот не мог говорить. Без лимбической системы у робота не было бы никаких эмоций ».

Бессознательное мышление — великий резервуар нашего опыта. Это не похоже на жесткий диск компьютера, потому что он записывает все, что мы обоняли, трогали, пробовали или слышали, включая восприятия, воспоминания, чувства, размышления, мысли, надежды с рождения. Это также вместилище наших эмоций и подавленных воспоминаний. Нет ни одного места, где хранится эта информация; он хранится по всему мозгу от префронтальной коры до таламуса и многих других частей мозга. Бессознательный разум не рассуждает и не думает; он просто хранит всю информацию, необходимую сознательному разуму для мыслительного процесса.

Все процессы сознательного мышления начинаются в подсознании и находятся за пределами человеческого осознания. Сознание — это целостное явление, происходящее одновременно во всем мозге. Мозг запрашивает информацию, доступную для содержания. Это могут быть чувства, переживания, воспоминания или факты, которые мозг рассматривает как связанные с проблемой.. До сих пор неизвестно, как мозг может получить доступ к нужным нейронам, чтобы собрать соответствующую информацию для сознательного мышления.

Для решения проблемы или поиска и ответа цифровой компьютер обрабатывает информацию из памяти с помощью ЦП, а затем записывает результаты этой обработки обратно в память.

Самым важным моментом при сравнении мозга с компьютером является то, что в компьютере все ответы запрограммированы. В живом мозгу ответы создаются.

По мере того, как нейроны обрабатывают информацию, они также изменяют свои синапсы. В результате извлечение из памяти всегда немного изменяет эти воспоминания. В отличие от цифрового компьютера, в мозгу обработка и память выполняются одними и теми же компонентами.

Самосознание

Единственная известная нам модель, которая превратилась в самосознание и сознание, — это человеческий мозг. За миллионы лет человеческий мозг увеличивался в размерах и усложнялся, пока в нем не развились сознательное мышление и самосознание. Автор предполагает, что для создания искусственного интеллекта, обладающего самосознанием, потребуется разработать компьютер, обладающий большинством функций и возможностей человеческого мозга.

Теоретики искусственного интеллекта, похоже, рассчитывают на тот факт, что в какой-то момент в следующие 20 лет будет изобретен микропроцессор, который достигнет «точки сингулярности», где он станет сознательным и самосознающим. В этой статье показано, что для развития мозга до состояния самоосознания требуется развитие бессознательного, использование эмоций, наличие модулированных нейронов и адресуемой памяти, а также сочетание обработки с памятью.

Все эти статьи тот проект, что самоосознающие роботы с интеллектом, который может сравниться с мозгом, мало доказывает. Реальность такова, что продвижение искусственного интеллекта к сознанию было мрачным. Все, что делают компьютеры, по-прежнему программируется людьми. На самом деле в этом столетии не произойдет разработки самосознательного компьютера, и, вероятно, он вообще не будет основан на цифровой архитектуре.

Майк Коллинз, президент MPC Management, является автором книги Рост неравенства и упадок среднего класса . У него более сорока лет опыта в производстве.


Дата: вторник, 23 февраля 2021 г.
Время:
14:00 EST (GMT -5, Нью-Йорк)
Продолжительность:
1 час
Тип мероприятия:
Вебинар в реальном времени
Стоимость: бесплатно

Зарегистрируйтесь сегодня!

Описание

Производители сталкиваются со сложными проблемами производства и цепочки поставок, особенно после COVID-19. Когда ведущие производители используют инструменты, которые объединяют операции и информационные технологии, они достигают инноваций, которые превращают эти проблемы в отличительные особенности, обеспечивающие истинные конкурентные преимущества..

Как все производители могут этого добиться? Приходите посмотреть, как вы можете сделать первый шаг, используя партнерские отношения, которые поддерживают бесшовную интеграцию строительных блоков для Industry 4.NOW, включая 5G/Multi-Access Edge, а также приложения для сценариев использования «в реальном времени» в бизнес-процессах и сетях .

В веб-трансляции выступят представители SAP, Verizon и Hitachi, которые обсудят основные тенденции, проблемы и возможности для производителей. Они также рассмотрят и продемонстрируют, как совместные решения SAP/Verizon 5G Edge (на базе Hitachi) расширяют портфель SAP Digital Supply Chain с помощью 5G и периферийных возможностей в реальном времени. Их инфраструктура Индустрии 4.0 обеспечивает следующие преимущества:

  • Повышение производительности
  • Более быстрый доступ к данным
  • Повышенная эффективность
  • Согласование облачных и мобильных устройств
  • Расширение Интернета вещей
  • Ускорение трансформации.

Спикеры будут выделите истории успеха и поделитесь краткой демонстрацией 5G/Multi-Access Edge с примерами использования.

Вы также узнаете больше о том, как Verizon, SAP и Hitachi могут:

  • Обеспечивать мониторинг почти в реальном времени и мгновенное управление машинами и процессы с использованием 5G, граничных вычислений с множественным доступом (MEC) и компьютерного зрения.
  • Интеграция периферийных источников данных для обеспечения мгновенной периферийной аналитики и анализа.
  • Сбор данных в режиме реального времени для мгновенного прогнозирования проблем, ненормальных операций и прогнозируемых результатов, влияющих на качество производства и операций по техническому обслуживанию.

Register

Динамики

Арлин Коши, директор по стратегии и инновациям выхода на рынок, Verizon Business Group, Verizon
Арлин Коши возглавляет партнерскую GTM для Verizon Business Group , с ответственностью за стимулирование совместных инноваций партнеров, которые откроют новую эру трансформации бизнеса. Эти решения, отвечающие за выполнение от идеи до развертывания решения, используют сервисы Verizon и цифровые технологии, включая профессиональные услуги, управляемые сервисы, бизнес-коммуникации, сервисы безопасности, IoT, 5G и пограничные вычисления. Арлин — ориентированный на результат руководитель с более чем 30-летним опытом работы в сфере продаж и маркетинга. Ее предыдущий опыт работы включает несколько технологических компаний, где она занимала должности в сфере продаж, управления продуктами и инжиниринга. За 9 лет работы в Oracle Арлин отвечала за доходы от партнерских отношений с помощью глобальных стратегий выхода на рынок. На должностях управления продуктами и маркетинга в Novell и TWA она отвечала за запуск более 25 новых продуктов от концепции до рынка. В Kana and Wall Data она занимала руководящие должности в области стратегических продаж. Арлин также помогла запустить несколько стартапов, включая BrightStar (который стал публичным), Wheelhouse, стартап, поддерживаемый Кляйнером Перкинсом, и Boomer Fitness, фитнес-компанию на основе SaaS, где она была основательницей.. Арлин имеет степень бакалавра компьютерных наук со специализацией в области финансов в Университете штата Канзас.

Джек Роман, глобальный вице-президент по производству, Hitachi
У Джека почти 30-летний опыт управления производством и консультирования. Его образование включает в себя степень бакалавра машиностроения в Университете Лихай, степень магистра делового администрирования в Школе бизнеса Мейсона в Колледже Уильяма и Мэри, а также он посещал программу повышения квалификации руководителей в школе Уортон Университета Пенсильвании. Он работал инженером и руководителем производства в Corning Glass, консультантом PriceWaterhouse и консультантом Hitachi. У Джека более 25 лет опыта внедрения SAP в качестве консультанта по производственному планированию, руководителя проекта и руководителя. Его опыт работы с SAP включает внедрение решений для десятков производственных компаний, как крупных международных, так и средних производителей. Джек проработал в Hitachi 20 лет и в настоящее время является вице-президентом подразделения SAP, отвечающим за производственную практику Hitachi в области SAP.

Расти Болдуин, менеджер по глобальным решениям для SAP Manufacturing Suite (ME) и Digital Manufacturing Cloud for Execution, SAP
Расти присоединился к SAP в 2008 году путем приобретения Visiprise и в настоящее время является менеджером по глобальным решениям для SAP Manufacturing Suite (ME) и Digital Manufacturing Cloud for Execution, уделяя основное внимание внедрению стандартов Industry 4.0, ISA95 и ISA88 с использованием SAP Manufacturing Suite. Расти более 28 лет проработал в производственном секторе и в качестве главного специалиста по внедрению MES в SAP успешно реализовал более 30 проектов для клиентов. Расти обладает обширными знаниями о клиентских приложениях по всему миру во всех производственных отраслях и типах производственных процессов. Его основное внимание уделяется внедрению стандартов Industry 4.0, ISA95 и ISA88 посредством использования SAP Manufacturing Suite.

Технические Подробности

Этот веб-семинар будет проводиться в формате слайдов и аудио. После завершения регистрации вы получите электронное письмо с подтверждением участия в веб-семинаре.
Тест системы (открывается в новом окне)
Свяжитесь с нами



Понимание четырех типов ИИ, от реактивных роботов до самосознательных существ

Общие, и, повторяю, последние достижения в исследованиях искусственного интеллекта сводятся к тому, что разумные и интеллектуальные машины уже не за горами. Машины понимают словесные команды, различают картинки, водят машины и играют в игры лучше, чем мы.. Сколько еще может пройти, прежде чем они пойдут среди нас?

В новом отчете Белого дома об искусственном интеллекте содержится достаточно скептический взгляд на эту мечту. В нем говорится, что в ближайшие 20 лет машины, скорее всего, не будут «демонстрировать широко применимый интеллект, сопоставимый с человеческим или превосходящий его», хотя в нем говорится, что в ближайшие годы «машины достигнут и превзойдут человеческие возможности в большем количестве. и другие задачи ». Но в его предположениях о том, как эти возможности будут развиваться, упущены некоторые важные моменты.

Как исследователь искусственного интеллекта, я признаю, что было приятно, когда моя собственная область была выделена на самом высоком уровне американского правительства, но Отчет был посвящен почти исключительно тому, что я называю «скучным искусственным интеллектом». Он на полпредложения отклонил мою ветвь исследований ИИ о том, как эволюция может помочь в разработке постоянно улучшающихся систем ИИ и как вычислительные модели могут помочь нам понять, как эволюционировал наш человеческий интеллект.

В отчете основное внимание уделяется о том, что можно назвать основными инструментами искусственного интеллекта: машинным обучением и глубоким обучением. Это те технологии, которые смогли сыграть в «Jeopardy!» ну и обыграть мастеров го в самой сложной игре, которую когда-либо изобретали. Эти современные интеллектуальные системы способны обрабатывать огромные объемы данных и очень быстро выполнять сложные вычисления. Но им не хватает элемента, который будет ключом к созданию разумных машин, которые, как мы представляем, будут иметь в будущем.

Нам нужно больше, чем просто научить машины учиться. Нам нужно преодолеть границы, которые определяют четыре различных типа искусственного интеллекта, барьеры, которые отделяют машины от нас — и нас от них.

ИИ типа I: реактивные машины

Самые основные типы систем ИИ являются чисто реактивными и не способны ни формировать воспоминания, ни использовать прошлый опыт для информирования текущих решений. Deep Blue, суперкомпьютер IBM для игры в шахматы, который победил международного гроссмейстера Гарри Каспарова в конце 1990-х, является прекрасным примером такого типа машин.

Deep Blue может определять фигуры на шахматной доске и знать, как они ходят. Он может предсказывать, какие ходы могут быть следующими для него и его противника. И он может выбирать наиболее оптимальные ходы из числа возможных.

Но он не имеет никакого представления о прошлом или воспоминаний о том, что произошло раньше. За исключением редко используемого специфического для шахмат правила, запрещающего повторять один и тот же ход три раза, Deep Blue игнорирует все, что было до настоящего момента. Все, что он делает, — это смотрит на фигуры на шахматной доске в том виде, в каком она стоит прямо сейчас, и выбирает из возможных следующих ходов.

Этот тип интеллекта предполагает, что компьютер напрямую воспринимает мир и действует в соответствии с ним. видит. Он не полагается на внутреннюю концепцию мира. В основополагающей статье исследователь искусственного интеллекта Родни Брукс утверждал, что мы должны создавать только такие машины.. Его основная причина заключалась в том, что люди не очень хорошо умеют программировать точные моделируемые миры для использования компьютерами, что в науке об искусственном интеллекте называется «представлением» мира.

Современные интеллектуальные машины, которым мы восхищаемся. либо не имеют такого представления о мире, либо имеют очень ограниченное и специализированное представление для своих конкретных обязанностей. Инновация в дизайне Deep Blue заключалась не в расширении диапазона возможных фильмов, рассматриваемых компьютером. Скорее, разработчики нашли способ сузить круг своих взглядов и перестать предпринимать какие-то потенциальные шаги в будущем, исходя из того, как они оценивали их результат. Без этой способности Deep Blue должен был бы стать еще более мощным компьютером, чтобы на самом деле победить Каспарова.

Точно так же AlphaGo от Google, победившая ведущих специалистов по го, не может оценить все возможное будущее тоже движется. Его метод анализа более сложен, чем метод Deep Blue, с использованием нейронной сети для оценки развития игры.

Эти методы действительно улучшают способность систем ИИ лучше играть в определенные игры, но их нелегко изменить или применить в других ситуациях. Эти компьютеризированные представления не имеют представления о более широком мире — это означает, что они не могут функционировать за пределами конкретных задач, которые им возложены, и их легко обмануть.

Они не могут интерактивно участвовать в жизни мира, как мы однажды могли бы представить себе системы искусственного интеллекта. Вместо этого эти машины будут вести себя точно так же каждый раз, когда они сталкиваются с одной и той же ситуацией. Это может быть очень хорошо для обеспечения надежности системы ИИ: вы хотите, чтобы ваш автономный автомобиль был надежным водителем. Но это плохо, если мы хотим, чтобы машины действительно взаимодействовали с миром и реагировали на него. Эти простейшие системы ИИ никогда не будут скучными, интересными или грустными.

ИИ типа II: ограниченная память

Этот класс типа II содержит машины, в которые можно заглянуть. прошлое. Беспилотные автомобили уже делают кое-что из этого. Например, они наблюдают за скоростью и направлением других автомобилей. Это невозможно сделать за один раз, а скорее требует идентификации конкретных объектов и наблюдения за ними с течением времени.

Эти наблюдения добавляются к запрограммированным представлениям мира беспилотных автомобилей, которые также включают разметку полос, светофоры и другие важные элементы, такие как повороты дороги. Они включаются, когда машина решает, когда перестроиться, чтобы не сбить другого водителя или не быть сбитым ближайшей машиной.

Но эти простые сведения о прошлом временны. Они не сохраняются как часть автомобильной библиотеки опыта, на которой он может учиться, как водители-люди собирают опыт за рулем в течение многих лет.

Итак, как мы можем создать системы ИИ, которые строят полные представления , вспомнить свой опыт и научиться справляться с новыми ситуациями? Брукс был прав в том, что это сделать очень сложно.. Мои собственные исследования методов, вдохновленных дарвиновской эволюцией, могут начать компенсировать человеческие недостатки, позволив машинам строить свои собственные представления.

ИИ типа III: теория разума

Мы могли бы остановиться на этом и назвать этот момент важным разделением между машинами, которые у нас есть, и машинами, которые мы построим в будущем. Однако лучше быть более конкретным, чтобы обсудить типы представлений, которые машины должны формировать, и для чего они должны быть.

Машины следующего, более продвинутого класса, не только формируют представления о мире, но также и о других агентах или объектах в мире. В психологии это называется «теорией разума» — понимание того, что люди, существа и объекты в мире могут иметь мысли и эмоции, влияющие на их собственное поведение.

Это очень важно для того, как мы, люди. сформировали общества, потому что они позволили нам иметь социальные взаимодействия. Без понимания мотивов и намерений друг друга и без учета того, что кто-то знает обо мне или об окружающей среде, работать вместе в лучшем случае сложно, а в худшем — невозможно.

Если системы ИИ действительно когда-нибудь будут ходить среди нас, они должны будут понимать, что у каждого из нас есть мысли, чувства и ожидания относительно того, как с нами будут обращаться. И им придется соответствующим образом скорректировать свое поведение.

ИИ типа IV: самосознание

Последний этап разработки ИИ — создание систем, способных формировать представления. о себе. В конечном итоге нам, исследователям ИИ, придется не только понимать сознание, но и создавать машины, в которых оно есть.

Это, в некотором смысле, расширение «теории разума», которым обладает искусственный интеллект III типа. Сознание также неспроста называют «самосознанием». («Я хочу этот предмет» — это совсем другое утверждение, чем «Я знаю, что хочу этот предмет».) Сознательные существа осознают себя, знают о своих внутренних состояниях и способны предсказывать чувства других. Мы предполагаем, что кто-то, гудящий позади нас в пробке, рассержен или нетерпелив, потому что именно так мы чувствуем, когда гудим другим. Без теории разума мы не смогли бы делать такого рода выводы.

Хотя мы, вероятно, далеки от создания машин, обладающих самосознанием, мы должны сосредоточить наши усилия на понимании памяти, обучения и способность принимать решения на основе прошлого опыта. Это важный шаг для самостоятельного понимания человеческого интеллекта. И это очень важно, если мы хотим спроектировать или развить машины, которые более чем исключительны в классификации того, что они видят перед собой.

Оцените статью
logicle.ru
Добавить комментарий