الذكاء الاصطناعي قوي وليس جدا

من 4 إلى 7 أبريل ، عقد مؤتمر نظمته NVIDIA ، مخصص للحوسبة المتوازية والذكاء الاصطناعي ، في سان خوسيه. بعد ذلك ، أود أن أشارك أفكاري حول حالة وآفاق التطورات في مجال الذكاء الاصطناعي ، المستوحاة من هذا الحدث.

يمكن تقسيم التفكير في الذكاء الاصطناعي إلى نوعين. النوع الأول هو الحديث عما سيحدث عندما تظهر أجهزة الكمبيوتر والتفكير وما سيكون مصير الأنواع البشرية. يستكشف الخيارات الممكنة لعلاقة الإنسان وآلة التفكير. تتم مناقشة مواضيع الخلود المتعلقة باحتمال نقل الوعي البشري إلى غلاف الكمبيوتر. ربما يتم طرح السؤال الرئيسي - إذا كان الشخص يخلق عقلًا أعلى بكثير من عقله ، فمن سيكون بهذا العقل؟ سيد ، عبد ، فرع تطور مسدود أم مشارك في التكافل؟
النوع الثاني هو مناقشة الطرق ، التي ، من الناحية النظرية ، يجب أن تؤدي إلى خلق ذكاء اصطناعي كامل والأساليب التي تساعد الآن بالفعل على حل المشاكل الفكرية المعقدة.

يمر مستجمع المياه الرئيسي من خلال "معيار العقلانية" للآلات. وهذا ما يسمى بتقسيم الذكاء الاصطناعي إلى قوي وضعيف. ضعف الذكاء الاصطناعي يعني قدرة أجهزة الكمبيوتر على حل مشاكل المعلومات ، على سبيل المثال ، لتحديد ما يظهر في الصورة أو لترجمة صوت الصوت إلى النص المقابل. يشير الذكاء الاصطناعي القوي إلى أن الكمبيوتر لا يعمل فقط على المعلومات ، ولكنه يفهم إلى حد ما أو معناه. على سبيل المثال ، إذا قام مترجم الكمبيوتر من لغة إلى أخرى باستبدال كلمة واحدة بكلمة أخرى وفقًا لقواعد لم يتم تحديدها مسبقًا ، فإن هذا عبارة عن ذكاء اصطناعي ضعيف ، ولكن إذا كان يأتي من فهم معنى العبارات ، فهو أقرب بالفعل إلى القوة.

معيار الذكاء الاصطناعي القوي هو اختبار تورينج الشهير. إذا كنت لا تستطيع ، أثناء التواصل مع جهاز كمبيوتر من خلال قناة اتصال مجهولة ، أن تفهم من هو على الطرف الآخر من الخط ، أو شخص أو آلة ، فيمكننا أن نفترض أن مثل هذا المحاور يفكر حقًا. جوهر هذا الاختبار هو أن عدد الذين لا يتذكرون الإجابات التي يقدمها الناس على أسئلة معينة وكم منهم لا يتراكم العبارات ذات الصلة في لحظات معينة ، سيكون هناك دائمًا موقف يكون فيه الجواب "الميكانيكي" مستحيلاً.

أحد الأمثلة الحديثة على "الفشل في اجتياز الاختبار" هو برنامج دردشة من Microsoft Tay. يمكنك الدردشة معه عبر تويتر أو رسل Kik و GroupMe. بعد يوم من التواصل مع المستخدمين ، أصبح روبوت الدردشة عدوانيًا ، وبدأ في مدح هتلر وتوبيخ اليهود.



ليس سبب هذا السلوك على الإطلاق أن الأشخاص الذين تحدثوا إليه "فتحوا عينيه على الحياة". السبب - حتى الآن سوف يقترب عدم قدرة الآلات من فهم معنى العبارات. عندما يتذكر برنامج الدردشة شيئًا مشابهًا للمحادثة الحالية ، يمكنه استخدام العبارات التي قالها الناس في مثل هذه المواقف ، على أمل الحصول على شيء معقول. أو قد يحاول الروبوت تحديد موضوع المحادثة ، على سبيل المثال ، من خلال مقدار الكلمات والكلمات التي يستخدمها المحاور في تقديم المشورة لموضوع أو آخر. بعد تحديد موضوع المحادثة ، قد يحاول تحديد عبارات من محادثات بموضوع مشابه أو استخدام المعرفة في هذا المجال المضمنة فيه أو المستقاة من الإنترنت. تسمح لك هذه الاستراتيجية بإنشاء مظهر محادثة معقولة ، ولكن الرؤية فقط. على الرغم من أن هذا ربما ليس سيئا. في بعض الأحيان في شركة ما بعد المرة الخامسة أو السادسة ،عندما لا يكون من الضروري على الإطلاق التواصل للاستماع بعناية إلى الشخص الذي تتحدث إليه ، وإذا تم استبدال شخص ما في الوقت الحالي ببرنامج الدردشة الآلي ، فربما لن يتم ملاحظة ذلك على الفور.

أفضل بكثير من التحدث عن موضوع مجاني ، يمكن لأجهزة الكمبيوتر فهم الأوامر والاستعلامات الرسمية. إذا كانت الآلة تتوقع معالجة محددة للغاية ، فإن المهمة مبسطة إلى حد كبير. وفقًا لهذا المبدأ ، يعمل كل من Siri و Ok ، Google بنجاح.

كان هناك الكثير من النشاط في المؤتمر المخصص للحاسوب العملاق IBM Watson. تتمثل فكرة Watson الرئيسية في فهم المحادثة بلغة طبيعية ، وترجمتها إلى وصف مناسب للكمبيوتر ، واستخدام قواعد المعرفة في مختلف المجالات للعثور على إجابات مناسبة.



في فبراير 2011 ، فاز واتسون في برنامج Jeopardy التلفزيوني! (النظير الروسي هو "لعبتي"). علاوة على ذلك ، لم يفز فقط على المنافسين ، بل صاحب الرقمين القياسيين ، براد روتر - صاحب أكبر فوز في البرنامج ، وكين جينينغز - حامل الرقم القياسي طوال سلسلة الفوز. حصل الكمبيوتر على جائزة قدرها مليون دولار. مازالت NVIDIA مزحة حول الفوز بأنهم لا يعرفون ما سيفعله الكمبيوتر بالمليون ، ولكن من وجهة نظر طريقة التدريب التعزيز ، يجب القول أن هذا تعزيز جيد. لوحظ بشكل خاص أن واتسون كان على قدم المساواة مع اللاعبين بمعنى أنه غير متصل بالإنترنت. في ذكرى واتسون ، تم تحميل "الإنترنت بالكامل" مقدمًا ، على الأقل جزء كبير من حجم 4 تيرابايت. بالنسبة للبيانات المنظمة ، هذا كثير جدًا ، يكفي أن تأخذ في الاعتبار أن ويكيبيديا بأكملها تأخذ 17 غيغابايت.



كان أهم شيء في اللعبة هو طرح الأسئلة دون أي تبسيط وإيضاحات إضافية. وهذا يعني أن الكمبيوتر كان قادرًا بالفعل في بعض الحالات على تحديد ما هو مطلوب منه بشكل صحيح والعثور عليه في قاعدة معارفه. ولكن هل فهم واتسون حقًا جوهر الأسئلة المطروحة؟ لا ، لم أفهم ، على الأقل ليس بالطريقة التي يفهمها الناس. ما هو جوهر القتال؟ لقد فهم الناس كل سؤال تم طرحه ، لكنهم لم يجدوا دائمًا الإجابة في ذاكرتهم. لم يفهم الكمبيوتر معنى الأسئلة ، ولكن باستخدام الخوارزميات ، ترجمها إلى نموذج بحث معين ، حيث وجد تطابقًا دقيقًا إلى حد ما في ذاكرته المنظمة. أظهر فوز واتسون أن الخوارزمية بالإضافة إلى الذاكرة الجيدة يمكن أن تعطي نسبة أكبر من الإجابات الصحيحة من الفهم وضعف الذاكرة.إذا تم منح الأشخاص إمكانية الوصول إلى الإنترنت ولم يحددوا إطارًا زمنيًا ضيقًا ، فستكون نتيجة اللعبة مختلفة.

لا يمكن حتى أن يُنسب IBM Watson إلى ذكاء اصطناعي قوي ، ولكن هذا لا ينتقص من مزاياها. المشكلة الرئيسية المرتبطة بفهم اللغة الطبيعية هي تعدد التفسيرات التي قد تحدث في نفس الكلمة اعتمادًا على سياق العبارة. ولكن إذا ذهبت المحادثة إلى منطقة أكثر خصوصية ، فقد اتضح أن العديد من المجالات تحدد التفسيرات الممكنة الوحيدة تقريبًا. وعند هذه النقطة ، يزداد نجاح الكمبيوتر بشكل ملحوظ. إدراكًا لذلك ، ركز مطورو Watson على الموضوعات الفردية. على سبيل المثال ، ربما يكون أكبر اختراق للكمبيوتر العملاق من IBM يتعلق بالتشخيصات الطبية. يتم إجراء محادثة حول موضوع طبي بلغة طبيعية إلى Watson بسهولة تامة ، نظرًا لأن كل ما يقال يُفسر حصريًا بالمعنى الطبي. مع قاعدة بيانات ضخمة من السجلات الطبية ،من دورات التشخيص والعلاج ، كان الكمبيوتر قادرًا على إظهار نفسه على مستوى الأطباء الجيدين ، وفي بعض المناطق ، على سبيل المثال ، في علم الأورام ، على مستوى ممتاز. هذا لا يعني أنه يجب الآن تجاهل الأطباء الأحياء ، بل يجب فهمه حتى يحصل الأطباء على فرصة ثمينة للتحقق من نتائجهم أو الحصول على أفكار إضافية من خلال التشاور مع واتسون. سأحضر الدراجة إلى الموضوع.

موسكو منتصف الثمانينيات.
مؤتمر طبي حول استخدام الحاسبات في الطب. اتفق جميع المشاركين على أن أجهزة الكمبيوتر ستحل قريبًا محل الأطباء ... سيقومون بالتشخيص ، وسيتخذ الناس إجراءات إجرائية فقط.
وفي نهاية المؤتمر ، أعرب طبيب مسن للغاية عن رغبته في التحدث ، علاوة على ذلك ، أكاديمي وممارس. للتصفيق بصوت عالٍ ، بالكاد ذهب إلى المنصة ... عناصر الحزب الحاضرة في الحدث اعتبرت أن دعم مثل هذا الابتكار من قبل طبيب محترم سيكون علامة جيدة ... خرج وقال: "في أوائل العشرينات ، تم إحضار زوجة مهمة جدًا إلى أستاذي للفحص مفوض الشعب للحزب. كانت هذه حالة صعبة للغاية ، ولم يتمكن ثمانية أطباء سابقين من تشخيص المريض. نظرة واحدة على هذه المرأة كانت كافية لمعلمي ؛ أمر على الفور بتحليل رد فعل واسرمان. لذا أخبرني ، زملائي الأعزاء ، ما هو نوع الكمبيوتر الذي يمكنه تشخيص مرض الزهري على الفور في نوع واحد فقط من المرضى *؟

العودة إلى واتسون. لقد اتخذت شركة IBM مسار الخلقواجهة برمجة تطبيقات مفتوحة حيث يمكن لأي شخص استخدام معرفة واتسون ولغته الطبيعية للاندماج في أعمالهم. تحاول IBM إنشاء العديد من الخدمات المعرفية مثل التعرف على الكلام والصورة ، خدمة تصنيف الاستعلام بلغة طبيعية ، الترجمة إلى لغة أخرى ، تحديد اللون العاطفي للكلام والنصوص ، إلخ. في المستقبل ، يرون أن العديد من الشركات ستكون قادرة على نقل معظم دعم العملاء الصوتي إلى تقنية Watson ، وهذا يوفر وفورات هائلة. باختصار ، يمكن ترك العديد من الهنود من مراكز الاتصال بدون عمل.

فكرة أن الذكاء الاصطناعي يبدأ في العمل بشكل أفضل عندما يكون من الممكن الانتقال إلى مهمة خاصة تضيق مساحة التفسير لا تنطبق فقط على تحليل اللغة الطبيعية ، ولكن أيضًا ، على سبيل المثال ، على تحليل الصور. من حيث المبدأ ، هذا هو الأساس لبناء نظام التحكم في السيارة بدون سائق. عندما يظهر نظام الرؤية الاصطناعية صورة ، ويحدد ما هو موجود في هذه الصورة ، ثم يحدث التحديد مع بعض الاحتمال. وعن كلب بغطاء رأس النمر ، يمكن للنظام أن يقول أنه نمر. كل شيء أسهل على الطريق ، عدد الأشياء التي يمكن تلبيتها ليس كبيرًا ، وبالتالي فإن الاختيار والتفسيرات محدودة للغاية: المشاة ، السيارة ، الحافلة ، علامة الطريق ، العلامات ، ولكن ليس نمرًا ، وليس حوتًا ، وليس كعكة زفاف.

يستخدم التحكم في المركبات بدون طيار العديد من التقنيات ، فيما يلي بعض منها:

• التعرف على الأنماط ، فهي مسؤولة عن التعرف على الأشياء المختلفة على الطريق ؛
• معالجة سلسلة من الصور مع إزاحة ، يسمح لك بتحديد كائنات فردية على خلفية الآخرين ؛
• تتيح لك معالجة الصور المجسمة إنشاء خريطة للعمق والمسافة ؛
• استخدام lidar يكمل بناء خريطة المسافة أو يسمح لك ببنائها من الصفر ، على سبيل المثال ، في الظلام الدامس. ذات يوم تميزت فورد بنفسها .
• التدريب المعزز ، يوفر التدريب على أنظمة القيادة والقيادة.

في قاعة المؤتمر كانت هناك ثلاث مركبات بدون طيار من أودي ، فولفو وبي ام دبليو. كلهم ، وليس فقط ، لديهم تحكم مبني على NVIDIA DRIVE . يتكون الحل نفسه من ثلاثة مكونات:

• NVIDIA DRIVE PX - منصة الطيار الآلي ؛
• NVIDIA DRIVE CX - جهاز كمبيوتر مدمج به نظام ملاحة ، إذا كان PX يعرف كيف يذهب ، فإن CX يعرف إلى أين يذهب وكيف يرفه الراكب ؛
• NVIDIA DIGITS DEV BOX هو نظام تعلم عميق يسمح لك بتدريب الشبكات العصبية على PX.

القيادة الأوتوماتيكية تعطي انطباعا قويا. منظمة العفو الدولية في كل مجدها. أحببت بشكل خاص الفيديو الذي عرضته تويوتا حول كيفية تعلم كيفية قيادة سيارتهم غير المأهولة. في البداية ، مثل الهريرة العمياء ، كان يتجول في جميع الاتجاهات ويواصل الفرملة باستمرار ، ثم تحرك بثقة أكبر ، وأخيرًا ، بعد 3000 ميل من الركض ، بدأ يركض بثقة تامة على أي طريق.



تم تمثيل تويوتا في المؤتمر من خلال معهد أبحاث تويوتا. أعلن جيل برات الرئيس التنفيذي للمعهد أن شركة السيارات تعتزم استثمار مليار دولار على مدى السنوات الخمس المقبلة في الأبحاث المتعلقة بالذكاء الاصطناعي. نهج تويوتا مثير للاهتمام. يقولون أنهم لا يعتبرون الطيار الآلي الكامل أولوية قصوى. الآن يتطلب الطيار الآلي ، الذي تم تنفيذه ، على سبيل المثال ، في تسلا ، وضع "اليدين على عجلة القيادة". أي أنه يستطيع القيادة ، ولكنه يتطلب مراقبة مستمرة من قبل السائق. هذا الوضع مزعج نوعًا ما بدلاً من إضافة المتعة إلى الرحلة. تركز تويوتا على أنظمة مساعدة السائق ، أي أن الطيار الآلي لا يتدخل في التحكم بينما كل شيء يسير على ما يرام ، ولكن إذا خرج الموقف عن السيطرة ، فإن الطيار الآلي يأخذ كل شيء بين يديه وينقذ الموقف. قليل من السائقين لديهم خبرة في القيادة في المواقف القاسية ،القيادة العادية لا علاقة لها بما يجب فعله في المواقف الحرجة. يمكن تدريب الطيار الآلي بشكل جيد للغاية على وجه التحديد لمثل هذه الحالات. 120000 حالة وفاة على الطرق سنويًا - مثل هذه الإحصائيات على كوكب الأرض. وفقًا لشركة تويوتا ، سيقلل نظامهم هذا الرقم إلى الصفر تقريبًا. كما يتذكر جيل برات (استدعاء): "لا ينبغي النظر في الطلب على نظامنا للسيارات ، والمستهلكون الذين يحتاجون إليه بشدة هم 1200000 شخص سنويًا"."إن الطلب على نظامنا لا ينبغي النظر فيه للسيارات ، والمستهلكين الذين هم في أمس الحاجة إليها 1200000 شخص في السنة.""إن الطلب على نظامنا لا ينبغي النظر فيه للسيارات ، والمستهلكين الذين هم في أمس الحاجة إليها 1200000 شخص في السنة."

لكن الطيار الآلي ، بغض النظر عن مدى الدهشة التي قد تبدو عليها سيارة تسافر بدون سائق ، ليس ذكاء اصطناعيًا قويًا. حتى الآن - هذه مجموعة من الطرق والخوارزميات الجيدة. من الممكن ألا تكون هناك حاجة إلى المزيد لهذه المهمة.
يمكن حل العديد من المهام ، مثل القيادة بدون طيار ، بنجاح بدون استخدام ذكاء اصطناعي قوي. الشبكات العصبية ذات التعلم العميق (أو التعلم العميق ، إذا كنت تفضل مثل هذه الترجمة من التعلم العميق) مناسبة تمامًا حيث تتوقف "البرمجة في الجبين" وتتحول إلى أنه من الأسهل بكثير "تغذية" الشبكة العصبية مع مجموعة كبيرة من الأمثلة والمواضيع التدريبية وبذلك تعلمها التصنيف الصحيح من محاولة وصف كل الأنماط وردود الفعل عليها.

لكن المعجزات لا تحدث ، وتعوض بساطة الحصول على نتيجة تعقيد التدريب. يتطلب تدريب شبكة عصبية لعدد كبير من العناصر على عدد ضخم من الأمثلة قدرًا كبيرًا من الحساب. وحدات المعالجة المركزية التقليدية بطيئة للغاية لهذه الحسابات. الخلاص الوحيد هو التوازي الهائل للحسابات ، لأن الشبكات العصبية جيدة جدًا في ذلك. كانت وحدات معالجة الرسومات التي تم إنشاؤها في الأصل لتكوين صور رسومية مثالية تقريبًا لهذه الأغراض. أجبر الطلب في سوق الشبكات العصبية مصنعي GPU على مراعاة ميزات هذا التطبيق في هندسة الحديد ودفعهم إلى إنشاء برنامج مناسب يجعل الحياة أسهل للمطورين. في المؤتمر ، حاولت NVIDIA ، باعتبارها الشركة المصنعة الرئيسية لوحدات معالجة الرسومات ، إقناع الجميعأنهم قاموا بإنشاء مجموعة كاملة من البرامج الضرورية ، مما يوفر الدعم لجميع مراحل تطوير الشبكات العصبية.

كما كتبت بالفعل ، في المؤتمر ، قدمت NVIDIA اختراقة في مجال تدريب الشبكات العصبية العميقة - الكمبيوتر العملاق DGX-1. الاختراق هو زيادة إنتاجية مهام التعلم بمقدار 12 ضعفاً مقارنة بأسلافها.



وفقًا لذلك ، لا يتضمن النظام البيئي الحديد فحسب ، بل يتضمن أيضًا مجموعة كاملة من البرامج المحسنة للتعلم العميق (https://developer.nvidia.com/deep-learning#source=pr).
تتضمن مجموعة برامج DGX-1 نظام تدريب NVIDIA Deep Learning GPU (DIGITS) ، وهو نظام تفاعلي كامل لإنشاء شبكات عصبية عميقة (DNN) ، بالإضافة إلى مكتبة تسريعها GPU من البدائيين لإنشاء DNN - NVIDIA CUDA Deep Neural Network (cuDNN) الإصدار 5 .
بالإضافة إلى ذلك ، يحتوي النظام على إصدارات محسنة من العديد من أطر التعلم العميق المستخدمة على نطاق واسع - Caffe و Theano و Torch. كما توفر DGX-1 إمكانية الوصول إلى أدوات الإدارة المستندة إلى السحابة وتحديثات البرامج وبنك تطبيقات الحاويات. "

بشكل عام ، في المؤتمر ، حاولت NVIDIA بوضوح أن تنقل للجميع فكرة أنهم لم يكونوا منذ فترة طويلة مجرد شركة مصنعة للرقائق المتخصصة ، ولكن شركة لديها رؤية للتكنولوجيا بشكل عام وتقدم حلولًا شاملة يكون فيها الحديد واحدًا فقط وليس حقيقة أن أكثر المكون الرئيسي.

وباختصار ، فإن الذكاء الاصطناعي يتقدم بسرعة فائقة. ولكن في الوقت الحالي ، كل هذا عبارة عن ذكاء اصطناعي ضعيف. لا ينبغي اعتبار المصطلح الضعيف كتقييم سلبي. هذا مجرد تحسين للتكنولوجيا المستخدمة. إلى أي مدى نحن بعيدون عن الذكاء الاصطناعي القوي ، من السهل الحكم على أنظمة ترجمة الكمبيوتر. أثناء ترجمة النص الفني أو أي تفسير آخر جيدًا ، فإن المترجم الآلي يصل إلى المستوى. ولكن من الجدير إعطاء مثال يتطلب فهمًا لمعنى العبارة ، وكيف تصبح الترجمة الصحيحة مسألة صدفة ولا توجد طرق إحصائية تنقذ الموقف.

فاز ديب بلو من آي بي إم بلعبة الشطرنج من 6 مباريات في عام 1997 ضد بطل العالم غاري كاسباروف. هزم AlphaGo من Google مؤخرًا أقوى لاعب Go في العالم. كم يشير هذا إلى عصر يقترب من الذكاء الاصطناعي القوي؟ خطوة كبيرة لرجل آلي واحد ، ولكن التقدم ضئيل للبشرية. نرى عملاً جيدًا في طرق التدريس مع التعزيز ، ولكن مع "واحد" مهم. والحقيقة هي أن كل من الشطرنج والذهاب يسمحان بوصف بسيط ودقيق إلى حد ما للموقف. تقوم استراتيجية السلوك على فهم أن الموقف مألوف بالنسبة لنا إلى درجة أو أخرى وأنه يمكننا استخدام الخبرة التي اكتسبناها لاتخاذ قرارات. حتى لا يتم حساب جميع الخيارات ، يتم تقديم تقييم لجودة الموقف حتى النهاية ، مما يسمح لك بتقييم الموقف دون حساب الخيارات للاستمرار المحتمل. في كلتا الحالتين ، اتضحالأهم هو أن تكون قادرًا على الحصول على جميع العناصر الدلالية التي تؤثر على تقييمه من الوصف الرسمي للموقف. بالنسبة للشطرنج وقوه ، على الرغم من أن هذا ليس سهلاً ، فقد نجح. في الحياة ، كل شيء أكثر تعقيدًا. إن الوصف الخارجي "الخام" لما يحدث لا يساعد كثيرًا في تحديد استراتيجية السلوك وتقييم جودة الموقف. لا يمكنك الحكم على تشابه المواقف بمصادفة بعض العلامات. يتطلب فهم معنى ما يحدث. قد تكون أي تفاصيل ثانوية حاسمة لتحديد ما يحدث. لذلك ، سيستمر google-mobile في القيادة على طول الطريق إذا لم تكن هناك عقبات ، ولم يتم انتهاك قواعد المرور واتباع المسار. ولن يخلط بينه سواء من الفطر النووي في الأفق ، أو حشود الزومبي الذين يقفون بعصبية على الهامش.ولكن اتضح. في الحياة ، كل شيء أكثر تعقيدًا. إن الوصف الخارجي "الخام" لما يحدث لا يساعد كثيرًا في تحديد استراتيجية السلوك وتقييم جودة الموقف. لا يمكنك الحكم على تشابه المواقف بمصادفة بعض العلامات. يتطلب فهم معنى ما يحدث. قد تكون أي تفاصيل ثانوية حاسمة لتحديد ما يحدث. لذلك ، سيستمر google-mobile في القيادة على طول الطريق إذا لم تكن هناك عقبات ، ولم يتم انتهاك قواعد المرور واتباع المسار. ولن يخلط بينه سواء من الفطر النووي في الأفق ، أو حشود الزومبي الذين يقفون بعصبية على الهامش.ولكن اتضح. في الحياة ، كل شيء أكثر تعقيدًا. إن الوصف الخارجي "الخام" لما يحدث لا يساعد كثيرًا في تحديد استراتيجية السلوك وتقييم جودة الموقف. لا يمكنك الحكم على تشابه المواقف بمصادفة بعض العلامات. يتطلب فهم معنى ما يحدث. قد تكون أي تفاصيل ثانوية حاسمة لتحديد ما يحدث. لذلك ، سيستمر google-mobile في القيادة على طول الطريق إذا لم تكن هناك عقبات ، ولم يتم انتهاك قواعد المرور واتباع المسار. ولن يخلط بينه سواء من الفطر النووي في الأفق ، أو حشود الزومبي الذين يقفون بعصبية على الهامش.قد تكون أي تفاصيل ثانوية حاسمة لتحديد ما يحدث. لذلك ، سيستمر google-mobile في القيادة على طول الطريق إذا لم تكن هناك عقبات ، ولم يتم انتهاك قواعد المرور واتباع المسار. ولن يخلط بينه سواء من الفطر النووي في الأفق ، أو حشود الزومبي الذين يقفون بعصبية على الهامش.قد تكون أي تفاصيل ثانوية حاسمة لتحديد ما يحدث. لذلك ، سيستمر google-mobile في القيادة على طول الطريق إذا لم تكن هناك عقبات ، ولم يتم انتهاك قواعد المرور واتباع المسار. ولن يخلط بينه سواء من الفطر النووي في الأفق ، أو حشود الزومبي الذين يقفون بعصبية على الهامش.

يرتبط إنشاء ذكاء اصطناعي قوي مباشرةً ليس فقط بالقدرة على الخوارزميات (باستخدام الأساليب التقليدية) بالعمل مع المعلومات ، ولكن بالقدرة على فهم معناها. تبدو هذه المهمة صعبة ، خاصة لأنها تتعلق مباشرة بفهم عمل الدماغ ، لأن هذه الآلية قادرة على العمل بدقة بالمعنى. هل سيأتي الذكاء الاصطناعي القوي قريبًا؟ ربما قريبا جدا. في المقالة التالية سوف أصف تطور مجموعتنا فيما يتعلق بإضفاء الطابع الرسمي الرياضي على مفهوم المعنى وبناء نموذج يستند إلى هذا ، والذي يدعي أنه يحتوي على وصف جيد جدًا للدماغ ، بحيث يظهر بشكل مقنع عينة عمل جيدة. لذا ، ربما ستسمع في هذا المتجر قريبًا مثل هذا الحوار:

البائع: هذه حداثة ، زرع دماغ ، يزيل نصف العبء العقلي.
المشتري: عظيم! بع لي زوجين.

Source: https://habr.com/ru/post/ar393071/