In den letzten Jahren wurde das Thema künstliche Intelligenz aktiv diskutiert, da einer der Ansätze seiner Studie bei großen Unternehmen aktiv an Dynamik gewinnt. Dieser Ansatz ist neuronale Netze. In jüngerer Zeit, vor etwa einem Jahr, war dieses Wort von überall zu hören. Heute betrachten wir die Geschichte des Studiums der künstlichen Intelligenz durch die Menschheit (es stellt sich heraus, dass sie bereits etwa 2000 Jahre alt ist) und die heutigen Realitäten.
Die Autoren dieses Artikels sind die Jungs aus Jedium. Ich gebe ihnen das Wort.Einführung
In der Tat ist es dank des Wachstums der Rechenleistung herkömmlicher Computer bequemer geworden, sich auf Software-Ebene mit KI zu beschäftigen. In dem Maße, in dem Artikel zum „Schreiben“ Ihres neuronalen Netzwerks mit minimalen Programmierkenntnissen in gängigen IT-Quellen veröffentlicht wurden. Bevor wir uns jedoch mit der Untersuchung unseres Unternehmens in diesem Bereich befassen, möchten wir Ihnen einige Hintergrundinformationen geben.
KI ist keine Entdeckung des 21. Jahrhunderts
Die rasante Entwicklung dieser Branche begann vor einigen Jahren, aber zuvor hat die Menschheit seit einigen tausend Jahren künstliche Intelligenz studiert. Ausgehend von Aristoteles und Descartes und endend mit dem berüchtigten John von Neumann. Letzteres hat einen großen Beitrag zur Entwicklung der Logik eines modernen Computers geleistet. Es gibt viele Wissenschaftler, die dieses Gebiet untersucht haben. Eine vollständige Beschreibung der Geschichte der KI umfasst mehr als eine Artikelserie mit langen Transkripten und Erklärungen. Das Ziel des AI-wissenschaftlichen Hintergrunds ist es, einige Punkte zu vermitteln, die wichtig sind, um zu verstehen, was Jedium tut.
In den 30er Jahren des letzten Jahrhunderts gab es einen Boom im Interesse an der Erforschung künstlicher Intelligenz. Wissenschaftler mit unterschiedlichen Ansätzen zur Erforschung der KI erzielten hervorragende Ergebnisse, bestritten die Theorien des jeweils anderen und bewiesen neue. Zu dieser Zeit wurde beispielsweise ein Turing-Test erfunden, der darauf hinweist, dass eine Person bei einem Gespräch mit zwei Gesprächspartnern die KI nicht von einer anderen Person unterscheiden kann (das Gespräch soll über ein Computerterminal geführt werden, um den Einfluss von Stimme, Aussehen und ähnlichen diffamierenden Eigenschaften auszuschließen ), dann haben wir eine volle KI. Das Interessanteste ist, dass der Test einmal bestanden wurde. Infolgedessen wurden Turings Arbeiten zu einer grundlegenden Wissensbasis über Computersysteme, die auf der Grundlage von Eingabedaten ihre Axiome bilden (Urteile, die keinen Beweis erfordern). Dank Axiomen können Systeme Rückschlüsse auf bestimmte Anforderungen des Benutzers ziehen oder Vorhersagen mit sehr beeindruckender Genauigkeit treffen. In unserer Zeit werden diese Systeme als neuronale Netze bezeichnet.
Es gibt verschiedene Ansätze für das Studium der KI, aber es lohnt sich, mindestens zwei hervorzuheben - mit bestimmter Semantik und ohne diese. Entweder schreiben wir Logik oder wir schreiben ein hoch geladenes Computerprogramm, dh ein neuronales Netzwerk. Nach dem Ende der 40er Jahre des letzten Jahrhunderts und bis heute wurden jedoch keine größeren Durchbrüche auf dem Gebiet der KI beobachtet. Es gab einen „Winter“ - einen Rückgang des Interesses an der Erforschung künstlicher Intelligenz. Dies war auf einen Mangel an Rechenleistung zum Aufbau leistungsfähiger neuronaler Netze zurückzuführen, und der Ansatz von der logischen Seite erwies sich als überwältigend schwierig und zeigte enttäuschende Ergebnisse.
Vor einigen Jahren begann die Rechenleistung für den Aufbau sehr leistungsfähiger neuronaler Netze zu reichen. Das Interesse der einfachen Leute an ihnen nimmt jedoch einen negativen Trend ein, während die Ausbildung der Fachkräfte im Gegenteil fortgesetzt wird. Es lohnt sich sogar, eine Reservierung vorzunehmen - neuronale Netze erwerben zunehmend das Eigentum an alltäglichen und alltäglichen Dingen. Sprachassistenten in Ihren Geräten, Bildverarbeitung, mit denen Sie erneut Dokumente mit Ihrem Smartphone, Fotoeditor und vielen anderen Beispielen scannen. Die Leute gewöhnen sich daran und der „Wow-Effekt“ wird immer schwieriger. Daher gibt es eine These, dass die Entwicklung neuronaler Netze in naher Zukunft nicht so schnell voranschreiten wird, mit anderen Worten, ein neuer „Winter“ wird kommen.
Obwohl die Arbeit an der Erforschung der KI in Unternehmen nicht aufhört, hat die Branche ernsthafte Probleme, die die produktive Forschung in diesem Bereich behindern.
Zum Beispiel fehlende Daten zum Trainieren neuronaler Netze. Als wir diese Schlussfolgerung studierten und die Frage stellten, woher wir die Daten beziehen können, fanden wir einen interessanten Ansatz, der die Lösung des Problems sein könnte.
Lebendes Beispiel
Die Jungs von Jedium schaffen eine Plattform, die die Entwicklung von VR / AR-Anwendungen standardisiert und vereinfacht sowie Trainingssysteme erstellt. Während ihrer Arbeit in diesem Bereich entdeckten sie interessante Studien über das sogenannte „versteckte Wissen“. Verborgenes Wissen ist eine Fähigkeit, die eine Person hat, aber keine andere. Eine Person mit verstecktem Wissen kann es teilen. Nur das ganze Problem liegt im Namen - diese Fähigkeiten sind verborgen, und bis jemandem davon erzählt wird, weiß er nicht, dass er sie hat.
Verborgenes Wissen ist die Basis des sozialen Lernens. Wenn es Wissen gibt, das ein Schüler anderen Schülern geben kann, wird die Belastung des Lehrers verringert. Fast niemand hat diese These bisher in der Praxis getestet - es gibt keine speziellen Softwaresysteme. Das Unternehmen bewegt sich in diese Richtung. Es gibt eine virtuelle Umgebung, in der Sie die Bedingungen für die Aufzeichnung von verstecktem Wissen neu erstellen und dann verwenden können, um sie an andere Schüler zu übertragen.
Um jedoch verborgenes Wissen zu nutzen und einfach eine effektive Lernumgebung zu schaffen, benötigen Sie ausreichend starke Elemente künstlicher Intelligenz. Zum Beispiel, um ein wirklich individuelles Lernen (Tailored Learning) aufzubauen, das auf Wissenslücken und Präferenzen jedes einzelnen von ihnen basiert. Und dies erfordert effektive Datenanalysealgorithmen in modernen Realitäten - trainierte neuronale Netze.
Modernes E-Learning
Bei der Schaffung eines modernen Online-Lernsystems lohnt es sich auch, moderne Trends zu berücksichtigen, und es gibt mehrere davon, und es ist oft schwierig, die Grenze zwischen ihnen zu unterscheiden:
- Der Übergang vom Lernen „mit einem Lehrer im Zentrum“ zum Lernen „mit einem Schüler im Zentrum“. In Online-Lernsystemen wurde lange Zeit ein ausschließlich klassisches Paradigma betrachtet - „der Lehrer sagt den Schülern etwas“. Gleichzeitig ist es nicht sehr wichtig, welche spezifischen technischen Mittel verwendet wurden, sei es modernes LMS und Tools zum Erstellen von Bildungsinhalten oder nur Präsentationen, die an Studenten gesendet werden. Nun gibt es eine allgemeine Meinung, dass der Schwerpunkt des Ausbildungssystems nicht auf dem Lehrer liegen sollte, sondern auf dem Schüler, der Wissen aus verschiedenen Quellen erhält und sich ein eigenes Bild von der Welt macht.
- Asynchrone / synchrone Kommunikation. Dies ist im technischen Sinne ein etwas kleineres Problem, da es nicht an Tools für die Live-Fernkommunikation mangelt. Ein viel größeres Problem scheint uns der korrekte Einsatz solcher Tools zu sein, insbesondere im Zusammenhang mit der Trainingsplanung im Allgemeinen. Trotz der Tatsache, dass das Konzept des Blended Learning (Blended Learning) überhaupt nicht neu ist, stießen wir häufig auf Situationen, in denen die Live-Kommunikation und der Schulungskurs selbst getrennt voneinander verliefen und sich nicht zu einem einzigen System vereinigten. Wenn wir über die Methoden des sozialen Lernens sprechen, dann haben sie sich im Allgemeinen ziemlich lange „außerhalb des Mainstreams“ entwickelt, was natürlich eine Reihe ziemlich interessanter Produkte wie das Wissensforum hervorgebracht hat, aber die Frage offen gelassen hat, wie solche Ansätze mit den allgemein akzeptierten kombiniert werden können.
- Konstruktivistische und verbindungsorientierte Paradigmen. Wiederum sehen beide in Kombination mit all dem sehr interessant aus, aber wir glauben, dass noch keine gemeinsamen Muster für ihre Anwendung und Implementierung im Softwareprodukt gefunden wurden (trotz der Tatsache, dass dies für traditionelles LMS / LCMS bereits alles ist lange existiert).
- Simulationen, Serious Games, Rollenspiele. In vielen Bereichen gelten diese Arten von Schulungen als die besten. Gleichzeitig waren sie lange Zeit etwas abseits von den gesamten Schulungssystemen - weder Standards noch Anwendungspraktiken trugen dazu bei. Mit dem Übergang von AICC / SCORM zu xAPI gibt es eine ziemlich deutlich sichtbare Möglichkeit, sie in das Training zu integrieren, aber auch hier gibt es keine Muster oder Best Practices.
Bei der Erstellung unserer Plattform suchten wir nach Ansätzen zur Lösung einiger dieser Probleme und versuchten, eine Lösung nicht theoretisch, sondern in einem sehr spezifischen Softwareprodukt mit bestimmten Funktionen zu finden. Wir glauben, dass dies teilweise möglich war, aber wir sehen auch, dass ein großer Teil dieser Probleme die Weiterentwicklung der Plattform und die Analyse ihrer Arbeit erfordert. Wir möchten in zukünftigen Artikeln mehr darüber sprechen.
Die Grenzen der Intelligenz erweitern
Unsere Mission ist es, die Grenzen der intellektuellen Entwicklung zu erweitern und das soziale Wissen der Menschen mit technologischen Fortschritten zu bereichern.
Die Theorie, Menschen zu unterrichten, hat sich lange Zeit isoliert vom technologischen Fortschritt entwickelt. Unser Ziel ist es, diese Barriere zu beseitigen, indem wir Synergien in der gemeinsamen Arbeit von menschlicher und maschineller Intelligenz erzielen.
Und dabei zu verstehen, was wirklich passiert.
Die Autoren
Jedium ist ein Microsoft-Partnerunternehmen, das auf dem Gebiet der virtuellen, erweiterten Realität und künstlichen Intelligenz tätig ist. Jedium hat ein Framework entwickelt, um die Entwicklung komplexer Projekte auf Unity zu vereinfachen, von denen ein Teil
auf GitHub öffentlich verfügbar ist. Jedium plant, das Repository mit neuen Framework-Modulen sowie Integrationslösungen mit Microsoft Azure aufzufüllen.
Vitaliy Chashchin - Softwareentwickler mit mehr als 10 Jahren Erfahrung im Design und der Implementierung dreidimensionaler Client-Server-Anwendungen - vom Konzept bis zur vollständigen Implementierung und Integration von Anwendungen und Lösungen im Bereich der virtuellen Realität. Systemarchitekt Jedium LLC, MSc in IT.
Alexey SarafanovMarketing Manager bei Jedium LLC.
Sergey KudryavtsevCEO und Gründer von Jedium LLC.