Dari mana jaringan saraf berasal dan apa yang terjadi sekarang

Dalam beberapa tahun terakhir, topik kecerdasan buatan telah dibahas secara aktif, karena salah satu pendekatan penelitiannya adalah secara aktif mendapatkan momentum di antara perusahaan-perusahaan besar. Pendekatan ini adalah jaringan saraf. Baru-baru ini, sekitar setahun yang lalu, kata ini dapat didengar dari mana-mana. Hari ini kita mempertimbangkan sejarah studi kecerdasan buatan oleh umat manusia (ternyata itu sudah berusia sekitar 2000 tahun) dan realitas saat ini.



Para penulis artikel ini adalah orang-orang dari Jedium. Saya memberi mereka lantai.

Pendahuluan

Memang, berkat pertumbuhan daya komputasi komputer konvensional, telah menjadi nyaman untuk terlibat dalam AI di tingkat perangkat lunak. Sejauh artikel tentang bagaimana "menulis" jaringan saraf Anda dengan pengetahuan pemrograman minimal diletakkan pada sumber-sumber TI populer. Namun, sebelum mempelajari studi perusahaan kami di bidang ini, kami ingin memberi tahu Anda sedikit latar belakang.

AI bukan Penemuan Abad 21

Pesatnya perkembangan industri ini dimulai beberapa tahun yang lalu, tetapi sebelum itu, manusia telah mempelajari kecerdasan buatan selama beberapa ribu tahun. Mulai dari Aristoteles dan Descartes dan berakhir dengan John von Neumann yang terkenal kejam. Yang terakhir membuat kontribusi besar untuk pengembangan logika komputer modern. Ada banyak ilmuwan yang telah mempelajari bidang ini. Deskripsi lengkap tentang sejarah AI akan membutuhkan lebih dari satu seri artikel dengan transkrip panjang dan penjelasan. Tujuan dari latar belakang sains AI adalah untuk menyampaikan beberapa poin yang akan penting dalam memahami apa yang dilakukan Jedium.

Dalam 30-an abad terakhir ada booming minat dalam studi kecerdasan buatan. Para ilmuwan dengan pendekatan berbeda untuk mempelajari AI mencapai hasil yang sangat baik, saling membantah teori masing-masing dan membuktikan yang baru. Jadi, misalnya, pada waktu itu, tes Turing diciptakan, yang menunjukkan bahwa jika dalam percakapan dengan dua lawan bicara seseorang tidak dapat membedakan AI dari orang lain (percakapan tersebut seharusnya dilakukan dengan menggunakan terminal komputer untuk mengecualikan pengaruh suara, penampilan dan kualitas fitnah serupa. ), maka kita memiliki AI penuh. Hal yang paling menarik adalah setelah ujian dilewati. Akibatnya, karya-karya Turing menjadi basis pengetahuan mendasar tentang sistem komputer, yang, berdasarkan input data, membuat aksioma mereka sendiri (penilaian yang tidak memerlukan bukti). Berkat aksioma, sistem dapat menarik kesimpulan tentang permintaan khusus dari pengguna atau membuat prediksi dengan akurasi yang sangat mengesankan. Di zaman kita, sistem inilah yang kemudian disebut jaringan saraf.

Ada beberapa pendekatan untuk studi AI, tetapi perlu menyoroti setidaknya dua - dengan semantik tertentu dan tanpa itu. Entah kita menulis logika, atau kita menulis program komputasi yang sangat sarat muatan, yaitu jaringan saraf. Namun, setelah akhir 40-an abad terakhir dan hingga saat ini, tidak ada terobosan besar yang diamati di bidang AI. Ada "musim dingin" - penurunan minat dalam studi kecerdasan buatan. Ini karena kurangnya daya komputasi untuk membangun jaringan saraf yang kuat, dan pendekatan dari sisi logis ternyata sangat sulit dan menunjukkan hasil yang mengecewakan.

Beberapa tahun yang lalu, daya komputasi mulai mencukupi untuk pembangunan jaringan saraf yang sangat kuat. Namun, minat mereka di antara orang-orang biasa memperoleh tren negatif, sementara di antara para spesialis, sebaliknya, pelatihan berlanjut. Bahkan layak membuat reservasi - jaringan saraf semakin mulai mendapatkan properti dari hal-hal sehari-hari dan sehari-hari. Asisten suara di gadget Anda, visi mesin, yang sekali lagi Anda gunakan untuk memindai dokumen dengan smartphone Anda, editor foto dan banyak contoh lainnya. Orang-orang terbiasa dengan hal itu dan "efek wow" semakin sulit. Oleh karena itu, ada tesis bahwa pengembangan jaringan saraf tidak akan bergerak secepat dalam waktu dekat, dengan kata lain, "musim dingin" baru akan datang.

Tetapi meskipun penelitian tentang AI di perusahaan tidak berhenti, industri ini memiliki masalah serius yang menghambat penelitian produktif di bidang ini. Misalnya, kurangnya data untuk pelatihan jaringan saraf. Mempelajari kesimpulan ini dan mengajukan pertanyaan "dari mana kita bisa mendapatkan data?", Kami menemukan pendekatan yang menarik yang bisa menjadi solusi untuk masalah tersebut.

Contoh hidup

Orang-orang dari Jedium menciptakan platform yang menstandarkan dan menyederhanakan pengembangan aplikasi VR / AR, serta menciptakan sistem pelatihan. Saat bekerja di bidang ini, mereka menemukan studi menarik tentang apa yang disebut "pengetahuan tersembunyi". Pengetahuan tersembunyi adalah keterampilan yang dimiliki seseorang tetapi tidak dimiliki orang lain. Seseorang dengan pengetahuan tersembunyi dapat membagikannya. Hanya seluruh masalahnya terletak pada namanya - keterampilan ini disembunyikan, dan sampai seseorang diberitahu tentangnya, dia tidak tahu bahwa dia memilikinya.

Pengetahuan tersembunyi adalah dasar dari pembelajaran sosial. Jika ada pengetahuan yang dapat diberikan satu siswa kepada siswa lain, maka beban guru berkurang. Hampir tidak ada yang menguji tesis ini dalam praktik - tidak ada sistem perangkat lunak khusus. Perusahaan bergerak ke arah ini. Ada lingkungan virtual di mana Anda dapat menciptakan kembali kondisi untuk merekam pengetahuan tersembunyi, dan kemudian menggunakannya untuk mentransfernya ke siswa lain.

Tetapi untuk memanfaatkan pengetahuan tersembunyi, dan hanya untuk menciptakan lingkungan belajar yang efektif, Anda membutuhkan elemen kecerdasan buatan yang cukup kuat. Misalnya, untuk membangun pembelajaran yang benar-benar individual (Tailored Learning), berdasarkan kesenjangan dalam pengetahuan dan preferensi masing-masing. Dan ini membutuhkan algoritma analisis data yang efektif, dalam realitas modern - jaringan saraf yang terlatih.

E-learning modern

Menciptakan sistem pembelajaran online modern, ada baiknya juga memperhitungkan tren modern, dan ada beberapa di antaranya, dan seringkali sulit untuk membedakan batasan antara mereka:

• Transisi dari belajar "dengan guru di pusat" ke belajar "dengan siswa di pusat". Untuk beberapa waktu, paradigma klasik secara eksklusif dipertimbangkan dalam sistem pembelajaran online - “guru memberi tahu siswa sesuatu”. Pada saat yang sama, tidak terlalu penting apa cara teknis khusus yang digunakan, baik itu LMS modern dan alat untuk membuat konten pendidikan atau hanya presentasi yang dikirim kepada siswa. Sekarang ada pendapat umum bahwa fokus sistem pelatihan seharusnya bukan guru, tetapi siswa, menerima pengetahuan dari berbagai sumber dan membentuk gambarnya sendiri tentang dunia;
• Komunikasi asinkron / sinkron. Ini adalah masalah yang sedikit lebih kecil dalam arti teknis, karena tidak ada kekurangan alat untuk komunikasi jarak jauh langsung. Bagi kami, masalah yang jauh lebih besar adalah penggunaan alat yang benar, terutama dalam konteks perencanaan pelatihan secara umum. Terlepas dari kenyataan bahwa konsep blended learning (blended learning) sama sekali tidak baru, kami cukup sering menemukan situasi di mana komunikasi langsung dan kursus pelatihan itu sendiri berjalan terpisah satu sama lain, tidak menyatukan ke dalam sistem tunggal. Jika kita berbicara tentang metode pembelajaran sosial, maka mereka umumnya berkembang cukup lama "di luar arus utama," yang, tentu saja, menciptakan sejumlah produk yang agak menarik seperti Forum Pengetahuan, tetapi meninggalkan pertanyaan terbuka tentang bagaimana menggabungkan pendekatan seperti itu dengan yang diterima secara umum.
• Paradigma konstruktivis dan koneksionis. Sekali lagi, keduanya terlihat sangat menarik dalam kombinasi dengan semua hal di atas, tetapi kami percaya bahwa tidak ada pola umum dari aplikasi dan implementasi mereka dalam produk perangkat lunak yang telah ditemukan (terlepas dari kenyataan bahwa untuk LMS / LCMS tradisional semua ini sudah sudah lama ada).
• Simulasi, permainan serius, permainan peran. Di banyak daerah, jenis pelatihan ini dianggap yang terbaik. Tetapi pada saat yang sama, untuk waktu yang lama mereka agak menyendiri dari sistem pelatihan secara keseluruhan - baik standar maupun praktik aplikasi tidak berkontribusi terhadap hal ini. Sekarang, dengan transisi dari AICC / SCORM ke xAPI, ada peluang yang cukup jelas untuk mengintegrasikannya ke dalam pelatihan, tetapi, sekali lagi, tidak ada pola atau praktik terbaik.

Menciptakan platform kami, kami mencari pendekatan untuk memecahkan beberapa masalah ini, sambil mencoba menemukan solusi bukan secara teori, tetapi dalam produk perangkat lunak yang sangat spesifik dengan kemampuan tertentu. Kami percaya bahwa ini sebagian mungkin, tetapi kami juga melihat bahwa sebagian besar dari masalah ini memerlukan pengembangan lebih lanjut dari platform dan analisis pekerjaannya. Kami ingin membicarakan lebih lanjut tentang ini di artikel mendatang.

Memperluas batas kecerdasan

Misi kami adalah untuk memperluas batas-batas perkembangan intelektual, memperkaya pengetahuan sosial masyarakat dengan kemajuan teknologi.

Teori mengajar orang telah lama berkembang dalam keterasingan dari kemajuan teknologi. Tujuan kami adalah untuk menghapus penghalang ini dengan mencapai sinergi dalam kerja bersama kecerdasan manusia dan mesin.

Dan untuk memahami dalam proses apa yang sebenarnya terjadi.

Penulis

Jedium adalah perusahaan mitra Microsoft yang bekerja di bidang virtual, augmented reality dan kecerdasan buatan. Jedium telah mengembangkan kerangka kerja untuk menyederhanakan pengembangan proyek kompleks tentang Unity, yang sebagian tersedia untuk umum di GitHub . Jedium berencana untuk menambah repositori dengan modul framework baru, serta solusi integrasi dengan Microsoft Azure.

Vitaliy Chashchin - Pengembang perangkat lunak dengan lebih dari 10 tahun pengalaman dalam desain dan implementasi aplikasi client-server tiga dimensi - dari konsep hingga implementasi penuh dan integrasi aplikasi dan solusi di bidang realitas virtual. Arsitek Sistem Jedium LLC, MSc dalam bidang TI.

Alexey Sarafanov

Marketing Manager di Jedium LLC.

Sergey Kudryavtsev

CEO dan pendiri Jedium LLC.