AIはそれを自分で行います。 始める準備はできていますか？

こんにちは友人！

すぐに説明します-この記事は実用的です。 しかし、最初のall話。

車の車輪の下で死んだ動物-悲しい絵に注意したことはありますか？ 動物をごめんなさい 何百万年もの進化を経て、彼らは環境に完全に適応しましたが、 テクノスフィアに適応する時間を割り当てた人はいません。

しかし、私たちは徐々に非常によく似た状況にいると感じていますか？ あらゆる種類のテクノロジーを発明しましたが、新しいテクノロジーの出現により、それらを制御することがますます困難になっています。 そして、彼らが私たちのために働いているのか、それとも私たちが計画していないことを私たちに強制しているのかは完全には明らかではありません。 幸福、永遠の命、栄光が期待されるのか、それとも破滅なのか？

Tepericha-今はそうではありません。

イベントが加速して発展しているという事実は、長い間注目されてきました。 この所見をいわゆるものにまとめてくれたカーツワイルにレイに感謝します。 「指数関数的発展の法則」：



最初は急いでいませんでした-狩猟採集社会から農業社会までの時間は無限に長く続き、それから最初の州の出現まではすでに速く、産業革命の開始前にずっと過ぎていません...まあ、残りはすでに起こっています（そして起こっています！）その後、数世代の人々...

はい、そして2045年以降は何がありますか？ 待つものは何もありませんでした。 あなたが答えに迷っている場合、レイはあなたが望むかどうかを教えてくれるでしょう-それを信じるかどうか。

いずれにせよ、不幸な動物を忘れないでください！ 私たちは彼らの運命を繰り返したくありませんか？

素早い変化、脳の遅さ

はい、彼は悪名高い人間的要因です。 彼らは何かを考慮していなかった、またはそれを予見しなかった、または単にトグルスイッチをクリックする時間がない。 または、 すでに利用可能な重要な情報に基づいて信頼できる結論を出すことができませんでした。 またはさらに悲しい-彼らはその本当の意味を理解することができませんでした 。 その結果、航空機のcrash落、チャレンジャー爆撃、世界的な金融危機、チェルノブイリ/福島、2001年9月11日など。 など



しかし、私たちが利用できるすべての注意を払って私たちが横断する道路上の車は、まだ最高速度で移動しません。 もう一度チャートを見てください。

それはプログラミングのようなものです-プログラムを作成してテストするのに十分な時間がありますが、その後、その作業に対するすべての制御は、そこに入れるものによってのみ制限されます。脳は実行可能コードよりも少し遅いですか？

はい、私たちには脳があり、多くの能力がありますが、それは非常に遅いです。 以前はこれで十分でしたが、今ではなくなっているようです。 情報が非常に多いため、ほとんどの場合、本当に効果的な決定を下す可能性に疑問の余地はありません。 できますか？ さて、あなたは天才であるか、あなたが私の言っていることを理解していません。 個人的には、私の決定はランダムであり、本質的に非体系的であると常に感じています。 はい、おそらく効果的ですが、 まったく効果的ではありませんが、現時点で利用可能な厳密に制限された情報と時間リソースのコンテキストでのみです（特に後者）。



そして、まるで彼（脳）が遅いだけでなく、彼も無次元ではなかったように！ あなたは勉強し、あなたの人生をすべて勉強します、そして、あなたはまだ必要なものの最小でさえ学ぶことができません。 そして、トンネルの終わりに突然夜明けが来たら-それを手に入れて、サインして-彼らは再びこのようなものを思いつくでしょう、これなしでは不可能です...

そして、これらすべての時間を見つけて、祈ってください！

そして、何年もかけてこの分野を勉強することなく、必要な情報をブロックにして、今ここですべてを手に入れることができたら、なんてクールなことでしょう！

良いニュース

技術的な聖杯は、あなたが思っているよりもずっと近いかもしれません。 彼があなたを期待している場所への道（人類すべてのように）は、ここから数回クリックするだけで始まる可能性があります。

はい、もちろん、私は誰もが待っている素晴らしいと恐ろしいAIについて話している。



一方、新皮質のプロトタイプはすでにそこにあります。 これまでのところ-約6万個のニューロン。 さまざまな推定によると、人間の脳には100億から1,000億個のシナプスが含まれています。 しかし、最も重要なことは、頭蓋内の灰白質という原理に基づいています。

もちろん、すべてが始まったばかりですが、実際の最初の一歩はすでにとられています。

誰が最前線にいますか？

ハブラーで数回、ヌメンタ社に捧げられた資料が出版されました 。 個人的には、 最初の記事を読んだ瞬間から、最初から彼らの活動を追っています 。



ここでは、使用されているアプローチについて詳しく説明しません。 ここを含め、これについて多くのことが書かれています 。 基本的なアルゴリズムは公開されており、ドキュメント（ロシア語を含む）はCLA White Paperで入手できます。 （CLA-皮質学習アルゴリズム）。 会社について初めて聞いた場合は、J。Hawkinsの本「 知性について 」を知ることをお勧めします（ロシア語の翻訳があり、問題なくネットで見つけることができます）。 いずれにせよ、これは非常に興味深い本であり、私たちの脳が機能する原理の著者による25年間の研究の結果です:)。



すぐに代わる手段として、 ホーキンスはTEDトークに出演しました （ロシア語でキャプション付き、約20分）。

長い間、このプロセスは揺れも渦巻くこともありませんでしたが、しばらく前から状況は変わりました。 同社は現在、 NuPICプラットフォームに基づいた最初の商用製品Grokを発売しています。 ただし、最も興味深いのは、開発のステータスがオープンソースになり、誰でもプロジェクトをすべてのソースコードとともにダウンロードして直接参加できることです。 Github： https : //github.com/numenta/nupic/wiki

システムの原理はhttps://github.com/numenta/nupic/wiki/Online-Prediction-Frameworkで説明されています 。

このプロジェクトはPythonで書かれており、Linuxにデプロイされていますが、Windowsしかない場合は、 Virtual Boxをインストールした後にこれを行うことができます。

今すぐ条件について。 まず、プロジェクトに参加するためには、いわゆるに同意する必要があります。 貢献者ライセンス （CL）。

第二に、プロジェクト参加者は4つのステータスを持つことができます（階層順に割り当てられます）。

次は英語からの私自身の翻訳です。 （オリジナルはこちら： https : //github.com/numenta/nupic/wiki/Contributor-Model ）：

プロジェクト参加者のステータス：

---

すでに述べたように、同社の活動は最近激化しており、ほぼ毎週、YouTubeチャンネルで新しい素材を公開しています。一部の開発者は独自の素材を投稿しています。 NuPICプラットフォームと現在のGrok製品専用のコンテンツもあります。

J. Hawkinsのスピーチでビデオを直接見ることを強くお勧めします。これにより、会社のアプローチを視覚的に表現し、この巨大なタスクを解決し、インテリジェントマシンを作成する見込みの概念に関する著者のビジョン/評価を得ることができます。 Nument独自のメディアコレクションは、 http ：//numenta.org/media.htmlにあります。

---

UPD

読者は投稿の「実用性」を疑い、例、範囲の説明、例を必要とします。

厳密に決定されたアルゴリズムを使用してイベントの今後の開発を説明することが不可能なアプリケーションの領域。

システム自体が特定のモデルを作成し、それに基づいて予測を構築します。 彼女がこれを開始できるようにするには、まず「学習」する必要があります。つまり、入力データのセットを取得し、それらに基づいて一連のパターンを作成する必要があります。

「実用的な」例を見てみましょう。 あなたは人々が見つけることができるサービスを作成することに決めました-彼らがどこかで聞いたが、名前を知らないこの歌は何ですか？ つまり、メロディーがあり、それ以上ではなく、言葉すらありません。

そして今、この人はグーグルに来て、そこでこのメロディーをグーグルで検索します。 つまり、できることをマイクに向かって歌うだけで、システムはこれらの試みに対応するREALのメロディーを判別しようとします。 ご存知のように、ほとんどの人は偽物です。つまり、この場合、誤って歌われたメロディーによって歌を判別できる何らかのアルゴリズムを作成することは不可能です。

ただし、システムは「トレーニングコースを通過しました」（100,000曲を聴いたと仮定します）。 このおかげで、彼女は特定の一連のメモを聞いたことができます。

1.どのシーケンスがどのメロディに完全に一致するかを調べます。

2.偽のノートが対応するメロディについて推測します。

3.これらの曲から「最適な」候補を選択する

または、画像を非常に単純化し、類似性を描くために-かつてそのような伝達があった-「メロディーを推測します」（私は知らない、多分それが今そこにある、私はちょうどテリーを見なかった）。

そして今、推測する人がシステムであると想像してください。

どのように曲を推測しますか？ そうです、以前に聞いたもの（つまり、 記憶に保存されているもの）のどれが今聞いたもののように見えるかを思い出そうとします。 次に、いくつかのモデルを作成します。さらに、どのような種類のメモを作成できますか？ 前に聞いたことが正確にあなたの記憶のメロディーの1つと一致する場合、1つだけのモデルがあり、それ以上の場合、前のシーケンスが一致するのと同じ数の曲があります。 そして、新しいメモが追加されるたびに、これらのモデルの数は1つが残るまで減少します。

一般に、これはHTM（Hierarhical Temporal Memory）の動作原理です。