人工知能の歴史、パート2。ニューラルネットワークAI-避けられない、または不可能ですか？

この記事を書くつもりだったとき、ニューラルネットワークについては、脳の思考プロセスを模倣していることしか知りませんでした。 私は自分がどれほど間違っていたのか疑っていませんでした。

サイバネティックスがおもちゃを始めたばかりの頃、他のより深刻な科学者たちはより深刻な問題に取り組んでいた。 私たちの脳の細胞であるニューロンの構造に関する神経生理学的データに基づいて、彼らはその構造を再現しようとしました。 彼らが最初にAIについて語ったのはまさにセミナーの数年前でした。

これらの真面目な科学者は、考えられる唯一のものは私たちの脳であることを100％確信していました。 したがって、この能力が必要なものはすべて、脳の構造を再現するはずです。 大胆な発言、特に思考のプロセスについてかなり漠然とした考えを持っていると考えると、そうではありませんが、それらは考えではなく、単に人間の思考が独自のニューラルネットワークを通じて機能するという仮説です。

言い換えれば、彼らはニューロンの構造を知って、それの単純化されたコピーを作成し、ニューロンがネットワークでどのように接続されているかを知って、彼らはこの知識に基づいて論理を、それからコンピューターを開発しようとしました。 ここで働くのは数学者だけです。 人がニューロコンピューターと同じように自分のニューロンを使うと言う人はいません。 エンジニアが古典的な半導体を人工ニューロンに置き換え、新しいロジックを構築しようとしているだけです。 誰もプロセスの心理的側面について考えていません。

ニューラルネットワークの動作原理は、半導体回路とは多少異なります。前者はバイナリコードを使用しません。 しかし、ニューラルネットワークの秘密の武器は、ニューラルネットワークが学習できると噂されていることです。 これを理解してみましょう。

したがって、ニューロンの単純化されたモデルで構成されるネットワーク（単層または多層）があります。 入力ニューロンのグループがあり、それに応じて、出力のグループがあります。 情報が入力されると、信号はネットワークを通過し、ニューロンからニューロンへと増幅および弱体化します。 それらは入口から出口に直接行くことができますが、いくつかのニューロンを戻すループを作ることもできます。 ネットワーク全体をランダムに移動することもできますが、ポイントは正しく処理された信号が出力で形成されることです。

二次方程式の係数が入力に適用される場合、出力でその解を取得する必要があります。 入力画像が手書きの場合、出力は認識されたバージョンで構成される必要があります。

作業の開始時、ニューラルネットワークがまだ構成されていない場合、意味はありません。 彼女が問題を解決するのに役立つためには、彼女の不思議な名前に加えて、彼女は訓練される必要があります。 このプロセスは、何らかの外部手段を使用して問題が解決されるという事実から始まります。 これは、最終的に一連の質問と正しい答えを得るために必要です。 さらに、これらの質問は入力に送信され、回答は出口に送信されます。

このプロセスが1つのニューロンにどのように作用するかを検討してください。 入力信号は入力に送られ、信号は出力に送られます。出力は正しいことが事前にわかっています。 次に、ニューロンは出力信号を形成し、入力を合計し、合計に特別な関数を適用します。

その結果、最初の段階でのニューロンの固有の出力信号は外部の信号とは異なります。 不一致が観察された場合、両方の出力信号が近くなるまで入力信号のレベル（重み）を変更する特別なアルゴリズムが適用されます。

ただし、ここで注意する必要があります。それらが非常に近い場合、ニューラルネットワークは「再学習」するからです。 そして、そのタスクが、たとえばテキスト認識である場合、ニューラルネットワークは特定の人の手書きのみを認識でき、他の人は認識できません。 そして、これらの2つの信号が非常に異なる場合、ニューラルネットワークは「過小評価」されます。 つまり、誰の手書きもまったく認識できません。

これを防ぐために、トレーニングに携わっている開発者は、一種のチューニングエラーを設定します。 出力信号間の差がこのエラーの値を超えない場合、学習プロセスは完了したと見なすことができます。

このようなもの...実際、ネットワークには多くのニューロンがあるため、すべてがはるかに複雑です。 ネットワークは異なっており、それが実際にどうあるべきかを誰もまだ知りません。さらに、その中にあるニューロンの数を誰も知りません。

これがどれほど複雑で想像もできなかったとしても、最初のニューラルネットワークコンピューターは50年前に構築されました。 そして、彼らはそれほど強力ではありませんでしたが、彼らは働きました。 これらのコンピューターと通常のコンピューターとの主な違いは、自己学習（「自己調整」という用語を好むでしょうが）と並列計算です。

私たちの通常のプロセッサコンピュータはすべての計算を順番に実行するため、このような理由で大きな期待が寄せられています。 並列計算は、検索プログラムの開発、暗号解読、および大量の情報の列挙に関連する他の分野に新たな弾みを与えています。

現在、ニューラルネットワークはパターン認識、テキスト、音声に使用されています。 取引所のトレーダーを置き換えるソフトウェアシステム全体が構築されていることに基づいたものもあります。 ニューラルネットワークを備えた拡張カードが作成されます。これを通常のコンピューターに挿入し、必要なソフトウェアのセットを使用して自分で操作できます。 彼らはまだ改善の過程にあるが、彼らは仕事をうまくやる。 しかし、それらに基づいて人工知能を作成することは可能ですか？

はい、ニューラルネットワークは自己学習が可能ですが、そのためには、事前にすべての答えを知る必要があります。 ここでは試行錯誤の方法は機能しません。 ですから、これは大きな伸びを伴う自習としか言えません。 特定の問題を解決するように構成できます。 その後、彼女は彼女に対処しますが、他には何もしません。 彼女を新しい目的のために再訓練するには、人だけでなく、この新しい分野の専門家が必要です。 ニューラルネットワーク自体は何も学習できません。

ニューロサイバネティックスのトリックは、彼らがその思考プロセスで脳を再現しようとしているということでした。 しかし、彼らが達成した唯一のことは、彼らがその細胞の1つのタイプ-ニューロンだけの構造を部分的に繰り返したことでした。 同時に、彼らはアルゴリズムをすべてこれにねじ込みましたが、これは私たちの思考とは何の関係もありません。

その結果、「ブラックボックス」と同じサイバネティックスが得られ、内部よりも入力、出力、地獄があります。 ニューラルネットワークは分析、合成、比較、演useを使用しないため、思考のプロセスはニューラルネットワークの作業とは関係ありません。 また、彼らは人間の精神のような要因を考慮していません。 ニューロンが再作成されると、これらすべてに関連するプロパティが省略されるため、プロセスは表面レベルでのみ実現されます。

神経回路網の作成者は、論理に加えて、人間の心理学に基づいたある種の「プログラミング言語」を台無しにしようとしていますが、深刻な問題に直面しました。 彼らは簡単に定式化できる心理学の一般理論を見つけようとしている。 しかし、実際には、ここには多数のアプローチがあり、さらに興味深いのは、それらのいずれも生理学を参照していないということです。つまり、私たちの神経回路網が私たちの精神のエンジンであるという事実です。 しかし、そのような接続がない場合はどうなりますか？

理論心理学はすでに独自の要素を持つ独立したシステムです。 生理学にはまったく関係ないため、この「プログラミング言語」、心理学のこの形式化は、ニューラルネットワークと別のプラットフォームの両方で実装するか、一般的に数学的に説明できます。 したがって、ニューラルネットワークはそれほど重要なものではありません。

最初のパートの最後に尋ねた質問、つまり、人工知能の既存の定義が非常に良いかどうかの質問に戻りましょう。 すべてのコンポーネントはすでに作成されているようですが、このフランケンシュタインにはまだ何かが欠けています。 彼に命を吹き込む何かがなければならない。

ここでの主なことは、人工知能が必要な理由を理解することです。 論理問題を解決しますか？ 通常のコンピューターで既にこれを処理できます。 画像や音声を認識しますか？ そのような技術もすでに存在します。 たぶん、かなり複雑な他のタスクがありますか？ 彼女には何らかの技術や開発があると思います。 私たちの問題はすべて、人工知能を使用せずに個別に解決できます。 次に、なぜそれが必要なのでしょうか？

特定のタスク用ではないのではないかと思います。 私たちは茂みをbeatり回って自分を欺くことはありません。 私たちは、人工知能をできるだけ人間に近づけたいと直接言います。

彼は同様に非論理的で、直観を持ち、アイデアを生み出し、意思決定を行い、感じ、共感する能力を持っていたので、彼とコミュニケーションをとると、あなたが人とコミュニケーションしているという感覚が生まれます。 彼が彼自身の世界観を持っているので、彼は対戦相手と議論し、賛成または反対することができます。 彼は気配りがあり、友人になり、秘密を守り、嘘をつき、尊敬し、嫌いになる能力を持っていたため、ユーモアのセンスがありました。 彼が愛せるように

この定義はポイントに近いように思えます。



UPD：コメントから判断すると、名前が本質を反映していないことが明らかになったため、変更する必要がありました。



目次：



人工知能の歴史、パート1。アーティストのいない絵画。



人工知能の歴史、パート2。ニューラルネットワークAI-避けられないか不可能か？



人工知能の作成