Мэдрэл судлаачид, танин мэдэхүйн судлаачид, философичдын дунд хүний тархийг бий болгох эсвэл сэргээн босгох боломжтой эсэх талаар хэлэлцүүлэг өрнөж байна. Тархины шинжлэх ухааны өнөөгийн ололт амжилт, нээлтүүд нь хиймэл тархийг эхнээс нь дахин бүтээх боломжтой цаг үеийг тогтвортой болгож байна. Зарим хүмүүс үүнийг боломжийн хязгаараас давсан гэж үздэг, хоёр дахь нь үүнийг бий болгох арга замаар завгүй байдаг, гурав дахь нь даалгавар дээрээ удаан хугацаанд үр дүнтэй ажиллаж байна. Уг нийтлэлд бид хиймэл оюун ухааны хөгжил, түүний хэтийн төлөв, мөн энэ чиглэлийн томоохон компаниуд, төслүүдийн талаарх асуултуудыг авч үзэх болно.
Үндсэн мэдээлэл
Хиймэл тархи нь хүмүүс шиг ухаалаг, бүтээлч, ухамсартай робот машинтай таарч байна. Хүн төрөлхтний түүхэнд уг зорилт бүрэн шийдэгдээгүй байсан ч энэ бол цаг хугацааны асуудал гэж футуристууд хэлж байна. Орчин үеийн гэж үзвэлмэдрэлийн шинжлэх ухаан, тооцоолол, нано технологийн чиг хандлага нь хиймэл оюун ухаан, тархи 21-р зуунд, магадгүй 2050 он гэхэд бий болно гэж таамаглаж байна.
Эрдэмтэд хиймэл оюун ухаан бүтээх хэд хэдэн аргыг судалж байна. Эхний тохиолдолд хүний тархины биологийн бодит загварчлалыг супер компьютер дээр хийдэг. Хоёр дахь тохиолдолд эрдэмтэд мэдрэлийн эдэд амархан загварчлагдах асар их параллель нейроморф тооцоолох төхөөрөмжийг бүтээхээр оролдож байна.
Шинжлэх ухаан, метафизикийн хамгийн сонирхолтой нууцуудын хувьд хүний ухамсар нь хамгийн төвөгтэй бөгөөд хамгийн хүрч болохуйц гэж тооцогддог. Хүний тархинд урвуу инженерчлэл хийснээр ижил төстэй дүгнэлтэд хүрдэг.
Машин сурах
Машинжуулалт нь "хиймэл оюун ухаан"-ын хөгжлийн стратегийн гол цөм нь бөгөөд үүний тулд хүний тархины эсийг цогцоор нь судалдаг. Энэ төрлийн сургалт нь асар их боломжуудтай: түүний платформ нь алгоритмууд, хөгжүүлэлтийн хэрэгслүүд, API-ууд, загвар байршуулалтыг агуулдаг. Компьютер нь тодорхой програмчлагдаагүй сурах чадвартай. Амазон, Google, Microsoft зэрэг шинэлэг компаниуд машин сургалтыг идэвхтэй ашиглаж байна.
Гүн сургалтын платформууд
Гүнзгий суралцах нь машин сургалтын нэг хэсэг юм. Энэ нь хүний тархи хэрхэн ажилладаг, мэдээлэл урсдаг хиймэл мэдрэлийн сүлжээ (ANN) алгоритм дээр тулгуурладаг. Роботууд оролт, үр дүнгээс "суралцаж" чаддаг. Гүнзгий суралцах - ирээдүйтэйих хэмжээний мэдээлэлтэй хослуулсан хиймэл оюун ухааны чиг хандлага. Энэ нь хэв маягийг таних, ангилах чиглэлээр өөрийгөө нотолсон. Deep Instinct, Fluid AI, MathWorks, Ersatz Labs, Sentient Technologies, Peltarion, Saffron Technology зэрэг нь тагнуулын судалгааны энэ салбарт анхдагч компаниудын жишээ юм.
Байгалийн хэл боловсруулах
Neuro-linguistic programming (NLP) нь компьютер болон хүний хэл хоорондын зааг дээр байдаг бөгөөд хиймэл оюун ухааны технологи юм. Компьютерийн программууд нь хүний ярианы болон бичгийн яриаг ойлгох чадвартай. Amazon Alexa программ хангамж, Apple Siri, Microsoft Cortana, Google Assistant зэрэгт NLP программыг хэрэглэгчийн асуултыг ойлгож, хариулт өгөхөд ашигладаг. Энэ төрлийн програмчлалыг эдийн засгийн гүйлгээ болон харилцагчийн үйлчилгээнд өргөн ашигладаг.
Байгалийн хэлний үе
NLG программ хангамж нь бүх төрлийн өгөгдлийг хүний уншигдахуйц текст болгон хувиргахад ашигладаг бөгөөд энэ нь тархийг судлах замаар хийгддэг. Энэ нь бизнесийн тагнуулын тайлангийн автоматжуулалт, бүтээгдэхүүний тодорхойлолт, санхүүгийн тайлан зэрэг программуудтай дутуу үнэлэгдсэн технологи юм. Технологи нь урьдчилан таамаглах боломжтой нэмэлт зардлаар хэрэглэгчийн үүсгэсэн агуулгыг бий болгох боломжийг олгодог. Бүтэцлэгдсэн өгөгдлийг секундэд хэдэн хуудас хүртэл өндөр хурдтайгаар текст болгон хувиргадаг. Энэ зах зээлийн сонирхолтой тоглогчид бол Автомат мэдээлэл,Lucidworks, Attivio, SAS, Narrative Science, Digital Reading, Yseop болон Cambridge Semantics.
Виртуал агентууд
Хиймэл оюун ухааны технологийн хүрээнд "виртуал агент" болон "виртуал туслах" гэсэн нэр томъёог сольж болохгүй. Зарим хүмүүс үзэл баримтлалыг ялгах гэж оролддог ч амжилтанд хүрдэг.
Virtual Assistant бол нэг төрлийн хувийн онлайн туслах юм. Виртуал агентууд нь ихэвчлэн хэрэглэгчидтэй ухаалаг яриа өрнүүлж буй компьютерийн AI дүрээр дүрслэгддэг. Тэд асуултанд хариулж чаддаг бөгөөд үйлчлүүлэгчид 24 цагийн турш тусламж авах боломжтой байдаг нь тэдний гол давуу тал юм.
Яриа таних
Яриа таних нь программ нь ярианы хэл дээрх үг, хэллэгийг ойлгож, задлан шинжлэх, тэдгээрийг хиймэл тархины алгоритмыг ашиглан өгөгдөл болгон хувиргах чадварыг хэлнэ. Яриа танихыг компанид дуудлагын чиглүүлэлт, дуут залгалт, дуут хайлт, ярианаас текст боловсруулахад ашигладаг. Нэг сул тал нь уг программ нь дуудлага болон арын чимээ шуугианаас шалтгаалан үгсийг төөрөгдүүлдэг. Яриа таних программ хангамжийг хөдөлгөөнт төхөөрөмж дээр суулгах нь нэмэгдсээр байна. Nuance Communications, OpenText, Verint Systems болон NICE энэ чиглэлээр хөгжиж байна.
AI-суулгасан техник хангамж
Суулгасан AI, чип, график боловсруулах нэгж (GPU) бүхий төхөөрөмжүүд өргөн тархсан. Google үүнд суулгасанхүний тархины хүрээлэнгийн хөгжлийг үндэс болгон хиймэл оюун ухааны техник хангамж. Хиймэл оюун ухааныг програм хангамжтай нэгтгэсний үр нөлөө нь зугаа цэнгэл, тоглоом зэрэг хэрэглээний программуудаас хамаагүй илүү юм. Энэ бол гүн гүнзгий суралцахад ашиглах шинэ төрлийн технологи юм. Ийм бүтээн байгуулалтыг Google, IBM, Intel, Nvidia, Allluviate, Cray нар хийдэг.
Шийдвэрийн удирдлага
Шинэлэг бүтээгдэхүүн дэх бизнесийн шийдвэрийн удирдлага (жишээ нь, хиймэл оюун ухаантай робот) нь автоматжуулсан системийн дизайн, зохицуулалтын бүх талыг хамардаг. Байгууллагын хувьд ажилчид, үйлчлүүлэгчид болон ханган нийлүүлэгчдийн хоорондын харилцааг зохицуулах нь чухал юм.
Шийдвэрийн удирдлага нь өөр сонголт хийх үйл явцыг сайжруулдаг бөгөөд энд бүх боломжит мэдээллийг хамгийн сайн давуу тал болгон ашигладаг бол маневрлах чадвар, тууштай байдал, шийдвэр гаргах үнэн зөвийг онцолдог. Шийдвэрийн удирдлага нь цаг хугацааны хязгаарлалт болон мэдэгдэж буй эрсдэлийг харгалзан үздэг.
Банк, даатгал, санхүүгийн үйлчилгээний байгууллагууд өдөр тутмын шийдвэр гаргах программ хангамжийг харилцагчийн үйлчилгээний үйл явцдаа нэгтгэж байна.
Нейроморфийн төхөөрөмж
SyNAPSE нь DARPA-аас санхүүжүүлдэгпрограмм нь тархины оюун ухаан, физикийн зураглалыг гаргадаг нейроморф микропроцессорын системийг хөгжүүлэх зорилготой юм. Энэхүү платформ нь хиймэл тархи бий болгох боломжтой юу гэсэн гол асуултын хариултыг хайж байна. Хамгийн эхэндмэдрэлийн сүлжээг суперкомпьютер дээр загварчлалаар туршиж, дараа нь сүлжээг техник хангамжид шууд бүтээдэг. 2011 оны 10-р сард 256 нейрон агуулсан нейроморфик чипийн загварыг үзүүлэв. 1 сая оргил мэдрэлийн эс болон 1 тэрбум синапсыг дуурайх чадвартай олон чипт системийг бүтээх ажил хийгдэж байна.
Мэдрэлийн сүлжээний загварчлал
Цэнхэр тархи төсөл нь молекулын түвшинд компьютерийн симуляци ашиглан хүний тархи, нугасыг сэргээх оролдлого юм. Уг төслийг 2005 оны тавдугаар сард Хенри Маркрам Швейцарийн Лозанна хотын Политехникийн сургуульд (EPFL) үүсгэн байгуулжээ. Симуляци нь IBM Blue Gene суперкомпьютер дээр ажилладаг тул Цэнхэр тархи нэртэй болсон. 2018 оны арваннэгдүгээр сарын байдлаар 10 сая орчим нейрон, 10 тэрбум синапс агуулсан мезоцитууд дээр симуляци хийж байна. 186 тэрбум мэдрэлийн эс бүхий хүний тархины бүрэн хэмжээний симуляцийг 2023 онд хийхээр төлөвлөж байна.
Спаун, семантик заагч архитектур бүхий нэгдсэн сүлжээг Крис Элиасмит болон Канадын Ватерлоогийн их сургуулийн онолын мэдрэл судлалын төвийн (CTN) хамтран бүтээжээ. 2018 оны 12-р сарын байдлаар Спаун бол дэлхийн хамгийн том тархины симуляци юм. Уг загвар нь 2.5 сая нейрон агуулдаг бөгөөд энэ нь тоонуудын жагсаалтыг таних, энгийн тооцоолол хийхэд хангалттай.
SpiNNaker нь асар бага хүчин чадалтай нейроморф суперкомпьютер юм.одоогоор Их Британийн Манчестерийн их сургуульд баригдаж байна. Нэг сая гаруй цөм, мянга гаруй симуляцийн мэдрэлийн эсүүдтэй машин нь нэг тэрбум мэдрэлийн эсийг дуурайлган дуурайлган хийх чадвартай. SpiNNaker нь нэг алгоритмыг хэрэгжүүлэхийн оронд өөр өөр алгоритмуудыг туршиж үзэх боломжтой платформ болно. Янз бүрийн төрлийн мэдрэлийн сүлжээг загварчилж, машин дээр ажиллуулж болох бөгөөд ингэснээр өөр өөр төрлийн нейрон болон харилцааны хэв маягийг дуурайлган хийдэг. SpiNNaker нь Spi King Nural-аас гаралтай товчлол юм.
Brain Corporation нь биологийн мэдрэлийн системийн үндэс суурь болох шинэ алгоритм, микропроцессоруудыг хөгжүүлдэг жижиг судалгааны компани юм. Тус компанийг 2009 онд тооцооллын мэдрэл судлаач Евгений Ижикевич, мэдрэл судлаач/ бизнес эрхлэгч Аллен Грубер нар үүсгэн байгуулжээ. Тэдний судалгаа нь харааны мэдрэмж, моторын удирдлага, бие даасан навигаци гэсэн чиглэлээр голлон анхаардаг. Тус компанийн зорилго бол гар утас, гэр ахуйн робот зэрэг хэрэглэгчийн төхөөрөмжийг хиймэл мэдрэлийн системээр тоноглох явдал юм. Судалгааг Калифорнийн Сан Диего дахь Qualcomm кампус дээр байрладаг Qualcomm-аас хэсэгчлэн санхүүжүүлдэг. Одоогоор ямар нэгэн тодорхой бүтээгдэхүүн гараагүй, зарлаагүй байгаа ч компани өссөөр байгаа бөгөөд 2018 оны 2-р сараас хойш шинэ ажилчдыг идэвхтэй ажиллуулж байна.
Холбогдох судалгаа
Google X Lab нь Google ирээдүйн технологиудыг туршиж үздэг нууц лаборатори юм. Компанийн хэрэгжүүлэх төслүүдбүтээлүүд нь олон нийтэд нээлттэй биш боловч робот техник, хиймэл оюун ухаанд суурилсан гэж үздэг. Лабораторийн талаарх дэлгэрэнгүй мэдээлэл анх 2011 оны 11-р сард Нью-Йорк Таймс сонины нийтлэлд гарсан. Уг хэвлэлд тус лаборатори Калифорни мужийн Бэй Аэриад байрладаг гэж бичжээ. Google компанийг үүсгэн байгуулагчид хиймэл оюун ухааныг судлах сонирхолтой бөгөөд энэ чиглэлд хөрөнгө оруулалт хийж байгаа нь тодорхой. 2006 онд компаний санамж бичигт Google дэлхийн хамгийн шилдэг хиймэл оюун ухааны судалгааны лабораторийг байгуулахыг хүсэж байна гэжээ.
Орос 2045 буюу 2045 оны санаачилга буюу Аватар төсөл нь 2020 он гэхэд робот аватар, 2025 он гэхэд тархи шилжүүлэн суулгах, 2035 он гэхэд хиймэл тархитай болох зорилготой урт хугацааны томоохон төсөл юм. Уг хөтөлбөрийг 2011 онд Оросын хэвлэл мэдээллийн магнат Дмитрий Ицков эхлүүлсэн. Энэ нь хүн төрөлхтний ашиг тус, технологийн системтэй хөгжлийн төлөө хамтран ажилладаг эрдэмтдийн дэлхийн сүлжээгээр дамжуулан хүний тархины институцийг бий болгох зорилготой юм. Оросын хэд хэдэн эрдэмтэд судалгааныхаа ажилд Ицковоос хөрөнгө оруулалт авчээ. Нэмж хэлэхэд, Ицков өндөр орлоготой хувь хүмүүс, буяны байгууллага, үндэсний болон олон улсын засгийн газраас нэмэлт санхүүжилт хайж байна.
Дараагийн сонирхолтой төсөл бол Бостоны Их Сургууль болон Хьюлетт Паккардын (HP) хамтарсан Монета нэртэй хөтөлбөр юм. Грег Снайдер тэргүүтэй HP баг Cog Ex Machina нэртэй мэдрэлийн сүлжээний платформыг бүтээж байнаMemristors дээр суурилсан ирээдүйн GPU болон компьютер дээр ажиллах. Массимилиано Версаче тэргүүтэй Бостоны их сургуулийн нейроморфологийн лаборатори Cog Ex Machina дээр ажилладаг Монета хэмээх модульчлагдсан хиймэл тархи бүтээжээ. Товчилсон нэр нь Модуляр мэдрэлийн судалгааны аялал жуулчлалын агент гэсэн үг юм.
Цагийн хүрээ
Тархи нугасны дижитал хуулбарыг хэзээ нэгтгэж болох вэ гэсэн асуулт зайлшгүй гарч ирнэ.
Харамсалтай нь энэ удахгүй ирэхгүй. Курцвейл 2030 он гэхэд тархины эмуляцийг урьдчилан таамаглахад 12 жилийн дараа маш богино санагдаж байна. Түүгээр ч барахгүй түүний Хүний геномын төсөлтэй зүйрлэл нь хангалтгүй байсан. Нэмж хэлэхэд, олон эрдэмтэд зарим нэг мухардалд орж байгаа байх.
Үүнтэй адил дүрэмд суурилсан хандлагын дараагийн хэдэн арван жилд амжилт олох тухай Герцэлийн таамаг хэт өөдрөг харагдаж байна. Хэдийгээр түүний хиймэл оюун ухааныг сургах арга барилын хувьд боломжгүй зүйл биш байх.
Магадлалтай хувилбараар бол 50-75 жилийн дараа хүний тархины код юмуу дүрсийг бүтээх боломжтой. Гэсэн хэдий ч нэг талаас мэдрэл судлалын алдааны зөрүү, нөгөө талаас өөрчлөлтийн хурд зэргийг харгалзан он сар өдрийг таамаглахад хэцүү байдаг. 2050 он бол таамаглалын хувьд нэг төрлийн хар нүх юм.
