Искусственные нейронные сети (ИНС) привлекли значительное внимание в области глубокого обучения из-за убеждения, что они могут воспроизводить работу нашего мозга. Джеффри Хинтон, видная фигура в разработке ИНС, утверждает, что способность мозга обучаться на основе сильных связей служит основой для создания интеллектуальных машин. В интервью Николасу Томпсону в 2019 году Хинтон подчеркнул важность имитации этого процесса в ИНС. В этой статье рассматриваются взгляды Джеффри Хинтона и Яна Лекуна на потенциал ИНС для картирования наших естественных нейронных сетей и анализируются их прогнозы относительно будущего искусственного интеллекта.

Эволюция нейронных сетей: Джеффри Хинтон

Механизмы обучения мозга и ИНС. Хинтон предполагает, что мозг обучается, регулируя силу своих связей, и ИНС были разработаны, чтобы отражать это поведение. Исследователи, в том числе Хинтон, активно работают над разработкой алгоритмов и моделей, которые обучаются на основе данных без явного программирования. Их цель — позволить ИНС приобретать интеллект, сравнимый с человеческим мозгом.

Ограничения и перспективы на будущее.Хинтон признает, что определенные задачи, такие как управление моторикой (человеческий мозг обладает исключительными способностями к точному и адаптивному управлению нашим телом) и абстрактное мышление (способность мыслить концептуально, логически выводы и решать сложные проблемы, не полагаясь исключительно на предопределенные шаблоны или данные), в настоящее время превосходят возможности ИНС. Тем не менее, он твердо верит, что дальнейшие усовершенствования и масштабируемость ИНС в конечном итоге позволят им превзойти людей и в этих областях. По словам Хинтона, нет никаких ограничений на то, чего могут достичь ИНС, поскольку он рассматривает их как нейро-вдохновленный подход, а не как точную копию сложностей мозга.

ИНС: подход, вдохновленный нейросетями. Хинтон подчеркивает, что ИНС не стремятся полностью воспроизвести мозг, а вместо этого стремятся имитировать его основные механизмы обучения. Хотя он признает, что могут существовать альтернативные подходы, он считает, что понимание механизмов обучения мозга и их применение к ИНС является многообещающим путем к развитию искусственного интеллекта, способного конкурировать с человеческими способностями.

«Я пришел к выводу, что тот тип интеллекта, который мы развиваем, сильно отличается от того интеллекта, который у нас есть. […] Так что это как если бы у вас было 10 000 человек, и всякий раз, когда один человек чему-то учился, все автоматически это знали. Вот почему эти [машины] могут знать намного больше, чем любой человек». — Джеффри Хинтон

Должны ли мы беспокоиться о будущем искусственного интеллекта? Джеффри Хинтон упомянул «злоумышленников», которые могут использовать ИИ способами, оказывающими негативное влияние на общество, такими как влияние на выборы или подстрекательство к насилию, в интервью MIT Technology Review. Он ушел из Google в начале 2023 года, чтобы открыто говорить о любых потенциальных опасностях.

«Я хочу говорить о проблемах безопасности ИИ, не беспокоясь о том, как он взаимодействует с бизнесом Google. Пока мне платит Google, я не могу этого делать». — Джеффри Хинтон

Увлекательное видение разработки автономных машин от Яна Лекуна

«Наш интеллект — это то, что делает нас людьми, а ИИ — расширение этого качества». — Ян ЛеКун

Модульная архитектура. Янн ЛеКун, ведущий эксперт в области искусственного интеллекта и глубокого обучения, предложил перспективную архитектуру для разработки автономных машин. Его подход отличается от преобладающего метода обучения одной модели от начала до конца и вместо этого выступает за модульную структуру, вдохновленную различными частями человеческого мозга.

В основе архитектуры LeCun лежит гибкая модель мира, предсказывающая состояния окружающей среды. Эта единая адаптируемая модель мира позволяет обмениваться знаниями между задачами, позволяя рассуждать по аналогии. Модель мира дополняют такие модули, как восприятие, стоимостная оценка, кратковременная память, актор и конфигуратор. Каждый модуль играет жизненно важную роль в понимании мира, снижении дискомфорта, хранении актуальной информации, воплощении прогнозов в действия и настройке системы под конкретные задачи.

Обучение с самоконтролем. Реализация идеи Лекуна сопряжена с трудностями, но он предлагает обучение с самоконтролем в качестве ключевого подхода. Используя модели на основе энергии (EBM), которые кодируют многомерные данные в низкоразмерные пространства, автономные системы могут учиться на немаркированных данных и оценивать взаимосвязь между наблюдениями.

Автономные агенты. Концепция автономных агентов Лекуна бросает вызов господствующим теориям и призывает сосредоточиться на обучении на основе восприятия и адаптируемых архитектурах. Хотя необходимы дальнейшие исследования и уточнения, его видение служит источником вдохновения для разработки автономных машин в ближайшее десятилетие.

«ИИ будет усиливать человеческий интеллект, а не заменять его». — Ян ЛеКун

Прогноз будущего искусственного интеллекта. Профессор Янн ЛеКун считает, что, хотя машины в конечном итоге могут превзойти человеческий интеллект, это время еще далеко, и что, если они будут признаны вредными, их просто не следует создавать. .

Вывод:

И Хинтон, и ЛеКун предлагают ценную информацию о будущем ИИ и его влиянии на человеческий интеллект. Их разные точки зрения подчеркивают необходимость постоянных дискуссий и этических соображений, поскольку мы будем ориентироваться в разработке и внедрении технологий искусственного интеллекта в ближайшие годы. В конечном счете, направление, в котором движется ИИ, и его связь с человеческим интеллектом будут зависеть от выбора, который мы делаем как общество.

Ссылки: