Как учится машина. Революция в области нейронных сетей и глубокого обучения. Ян Лекун. Yann Le Cun
Текстовый конспект https://smart-lab.ru/blog/729099.php Электронная книга http://flibusta.is/b/637345 Как учится машина. Революция в области нейронных сетей и глубокого обучения. Ян Лекун. Yann Le Cun 8 главные идеи обзора у изобретателей систем искусственного интеллекта возникла идея смоделировать человеческий мозг с его способностью к обучению. Так зародилось направление глубокого обучения (deep learning) и искусственных нейронных сетей. 2. Искусственные нейронные сети работают так: они улавливают входной сигнал и обрабатывают его таким образом, что на выходе этот сигнал идентифицируется. 3. В многослойной нейронной сети первичные слои выступают в роли экстракторов признаков, которые создаются не вручную, а автоматически — в процессе обучения. 4. ИИ обладает широкими возможностями анализа, распознавания и автоматической классификации. Многие функции ИИ уже перестали быть инновациями, превратившись в привычные и удобные составляющие нашей жизни. 5. В ближайшем будущем ИИ будет наиболее активно развиваться в четырех направлениях: медицина, автономный транспорт, виртуальные помощники и бытовые/промышленные роботы. 6. Обучение с учителем не позволяет создавать действительно интеллектуальные машины. 7. Обучение с подкреплением (методом проб и ошибок) эффективно только для игр. В реальном мире оно бессмысленно и даже опасно. 8. Машины не захватят мир, если человек не заставит их это сделать. Стремление к доминированию не имеет ничего общего с высоким интеллектом. мозг компьютера не обладает гибкостью и универсальностью человеческого мозга. Компьютерные нейроны — всего лишь математические функции, рассчитанные программой. А самые сложные и мощные компьютеры — узкопрофильные машины. И главное — у машин нет ни грамма здравого смысла. О том, что из себя представляют машины сейчас и чего ждать в будущем, вы узнаете из обзора книги «Как учится машина». Три причины познакомиться с обзором: Реально оценить возможности искусственного интеллекта. Увидеть, как ИИ уже сегодня работает в нашей обычной жизни. Окунуться в мир машинного обучения и понять, почему восстание машин в ближайшее время нам не грозит. Суперкомпьютеры объединяют десятки тысяч графических процессоров производительностью в десятки терафлопс. Их процессоры достигают скорости в сотни тысяч терафлопс. Они прогнозируют погоду, рассчитывают воздушный поток вокруг самолета, моделируют прошлое, например начало существования Вселенной. Все эти сложные манипуляции включают численное решение дифференциальных уравнений или уравнений в частных производных. Программы искусственного интеллекта могут учиться, но пока намного хуже и медленнее людей и даже животных. София — красивая девушка-гуманоид с загадочной улыбкой и живой мимикой в 2017 году давала интервью журналистам и очаровывала саудовских шейхов, которые даже дали ей гражданство страны. София — просто марионетка, в которую программисты залили набор стандартных ответов на множество вопросов. Ей что-то говорят, и программа сопоставления быстро выбирает из каталога наиболее подходящую реакцию. Машины пока еще выполняют действия, не понимая, что они делают, поскольку не обладают здравым смыслом. Этот обзор дает ответы на вопросы: как учится машина? Догонят ли нас компьютеры по интеллектуальным способностям? Если это произойдет, то как скоро? И стоит ли нам опасаться господства машин в будущем?(Эволюция машинного обучения) Пионеры машинного обучения стали работать над созданием оригинальной архитектуры сети математических функций, которые назвали искусственными нейронами. Они улавливают входной сигнал и обрабатывают его таким образом, что на выходе этот сигнал идентифицируется. Любая операция, например распознавание образов, поддерживается комбинированным взаимодействием искусственных нейронов. (Глубокие сети). Чтобы приблизить деятельность ИИ к работе мозга, недостаточно было воссоздать его строение.
Текстовый конспект https://smart-lab.ru/blog/729099.php Электронная книга http://flibusta.is/b/637345 Как учится машина. Революция в области нейронных сетей и глубокого обучения. Ян Лекун. Yann Le Cun 8 главные идеи обзора у изобретателей систем искусственного интеллекта возникла идея смоделировать человеческий мозг с его способностью к обучению. Так зародилось направление глубокого обучения (deep learning) и искусственных нейронных сетей. 2. Искусственные нейронные сети работают так: они улавливают входной сигнал и обрабатывают его таким образом, что на выходе этот сигнал идентифицируется. 3. В многослойной нейронной сети первичные слои выступают в роли экстракторов признаков, которые создаются не вручную, а автоматически — в процессе обучения. 4. ИИ обладает широкими возможностями анализа, распознавания и автоматической классификации. Многие функции ИИ уже перестали быть инновациями, превратившись в привычные и удобные составляющие нашей жизни. 5. В ближайшем будущем ИИ будет наиболее активно развиваться в четырех направлениях: медицина, автономный транспорт, виртуальные помощники и бытовые/промышленные роботы. 6. Обучение с учителем не позволяет создавать действительно интеллектуальные машины. 7. Обучение с подкреплением (методом проб и ошибок) эффективно только для игр. В реальном мире оно бессмысленно и даже опасно. 8. Машины не захватят мир, если человек не заставит их это сделать. Стремление к доминированию не имеет ничего общего с высоким интеллектом. мозг компьютера не обладает гибкостью и универсальностью человеческого мозга. Компьютерные нейроны — всего лишь математические функции, рассчитанные программой. А самые сложные и мощные компьютеры — узкопрофильные машины. И главное — у машин нет ни грамма здравого смысла. О том, что из себя представляют машины сейчас и чего ждать в будущем, вы узнаете из обзора книги «Как учится машина». Три причины познакомиться с обзором: Реально оценить возможности искусственного интеллекта. Увидеть, как ИИ уже сегодня работает в нашей обычной жизни. Окунуться в мир машинного обучения и понять, почему восстание машин в ближайшее время нам не грозит. Суперкомпьютеры объединяют десятки тысяч графических процессоров производительностью в десятки терафлопс. Их процессоры достигают скорости в сотни тысяч терафлопс. Они прогнозируют погоду, рассчитывают воздушный поток вокруг самолета, моделируют прошлое, например начало существования Вселенной. Все эти сложные манипуляции включают численное решение дифференциальных уравнений или уравнений в частных производных. Программы искусственного интеллекта могут учиться, но пока намного хуже и медленнее людей и даже животных. София — красивая девушка-гуманоид с загадочной улыбкой и живой мимикой в 2017 году давала интервью журналистам и очаровывала саудовских шейхов, которые даже дали ей гражданство страны. София — просто марионетка, в которую программисты залили набор стандартных ответов на множество вопросов. Ей что-то говорят, и программа сопоставления быстро выбирает из каталога наиболее подходящую реакцию. Машины пока еще выполняют действия, не понимая, что они делают, поскольку не обладают здравым смыслом. Этот обзор дает ответы на вопросы: как учится машина? Догонят ли нас компьютеры по интеллектуальным способностям? Если это произойдет, то как скоро? И стоит ли нам опасаться господства машин в будущем?(Эволюция машинного обучения) Пионеры машинного обучения стали работать над созданием оригинальной архитектуры сети математических функций, которые назвали искусственными нейронами. Они улавливают входной сигнал и обрабатывают его таким образом, что на выходе этот сигнал идентифицируется. Любая операция, например распознавание образов, поддерживается комбинированным взаимодействием искусственных нейронов. (Глубокие сети). Чтобы приблизить деятельность ИИ к работе мозга, недостаточно было воссоздать его строение.