Artificiell intelligens

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 8 augusti 2022; kontroller kräver 12 redigeringar .

Artificiell intelligens ( AI ; engelska  artificiell intelligens, AI ) - artificiella systems egenskap att utföra kreativa funktioner som traditionellt anses vara människans prerogativ [1] (inte att förväxla med artificiellt medvetande , IS); vetenskapen och tekniken för att skapa intelligenta maskiner, särskilt intelligenta datorprogram [2] .

AI är relaterad till den liknande uppgiften att använda datorer för att förstå mänsklig intelligens , men är inte nödvändigtvis begränsad till biologiskt rimliga metoder [2] .

Intelligenta system som finns idag har ganska smala användningsområden. Till exempel kan program som kan slå en person i schack inte svara på frågor etc. [3]

Ursprung och betydelse för termen

Definitionen av artificiell intelligens som citeras i ingressen, som gavs av John McCarthy 1956 vid ett seminarium vid Dartmouth University , är inte direkt relaterad till förståelsen av intelligens hos människor. Enligt McCarthy är AI-forskare fria att använda metoder som inte observeras hos människor om det är nödvändigt för att lösa specifika problem [2] .

John McCarthy förklarar sin definition och påpekar: "Problemet är att vi ännu inte generellt kan definiera vilka beräkningsprocedurer vi vill kalla intelligenta. Vi förstår vissa av intelligensens mekanismer och förstår inte andra. Därför förstås intelligens inom denna vetenskap endast som en beräkningskomponent av förmågan att uppnå mål i världen” [2] .

Samtidigt finns det en synpunkt enligt vilken intelligens endast kan vara ett biologiskt fenomen [4] .

På engelska har inte frasen artificiell intelligens den antropomorfa färg som den fick i den traditionella ryska översättningen: ordet intelligens i det använda sammanhanget betyder snarare "förmågan att rimligtvis" och inte alls "intelligens" (för vilket det finns är ett engelskt analogt intellekt [5] .

Följande definitioner av artificiell intelligens ges:

En av de privata definitionerna av intelligens, vanlig för en person och en "maskin", kan formuleras på följande sätt: "Intelligens är förmågan hos ett system att skapa program (främst heuristiska) under självlärande för att lösa problem med en viss klass av komplexitet och lösa dessa problem” [8] .

Förutsättningar för utvecklingen av vetenskapen om artificiell intelligens

Den artificiella intelligensens historia som en ny vetenskaplig riktning börjar i mitten av 1900-talet. Vid denna tidpunkt hade många förutsättningar för dess ursprung redan skapats: bland filosofer hade det länge funnits dispyter om människans natur och processen att känna till världen, neurofysiologer och psykologer utvecklade ett antal teorier om arbetet i den mänskliga hjärnan och tänkande, ekonomer och matematiker ställde frågor om optimala beräkningar och representation av kunskap om världen i formaliserad form; slutligen föddes grunden för den matematiska teorin om beräkning – teorin om algoritmer – och de första datorerna skapades.

Förmågan hos nya maskiner när det gäller beräkningshastighet visade sig vara större än mänskliga, så frågan uppstod i det vetenskapliga samfundet: vilka är gränserna för datorers kapacitet och kommer maskiner att nå nivån av mänsklig utveckling? 1950 skrev en av pionjärerna inom datateknik, den engelske vetenskapsmannen Alan Turing , en artikel med titeln " Kan en maskin tänka? ” [9] , som beskriver en procedur genom vilken det kommer att vara möjligt att bestämma ögonblicket när en maskin blir lika intelligensmässigt med en person, kallad Turing-testet .

Historien om utvecklingen av artificiell intelligens i Sovjetunionen och Ryssland

Kollegial rådgivare Semyon Nikolaevich Korsakov (1787-1853) satte uppdraget att stärka sinnets kapacitet genom utveckling av vetenskapliga metoder och anordningar, vilket återspeglar det moderna konceptet med artificiell intelligens som en förstärkare av det naturliga. År 1832 publicerade S. N. Korsakov en beskrivning av fem mekaniska anordningar som han uppfann, de så kallade "intelligenta maskinerna", för den partiella mekaniseringen av mental aktivitet i sök-, jämförelse- och klassificeringsuppgifter. För första gången i datavetenskapens historia använde Korsakov perforerade kort i designen av sina maskiner , vilket spelade en slags roll som kunskapsbas för honom , och maskinerna själva var i huvudsak föregångare till expertsystem [10] [11 ] .

I Sovjetunionen började arbetet med artificiell intelligens på 1960-talet [6] . Ett antal banbrytande studier genomfördes vid Moskvas universitet och Vetenskapsakademin , ledda av Veniamin Pushkin och D. A. Pospelov . Sedan början av 1960-talet har M. L. Tsetlin och kollegor utvecklat frågor relaterade till träning av finita automater.

[12] » slutet av 1950-talet - början av 1960-talet [13] . Denna syn på artificiell intelligens, cybernetik och datavetenskap delas inte av alla. Detta beror på det faktum att i väst är gränserna för dessa vetenskaper något annorlunda [14] .

På initiativ av G. S. Pospelov, den 10 september 1986, skapades det vetenskapliga rådet om problemet med "artificiell intelligens" vid presidiet för USSR Academy of Sciences (G. S. Pospelov blev ordförande för rådet, D. A. Pospelov och E. V. Popov blev hans suppleanter). Senare spelade detta råd en viktig roll i utvecklingen av forskning om artificiell intelligens i Ryssland och i Sovjetunionen som helhet.

I Ryssland fattades den 30 maj 2019, vid ett möte om utvecklingen av den digitala ekonomin under ledning av V. V. Putin, ett beslut om att utarbeta en nationell strategi för artificiell intelligens. Inom dess ram förbereds ett federalt program med tilldelning av 90 miljarder rubel [15] [16] .

Den 10 oktober 2019 godkände V.V. Putin genom sitt dekret den nationella strategin för utveckling av artificiell intelligens i Ryssland fram till 2030 [17] .

Den 27 augusti 2020 godkändes det nationella projektet "Artificiell intelligens", vars chef utsågs till biträdande minister för ekonomisk utveckling Oksana Tarasenko [18] [19] .

I december 2020 gick den andra artificiell intelligens-konferensen Artificial Intelligence Journey (AI Journey) in i de tre bästa liknande forumen i världen. Den deltog (online) av mer än 20 000 personer från 80 länder, Vladimir Putin deltog i konferensen [20] [21] .

Under våren 2021 godkände premiärminister Mikhail Mishustin reglerna för tilldelning av ekonomiskt stöd till företag som är engagerade inom AI-området till ett belopp av 1,4 miljarder rubel (för 2021) [22] .

Tillvägagångssätt och vägbeskrivningar

Tillvägagångssätt för att förstå problemet

Det finns inget entydigt svar på frågan om vad artificiell intelligens gör. Nästan varje författare som skriver en bok om AI utgår från någon definition i den, med tanke på resultaten av denna vetenskap i dess ljus.

Inom filosofin har frågan om det mänskliga intellektets natur och status inte lösts . Det finns inte heller något exakt kriterium för att datorer ska uppnå "intelligens", även om ett antal hypoteser föreslogs i början av artificiell intelligens , till exempel Turing-testet eller Newell-Simon-hypotesen . Därför, trots förekomsten av många tillvägagångssätt för att både förstå AIs uppgifter och skapa intelligenta informationssystem , kan två huvudsakliga tillvägagångssätt för utvecklingen av AI särskiljas [23] :

Det senare tillvägagångssättet gäller strängt taget inte vetenskapen om AI i den mening som John McCarthy gav – de förenas endast av ett gemensamt slutmål.

Turing-testet och det intuitiva tillvägagångssättet

Det empiriska testet föreslogs av Alan Turing i hans artikel " Computing Machinery and Intelligence " [24] , publicerad 1950 i den filosofiska tidskriften Mind .  Syftet med detta test är att avgöra möjligheten till artificiellt tänkande, nära människan.

Standardtolkningen av detta test är som följer: " En person interagerar med en dator och en person. Baserat på svaren på frågorna måste han bestämma vem han pratar med: med en person eller ett datorprogram. Ett datorprograms uppgift är att vilseleda en person att göra fel val .” Alla testdeltagare ser inte varandra.

  • Det mest allmänna tillvägagångssättet förutsätter att AI kommer att kunna uppvisa mänskligt beteende i normala situationer. Denna idé är en generalisering av Turing-testmetoden , som säger att en maskin kommer att bli intelligent när den kan föra en konversation med en vanlig person, och han kommer inte att kunna förstå att han pratar med maskinen (den samtalet genomförs genom korrespondens).
  • Science fiction-författare föreslår ofta ett annat tillvägagångssätt: AI kommer att uppstå när en maskin kan känna och skapa . Så ägaren till Andrew Martin från " Bicentennial Man " börjar behandla honom som en person när han skapar en leksak av sin egen design. Data från Star Trek , att kunna kommunicera och lära sig, drömmer om att få känslor och intuition .

Det senare tillvägagångssättet är dock osannolikt att hålla uppe under granskning mer detaljerat. Till exempel är det lätt att skapa en mekanism som kommer att utvärdera vissa parametrar i den externa eller interna miljön och svara på deras ogynnsamma värden. Vi kan säga om ett sådant system att det har känslor (" smärta " är en reaktion på att stötsensorn utlöses, " hunger " är en reaktion på låg batteriladdning, etc.). De kluster som genereras av Kohonen-kartor , och många andra produkter av "intelligenta" system, kan ses som en form av kreativitet.

Symboliskt tillvägagångssätt

Historiskt sett var det symboliska tillvägagångssättet det första under de digitala datorernas era, eftersom det var efter skapandet av Lisp , det första symboliska datorspråket, som dess författare blev säker på möjligheten att praktiskt taget börja implementera dessa intelligensmedel. Det symboliska förhållningssättet gör att man kan arbeta med svagt formaliserade representationer och deras betydelser.

Framgången och effektiviteten av att lösa nya problem beror på förmågan att extrahera endast väsentlig information, vilket kräver flexibilitet i abstraktionsmetoder. Medan ett vanligt program sätter ett av sina egna sätt att tolka data, vilket är anledningen till att dess arbete ser partiskt och rent mekaniskt ut. I det här fallet kan bara en person, en analytiker eller en programmerare, lösa ett intellektuellt problem, utan att kunna anförtro detta till en maskin. Som ett resultat skapas en enda abstraktionsmodell, ett system av konstruktiva enheter och algoritmer . Och flexibilitet och mångsidighet resulterar i betydande resurskostnader för icke-typiska uppgifter, det vill säga systemet återgår från intelligens till brute force.

Huvuddragen i symboliska beräkningar  är skapandet av nya regler under programexekveringen. Medan möjligheterna med icke-intelligenta system fullbordas precis innan förmågan att åtminstone indikera nya svårigheter. Dessutom är dessa svårigheter inte lösta, och slutligen förbättrar datorn inte sådana förmågor på egen hand.

Nackdelen med det symboliska förhållningssättet är att sådana öppna möjligheter av oförberedda människor uppfattas som en brist på verktyg. Detta ganska kulturella problem löses delvis genom logisk programmering.

Logiskt tillvägagångssätt

Det logiska tillvägagångssättet för att bygga AI-system är baserat på resonemangsmodellering. Den teoretiska grunden är logik.

Det logiska tillvägagångssättet kan illustreras genom att använda det logiska programmeringsspråket och systemet Prolog för dessa ändamål . Program skrivna på Prolog-språket representerar uppsättningar av fakta och slutledningsregler utan en stel specificering av algoritmen som en sekvens av åtgärder som leder till det önskade resultatet.

Agent-baserad metod

Det senaste tillvägagångssättet, som utvecklats sedan början av 1990-talet, kallas det agentbaserade tillvägagångssättet, eller det tillvägagångssätt som bygger på användningen av intelligenta (rationella) agenter. Enligt detta tillvägagångssätt är intelligens den beräkningsmässiga delen (grovt sett, planering) av förmågan att uppnå de mål som satts upp för en intelligent maskin. En sådan maskin i sig kommer att vara en intelligent agent som uppfattar omvärlden med hjälp av sensorer och kan påverka objekt i omgivningen med hjälp av ställdon .

Detta tillvägagångssätt fokuserar på de metoder och algoritmer som hjälper en intelligent agent att överleva i miljön medan han utför sin uppgift. Så här studeras vägsökning och beslutsfattande algoritmer mycket noggrannare .

Hybrid tillvägagångssätt

Hybridmetoden förutsätter att endast en synergistisk kombination av neurala och symboliska modeller uppnår hela skalan av kognitiva och beräkningsmöjligheter. Till exempel kan expertinferensregler genereras av neurala nätverk, och generativa regler erhålls med hjälp av statistisk inlärning. Förespråkare av detta tillvägagångssätt tror att hybridinformationssystem kommer att vara mycket starkare än summan av olika begrepp separat.

Symbolisk modellering av tankeprocesser

Genom att analysera AI:s historia kan man peka ut ett så omfattande område som resonemangsmodellering [25] . Under många år har utvecklingen av denna vetenskap rört sig längs denna väg, och nu är det ett av de mest utvecklade områdena inom modern AI. Resonemangsmodellering innebär skapandet av symboliska system , vars ingång en viss uppgift ställs in, och vid utgången krävs det för att lösa den. Som regel är det föreslagna problemet redan formaliserat , det vill säga översatt till matematisk form, men har antingen ingen lösningsalgoritm, eller så är det för komplicerat, tidskrävande etc. Denna riktning inkluderar: teorembevisande , beslutsfattande och spelteori , planering och utsändning , prognoser .

Arbeta med naturliga språk

Ett viktigt område är naturlig språkbehandling [26] , som analyserar möjligheterna att förstå, bearbeta och generera texter på ett "mänskligt" språk. Inom denna riktning är målet en sådan naturlig språkbehandling som skulle kunna skaffa sig kunskap på egen hand genom att läsa befintlig text tillgänglig på Internet. Vissa direkta tillämpningar av naturlig språkbehandling inkluderar informationshämtning (inklusive textutvinning) och maskinöversättning [27] .

Representation och användning av kunskap

Inriktningen av kunskapsteknik kombinerar uppgifterna att få kunskap från enkel information , deras systematisering och användning. Denna riktning är historiskt förknippad med skapandet av expertsystem  - program som använder specialiserade kunskapsbaser för att få tillförlitliga slutsatser om alla problem.

Produktion av kunskap från data är ett av de grundläggande problemen med datautvinning . Det finns olika tillvägagångssätt för att lösa detta problem, inklusive de som är baserade på neurala nätverksteknologier [28] , med användning av verbaliseringsprocedurer för neurala nätverk .

Maskininlärning

Problemet med maskininlärning [29] gäller processen för oberoende förvärv av kunskap av ett intelligent system under dess drift. Denna riktning har varit central ända från början av utvecklingen av AI [30] . 1956, vid Dartmunds sommarkonferens, skrev Ray Solomonoff en rapport om en oövervakad probabilistisk maskin och kallade den: "The Inductive Inference Machine" [31] .

Oövervakad inlärning  - låter dig känna igen mönster i inmatningsströmmen. Övervakat lärande inkluderar även klassificering och regressionsanalys . Klassificering används för att avgöra vilken kategori en bild tillhör. Regressionsanalys används för att hitta en kontinuerlig funktion i en serie numeriska exempel på in-/utträde och utifrån vilka det skulle vara möjligt att förutsäga utträdet. I träningen belönas agenten för bra svar och straffas för dåliga. De kan analyseras ur beslutsteoretisk synvinkel med hjälp av begrepp som nytta. Matematisk analys av maskininlärningsalgoritmer är en gren av teoretisk datavetenskap känd som beräkningslärandeteori . 

Området maskininlärning inkluderar en stor klass av uppgifter för mönsterigenkänning . Till exempel är detta teckenigenkänning , handskrift , tal , textanalys . Många problem löses framgångsrikt med hjälp av biologisk modellering (se nästa avsnitt). Särskilt bör nämnas datorseende , som också förknippas med robotik .

Biologisk modellering av artificiell intelligens

Det skiljer sig från förståelsen av artificiell intelligens enligt John McCarthy , när man utgår från ståndpunkten att artificiella system inte är skyldiga att upprepa i sin struktur och funktion den struktur och processer som förekommer i den som är inneboende i biologiska system. Förespråkare av detta tillvägagångssätt tror att fenomenet mänskligt beteende, dess förmåga att lära och anpassa sig är en konsekvens av den biologiska strukturen och egenskaperna hos dess funktion.

Detta inkluderar flera riktningar. Neurala nätverk används för att lösa suddiga och komplexa problem som geometrisk formigenkänning eller objektkluster. Det genetiska tillvägagångssättet bygger på tanken att en algoritm kan bli mer effektiv om den lånar bättre egenskaper från andra algoritmer (”föräldrar”). Ett relativt nytt tillvägagångssätt, där uppgiften är att skapa ett autonomt program – en agent som interagerar med den yttre miljön, kallas agent approach .

Robotics

Områdena robotik [32] och artificiell intelligens är nära besläktade med varandra. Integrationen av dessa två vetenskaper, skapandet av intelligenta robotar utgör en annan riktning för AI. Intelligens krävs för att robotar ska kunna manipulera objekt [33] , utföra navigering med lokaliseringsproblem (lokalisera, studera närliggande områden) och planera rörelse (hur man tar sig till målet) [34] . Ett exempel på intelligent robotik är Pleo , AIBO , QRIO robotleksaker .

Maskinkreativitet

Den mänskliga kreativitetens natur är ännu mindre förstådd än intelligensens natur. Ändå finns detta område, och här ställs problemen med att skriva musik med en dator [35] , litterära verk (ofta dikter eller sagor) och konstnärligt skapande . Skapandet av realistiska bilder används i stor utsträckning på bio[ förtydliga ] och datorspelsindustrin .

Separat belyses studien av problemen med teknisk kreativitet hos system för artificiell intelligens. Teorin om uppfinningsrik problemlösning , som föreslogs 1946 av G. S. Altshuller , markerade början på sådan forskning.

Genom att lägga till denna funktion till alla intelligenta system kan du mycket tydligt visa vad systemet uppfattar och hur det förstår. Genom att lägga till brus istället för att sakna information eller filtrera brus med den kunskap som finns i systemet produceras konkreta bilder från abstrakt kunskap som lätt kan uppfattas av en person, detta är särskilt användbart för intuitiv och lågvärdig kunskap, vars verifiering i en formell form kräver betydande mental ansträngning.

Andra forskningsområden

Slutligen finns det många tillämpningar av artificiell intelligens, som var och en bildar en nästan oberoende riktning. Exempel inkluderar programmeringsintelligens i datorspel , icke-linjär kontroll , intelligenta informationssäkerhetssystem .

I framtiden antas ett nära samband mellan utvecklingen av artificiell intelligens och utvecklingen av en kvantdator , eftersom vissa egenskaper hos artificiell intelligens har liknande funktionsprinciper med kvantdatorer [36] [37] .

Man kan se att många forskningsområden överlappar varandra. Men inom artificiell intelligens är förhållandet mellan till synes olika riktningar särskilt starkt, och detta beror på den filosofiska debatten om stark och svag AI .

artificiellt medvetande

Den berömda amerikanske neurofysiologen Michael Graziano noterar den grundläggande skillnaden mellan AI och artificiellt medvetande (AI). Enligt Graziano är det medvetandet , och inte intelligensen, som är den väsentliga skillnaden mellan högre däggdjur, inklusive Homo sapiens . Modelleringen av medvetande är ett olöst vetenskapligt problem [38] .

Modern artificiell intelligens

Det finns två riktningar för AI-utveckling:

  • lösa problem relaterade till tillnärmningen av specialiserade AI-system till mänskliga förmågor, och deras integration, vilket förverkligas av den mänskliga naturen (se Intelligensförbättring );
  • skapandet av artificiell intelligens, som representerar integrationen av redan etablerade AI-system i ett enda system som kan lösa mänsklighetens problem (se Stark och svag artificiell intelligens ).

Men för tillfället, inom området artificiell intelligens, finns det ett engagemang av många ämnesområden som är mer praktiska än grundläggande för AI. Många tillvägagångssätt har prövats, men ingen forskargrupp har ännu kommit fram till framväxten av artificiell intelligens. Nedan är bara några av de mest anmärkningsvärda AI-utvecklingarna.

Kända AI-system

Några av de mest kända AI-systemen är:

  • Deep Blue  - utvecklad av IBM , besegrade världsmästaren i schack. Matchen mellan Kasparov och superdator gav varken datavetare eller schackspelare tillfredsställelse, och systemet kändes inte igen av Kasparov (för mer information, se Man vs. Computer ). IBM-linjen av superdatorer manifesterade sig sedan i den råa kraften BluGene (molekylär modellering) och pyramidcellsystemmodelleringsprojekt vid Blue Brain Center i Schweiz [39] .
  • AlphaGo  , utvecklat av Google DeepMind , vann en go - match mot den koreanska 9:e dan-proffset Lee Sedol .
  • Watson  är en lovande IBM-utveckling som kan uppfatta mänskligt tal och utföra probabilistisk sökning med hjälp av ett stort antal algoritmer. För att visa upp sitt arbete deltog Watson i det amerikanska spelet Jeopardy! ”, en analog till “ Eget spel ” i Ryssland, där systemet lyckades vinna i båda spelen [40] .
  • MYCIN  var ett av de tidiga expertsystemen som kunde diagnostisera en liten delmängd av sjukdomar, ofta lika exakt som läkare.
  • 20Q  är ett AI-inspirerat projekt inspirerat av det klassiska 20 Questions-spelet. Blev mycket populär efter att ha dykt upp på Internet på 20q.net [41] .
  • Taligenkänning . System som ViaVoice är kapabla att betjäna konsumenter.
  • Robotar i den årliga RoboCup- turneringen tävlar i en förenklad form av fotboll.

Dataspelsutvecklare använder AI i varierande grad av sofistikering. Detta bildar konceptet " spel artificiell intelligens ". Standard AI-uppgifter i spel är att hitta en väg i 2D- eller 3D-utrymme, simulera beteendet hos en stridsenhet, beräkna rätt ekonomisk strategi och så vidare.

Forskningscenter

De största vetenskapliga och forskningscentra inom området artificiell intelligens:

Tillämpningar av artificiell intelligens

Finans

Finansiella institutioner har länge använt neurala nätverk för att upptäcka misstänkta händelser och aktiviteter [42] . Användningen av AI i bankbranschen började redan 1987, när Security Pacific National Bank i USA skapade en arbetsgrupp för att bekämpa bedrägerier och obehörig användning av betalkort [43] .

Algoritmisk handel

Algoritmisk handel innebär användning av sofistikerade artificiell intelligenssystem för att fatta handelsbeslut snabbare än vad människokroppen är kapabel till. Detta gör att du kan göra miljontals transaktioner per dag utan mänsklig inblandning. Automatiserade handelssystem används ofta av stora institutionella investerare [44] .

Men anekdotiska bevis tyder på att även om artificiell intelligens kan förutsäga aktiekurstrender eller allmänna känslor om finansmarknaderna, är den inte tillräckligt korrekt. Investeringsmodellen baserad på artificiell intelligens kan inte användas för långsiktiga investeringar. Noggrannheten hos sådana algoritmer för att förutsäga köp, försäljning eller ägande av aktier kan leda till kapitalförlust.

Baserat på dessa resultat drog forskarna slutsatsen att artificiell intelligens ännu inte kan förutsäga aktiemarknadens rörelse med tillförlitlig och tillförlitlig noggrannhet [45] .

Marknadsundersökningar och datautvinning

Flera stora finansiella institutioner har investerat i utvecklingen av AI för att kunna använda det i sin investeringspraxis. Utvecklingar av Aladdin (BlackRock) används både inom företaget och för företagets kunder, och hjälper till att fatta investeringsbeslut. Systemets breda funktionalitet inkluderar naturlig språkbehandling för läsning av text såsom nyheter, mäklarrapporter och sociala medier. Systemet utvärderar sedan sentimenten i de nämnda företagen och tilldelar dem en poäng. Banker som UBS och Deutsche Bank använder ett AI-system som heter Sqreem (Sequential Quantum Reduction and Extraction Model) som kan bearbeta data för att utveckla konsumentprofiler och matcha dem med de produkter de med största sannolikhet vill ha [46] . Goldman Sachs använder Kensho, en marknadsintelligensplattform som kombinerar statistisk beräkning med big data och naturlig språkbehandling. Hans maskininlärningssystem använder data på Internet och utvärderar korrelationer mellan världshändelser och deras inverkan på priserna på finansiella tillgångar [47] . Informationen som extraheras av AI-systemet från den direktsända nyhetssändningen används för att fatta investeringsbeslut.

Personlig ekonomihantering

Det finns produkter som använder AI för att hjälpa människor att hantera sin privatekonomi. Till exempel är Digit en AI-driven app som automatiskt hjälper konsumenter att optimera sina utgifter och besparingar baserat på deras personliga vanor och mål. Applikationen kan analysera faktorer som månadsinkomst, aktuellt saldo och utgiftsvanor, sedan fatta egna beslut och föra över pengar till ett separat sparkonto [48] . Wallet.AI, en San Francisco-baserad start-up, skapar agenter som analyserar data som en konsument genererar när de interagerar med smartphones och sociala nätverk för att informera konsumenten om sina utgifter [49] .

Finansiell portföljförvaltning

Automatiserade rådgivningsassistenter blir mer och mer utbredda inom investeringsförvaltningsbranschen. Automatiserade system ger finansiell rådgivning och råd vid hantering av finansiella portföljer med minimal mänsklig inblandning. Denna klass av finansiella rådgivare arbetar på basis av algoritmer utformade för att automatiskt utveckla den finansiella portföljen i enlighet med kundernas investeringsmål och riskaptit. Den kan korrigera förändringar i realtid på marknaden och kalibrera portföljen enligt kundens önskemål [50] .

Underwriting

Onlinelångivaren Upstart analyserar stora mängder konsumentdata och använder maskininlärningsalgoritmer för att bygga kreditriskmodeller som förutsäger sannolikheten för fallissemang . Deras teknik kommer att licensieras till banker så att de kan använda den för att utvärdera sina processer [51] .

ZestFinance har utvecklat plattformen Zest Automated Machine Learning (ZAML) specifikt för kreditgarantier . Denna plattform använder maskininlärning för att analysera tiotusentals traditionella och icke-traditionella variabler (från köptransaktioner till hur en kund fyller i ett formulär) som används i lånebranschen för att utvärdera låntagare. Plattformen är särskilt användbar för att tilldela kreditpoäng till kunder med liten kredithistorik, såsom millennials [52] .

Bank

Användningen av AI gjorde det möjligt för Sberbank att tjäna ytterligare 700 miljoner dollar 2019, och det var planerat att öka detta belopp till 1 miljard dollar 2020 [53] .

Offentlig förvaltning

I slutet av oktober 2021 godkände Ryska federationens premiärminister Mikhail Mishustin handlingsplanen inom området digital transformation av offentlig förvaltning fram till 2031. Artificiell intelligens har erkänts som en nyckelteknologi (tillsammans med big data och Internet of Things ) som ska användas allmänt [54] .


För att utvärdera effektiviteten av AI använder vi vanligtvis fem grupper av mätvärden : hastighet, kvalitet, objektivitet, personalisering och kostnadseffektivitet. Inom alla branscher, inklusive offentlig förvaltning, leder införandet av AI vanligtvis till en ökning av dessa indikatorer med 5-7 gånger. År 2021 började AI-evenemang inkluderas i alla federala verkställande myndigheters digitala transformationsprogram .Alexander Vedyakhin 9 november 2021 [55]

Krigföring

Användningen av AI är en viktig trend i skapandet av avancerade slagfält och vapenkontrollsystem [56] .

Med hjälp av AI är det möjligt att ge ett optimalt och anpassningsbart till hot val av en kombination av sensorer och vapen, att samordna deras gemensamma funktion, att upptäcka och identifiera hot, att bedöma fiendens avsikter [56] . AI spelar en viktig roll i implementeringen av taktiska system för augmented reality . Till exempel tillåter AI klassificering och semantisk segmentering av bilder , lokalisering och identifiering av mobila objekt för effektiv målbeteckning [56] .

Den 1 mars 2021 skickade kommittén för säkerheten vid tillämpningen av artificiell intelligens ) [57] en rapport till presidenten och kongressen som rekommenderade att ett världsomspännande förbud mot användning av AI-baserade autonoma vapensystem skulle avvisas ( se även stridsrobot[ förfina ] ). Rapporten säger att användningen av AI kommer att "minska beslutstiden" i de fall en person inte kan agera tillräckligt snabbt. Kommittén uttryckte också oro över att Kina och Ryssland sannolikt inte kommer att följa fördraget som förbjuder användningen av AI i militära angelägenheter [58] .

Kina

Enligt det amerikanska försvarsdepartementet har Kina beslutat att utveckla metoder för att introducera AI i framtida vapensystem. Den kinesiska akademin för militärvetenskap fick i uppdrag att genomföra detta program genom att kombinera ansträngningarna från det militärindustriella komplexet och privata företag [59] .

Underrättelsebyråer

Brittiska underrättelsetjänster kommer att bekämpa ryska falska nyheter med hjälp av artificiell intelligens, som kommer att känna igen aktiviteten i " trollfabriken ". Enligt UK Government Communications Center kommer artificiell intelligens att bekämpa förfalskningar genom att verifiera data med pålitliga källor, identifiera manipulation av bilder och videor och blockera misstänkta bots [60] .

Tung industri

Robotar har blivit allestädes närvarande i många branscher och är ofta involverade i arbete som anses vara farligt för människor. Robotar har visat sig vara effektiva i jobb som involverar repetitiva, rutinuppgifter som kan leda till fel eller olyckor på grund av minskad koncentration över tid. Robotar används också i stor utsträckning i jobb som människor kan tycka är förnedrande.

2014 stod Kina , Japan , USA , Republiken Korea och Tyskland tillsammans för 70 % av den globala robotförsäljningen. Inom bilindustrin , en sektor med en särskilt hög grad av automatisering, hade Japan den högsta tätheten av industrirobotar i världen, med 1 414 robotar per 10 000 anställda.

Medicin

Artificiella neurala nätverk, såsom Concept processing teknologin i programvaran Electronic Health Record , används som kliniska beslutssystem för medicinsk diagnos .

Andra uppgifter inom medicin som potentiellt kan utföras av artificiell intelligens och som börjar utvecklas inkluderar:

  • Datortolkning av medicinska bilder. Sådana system hjälper till att skanna digitala bilder, såsom de från datortomografi , för typiska presentationer och för att framhäva märkbara avvikelser som möjliga sjukdomar. En typisk tillämpning är tumördetektering.
  • Pulsanalys [ 61]
  • Watson-projektet är en annan användning av AI inom detta område, ett fråge/svar-program utformat för att hjälpa onkologer
  • Vårdrobotar för äldre [62]
  • Bearbetar journaler för att ge mer användbar information
  • Skapa behandlingsplaner
  • Identifiering av ökad risk för sjukdom
  • Assistans med repetitiva uppgifter, inklusive läkemedelshantering
  • Ge råd
  • Skapande av droger [63]
  • Användning av humanoiddockor istället för patienter för klinisk utbildning [64]

Det finns för närvarande mer än 90 AI-baserade startups inom hälsovårdsbranschen [65] .

Personalhantering och rekrytering

En annan tillämpning av AI är personalhantering och rekrytering . Det finns tre sätt att använda AI för personalhantering och anställning. AI används för att granska meritförteckningar och rangordna kandidater efter deras kompetensnivå. AI används också för att förutsäga en kandidats framgång i givna roller genom jobbmatchningsplattformar. Slutligen används AI för att skapa chatbots som kan automatisera repetitiva kommunikationsuppgifter.

Som regel inkluderar processen att granska CV:n analys och sökning av information i databasen med CV. Nystartade företag, som Pomato , bygger maskininlärningsalgoritmer för att automatisera processer för granskning av CV. Pomato AI-systemet [66] syftar till att automatisera genomsökningen av tekniska sökande till tjänster i tekniska företag. Pomatos AI utför över 200 000 beräkningar per CV på några sekunder och designar sedan sin egen tekniska intervju baserat på användbara färdigheter.

Från 2016 till 2017 använde konsumentvaruföretaget Unilever artificiell intelligens för att kartlägga alla anställda på nybörjarnivå. Unilevers AI använde neurovetenskapsbaserade spel, inspelade intervjuer och analys av ansikts- och talsignaler för att förutsäga en kandidats framgång i företaget. Unilever samarbetade med Pymetrics och HireVue för att skapa ett nytt AI-baserat analyssystem och öka antalet sökande från 15 000 till 30 000 inom ett år. Unilever minskade också ansökningsbehandlingstiden från 4 månader till 4 veckor och sparade över 50 000 timmars rekrytertid.

Från cv-screening till neurovetenskap, taligenkänning och ansiktsanalys...det är tydligt att AI har en enorm inverkan på personalhanteringsområdet. Ett av framstegen inom AI är utvecklingen av rekryteringschattar. TextRecruit släppte Ari (automatiserat rekryteringsgränssnitt). Ari är en rekryterande chattsvit designad för tvåvägs textkonversationer med kandidater. Ari automatiserar platsannonser, annonser, kandidatscreening, intervjuschemaläggning och utveckling av kandidatrelationer med företaget när de går igenom rekryteringsprocessen. Ari erbjuds för närvarande som en del av deltagandeplattformen för TextRecruit-projektet.

Musik

Även om musikens utveckling alltid har påverkats av tekniken, har artificiell intelligens gjort det möjligt att med hjälp av vetenskapliga framsteg efterlikna, i viss mån, människoliknande komposition.

Bland anmärkningsvärda tidiga ansträngningar skapade David Cope en AI som heter Emily Howell , som lyckades bli känd inom området algoritmisk datormusik. Algoritmen som ligger bakom Emily Howell är registrerad som ett amerikanskt patent [67] .

Andra utvecklingar, som AIVA , fokuserar på att komponera symfonier, mestadels klassiska filmmusik. Denna utveckling uppnådde ryktbarhet och blev den första virtuella kompositören som erkändes av en professionell musikförening [68] .

Artificiell intelligens kan till och med skapa musik som lämpar sig för användning i medicinska miljöer, Melomics använder datormusik för att lindra stress och smärta [69] .

Dessutom vill initiativ som Google Magenta , ledd av Google Brain -teamet , se om artificiell intelligens kan skapa övertygande konst.

På Sonys CSL- forskningslabb skapar deras Flow Machines-programvara poplåtar genom att lära sig musikstilar från en enorm databas med låtar . Genom att analysera unika kombinationer av stilar och optimeringstekniker kan AI komponera musik i vilken befintlig stil som helst.

I december 2020, i Ryssland, som en del av AI Journey- konferensen (arrangerad av Sberbank , moderator Alexander Vedyakhin), uppträdde de ryska artisterna Zivert , Rakhim , Egor Ship och Danya Milokhin tillsammans med artificiell intelligens [70] .

Nyheter, publicering och skrivande

Narrative Science gör datornyheter och rapporter kommersiellt tillgängliga, inklusive en sammanfattning av sportevenemang baserat på statistik från spelet på engelska. Hon skapar även finansiella rapporter och fastighetsanalyser. På samma sätt Automated Insights personliga sammanfattningar och förhandsvisningar för Yahoo Sports Fantasy Football. År 2014 förväntas företaget skapa en miljard berättelser per år, upp från 350 miljoner 2013 [71] . Ledande medieföretag som Associated Press , Forbes , The New York Times , Los Angeles Times och ProPublica börjat automatisera nyhetsinnehåll. Det fanns något sådant som automatiserad journalistik [72] .

Echobox är ett mjukvaruföretag som hjälper utgivare att öka trafiken genom att intelligent lägga upp artiklar på sociala medieplattformar som Facebook och Twitter . Genom att analysera stora mängder data lär sig AI hur specifika målgrupper reagerar på olika artiklar vid olika tidpunkter på dygnet. Den väljer sedan ut de bästa berättelserna att lägga upp och den bästa tiden att lägga upp dem. Den använder både historisk data och realtidsdata för att förstå vad som har fungerat bra tidigare och vad som för närvarande är trendigt online .

Ett annat företag, som heter Yseop , använder artificiell intelligens för att förvandla strukturerad data till intelligenta kommentarer och rekommendationer på naturligt språk. Yseop kan skriva bokslut, sammanfattningar, personliga försäljnings- eller marknadsföringsdokument och mer med tusentals sidor per sekund och på flera språk, inklusive engelska , spanska , franska och tyska [73] .

Boomtrain är ett annat exempel på AI som är designat för att lära sig hur man bäst engagerar varje enskild läsare med de exakta artiklarna – skickade via rätt kanal vid rätt tidpunkt – som kommer att vara mest relevanta för läsaren. Det är som att anlita en personlig redaktör för varje enskild läsare för att hitta de bästa artiklarna för dem.

Det finns också möjlighet att AI kommer att skriva litterära verk i framtiden. 2016 skrev en japansk AI en novell och vann nästan ett litterärt pris [74] .

Kundsupport online och telefon

Artificiell intelligens implementeras i automatiserade onlineassistenter , som kan ses som chatbots på webbsidor . Detta kan hjälpa företag att minska kostnaderna för att anställa och utbilda anställda. Den underliggande tekniken för sådana system är naturlig språkbehandling. Pypestream använder automatiserad kundtjänst för sin mobilapp utformad för att göra det enklare att få kontakt med kunder [75] .

Telekommunikationsunderhåll

Många teleföretag använder heuristik för att hantera sina anställda, till exempel har BT Group implementerat heuristik i en schemaläggningsapplikation som tillhandahåller arbetsscheman för 20 000 ingenjörer .

Stora förhoppningar ställs på användningen av artificiell intelligens för att hantera 6G -mobilnät [76] .

Underhållning och spel

På 1990-talet gjordes de första försöken att massproducera hemorienterade typer av grundläggande AI för utbildning eller rekreation. Detta har utvecklats avsevärt med den digitala revolutionen och har hjälpt människor, särskilt barn, att bli bekanta med olika typer av AI, särskilt i form av Tamagotchis och husdjur, iPod Touch , Internet och den första utbredda roboten, Furby . Ett år senare släpptes en förbättrad typ av tamrobot i form av Aibo , en robothund med intelligenta funktioner och autonomi.

Företag som Mattel skapar en rad AI-aktiverade leksaker för barn så unga som tre. Genom att använda patenterade AI-system och taligenkänning kan de förstå konversationer, ge intelligenta svar och lära sig snabbt [77] .

AI används också inom spelindustrin, till exempel använder videospel bots , som är designade för att spela rollen som motståndare där människor inte är tillgängliga eller önskvärda. Under 2018 skapade forskare vid Cornell University ett par generativa motståndsnätverk och tränade dem i skjutspelet Doom . Under inlärningsprocessen bestämde neurala nätverk de grundläggande principerna för att bygga nivåerna i detta spel, och efter det blev de i stånd att generera nya nivåer utan hjälp av människor [78] .

Transport

Vägtransporter

Fuzzy logic-styrenheter har utvecklats för automatiska växellådor i bilar. Till exempel använder 2006 års Audi TT , VW Touareg och VW Caravell en DSG-växellåda som är baserad på luddig logik . Ett antal Škoda- modeller ( Škoda Fabia ) inkluderar för närvarande också en styrenhet baserad på fuzzy logic.

Dagens fordon har nu AI-baserade hjälpfunktioner som självladdning och avancerade farthållare . AI används för att optimera trafikledningsapplikationer, vilket i sin tur minskar väntetider, energiförbrukning och utsläpp med så mycket som 25 % [79] . I framtiden kommer helt autonoma fordon att utvecklas. AI inom transport förväntas ge säkra, effektiva och pålitliga transporter samtidigt som den skadliga inverkan på miljön och samhället minimerar. Huvudproblemet för utvecklingen av denna AI är det faktum att transportsystem till sin natur är komplexa system, inklusive ett mycket stort antal komponenter och olika parter, som var och en har olika och ofta motstridiga mål [80] .

Järnvägstransporter

I juni 2019 testades ett mjukvaru- och hårdvarukomplex som arbetar med synteknik på ett diesellokomotiv ChME3-1562 , registrerat vid Lost-depån på Northern Railway. Vid fara (en felaktigt placerad pil, ett hinder på vägen, ett förbjudande trafikljus) ger systemet först en ljus- och ljudsignal till föraren och bromsar sedan [81] . Komplexet, som fick beteckningen PAK-PML (program- och hårdvarukomplex för assistans till lokföraren), använder artificiell intelligens, samlar data om redan gjorda resor och använder dem för att bedöma situationen. I början av september 2020 påbörjades en experimentell körning av två ChME3 utrustade med PAK-PML vid Losta-stationen . Körsträckan är en del av pilotprojektet för ryska järnvägarna "Implementering av vision-teknik för kontroll och övervakning av rullande materiel." Detta projekt är i sin tur ett viktigt steg i det globala företagsprojektet "Digital Locomotive" [82] .

Stadstransporter

Andra applikationer

Olika AI-verktyg används också i stor utsträckning inom säkerhet, taligenkänning och textigenkänning, datautvinning och filtrering av skräppost. Applikationer utvecklas också för gestigenkänning (förståelse av teckenspråk med maskiner), individuell röstigenkänning , global röstigenkänning (från många människor i ett bullrigt rum), ansiktsigenkänning för tolkning av känslor och icke-verbala signaler. Andra applikationer är robotnavigering, undvikande av hinder och objektigenkänning .

Att kombinera artificiell intelligens med experimentell data har påskyndat skapandet av en ny typ av metallglas med 200 gånger. Det nya materialets glasartade karaktär gör det starkare, lättare och mer korrosionsbeständigt än dagens stål. Teamet, ledd av forskare från Department of Energys SLAC National Accelerator Laboratory , National Institute of Standards and Technology och US Northwestern University, rapporterade kostnadsminskningar för att upptäcka och förbättra metalliskt glas till en bråkdel av tiden och kostnaden. Enligt Apurva Mehta, en talesman för utvecklingsteamet [83] , "Vi kunde göra och välja 20 000 alternativ på ett år" [84] .

I februari 2021 testade USA artificiell intelligens i en luftstrid två mot en. Det nya teststeget, kallat Scrimmage 1, utfördes vid Applied Physics Laboratory vid Johns Hopkins University . I denna luftstrid opererade två AI-kontrollerade F-16 Fighting Falcon jaktplan i en grupp och kämpade mot ett av samma flygplan. Under det nya teststeget genomförde neurala nätverksalgoritmer inte bara nära manövrerbar luftstrid, utan agerade också på avstånd från fienden, upptäckte honom med hjälp av radar och träffade honom med missiler på avstånd [85] .

Samband med andra vetenskaper och kulturfenomen

Artificiell intelligens och neurofysiologi , epistemologi , kognitiv psykologi utgör en mer allmän vetenskap som kallas kognitologi . Filosofi spelar en viktig roll inom artificiell intelligens . Epistemologi, kunskapsvetenskapen inom filosofins ramar, är också nära besläktad med artificiell intelligenss problem. Filosofer som hanterar detta problem löser frågor som liknar dem som löses av AI-ingenjörer om hur man bäst representerar och använder kunskap och information.

Datorteknik och cybernetik

Inom datavetenskap betraktas problemen med artificiell intelligens ur synvinkeln att utforma expertsystem och kunskapsbaser . Kunskapsbasen förstås som en uppsättning data och slutledningsregler som tillåter logisk slutledning och meningsfull bearbetning av information. I allmänhet är forskning om problemen med artificiell intelligens inom datavetenskap inriktad på skapandet, utvecklingen och driften av intelligenta informationssystem, och frågorna om att utbilda användare och utvecklare av sådana system löses av IT- specialister .

Psykologi och kognitionsvetenskap

Metodiken för kognitiv modellering är utformad för att analysera och fatta beslut i dåligt definierade situationer. Det föreslogs av Robert Axelrod [86] .

Den bygger på att modellera experters subjektiva idéer om situationen och inkluderar: en metodik för att strukturera situationen: en modell för att representera expertkunskap i form av en signerad digraf (kognitiv karta) (F, W), där F är en uppsättning av situationsfaktorer, W är en uppsättning orsak-och-verkan relationer mellan situationsfaktorer; metoder för situationsanalys. För närvarande utvecklas metodiken för kognitiv modellering i riktning mot att förbättra apparaten för att analysera och modellera situationen. Här föreslås modeller för att prognostisera utvecklingen av situationen; metoder för att lösa omvända problem.

Filosofi

Vetenskapen om att "skapa artificiell intelligens" kunde inte annat än att dra till sig filosofernas uppmärksamhet. Med tillkomsten av de första intelligenta systemen väcktes grundläggande frågor om människan och kunskap, och delvis om världsordningen.

De filosofiska problemen med att skapa artificiell intelligens kan delas upp i två grupper, relativt sett, "före och efter utvecklingen av AI". Den första gruppen svarar på frågan: "Vad är AI, är det möjligt att skapa det och, om möjligt, hur man gör det?" Den andra gruppen (etik för artificiell intelligens) ställer frågan: "Vilka är konsekvenserna av skapandet av AI för mänskligheten?"

Transhumanismens rörelse betraktar skapandet av AI som en av mänsklighetens viktigaste uppgifter.

Problem med att skapa AI

Bland AI-forskare finns det fortfarande ingen dominerande syn på kriterierna för intellektualitet, systematiseringen av de mål och uppgifter som ska lösas, det finns inte ens en strikt definition av vetenskap. Det finns olika synpunkter på frågan om vad som anses vara intelligens.

Den mest heta debatten i filosofin om artificiell intelligens är frågan om möjligheten att tänka skapelser av mänskliga händer. Frågan "Kan en maskin tänka?", som fick forskare att skapa vetenskapen om att modellera det mänskliga sinnet, ställdes av Alan Turing 1950. De två huvudsynpunkterna i denna fråga kallas hypoteserna om stark och svag artificiell intelligens .

Termen "stark artificiell intelligens" introducerades av John Searle , och hans tillvägagångssätt kännetecknas av hans egna ord:

Dessutom skulle ett sådant program vara mer än bara en modell av sinnet; det kommer bokstavligen att vara sinnet självt, i samma mening som det mänskliga sinnet är sinnet [87] .

Samtidigt är det nödvändigt att förstå om ett "rent artificiellt" sinne ("metamind") är möjligt, att förstå och lösa verkliga problem och samtidigt sakna känslor som är karakteristiska för en person och nödvändiga för hans individuell överlevnad. .

Däremot föredrar svaga AI-förespråkare att se programvara som bara ett verktyg för att lösa vissa uppgifter som inte kräver hela spektrumet av mänskliga kognitiva förmågor.

Tankeexperimentet China Room av John Searle är ett argument för att klara Turing-testet inte är ett kriterium för att en maskin ska ha en genuin tankeprocess . En liknande ståndpunkt intas av Roger Penrose , som i sin bok The New Mind of the King hävdar att det är omöjligt att få en tankeprocess på grundval av formella system [88] .

I en artikel publicerad i tidskriften Science 2018 visar Matthew Hutson att området AI för närvarande befinner sig i en replikeringskris [89] . Enligt författaren och de experter som intervjuats av honom är krisen kopplad till den praxis av sluten kod och data som har utvecklats på området.

Enligt den ryske neurobiologen och filosofen Nikolai Aseev har försök att skapa AI alla egenskaperna hos en lastkult : "vi gör hjärnor av halm och väntar på uppkomsten " [90] . Enligt denna författare kommer stark AI aldrig att skapas, även om algoritmer som kan spela, känna igen och lösa andra specifika problem kommer att fortsätta att förbättras.

Etik

Eliezer Yudkowsky forskar vid Machine Intelligence Research Institute (SIAI) i USA om globala riskproblem som en framtida övermänsklig AI skulle kunna skapa om den inte är programmerad att vara människovänlig [ 91] . 2004 skapades AsimovLaws.com av SIAI för att diskutera AI-etiken i samband med de frågor som tas upp i filmen I, Robot . På den här webbplatsen ville de visa att Asimovs robotars lagar inte är säkra, eftersom de till exempel kan få AI att ta över jorden för att "skydda" människor från skada.

Murray Shanahan , professor i kognitiv robotik vid Imperial College London , har framfört åsikterna från ett antal AI-experter enligt följande [92] :

Man kan dra följande analogi: en singularitet i mänsklighetens historia skulle äga rum om exponentiella tekniska framsteg ledde till dramatiska förändringar i samhället, som ett resultat av vilka mänskliga relationer, som vi förstår dem idag, skulle få ett slut. Erkända sociala institutioner - ekonomin, regeringen, juridik, staten - kunde inte överleva i sin nuvarande form. Även de mest elementära mänskliga värdena - livets okränkbarhet, strävan efter lycka, valfrihet - skulle avbrytas av sig själva.

Religion

Den 14:e Dalai Lama menar att man inte kan hävda att maskiner har medvetenhet eller förmåga att veta, och påståendet att medvetandet uppstår på grund av materiella orsaker är oacceptabelt ur buddhismens synvinkel [93] .

Andra traditionella bekännelser beskriver sällan frågorna om AI. Men vissa teologer uppmärksammar det ändå. Till exempel ställer ärkeprästen Mikhail Zakharov [94] , som argumenterar ur den kristna världsbildens synvinkel, följande fråga: ”Människan är en rationellt fri varelse, skapad av Gud till hans avbild och likhet. Vi är vana vid att hänvisa alla dessa definitioner till den biologiska arten Homo Sapiens. Men hur motiverat är detta? [95] . Han svarar på denna fråga så här:

Om man antar att forskning inom området artificiell intelligens någonsin kommer att leda till uppkomsten av en artificiell varelse som är människan överlägsen i intelligens, med fri vilja, betyder det att denna varelse är en person? … människan är en skapelse av Gud. Kan vi kalla denna varelse en skapelse av Gud? Vid första anblicken är det en mänsklig skapelse. Men även när man skapar människan är det knappast värt att bokstavligen förstå att Gud med sina egna händer skapade den första människan av lera. Detta är förmodligen en allegori, som indikerar människokroppens materialitet, skapad av Guds vilja. Men utan Guds vilja händer ingenting i denna värld. Människan, som en medskapare av denna värld, kan genom att uppfylla Guds vilja skapa nya varelser. Sådana varelser, skapade av mänskliga händer enligt Guds vilja, kan nog kallas för Guds skapelser. När allt kommer omkring skapar människan nya arter av djur och växter. Och vi anser att växter och djur är Guds skapelser. Detsamma kan sägas om en artificiell varelse av icke-biologisk natur.

— [95]

Science fiction

I science fiction- litteratur framställs AI oftast som en kraft som försöker störta människans makt ( Omnius , HAL 9000 i " 2001: A Space Odyssey ", Supremacy , Skynet , Colossus, " The Matrix " och en replikant i " Blade Runner ", AIs i " Hyperion "), Ultron , eller en tjänande humanoid ( C-3PO , Data , KITT och KARR , " Bicentennial Man "). Det oundvikliga av dominans över världen av out-of-control AI ifrågasätts av dess forskare som science fiction-författaren Isaac Asimov och cybernetikern Kevin Warwick , känd för flera experiment om integrering av maskiner och levande varelser.

Romanen Turing Choice av science fiction-författaren Harry Harrison och vetenskapsmannen Marvin Minsky [96] väcker frågan om förlusten av mänskligheten hos en person vars hjärna implanterades med en dator , och mänsklighetens uppkomst i en AI-maskin, i vars minne information från hjärnan kopierades person.

Vissa science fiction-författare , som Vernor Vinge , har också spekulerat i konsekvenserna av tillkomsten av AI, som sannolikt kommer att åstadkomma dramatiska förändringar i samhället. Denna period kallas den tekniska singulariteten .

Ämnet AI betraktas från olika vinklar i Robert Heinleins verk : hypotesen om uppkomsten av AI-självmedvetenhet när strukturen blir mer komplex bortom en viss kritisk nivå och det finns interaktion med omvärlden och andra tankebärare ( "Månen är en hård älskarinna", "Tid nog för kärlek", karaktärerna Mycroft, Dora och Aya i cykeln " Framtidens historia ", problemen med AI-utveckling efter hypotetisk självmedvetenhet och några sociala och etiska frågor ( "Fredag"). De sociopsykologiska problemen med mänsklig interaktion med AI beaktas också av Philip K. Dicks roman Do Androids Dream of Electric Sheep? ”, även känd från filmatiseringen av Blade Runner .

Skapandet av virtuell verklighet, artificiell intelligens, nanorobotar och många andra problem i filosofin om artificiell intelligens beskrivs och till stor del förutses i science fiction-författaren och filosofen Stanislav Lems arbete. Futurologin " The Sum of Technology " är särskilt anmärkningsvärd . Dessutom beskriver Iyon the Quiets äventyr upprepade gånger förhållandet mellan levande varelser och maskiner: upploppet av omborddatorn med efterföljande oväntade händelser (11:e resan), anpassningen av robotar i det mänskliga samhället (“The Washing Tragedy” från "Memories of Iyon the Quiet"), konstruktionen av absolut ordning på planeten genom bearbetning av levande invånare (24:e resan), uppfinningar av Corcoran och Diagoras ("Memoirs of Iyon the Quiet"), en psykiatrisk klinik för robotar (" Memoirs of Iyon the Quiet"). Dessutom finns det en hel cykel av berättelser och noveller " Cyberiad ", där nästan alla karaktärer är robotar, som är avlägsna ättlingar till robotar som flydde från människor (de kallar människor bleka och betraktar dem som mytiska varelser).

Filmer

Sedan nästan 1960-talet, tillsammans med skrivandet av fantasyberättelser och romaner, har filmer om artificiell intelligens gjorts . Många berättelser av författare erkända över hela världen filmas och blir klassiker inom genren, andra blir en milstolpe i utvecklingen av science fiction , till exempel Blade Runner , Terminator , The Matrix , Star Wars och så vidare.

Se även

Anteckningar

  1. ↑ 1 2 3 Averkin A. N., Gaaze-Rapoport M. G., Pospelov D. A. Explanatory Dictionary of Artificial Intelligence. - M.: Radio och kommunikation, 1992. - 256 sid. . Hämtad 26 maj 2010. Arkiverad från originalet 5 maj 2010.
  2. ↑ 1 2 3 4 Vad är artificiell intelligens? Arkiverad 18 november 2015 på Wayback Machine FAQ av John McCarthy , 2007
  3. ↑ Anatoly Gershman. Misstag av artificiell intelligens . Postnauka.ru. Hämtad 6 oktober 2017. Arkiverad från originalet 6 oktober 2017.
  4. ↑ M. Andrew. Verkliga livet och artificiell intelligens // "News of artificiell intelligens", RAII, 2000
  5. ↑ Gavrilova T. A. Khoroshevsky V. F. Kunskapsbaser för intelligenta system: Lärobok för universitet  (otillgänglig länk)
  6. ↑ 1 2 G. S. Osipov. Artificiell intelligens: forskningsläget och en blick in i framtiden . Datum för åtkomst: 26 maj 2010. Arkiverad från originalet den 11 september 2010.
  7. ↑ Andreas Kaplan; Michael Haenlein (2019) Siri, Siri i min hand, vem är den vackraste i landet? Om tolkningar, illustrationer och konsekvenser av artificiell intelligens, Business Horizons, 62(1) . Hämtad 30 december 2018. Arkiverad från originalet 21 november 2018.
  8. ↑ Ilyasov F. N. Artificiellt och naturligt sinne // Proceedings of the Academy of Sciences of the Turkmen SSR, en serie samhällsvetenskaper. 1986. Nr 6. S. 46-54.
  9. ↑ Alan Turing, Kan maskiner tänka? . Hämtad 22 augusti 2011. Arkiverad från originalet 24 mars 2012.
  10. ↑ Uppfinningar av S. N. Korsakov . Hämtad 4 november 2013. Arkiverad från originalet 9 mars 2014.
  11. ↑ Mikhailov A.S. Att stärka sinnets möjligheter - uppfinningar av S.N. Korsakova  // Artificiell intelligens och beslutsfattande. - 2016. - Nr 2 . - S. 5-15 . Arkiverad från originalet den 26 juni 2021.
  12. ↑ Artificiell intelligens i Sovjetunionen . Arkiverad från originalet den 2 september 2018. Hämtad 10 september 2018.
  13. ↑ D. A. Pospelov. Bildande av informatik i Ryssland . Datum för åtkomst: 31 maj 2010. Arkiverad från originalet den 9 september 2010.
  14. ↑ Om historien om cybernetik i Sovjetunionen. Feature One arkiverad 28 december 2019 på Wayback Machine , Feature Two arkiverad 6 januari 2010 på Wayback Machine
  15. ↑ Tidningen "Kommersant" nr 92 av 2019-05-30, s. 1 Artificiell intelligens kommer att läggas till regeringens arkivexemplar av 4 juni 2019 på Wayback Machine
  16. ↑ Lilit Sargsyan, Maria Efimova. Men han måste vara härskaren  // Novaya Gazeta . - 2019. - Nr 59 . - S. 9 .
  17. ↑ Dekret från Ryska federationens president om utvecklingen av artificiell intelligens i Ryska federationen . Hämtad 28 oktober 2019. Arkiverad från originalet 28 oktober 2019.
  18. ↑ Presidiet för regeringens kommission för digital utveckling godkände det federala projektet "Artificiell intelligens"  // Expert Center of the Electronic State . - 2020. - 31 augusti. — Tillträdesdatum: 2021-11-05.
  19. ↑ Alexander Kiryanov, Igor Korolev. Biträdande minister för ekonomisk utveckling Oksana Tarasenko i en intervju med CNews om utvecklingen av artificiell intelligens i Ryssland: Implementeringen av det federala projektet "Artificial Intelligence" har börjat i Ryssland.  // Nyheter . - 2021. - 9 februari. — Tillträdesdatum: 2021-11-05.
  20. ↑ AI Journey deltog i de tre bästa världskonferenserna om artificiell intelligens  // SberPress  : nyhetstjänst om Sber-ekosystemet. - 2021. - 2 december. — Tillträdesdatum: 2021-11-05.
  21. ↑ Konferens för artificiell intelligens: Vladimir Putin deltog i huvuddiskussionen av konferensen om artificiell intelligens (AI Journey 2020) om artificiell intelligens på temat "Artificiell intelligens är 2000-talets viktigaste teknologi" via videokonferens.  // Rysslands president  : webbplats för administrationen av Rysslands president. - 2020. - 4 december. — Tillträdesdatum: 2021-11-05.
  22. ↑ Regeringen kommer att stödja utvecklare av projekt inom området artificiell intelligens: Arbetet utförs på uppdrag av presidenten  // webbplatsen för Ryska federationens regering . - 2021. - 29 mars. — Tillträdesdatum: 2021-11-05.
  23. ↑ Jack Copeland. Vad är artificiell intelligens? Arkiverad 24 december 2008 på Wayback Machine 2000
  24. ↑ Alan Turing, " Computing Machinery and Intelligence Archived March 28, 2013 at the Wayback Machine ", Mind, vol. LIX, nej. 236, oktober 1950, sid. 433-460.
  25. ↑ MODELLERINGSRESONER Popmatte för vuxna barn :: @dagböcker: asocialt nätverk . www.diary.ru Hämtad 10 september 2018. Arkiverad från originalet 10 september 2018.
  26. ↑ Naturlig språkbehandling :
  27. ↑ Tillämpningar för behandling av naturligt språk inkluderar informationshämtning (inklusive: textanalys och maskinöversättning ):
  28. ↑ Gorban P. A. Neural nätverkskunskapsextraktion från data och datorpsykoanalys Arkivexemplar av 12 december 2009 på Wayback Machine
  29. ↑ Maskininlärning :
  30. ↑ Alan Turing diskuterade som ett centralt ämne så tidigt som 1950, i sin klassiska artikel Computing Machinery and Intelligence . ( Turing 1950 )
  31. ↑ (skannad pdf-kopia av originalet) Arkiverad 26 april 2011 på Wayback Machine (version publicerad 1957 , An Inductive Inference Machine, "IRE Convention Record, Section on Information Theory, Del 2, s. 56-62)
  32. ↑ Robotik :
  33. ↑ Russell & Norvig, 2003 , s. 916–932
  34. ↑ Russell & Norvig, 2003 , s. 908–915
  35. ↑ Musik för konstgjord intelligens . Det neurala nätverket har lärt sig att skapa teknospår // Kommersant - Nauka, 09/06/2022
  36. ↑ Kvantdatorer och artificiell intelligens . Hämtad 20 mars 2017. Arkiverad från originalet 20 mars 2017.
  37. ↑ Kvantdator och artificiell intelligens . Hämtad 20 mars 2017. Arkiverad från originalet 20 mars 2017.
  38. ↑ Gratiano, 2021 , kapitel 8..
  39. ↑ Blue Brain Project - Artificiell hjärna (otillgänglig länk) . Hämtad 23 augusti 2011. Arkiverad från originalet 4 mars 2016. 
  40. ↑ Mild-Mannered Watson spett mänskliga motståndare på fara . Hämtad 17 februari 2011. Arkiverad från originalet 22 februari 2011.
  41. ↑ 20Q.net Inc (inte tillgänglig länk) . Hämtad 15 juni 2020. Arkiverad från originalet 30 november 2005. 
  42. ↑ Matthew F. Dixon, Igor Halperin, Paul Bilokon. Maskininlärning i finans: Från teori till praktik . - Springer, 2021. - ISBN 9783030410674 . Arkiverad 2 september 2021 på Wayback Machine
  43. ↑ Christy, Charles A. Inverkan av artificiell intelligens på bankverksamhet . Los Angeles Times (17 januari 1990). Tillträdesdatum: 10 september 2019.
  44. ↑ Personal, Investopedia . Algoritmisk handel  (engelska) , Investopedia  (18 maj 2005). Arkiverad från originalet den 4 januari 2022. Hämtad 10 november 2017.
  45. ↑ Aljazeera: kan artificiell intelligens förutsäga rörelsen på finansmarknaderna? . Arabinform Journal . Hämtad 10 mars 2022. Arkiverad från originalet 3 mars 2022.
  46. ↑ Beyond Robo-Advisers: How AI Could Rewire Wealth Management  , American Banker . Arkiverad från originalet den 18 januari 2019. Hämtad 10 november 2017.
  47. ↑ Gara, Antoine . Kenshos AI för investerare har precis värderats till över 500 miljoner dollar i finansieringsrunda från Wall  Street , Forbes . Arkiverad från originalet den 28 mars 2019. Hämtad 10 november 2017.
  48. ↑ 5 bästa AI-drivna chatbot-  appar . yalantis.com. Hämtad 10 november 2017. Arkiverad från originalet 8 januari 2019.
  49. ↑ Kaushik, Preetam . Är artificiell intelligens vägen framåt för privatekonomi?  (engelska) , WIRED . Arkiverad från originalet den 28 mars 2019. Hämtad 10 november 2017.
  50. ↑ Maskininlärning i finans - nuvarande och framtida tillämpningar  , Emerj (  15 augusti 2016). Arkiverad från originalet den 15 december 2018. Hämtad 10 november 2017.
  51. ↑ Machine Learning är framtiden för emissionsgarantier, men nystartade företag kommer inte att driva det  , Bank Innovation (  3 april 2017). Arkiverad från originalet den 10 november 2017. Hämtad 10 november 2017.
  52. ↑ ZestFinance introducerar maskininlärningsplattform för att garantera millennials och andra konsumenter med begränsad  kredithistorik . www.businesswire.com Hämtad 10 november 2017. Arkiverad från originalet 8 februari 2019.
  53. ↑ Artificiell intelligens hjälpte Sberbank att tjäna ytterligare 700 miljoner dollar på ett år: Alexander Vedyakhin , förste vice ordförande i bankens styrelse , förutspår att denna siffra kommer att nå en miljard dollar 2020 // TASS . - 2020. - 23 januari. — Tillträdesdatum: 2021-04-07.
  54. ↑ Tatyana Isakova. AI ett, två, tog: Hur rysk statsförvaltning digitaliseras  // Kommersant . - 2021. - 12 november. — Tillträdesdatum: 2022-10-05.
  55. ↑ Julia Makarova. Alexander Vedyakhin om "Transformers Race" and the Future of Neural Networks: Förste vice styrelseordförande för Sberbank Alexander Vedyakhin berättade i en intervju för RBC Trends vilka genombrott AI har gjort på sistone och vad som kommer att diskuteras på den största konferensen om AI och data analys AI Journey 2021  // RBC . - 2021. - 9 november. — Tillträdesdatum: 2022-10-05.
  56. ↑ 1 2 3 Slyusar, Vadym Artificiell intelligens som grund för framtida kontrollnätverk. . Samordningsproblem av militärteknisk och devensiv industripolitik i Ukraina. Utvecklingsperspektiv för vapen och militär utrustning/ VII Internationell vetenskaplig och praktisk konferens. sammandrag av rapporter. - 8–10 oktober 2019. - Kiev. - pp. 76 - 77. - DOI: 10.13140/RG.2.2.30247.50087 (2019). Hämtad 28 april 2020. Arkiverad från originalet 26 juni 2021.
  57. ↑ Kommittémedlemmar inkluderar: Andy Jesse  - VD för Amazon Corporation ; Andrew Moore och Eric Horwitz  är chefer för AI på Google och Microsoft , och Safra Katz  är VD för Oracle . Kommittén leds av Eric Schmidt  , tidigare vd för Google, och Robert Wark  , tidigare amerikansk biträdande försvarsminister.
  58. ↑ Biden uppmanas att stödja AI-vapen för att motverka hot från Kina och Ryssland Arkiverad 2 mars 2021 på Wayback Machine , BBC, 03/2/2021
  59. ↑ Varför Kina kunde vinna den nya globala kapprustningen Arkiverad 22 december 2021 på Wayback Machine , BBC, 22/12/2021
  60. ↑ Artificiell intelligens för att bekämpa rysk desinformation Arkiverad 26 februari 2021 på Wayback Machine , BBC, 2021-02-26
  61. ↑ Todd R. Reed, Nancy E. Reed, Peter Fritzson. Hjärtljudsanalys för symtomdetektering och datorstödd diagnos  // Simulation Modeling Practice and Theory. - 2004-05-01. - T. 12 , nej. 2 . - S. 129-146 . - doi : 10.1016/j.simpat.2003.11.005 . Arkiverad från originalet den 28 januari 2013.
  62. ↑ A. Yorita, N. Kubota. Kognitiv utveckling i partnerrobotar för informationsstöd till äldre  // IEEE-transaktioner om autonom mental utveckling. - Mars 2011. - Vol 3 , nr. 1 . - S. 64-73 . — ISSN 1943-0604 . - doi : 10.1109/TAMD.2011.2105868 . Arkiverad från originalet den 9 juni 2018.
  63. ↑ Artificiell intelligens kommer att omforma sjukvården - Den medicinska futuristen  , den medicinska futuristen (  4 augusti 2016). Arkiverad från originalet den 22 januari 2019. Hämtad 10 november 2017.
  64. ↑ David D. Luxton. Artificiell intelligens i psykologisk praktik: Nuvarande och framtida tillämpningar och implikationer  (engelska)  // Professional Psychology: Research and Practice. — Vol. 45 , iss. 5 . - s. 332-339 . - doi : 10.1037/a0034559 . Arkiverad från originalet den 8 maj 2022.
  65. ↑ Från virtuella sjuksköterskor till drogupptäckt: 106 Artificiell Intelligens Startups In Healthcare  , CB Insights Research (  3 februari 2017). Arkiverad från originalet den 3 januari 2018. Hämtad 10 november 2017.
  66. ↑ Hem  . _ Pomat. Hämtad 10 september 2018. Arkiverad från originalet 10 september 2018.
  67. ↑ Rekombinant musikkompositionsalgoritm och metod för att använda densamma . Hämtad 10 november 2017. Arkiverad från originalet 12 februari 2018.
  68. ↑ Results de recherche - La Sacem  (fr.) . repertoire.sacem.fr. Hämtad 10 november 2017. Arkiverad från originalet 4 oktober 2018.
  69. ↑ Gloria Requena, Carlos Sánchez, José Luis Corzo-Higueras, Sirenia Reyes-Alvarado, Francisco Rivas-Ruiz. Melomics musikmedicin (M3) för att minska smärtuppfattningen under pediatrisk pricktestprocedur  (engelska)  // Pediatric Allergy and Immunology. — 2014-11-01. — Vol. 25 , iss. 7 . - s. 721-724 . — ISSN 1399-3038 . - doi : 10.1111/pai.12263 . Arkiverad från originalet den 11 november 2017.
  70. ↑ Sångaren Zivert kommer att uppträda med artificiell intelligens  // Lenta.ru . - 2020. - 2 december. — Tillträdesdatum: 2021-11-05.
  71. ↑ Smith, Mark (22 juli 2016). "Så du tror att du valde att läsa den här artikeln?" (inte tillgänglig länk) . BBC. Hämtad 27 juli 2016. Hämtad 10 november 2017. Arkiverad från originalet 24 augusti 2014. 
  72. ↑ Tow centrerar för digital journalistik . Hämtad 27 juli 2020. Arkiverad från originalet 4 augusti 2020.
  73. ↑ Artificiell intelligensprogramvara som skriver som en människa  . Yseop. Hämtad 10 november 2017. Arkiverad från originalet 14 november 2017.
  74. ↑ Ett japanskt AI-program skrev precis en kort roman, och det vann nästan ett litterärt pris  (engelska) , Digital Trends  (23 mars 2016). Arkiverad från originalet den 10 november 2017. Hämtad 10 november 2017.
  75. ↑ O'Brien, Sarah Ashley . Är Pypestream framtidens callcenter? , CNNMoney . Arkiverad från originalet den 18 januari 2019. Hämtad 10 november 2017.
  76. ↑ Syed Junaid Nawaz, Shree Krishna Sharma, Shurjeel Wyne, Mohammad N. Patwary, Md. Asaduzzaman. Quantum Machine Learning för 6G-kommunikationsnätverk: toppmoderna och  framtidsvision . Förtryck. (april 2019). Hämtad 1 maj 2022. Arkiverad från originalet 19 juli 2021.
  77. ↑ Basulto, Dominic . Hur artificiell intelligens flyttar från labbet till ditt barns lekrum  , Washington Post (  15 oktober 2015). Arkiverad från originalet den 7 januari 2019. Hämtad 10 november 2017.
  78. ↑ "Videospelskartor gjorda av AI: More DOOM!" Arkiverad 15 maj 2018 på Wayback Machine SlashGear, 8 maj 2018
  79. ↑ USA, National Science and Technology Council - kommitté för teknologi. Presidentens verkställande kontor. (2016). Förbereder för framtiden för artificiell intelligens.
  80. ↑ Meyer, Michael D. (januari 2007). "Artificiell intelligens i transportinformation för applikationer" . Transportforskningscirkulär. . Hämtad 10 november 2017. Arkiverad från originalet 2 oktober 2018.
  81. ↑ Nikolay Poretsky. Loket ser allt  // " Beep ": Tidning (elektronisk version). - Gudok förlag, 2019. - 3 juli ( Nr 115 (26724) ).
  82. ↑ Nikolay Poretsky. Det neurala nätverket övervakar säkerheten  // " Beep ": Newspaper (elektronisk version). - Gudok förlag, 2020. - 11 september ( nr 169 (27018) ).
  83. ↑ Apoorva Mehta (@apoorva_mehta) | Twitter . twitter.com Hämtad 10 september 2018. Arkiverad från originalet 2 maj 2019.
  84. ↑ "Artificiell intelligens accelererar upptäckten av metalliskt glas" Arkiverad 17 april 2018 på Wayback Machine ScienceDaily, 13 april 2018
  85. ↑ DARPA testar artificiell intelligent luftstrid i 2v1-  simulatorer . Flightglobal . Hämtad 21 mars 2021. Arkiverad från originalet 22 mars 2021.
  86. ↑ Axelrod R. Beslutets struktur: Kognitiva kartor över politiska eliter. – Princeton. University Press, 1976
  87. ↑ John Searle. Är hjärnans sinne ett datorprogram? Arkiverad 8 september 2011 på Wayback Machine
  88. ↑ Penrose R. Konungens nya sinne. Om datorer, tänkande och fysikens lagar. - M. : URSS, 2005. - ISBN 5-354-00993-6 .
  89. ↑ Matthew Hutson. Missing data hider replikering av artificiell intelligens studier  (engelska)  // Science. — 2018-02-15. — ISSN 1095-9203 0036-8075, 1095-9203 . - doi : 10.1126/science.aat3298 . Arkiverad från originalet den 22 december 2019.
  90. ↑ Nikolai Aseev. Projekt "Behemoth": om världens och mänsklighetens öde  . asenic.ru. Hämtad 19 december 2019. Arkiverad från originalet 19 december 2019.
  91. ↑ AI som en global riskfaktor . Hämtad 30 mars 2010. Arkiverad från originalet 10 februari 2012.
  92. ↑ Bootle, 2022 , sid. 16.
  93. ↑ Sinne och liv. Starta en dialog mellan [[buddhism]] och [[vetenskap|vetenskap]]. Del 2. . Hämtad 11 november 2015. Arkiverad från originalet 12 januari 2018.
  94. ↑ Moskva stift - stift idag - Prästerskap och kloster . www.mepar.ru Hämtad 10 september 2018. Arkiverad från originalet 10 september 2018.
  95. ↑ 1 2 http://www.rc.edu.ru/rc/s8/intellect/rc_intellect_zaharov_2009.pdf  (otillgänglig länk) Ortodox syn på problemet med artificiell intelligens
  96. ↑ Harry Harrison. Turings val . - M . : Eksmo-Press, 1999. - 480 sid. - ISBN 5-04-002906-3 .

Litteratur

Länkar

Artiklar och forskning Föreläsningskurser Granska artiklar Kritik
  Gå till Wikidata-objektet  Ordböcker och uppslagsverk