Переводчик: Federico MINELLE Рецензент: Себастьян Бетти
В 2016 году я был удостоен премии Национального форума по обучению и обучению
поддержанный и спонсируемый Министерством образования в Ирландии,
специально названный: «National Teaching Hero».
Причина этой награды
была моя доступность к моим ученикам
и моя способность
создавать менее формальные и более комфортные образовательные среды.
Представим себе это место как большой университетский класс.
Я привык входить в класс,
[в] первые десять минут, когда студенты входят и проходят,
Я подключаю компьютер к динамикам и включаю классическую музыку.
Я думаю, что это первый шаг
создавать менее формальные и более комфортные образовательные среды
и старайтесь держать внимание студентов на высоком уровне.
К сожалению, это не всегда легко.
В моих уроках я использую метод, используемый с древних времен: рассказывание историй!
Педагогически говоря,
повествование — это метод, основанный на использовании описаний,
направленных на передачу знаний студентам.
Я бы начал свой урок именно этим методом,
объясняя, описывая тему на губах каждого в наши дни:
Искусственный интеллект.
Как и всякая история, рассказанная детям,
Я хотел бы начать свою историю с «Когда-то».
Вторая мировая война, 1942, Великобритания,
Парк Блетчли:
особняк на севере Лондона.
Был тридцатилетний парень: Алан Тьюринг.
Алан окончил Королевский колледж, Кембридж,
и он получил докторскую степень в области логики
в Принстонском университете, США.
В то время немцы использовали специальную машину: «Энигма».
Это было похоже на пишущую машинку:
оператор набрал несколько клавиш,
но вместо того, чтобы печатать эти буквы на листе бумаги,
были напечатаны другие письма,
в соответствии с кодировкой, механически установленной под станком.
Немцы использовали эту машину для общения друг с другом.
Кто-то слушал на этом листе
имел перед собой бессмысленный текст.
Он был зашифрован!
Алан Тьюринг был одним из ведущих фигур в парке Блетчли:
он и его команда реализовали машину,
тот, который вы можете видеть позади меня,
способный расшифровать тексты, написанные немцем.
Благодаря этому изобретению мы считаем
что война прекратилась два года назад,
спасая многие человеческие жизни.
После войны Алан Тьюринг продолжил свое исследование в журнале Logic
и он считается отцом компьютерных наук,
отец искусственного интеллекта.
С его машиной Тьюринга он оформляет концепцию компьютера
даже до того, как компьютер был фактически построен.
В 1950 году он опубликовал статью в журнале «Разум»:
«Вычислительная техника и разведка»,
где он предложил тест Тьюринга.
Вопрос, стоящий за тестом Тьюринга, является четко определенным:
Могут ли машины думать?
Именно в это время начался искусственный интеллект.
Вероятно, большинство из вас смотрели фильм «Имитационная игра»:
Игра подражания.
Я расскажу вам это.
Предположим, что человек здесь, нажав клавиши на клавиатуре компьютера,
кто задает вопросы, задает некоторые вопросы
и на противоположной стороне компьютера
существует машина M и оператор O.
С другой стороны,
машина M и оператор O ответят на человека P.
Говорят, что машина M проходит тест Тьюринга
если человек P не может понять
когда ответы приходят с машины
и когда ответы приходят от оператора.
Это Имитационная игра.
Машина должна иметь специальные функции
чтобы пройти тест Тьюринга.
Он должен интерпретировать естественный язык:
вопрос, заданный человеком.
Он должен представлять знания для формулирования ответов.
Он должен думать в автоматическом режиме, чтобы сформулировать такие ответы.
И он должен учиться автоматически.
Существует много подходов
изучать искусственный интеллект.
Один из них — когнитивный подход: он основан на человеческом мышлении.
Согласно этому подходу,
есть два способа изучить человеческое мышление:
либо мы пытаемся захватить мысли правильно, когда они происходят,
или мы пытаемся моделировать мысли на психологическом уровне.
По этой причине мы говорим, что искусственный интеллект
тесно связан с нейрональными и когнитивными науками и психологией.
Согласно этому подходу, предполагается, что,
если мы можем
истинное представление человеческой мысли,
то мы можем перенести его на машину.
Другой подход основан на законах рационального мышления.
Вероятно, большинство из вас слышало о силлогизме Аристотеля.
Сократ — человек;
все люди смертны;
[тогда] Сократ смертен.
Это дедуктивное рассуждение:
Если у нас есть два правдивых предпосылки,
мы можем заключить правдивый вывод.
Отсюда происходят дедуктивные логики.
Согласно законам рационального мышления,
мы пытаемся построить дедуктивные аргументы и перенести их на машину.
Другим подходом является подход рационального агента.
Рациональный агент, субъект,
должен действовать,
должен адаптироваться к контексту,
должен фиксировать цели для себя и иметь возможность выполнять их,
и он должен действовать рационально.
Поэтому тест Тьюринга связан с интеллектуальными агентами.
Перефразируя утверждение Тьюринга: «Может ли машина думать?»,
мы можем теперь сказать: возможно ли построить машину, искусственный агент,
умеет думать,
способный показать понимание и рациональность?
Искусственный интеллект, следовательно,
направлена на развитие искусственных интеллектуальных сущностей.
Ваш мобильный телефон является сущностью.
Развивая искусственные объекты
мы пытаемся понять интеллект как психологическую конструкцию.
Когда мы получим лучшее знание
об этой концепции,
мы пытаемся разработать искусственные интеллектуальные сущности
для поддержки людей: это цикл.
Но давайте посмотрим, смогут ли машины думать.
Я хотел бы кратко описать вас
современное искусство искусственного интеллекта
и я хотел бы использовать пять классов
классифицировать искусственные агенты в соответствии со своими способностями:
у нас есть субчеловеческие и пар-человеческие агенты,
сверхчеловеческие, сверхчеловеческие агенты, а затем у нас есть оптимальные.
Я хочу объяснить им несколько примеров.
Оптимальными агентами являются те, которые действуют лучше всех людей
и вы не можете сделать лучше, чем это.
Например, агенты, которые решают кубик Рубика,
те, которые играют в «Четыре раза подряд» наилучшим образом,
или на Tic-tac-toe.
Подумайте, что несколько лет назад мальчик, учитывая начальное состояние кубика Рубика,
решил его в 4.73 секунды.
Несколько месяцев назад был создан агент, робот,
который может решить его за 0,63 секунды.
У нас есть сверхчеловеческие агенты, которые действуют лучше всех людей,
например, в шахматной игре, в игре Scrabble.
Несколько лет назад шахматный чемпион России Каспаров
был побежден искусственным агентом.
У нас есть сверхчеловеческие агенты,
те, которые почти действуют лучше, чем большинство людей,
например, в Texas Hold’em poker, отвечая на вопросы о Quiz Show.
У нас есть пар-человеческие агенты,
которые действуют почти как все люди,
например, в когнитивных действиях,
таких как кроссворды или классификация изображений.
Наконец, у нас есть агенты субчеловека, которые действуют хуже, чем все люди.
Примеры включают классификацию объектов, распознавание рукописного ввода,
вокальное распознавание, перевод с языка на другой.
Но если есть что-то, что искусственные агенты в настоящее время не в состоянии сделать
это, например, значения:
Мы говорим о яблоке как о плоде,
или мы говорим о бренде Apple Corporation?
И одно, что агенты не в состоянии сделать
рассуждает в реальном мире в условиях неопределенности.
Это основные ограничения искусственного интеллекта,
и из-за этого считается, что мы далеко, чтобы пройти тест Тьюринга.
Теперь давайте попробуем понять, смогут ли машины подумать.
Несколько лет назад в Америке была придумана концепция,
«Технологическая сингулярность»:
Рэй Курцвейл, всемирно известный эксперт в области искусственного интеллекта.
Давайте представим себе график.
Давайте представим себе линию, указывающую на человеческий разум, увеличиваясь.
Давайте теперь представим красную линию, указывающую на интеллектуальность машины,
с экспоненциальным трендом.
Эта тенденция следует закону Мура,
в результате чего вычислительная сложность, например,
как измерено количеством транзисторов, встроенных в чип,
удваивается каждые два года и четыре раза каждые [три] года.
По словам Рэя Курцвейла, в 2010 году мы должны были
использовать эту вычислительную сложность
для подражания человеческому мозгу —
Я ничего не видел.
В 2020 году с 1 000 долларов мы получим доступ
к этой вычислительной мощности.
В 2025 году, по словам Рэя Курцвейла,
мы сможем очень точно отсканировать наш мозг.
И в конце концов, в 2029 году
машины пройдут тест Тьюринга!
И затем, в 2045 году, он ссылается на этот момент времени
когда произойдет технологическая сингулярность,
когда машины, машинный интеллект,
будет следовать экспоненциальному тренду
что существенно повлияет на человеческий интеллект.
В своей статье, опубликованной в журнале «Разум»,
Тьюринг не только предложил свой тест,
но он также предложил девять возражений против его собственного теста.
Эти возражения — девять возражений против Искусственного интеллекта.
Несколько лет назад, когда я учился в Университете Варезе,
Я посетил курс «Эпистемология, деонтология и этика в информатике»,
проведенного профессором Гаэтано Аурелио Лансароне.
К сожалению, он скончался несколько лет назад.
Одно из заданий, которые мы должны были сделать, — предложить десятое возражение
против теста Тьюринга, против искусственного интеллекта.
Я был единственным, кто предложил десятое возражение
выраженное как математическое уравнение,
что я назвал «человеческую глупость».
Я хотел бы объяснить это простыми словами.
Предположим, мы берем интеллект всех людей
и мы все вместе.
Символ суммы уравнения слева.
И мы передаем этот интеллект в целом на машину.
Затем мы получаем равенство интеллекта.
Но каким-то образом машина становится более умной, чем мы.
Хотя, если это правда, что мы были
которые перенесли нашу разведку на машину
и он становится более умным, чем мы,
это также верно,
что мы позволяем машине стать более умным, чем мы.
Затем, чтобы завершить мою историю,
и ссылаясь на первоначальный вопрос: «Могут ли машины думать?»,
Я хотел бы оставить вам открытый вопрос:
Действительно ли имеет смысл заставить нас думать?
Спасибо.
(Аплодисменты)
В 2016 году я был удостоен премии Национального форума по обучению и обучению
поддержанный и спонсируемый Министерством образования в Ирландии,
специально названный: «National Teaching Hero».
Причина этой награды
была моя доступность к моим ученикам
и моя способность
создавать менее формальные и более комфортные образовательные среды.
Представим себе это место как большой университетский класс.
Я привык входить в класс,
[в] первые десять минут, когда студенты входят и проходят,
Я подключаю компьютер к динамикам и включаю классическую музыку.
Я думаю, что это первый шаг
создавать менее формальные и более комфортные образовательные среды
и старайтесь держать внимание студентов на высоком уровне.
К сожалению, это не всегда легко.
В моих уроках я использую метод, используемый с древних времен: рассказывание историй!
Педагогически говоря,
повествование — это метод, основанный на использовании описаний,
направленных на передачу знаний студентам.
Я бы начал свой урок именно этим методом,
объясняя, описывая тему на губах каждого в наши дни:
Искусственный интеллект.
Как и всякая история, рассказанная детям,
Я хотел бы начать свою историю с «Когда-то».
Вторая мировая война, 1942, Великобритания,
Парк Блетчли:
особняк на севере Лондона.
Был тридцатилетний парень: Алан Тьюринг.
Алан окончил Королевский колледж, Кембридж,
и он получил докторскую степень в области логики
в Принстонском университете, США.
В то время немцы использовали специальную машину: «Энигма».
Это было похоже на пишущую машинку:
оператор набрал несколько клавиш,
но вместо того, чтобы печатать эти буквы на листе бумаги,
были напечатаны другие письма,
в соответствии с кодировкой, механически установленной под станком.
Немцы использовали эту машину для общения друг с другом.
Кто-то слушал на этом листе
имел перед собой бессмысленный текст.
Он был зашифрован!
Алан Тьюринг был одним из ведущих фигур в парке Блетчли:
он и его команда реализовали машину,
тот, который вы можете видеть позади меня,
способный расшифровать тексты, написанные немцем.
Благодаря этому изобретению мы считаем
что война прекратилась два года назад,
спасая многие человеческие жизни.
После войны Алан Тьюринг продолжил свое исследование в журнале Logic
и он считается отцом компьютерных наук,
отец искусственного интеллекта.
С его машиной Тьюринга он оформляет концепцию компьютера
даже до того, как компьютер был фактически построен.
В 1950 году он опубликовал статью в журнале «Разум»:
«Вычислительная техника и разведка»,
где он предложил тест Тьюринга.
Вопрос, стоящий за тестом Тьюринга, является четко определенным:
Могут ли машины думать?
Именно в это время начался искусственный интеллект.
Вероятно, большинство из вас смотрели фильм «Имитационная игра»:
Игра подражания.
Я расскажу вам это.
Предположим, что человек здесь, нажав клавиши на клавиатуре компьютера,
кто задает вопросы, задает некоторые вопросы
и на противоположной стороне компьютера
существует машина M и оператор O.
С другой стороны,
машина M и оператор O ответят на человека P.
Говорят, что машина M проходит тест Тьюринга
если человек P не может понять
когда ответы приходят с машины
и когда ответы приходят от оператора.
Это Имитационная игра.
Машина должна иметь специальные функции
чтобы пройти тест Тьюринга.
Он должен интерпретировать естественный язык:
вопрос, заданный человеком.
Он должен представлять знания для формулирования ответов.
Он должен думать в автоматическом режиме, чтобы сформулировать такие ответы.
И он должен учиться автоматически.
Существует много подходов
изучать искусственный интеллект.
Один из них — когнитивный подход: он основан на человеческом мышлении.
Согласно этому подходу,
есть два способа изучить человеческое мышление:
либо мы пытаемся захватить мысли правильно, когда они происходят,
или мы пытаемся моделировать мысли на психологическом уровне.
По этой причине мы говорим, что искусственный интеллект
тесно связан с нейрональными и когнитивными науками и психологией.
Согласно этому подходу, предполагается, что,
если мы можем
истинное представление человеческой мысли,
то мы можем перенести его на машину.
Другой подход основан на законах рационального мышления.
Вероятно, большинство из вас слышало о силлогизме Аристотеля.
Сократ — человек;
все люди смертны;
[тогда] Сократ смертен.
Это дедуктивное рассуждение:
Если у нас есть два правдивых предпосылки,
мы можем заключить правдивый вывод.
Отсюда происходят дедуктивные логики.
Согласно законам рационального мышления,
мы пытаемся построить дедуктивные аргументы и перенести их на машину.
Другим подходом является подход рационального агента.
Рациональный агент, субъект,
должен действовать,
должен адаптироваться к контексту,
должен фиксировать цели для себя и иметь возможность выполнять их,
и он должен действовать рационально.
Поэтому тест Тьюринга связан с интеллектуальными агентами.
Перефразируя утверждение Тьюринга: «Может ли машина думать?»,
мы можем теперь сказать: возможно ли построить машину, искусственный агент,
умеет думать,
способный показать понимание и рациональность?
Искусственный интеллект, следовательно,
направлена на развитие искусственных интеллектуальных сущностей.
Ваш мобильный телефон является сущностью.
Развивая искусственные объекты
мы пытаемся понять интеллект как психологическую конструкцию.
Когда мы получим лучшее знание
об этой концепции,
мы пытаемся разработать искусственные интеллектуальные сущности
для поддержки людей: это цикл.
Но давайте посмотрим, смогут ли машины думать.
Я хотел бы кратко описать вас
современное искусство искусственного интеллекта
и я хотел бы использовать пять классов
классифицировать искусственные агенты в соответствии со своими способностями:
у нас есть субчеловеческие и пар-человеческие агенты,
сверхчеловеческие, сверхчеловеческие агенты, а затем у нас есть оптимальные.
Я хочу объяснить им несколько примеров.
Оптимальными агентами являются те, которые действуют лучше всех людей
и вы не можете сделать лучше, чем это.
Например, агенты, которые решают кубик Рубика,
те, которые играют в «Четыре раза подряд» наилучшим образом,
или на Tic-tac-toe.
Подумайте, что несколько лет назад мальчик, учитывая начальное состояние кубика Рубика,
решил его в 4.73 секунды.
Несколько месяцев назад был создан агент, робот,
который может решить его за 0,63 секунды.
У нас есть сверхчеловеческие агенты, которые действуют лучше всех людей,
например, в шахматной игре, в игре Scrabble.
Несколько лет назад шахматный чемпион России Каспаров
был побежден искусственным агентом.
У нас есть сверхчеловеческие агенты,
те, которые почти действуют лучше, чем большинство людей,
например, в Texas Hold’em poker, отвечая на вопросы о Quiz Show.
У нас есть пар-человеческие агенты,
которые действуют почти как все люди,
например, в когнитивных действиях,
таких как кроссворды или классификация изображений.
Наконец, у нас есть агенты субчеловека, которые действуют хуже, чем все люди.
Примеры включают классификацию объектов, распознавание рукописного ввода,
вокальное распознавание, перевод с языка на другой.
Но если есть что-то, что искусственные агенты в настоящее время не в состоянии сделать
это, например, значения:
Мы говорим о яблоке как о плоде,
или мы говорим о бренде Apple Corporation?
И одно, что агенты не в состоянии сделать
рассуждает в реальном мире в условиях неопределенности.
Это основные ограничения искусственного интеллекта,
и из-за этого считается, что мы далеко, чтобы пройти тест Тьюринга.
Теперь давайте попробуем понять, смогут ли машины подумать.
Несколько лет назад в Америке была придумана концепция,
«Технологическая сингулярность»:
Рэй Курцвейл, всемирно известный эксперт в области искусственного интеллекта.
Давайте представим себе график.
Давайте представим себе линию, указывающую на человеческий разум, увеличиваясь.
Давайте теперь представим красную линию, указывающую на интеллектуальность машины,
с экспоненциальным трендом.
Эта тенденция следует закону Мура,
в результате чего вычислительная сложность, например,
как измерено количеством транзисторов, встроенных в чип,
удваивается каждые два года и четыре раза каждые [три] года.
По словам Рэя Курцвейла, в 2010 году мы должны были
использовать эту вычислительную сложность
для подражания человеческому мозгу —
Я ничего не видел.
В 2020 году с 1 000 долларов мы получим доступ
к этой вычислительной мощности.
В 2025 году, по словам Рэя Курцвейла,
мы сможем очень точно отсканировать наш мозг.
И в конце концов, в 2029 году
машины пройдут тест Тьюринга!
И затем, в 2045 году, он ссылается на этот момент времени
когда произойдет технологическая сингулярность,
когда машины, машинный интеллект,
будет следовать экспоненциальному тренду
что существенно повлияет на человеческий интеллект.
В своей статье, опубликованной в журнале «Разум»,
Тьюринг не только предложил свой тест,
но он также предложил девять возражений против его собственного теста.
Эти возражения — девять возражений против Искусственного интеллекта.
Несколько лет назад, когда я учился в Университете Варезе,
Я посетил курс «Эпистемология, деонтология и этика в информатике»,
проведенного профессором Гаэтано Аурелио Лансароне.
К сожалению, он скончался несколько лет назад.
Одно из заданий, которые мы должны были сделать, — предложить десятое возражение
против теста Тьюринга, против искусственного интеллекта.
Я был единственным, кто предложил десятое возражение
выраженное как математическое уравнение,
что я назвал «человеческую глупость».
Я хотел бы объяснить это простыми словами.
Предположим, мы берем интеллект всех людей
и мы все вместе.
Символ суммы уравнения слева.
И мы передаем этот интеллект в целом на машину.
Затем мы получаем равенство интеллекта.
Но каким-то образом машина становится более умной, чем мы.
Хотя, если это правда, что мы были
которые перенесли нашу разведку на машину
и он становится более умным, чем мы,
это также верно,
что мы позволяем машине стать более умным, чем мы.
Затем, чтобы завершить мою историю,
и ссылаясь на первоначальный вопрос: «Могут ли машины думать?»,
Я хотел бы оставить вам открытый вопрос:
Действительно ли имеет смысл заставить нас думать?
Спасибо.
(Аплодисменты)
Please follow and like us:
Be First to Comment