Новости интернета и IP технологий | Читайте на нашем портале
Главная
Форум
Правила
Регистрация
Почта
Карта сайта
восстановить
На правах рекламы
Экспресс-опрос
Оцените работу сайта
Популярное на сайте
    Календарь публикаций
    «    Май 2019    »
    ПнВтСрЧтПтСбВс
     12345
    6789101112
    13141516171819
    20212223242526
    2728293031 
    Радио
    Архив публикаций
    Последние публикации
    Отличный скрипт игры с выводом денег Therian Saga с красочным и ярким дизайном, построен на популярном движке фф с хорошим функционалом.Качаем и тестируем.
    contador
    Навигатор по сайту  »   » » Новости интернета и IP технологий
       опубликовано:  16-04-2019, 17:21   


    Технологии виртуальной реальности (VR) уже достаточно неплохо «научились» обманывать наш мозг, глаза и уши, заставляя их считать, что мы действительно находимся в каком-то другом мире и являемся главным персонажем той или иной игры. Однако «скоро» эти технологии могут выйти на совершенно новый уровень. И путешествовать внутри виртуальных миров мы сможем с помощью лишь одних наших мыслей, не прибегая к помощи специальных устройств для управления, которые сейчас активно используются с VR-гарнитурами.




    На проходившей ранее в этом месяце конференции разработчиков видеоигр Game Developer’s Conference штатный психолог и исследователь видеоигр игровой компании Valve Майк Абиндер поделился своими мыслями о том, какие удивительные возможности для виртуальной реальности сможет предоставить интеграция интерфейсов «компьютер-мозг» в будущие VR-гарнитуры.


    Персонализированный игровой опыт


    Идея состоит в том, чтобы наделить гарнитуры VR специальными датчиками (по типу ЭЭГ), которые будут считывать электромагнитные сигналы вашего мозга и конвертировать их в полезные для игры статистические данные. Анализ этих данных, по словам Абиндера, позволит разработчикам игр сделать последние более интерактивными и персонализированными. Например, в зависимости от вашего состояния (вам грустно, весело, страшно, скучно и т.д.) игра сможет налету подстраиваться под ваше настроение, а также ваш «игровой настрой».


    «Представьте себе мгновенно адаптирующихся конкретно под вас виртуальных врагов. Например, с какими монстрами вам больше всего нравится сражаться: сильными, слабыми, умными, глупыми? Если мы будем знать ответы на эти вопросы, то игры с поддержкой такой технологии могут стать для вас настоящим открытием, поскольку будут способны предложить совершенно уникальный игровой опыт, новые задачи и испытания, сократив до минимума действительно скучные моменты каждый раз, когда вы будете заходить в эту игру», — цитирует слова Абиндера VentureBeat.


    Дизайн уровней каждой отдельной игры в данном случае сможет подстраиваться исключительно под конкретного человека, использующего такую VR-гарнитуру. Возможно эта же технология позволит создавать ваш идеальный виртуальный аватар, практически полностью «копирующий» ваш реальный облик в виртуальном мире. Этот аватар сможет с точностью имитировать ваше текущее настроение, мимику, ваши привычки и так далее.


    «Игровые разработчики смогут уделять больше внимания тому, как вы реагируете на те или иные элементы в игре. Благодаря этому, даже небольшие изменения смогут привести к большим результатам и изменить ваше восприятие игры».


    Расширение возможностей мозга


    По информации портала VentureBeat, на рынке присутствует несколько компаний, которые уже проводят испытания технологий, конвертирования мозговых сигналов в игровые данные. Например, одной из таких компаний является стартап Neurable, который в настоящий момент тестирует разработанный им интерфейс «компьютер-мозг» с имеющимися на рынке VR-гарнитурами «для создания естественного расширения возможностей нашего мозга», как указывается на их официальном сайте.


    Конечно же, озвученные Абиндером идеи по большей части являются его собственными предположениями тех возможностей, которые могут перед нами открыться благодаря комбинации технологий виртуальной реальности и сканирования мозга. На данный момент даже аппаратам ЭЭГ больничного уровня нередко приходится иметь дело с большим количеством шума в получаемых при сканировании данных. Особенно это касается не инвазивных аппаратов, а также тех, в которых используются электроды для считывания сигналов. В случае тех же гарнитур виртуальной реальности это не позволяет обеспечить для пользователя качественный и изначально заложенный этой идеей новый игровой опыт. Поэтому в этом направлении придется еще немало поработать.


    А вы что думаете о перспективах таких технологий? 

       опубликовано:  16-04-2019, 16:22   


    18 марта в 20:00 по московскому времени официально стартовала процедура переноса средств в децентрализованную сеть Tkeycoin. Как сообщает пресс-служба курирующей проект компании TKEY DMCC, уже в первые сутки было получено более 1000 заявок из различных стран мира, и, как считают эксперты, подобный ажиотаж легко объясним.




    Дело в том, что данное событие без преувеличения можно назвать одним из важнейших в истории проекта Tkeycoin, поскольку оно напрямую ознаменовало переход от централизованного этапа к децентрализованному. В ходе так называемого «свопа», первая волна которого продлится до 31 марта 2019 года включительно, пользователи Tkeycoin смогут обменять централизованные активы TCD на децентрализованную криптовалюту TKEY по курсу 1 к 1.


    Иными словами, именно после переноса средств инвесторы получат на свои счета долгожданную криптовалюту, которую никто в мире, кроме них самих, не сможет контролировать. Сразу после окончания первого этапа сбора заявок на перенос средств состоится официальный запуск сети Tkeycoin и релиз нескольких продуктов платформы. Как заявляют разработчики, уже в апреле станут доступны мобильные приложения для iOS и Android, новая версия веб-кошелька, а также кошельки для Windows, Linux и macOS.


    Кроме того, в апреле криптовалюта Tkeycoin официально начнет торги на крупнейшей криптовалютной бирже Восточной Европы — EXMO, которая станет первой площадкой, разместившей торговые пары с TKEY. Пользователям биржи будут доступны сразу 20 торговых пар, включая TKEY/USD, TKEY/ETH и TKEY/BTC. Листинг на других площадках запланирован на апрель-май 2019 года.


    Помимо торговли на бирже, криптовалюту TKEY можно будет использовать для мгновенных денежных переводов по всему миру, покупок в Интернете, оплаты услуг и товаров в магазинах, торговых обменов на другие криптовалюты и других повседневных задач. Сеть Tkeycoin уже сегодня в тысячи раз превосходит сеть Биткоина по скорости совершаемых операций, а также опережает по этому показателю Paypal, Ripple и даже Visa. Кроме того, она лишена проблем большинства ныне существующих криптовалют и готова отразить любую атаку злоумышленников.


    Ожидается, что релиз платформы состоится в период с 1 по 3 апреля, когда стартует второй этап сбора заявок на перенос средств в децентрализованную сеть. В эти дни Tkeycoin по-прежнему можно приобрести на официальном сайте платформы по курсу $1. 31 марта продажа будет официально закрыта, и дальнейшая покупка TKEY будет доступна только на бирже.

       опубликовано:  26-03-2019, 22:05   


    Сегодняшняя презентация компании Apple проходила под слоганом «It’s show time», что можно перевести как «Время для шоу» или «Время для показа». И вышедшему на сцену главе компании Тиму Куку действительно было что показать. Всю неделю перед своей традиционной весенней презентацией Apple показывала свежие устройства. Мы увидели обновленные iPad mini и iPad Air и AirPods с беспроводным зарядным чехлом. В этот раз обошлось без анонса новых гаджетов. Вся атмосфера мероприятия была связана с новыми приложениями и сервисами. Среди них: новый новостной агрегатор, новая платежная система, новый игровой сервис, а также Apple TV+. Но обо всем по порядку.




    Презентация началась с красочного ролика в ретро-стиле.



    Новостной агрегатор Apple News+


    Первым анонсированным продуктом этого мероприятия стал обновленный новостной агрегатор Apple News Plus. По словам Тима Кука Apple News и без того было самым популярным новостным приложением в App Store, но благодаря обновлению оно станет еще популярнее. Теперь в новостной ленте можно будет читать не только статьи из Интернета, но и цифровые версии любимых журналов. Подписка на сервис будет платной. Стоимость составит 9,99 в месяц. Однако это не так много, как может показаться. Было заявлено, что подписка на все журналы по отдельности может обойтись примерно в 800 долларов. Кроме того, подписавшись на сервис на одном устройстве, оно станет доступным на всех ваших устройствах от Apple.




    Приложение Apple News Plus стало доступно на iOS и macOS уже сегодня. Первый месяц использования приложения будет бесплатным. В России поддержки сервиса пока нет, но, возможно, она появится позже в этом году. Страны, в которых это будет работать Apple News Plus, по порядку: США, Канада, Англия, Франция. В Австралии и Европе — позже.


    Apple решила выпустить «кредитку»



    Вторым анонсировали сервис Apple Card. Зарегистрировавшись в приложении, вы получите виртуальную версию кредитной карты за пару минут. Сервис Apple Card находится в приложении Wallet и будет вести за вас подсчеты ваших расходов автоматически. Согласно оглашенной информации, Apple Card будет работать в любой стране мира, где поддерживается Apple Pay.


    Сервис предлагает функцию Daily Cash. По факту она представляет собой кэшбек-серсивис. Возврат средств ежедневный. При использовании виртуальной кредитки Apple Card для покупки различных товаров можно будет ежедневно возвращать 2% кэшбека с общей суммы. Для тех, кто будет совершать покупки в Apple обещают 3% кэшбека. У карточки нет комиссий на международные платежи, никаких отложенных комиссий, а также никаких комиссий при регистрации. Для выпуска Apple Card компания из Купертино заключила соглашение с Goldman Sachs, а также сотрудничает с Mastercard.


    Интересной особенностью карты является то, что у нее не будет CVV, открытого номера, она будет бессрочной и не потребует подписи. Карта будет приписываться к устройству. Доступ к ней будет осуществляться по Face ID и Touch ID.


    В США Apple Card появится летом этого года. Когда она появится в Европе – не уточнили.



    Игровой сервис Apple Arcade


    Еще одной новинкой презентации стал сервис Apple Arcade, которую Engadget называет «Netflix для геймеров». Это игровой сервис с месячной подпиской, позволяющей играть во все доступные игры, которые в нем будут содержаться. Работать будет с iPhone, iPad, Mac и Apple TV. На старте будет доступно более 100 новых и в том числе эксклюзивных игровых тайтлов. Дополнительного приложения из App Store качать не придется. Сервис будет доступен по новой вкладке в самом App Store.


    Как и в случае с Apple News+ в Apple Arcade будет работать «семейный доступ». Купив подписку один раз, она будет работать на всех устройствах вашей семьи. Будет поддержка родительского контроля. Если вам не нравится, что ваше чадо слишком много времени проводит за играми на своих гаджетах – в настройках можно включить ограничение. Для тех, кто не любит постоянно сидеть в онлайне, будет доступен офлайн доступ к играм.


    Первые студии, с которыми Apple подписала соглашение о сотрудничестве публикации своих игр стали: Annapurna Interactive, Bossa Studios, Cartoon Network, Finji, Giant Squid, Klei Entertainment, Konami, LEGO, Mistwalker Corporation, SEGA, Snowman и ustwo.


    Сервис еще не готов. Его собираются запустить до осени этого года. Но поддержка станет доступной сразу в более чем 150 странах мира. К сожалению, стоимость подписки не сообщили. Узнаем, видимо, ближе к запуску.



    Стриминговый сервис видео Apple TV+



    Главной изюминкой презентации, конечно же, стал анонс нового сервиса Apple TV+. Представлять стриминговый сервис на сцену вышли режиссеры Стивен Спилберг и Джей Джей Абрамс и актеры Дженнифер Энистон, Риз Уизерспун, Стив Кэрелл, Джейсон Момоа, Элфри Вудард и Кумейл Нанджиани. На сцене появился даже персонаж «Улицы Сезам» Большая Птица, который рассказал о детском обучающем шоу «Helpsters», которое выйдет на сервисе.


    Пообещали множество эклюзивного видео-контента и множество различных развлекательных шоу. Вместе с TV+ Apple представила обновленное приложение Apple TV с подписками на разные телеканалы и персональными рекомендациями. Будет ли это все доступно в России — вопрос. Но обещают поддержку более 100 стран. Запуск этой осенью. Цена подписки также неизвестна.



    Не забываем ставить лайки и комментировать.) Регистрируйтесь на сайте - Тут.

       опубликовано:  23-03-2019, 11:32   


    Есть мнение, что ДНК спасет нас от компьютеров. Благодаря достижениям в области замены кремниевых транзисторов, компьютеры на основе ДНК обещают предоставить нам массивные параллельные вычислительные архитектуры, невозможные в настоящее время. Но вот, в чем загвоздка: молекулярные микросхемы, которые создавались до сегодняшнего дня, не обладали совершенно никакой гибкостью. Сегодня использовать ДНК для вычислений — это то же самое, что «создать новый компьютер из нового оборудования для запуска одной только программы», говорит ученый Дэвид Доти.




    Доти, профессор Калифорнийского университета в Дэвисе, и его коллеги, решили узнать, что потребуется для создания ДНК-компьютера, который на самом деле можно будет перепрограммировать.


    Компьютер из ДНК


    В статье, опубликованной на этой неделе в журнале Nature, Доти и его коллеги из Калифорнийского университета и Университета Мэйнут продемонстрировали именно это. Они показали, что можно использовать простой триггер, чтобы заставить один и тот же базовый набор молекул ДНК реализовывать множество различных алгоритмов. Хотя это исследование все еще носит исследовательский характер, в будущем могут быть использованы перепрограммируемые молекулярные алгоритмы для программирования ДНК-роботов, которые уже успешно доставили лекарства в раковые клетки.


    «Это одна из важнейших работ в области», говорит Торстен-Ларс Шмидт, доцент кафедры экспериментальной биофизики в Кентском государственном университете, не принимавший участия в исследовании. «Ранее была алгоритмическая самостоятельная сборка, но не до такой степени сложности».


    В электронных компьютерах вроде того, что вы используете для чтения этой статьи, биты — это двоичные единицы информации, которые сообщают компьютеру, что делать. Они представляют дискретное физическое состояние лежащего в основе оборудования, обычно в виде наличия или отсутствия электрического тока. Эти биты — или даже электрические сигналы, реализующие их — передаются через схемы, состоящие из логических элементов, которые выполняют операцию с одним или несколькими входными битами и выдают один бит в качестве выхода.


    Комбинируя эти простые строительные блоки снова и снова, компьютеры могут запускать удивительно сложные программы. Идея, лежащая в основе ДНК-вычислений, состоит в том, чтобы заменить химическими связями электрические сигналы и нуклеиновыми кислотами — кремний, и создать биомолекулярное программное обеспечение. По мнению Эрика Винфри, компьютерного ученого из Калтеха и соавтора работы, молекулярные алгоритмы используют естественную способность обработки информации, вшитую в ДНК, но вместо того, чтобы отдавать управление природе, «процессом роста управляют компьютеры».


    За последние 20 лет в нескольких экспериментах использовались молекулярные алгоритмы для таких вещей, как игра в крестики-нолики или сборка различных фигур. В каждом из этих случаев последовательности ДНК должны были быть тщательно спроектированы, чтобы создать один конкретный алгоритм, который генерировал бы структуру ДНК. Что отличается в этом случае, так это то, что исследователи разработали систему, в которой одни и те же базовые фрагменты ДНК могут быть упорядочены для создания совершенно разных алгоритмов и, значит, совершено разных конечных продуктов.


    Этот процесс начинается с ДНК-оригами, метода складывания длинного участка ДНК в желаемую форму. Этот свернутый кусок ДНК служит «сидом» (семя, seed), которое запускает алгоритмический конвейер, подобно тому, как на ниточке, опущенной в подсахаренную воду, постепенно вырастает карамель. Семя остается по большей части тем же, независимо от алгоритма, и изменения вносятся только в несколько небольших последовательностей для каждого нового эксперимента.


    После того, как ученые создали семя, они добавили его в раствор из 100 других цепочек ДНК, фрагментов ДНК. Эти фрагменты, каждая из которых состоит из уникального расположения 42 нуклеиновых оснований (четырех основных биологических соединений, из которых состоит ДНК), взяты из большой коллекции из 355 фрагментов ДНК, созданных учеными. Чтобы создать другой алгоритм, ученые должны выбрать другой набор стартовых фрагментов. Молекулярный алгоритм, включающий случайное блуждание, требует различных наборов фрагментов ДНК, которые алгоритм использует для подсчета. Поскольку эти фрагменты ДНК соединяются в процессе сборки, они образуют схему, которая реализует выбранный молекулярный алгоритм на входных битах, предоставленных сидом.


    Используя эту систему, ученые создали 21 различный алгоритм, которые могут выполнять такие задачи, как распознавание кратных трем, выбор лидера, генерация паттернов и счет до 63. Все эти алгоритмы были реализованы с использованием различных комбинаций одних и тех же 355 фрагментов ДНК.


    Конечно, написать код путем сброса фрагментов ДНК в пробирку пока не получится, однако вся эта затея представляет собой модель будущих итераций гибких компьютеров на базе ДНК. Если Доти, Винфри и Вудс добьются своего, молекулярные программисты завтрашнего дня даже и думать не будут о биомеханике, лежащей в основе их программ точно так же, как современным программистам не обязательно понимать физику транзисторов, чтобы писать хорошее ПО.


    Потенциальные варианты использования этой наномасштабной техники сборки поражают воображение, но и эти прогнозы основаны на нашем относительно ограниченном понимании наномасштабного мира. Алан Тьюринг не смог предсказать появление Интернета, поэтому и нас, возможно, ждут непостижимые применения молекулярной информатики.


    На что будут способны молекулярные компьютеры? 


    Не забываем ставить лайки и комментировать.) Регистрируйтесь на сайте - Тут.
       опубликовано:  22-03-2019, 10:18   


    Однажды вечером в августе 2010 года в конференц-зале на берегу залива Сан-Франциско на сцену вышел 34-летний лондонец по имени Демис Хассабис. Поднявшись на подиум наигранной походкой человека, пытающегося контролировать свои нервы, он сжал свои губы в непродолжительной улыбке и заговорил: «Что ж, сегодня я хочу поговорить о различных подходах к созданию…». Он остановился, словно осознавая, насколько громко заявляет о своих амбициях. И произнес это: «AGI».


    ОИИ (AGI) означает общий искусственный интеллект, гипотетическую компьютерную программу, которая может выполнять интеллектуальные задачи так же хорошо, как и человек, или даже лучше. ОИИ сможет выполнять отдельные задачи — вроде распознавания людей на фото или перевода языков, которые в настоящее время способны выполнять множества отдельных искусственных интеллектов в наших телефонах и компьютеров. Они смогут одновременно поддерживать беседу, играть в шахматы и говорить по-французски. Они смогут разбираться в трудах по физике, писать романы, разрабатывать инвестиционные стратегии и поддерживать непринужденную беседу с незнакомцами. Они будут следить за ядерными реакциями, управлять сетями энергоснабжения и транспортным потоком, и без особых усилий добиваться успеха во всем остальном. ОИИ сделает самые современные ИИ сегодня похожими на карманные калькуляторы.


    Единственный интеллект, способный в настоящее время выполнять все эти задачи, принадлежит человеку. Но человеческий разум ограничен размером черепа, в котором находится мозг. Его мощность ограничена ничтожным количеством энергии, которую может обеспечить организм. Поскольку ОИИ будет работать на компьютерах, он не будет страдать от подобных ограничений. Его интеллект будет ограничен только количеством доступных процессоров. ОИИ может начать с мониторинга ядерных реакций. Но достаточно скоро он обнаружит новые источники энергии, переваривая больше работы по физике в секунду, чем способен человек за тысячу лет. Интеллект человеческого уровня, заручившийся скоростью и масштабируемостью компьютеров, избавит нас от проблем. Хассабис заявил английской газете Observer, что ожидает от ОИИ решения, среди прочих дисциплин, таких проблем, как «рак, изменение климата, энергия, геномика, макроэкономика и финансовые системы».


    Конференция, на которой выступал Хассабис, называлась Singularity Summit. Сингулярность — первая часть названия — относится к наиболее вероятному последствию появления ОИИ, по мнению футурологов. Поскольку ОИИ будет обрабатывать информацию с высокой скоростью, он очень быстро станет очень умным. Быстрые циклы самосовершенствования приведут к взрыву машинного интеллекта, в результате чего люди останутся нюхать кремниевую пыль. Поскольку это будущее основано исключительно на непроверенных предположениях, почти религиозно предполагают, что сингулярность окажется либо утопией, либо адом.


    Судя по названиям выступлений, участники конференции больше верили в первый исход: «Разум и как его построить», «ИИ против старения», «Заменяя наши тела», «Модифицируя границу между жизнью и смертью». Речь Хассабиса, напротив, казалась скучноватой: «Системный нейронаучный подход к созданию ОИИ».


    Хассабис шагал между подиумом и экраном, говоря скороговоркой. Он был одет в бордовый джемпер и белую рубашку на пуговицах, как школьник. Его небольшой рост, казалось, только подчеркивал его интеллект. До сих пор, объяснял Хассабис, ученые подходили к ОИИ с двух сторон. Один из подходов, известный как символьный ИИ, пытался описать и запрограммировать все правила, необходимые для системы, которая могла бы мыслить подобно человеку. Этот подход был популярен в 1980-х и 1990-х годах, но не дал желаемых результатов. Хассабис считал, что ментальная архитектура мозга слишком тонка, чтобы описывать ее таким образом.


    Другой подход собрал ученых, пытающихся воспроизвести физические сети мозга в цифровой форме. Это имело определенный смысл. В конце концов, мозг это ложе человеческого интеллекта. Но эти исследователи также двигались неверным путем, рассказал Хассабис. Их задача была сродни созданию карты всех звезд во Вселенной. Если глубже, они сосредоточились не на том уровне функционирования мозга. Это было все равно что пытаться понять, как работает Microsoft Excel, взламывая компьютер и изучая взаимодействие транзисторов.


    Вместо этого Хассабис предложил золотую середину: ОИИ должен черпать вдохновение из широких методов, с помощью которых мозг обрабатывает информацию, а не из физических систем или конкретных правил, которые он применяет в конкретных ситуациях. Другими словами, он должен сосредоточиться на понимании программного обеспечения мозга, а не его аппаратного обеспечения. Новые методы, такие как функциональная магнитно-резонансная томография (фМРТ), которые позволили заглянуть внутрь мозга во время его работы, намекнули, что такое понимание возможно. Последние исследования, сказал Хассабис, показывают, что мозг обучается, воспроизводя пережитое во время сна, чтобы выявить общие принципы. Исследователи ИИ должны подражать такой системе.


    В правом нижнем углу открывающего слайда красуется логотип в виде круглого синего вихря. Два слова, стоящие рядом, напечатаны снизу: DeepMind. Это был первый раз, когда компания упоминалась публично. Хассабис битый год пытался получить приглашение на Singularity Summit. Лекция была его прикрытием. На самом же деле ему нужна была одна минута с Питером Тилем, миллиардером из Кремниевой долины, который финансировал конференцию. Хассабис хотел инвестиций Тиля.


    Хассабис никогда не говорил о том, почему ему нужна была поддержка именно Тиля. Но Тиль верил в ОИИ еще больше, чем Хассабис. Выступая на Singularity Summit в 2009 году Тиль сказал, что его самым большим страхом перед будущим было не восстание роботов. Он больше беспокоился о том, что сингулярность наступит нескоро. Мир нуждался в новых технологиях, чтобы предотвратить экономический спад.


    DeepMind в итоге собрал 2 миллиона фунтов стерлингов, из которых 1,4 миллиона были Тиля. Когда Google купила компанию в январе 2014 года за 600 миллионов долларов, Тиль и другие первые инвесторы получили прибыль в размере 5000% от своих инвестиций.


    Для многих основателей это был бы счастливый конец. Можно было бы отдохнуть, сделать шаг назад, провести время наедине с деньгами. Для Хассабиса же приобретение Google было лишь очередным шагом в его стремлении к ОИИ. Он провел большую часть 2013 года, договариваясь об условиях сделки. DeepMind должна была работать отдельно от своего владельца. Она должна была получить плюсы от владения Google, такие как доступ к денежным потокам и вычислительной мощности, не потеряв контроль.


    Хассабис думал, что DeepMind сможет стать гибридом: у него будет двигатель стартапа, мозги величайших университетов и глубокие карманы одной из самых дорогостоящих компаний мира. Каждый ингредиент был на месте, чтобы ускорить прибытие ОИИ и устранить причины человеческих страданий.


    Ху из мистер Хассабис


    Демис Хассабис родился на севере Лондона в 1976 году в семье грека-киприота и китаянки с сингапурской кровью. Он был старшим из трех братьев и сестер. Мать работала в британском универмаге John Lewis, а отец управлял магазином игрушек. Сам Хассабис занялся шахматами в возрасте четырех лет, наблюдая за игрой отца и дяди. Через несколько недель он уже обыгрывал взрослых. К 13 годам он стал вторым в мире лучшим шахматистом в своем возрасте. В восемь лет научился программировать на простеньком компьютере.


    Высшее образование Хассабис получил в 1992 году, на два года раньше запланированного срока. Получил работу программиста видеоигр в Bullfrog Productions. Хассабис написал Theme Park, в котором игроки создавали и управляли виртуальным парком развлечений. Игра имела большой успех и была продана тиражом 15 миллионов копий, создав целый жанр игр-симуляторов, цель в которых была не одолеть противника, а оптимизировать функционирование огромной сложной системы, такой как бизнес или город.


    Помимо создания игр, Демис прекрасно в них играл. Будучи подростком, он бегал между этажами на соревнования по настольным играм, одновременно соревнуясь в поединках в шахматы, скрэббл, покер и нарды. В 1995 году, изучая информатику в Кембриджском университете, Хассабис поучаствовал в студенческом турнире по го. Го — древняя настольная стратегическая игра, которая значительно сложнее шахмат. Мастерство должно требовать интуиции, приобретенной многолетним опытом. Никто не знал, играл ли Хассабис вообще в го прежде.


    Сперва Хассабис выиграл турнир для начинающих. Затем он одолел победителя опытных игроков, хотя и с гандикапом. Чарльз Мэтьюз, мастер кембриджского го, проводивший турнир, вспоминает шок от того, как опытного игрока уничтожил 19-летний новичок. Мэтьюз взял Хассабиса под свое крыло.


    Интеллект и амбиции Хассабиса всегда проявлялись в играх. Игры, в свою очередь, разожгли его увлеченность интеллектом. Наблюдая за своим развитием в шахматах, он задавался вопросом, можно ли запрограммировать компьютеры учиться так же, как это делал он, накапливая опыт. Игры предлагали среду обучения, которой не соответствовал реальный мир. Они были строгими и закрытыми. Поскольку игры отделены от реального мира, их можно практиковать без помех и эффективно осваивать. Игры ускоряют время: игроки создают преступный синдикат за несколько дней и сражаются на Сомме несколько минут.


    Летом 1997 года Хассабис отправился в Японию. В мае того года компьютер Deep Blue, принадлежащий IBM, одолел Гарри Каспарова, чемпиона мира по шахматам. Впервые компьютер победил гроссмейстера. Матч привлек внимание всего мира и вызвал обеспокоенность по поводу растущей мощности и потенциальной угрозы компьютеров. Когда Хассабис встретился с Масахико Фуцзувэра, японским мастером настольных игр, он рассказал о планах, в которых сочетались его интересы к стратегическим играм и искусственному интеллекту: однажды он разработает компьютерную программу, чтобы победить величайшего игрока в го.


    Хассабис подходил к своей карьере методично. «В возрасте 20 лет Хассабис считал, что определенные вещи должны уже быть на своих местах, прежде чем искусственный интеллект сможет перейти на необходимый ему уровень», говорит Мэтьюз. «У него был план».


    В 1998 году он основал собственную игровую студию под названием Elixir. Хассабис сосредоточился на одной чрезвычайно амбициозной игре Republic: The Revolution, сложной политической симуляции. За несколько до этого, еще учась в школе, Хассабис сказал своему другу Мустафе Сулейману, что миру нужны грандиозные симуляции, чтобы смоделировать его сложную динамику и решить самые сложные социальные проблемы. Теперь он попытался сделать это в игре.


    Облечь его стремления в код было сложнее, чем ожидалось. Elixir в итоге выпустила урезанную версию игры, чтобы получить теплые отзывы. Другие игры провалились. В апреле 2005 года Хассабис закрыл Elixir. Мэтьюз считает, что Хассабис основал компанию просто для того, чтобы получить управленческий опыт. Теперь Хассабису не хватало только одной важной области знаний, прежде чем он мог начать свой квест в поиске ОИИ. Он должен был понять человеческий мозг.


    В 2005 году Хассабис получил докторскую степень по нейронауке в Университетском колледже Лондона. Он опубликовал весьма влиятельное исследование памяти и воображения. Одна из работ, которая с тех пор цитировалась более 1000 раз, показала, что людям с амнезией также трудно представить новый опыт, что предполагает наличие связи между запоминанием и созданием мысленных образов. Хассабис выстраивал понимание мозга, необходимое для овладение ОИИ. Большая часть его работ сводилась к одному вопросу: как человеческий мозг получает и сохраняет концепции и знания?


    Хассабис официально учредил DeepMind 15 ноября 2010 года. Миссия компании была заявлена такой же, как и сейчас: «решить интеллект», а затем использовать это для решения всего остального. Как сказал Хассабис участникам Singularity Summit, это означает перевод нашего понимания того, как мозг выполняет задачи, в программное обеспечение, которое сможет использовать те же методы для обучения.


    Хассабис ни в коем случае не утверждает, что наука полностью постигла человеческий разум. План по реализации ОИИ было невозможно извлечь из сотен исследований в области нейробиологии. Но он явно верит, что начать работу над ОИИ в той манере, которая ему импонирует, вполне возможно. Однако также возможно и то, что его уверенность превосходит реальность. Мы пока очень мало знаем наверняка о том, как на самом деле функционирует мозг. В 2018 году команда австралийских исследователей поставила под сомнение выводы самого доктора наук Хассабиса. Конечно, это всего лишь один документ, но он показывает, что наука, лежащая в основе работы DeepMind, далеко не доказанная.


    Сулейман и Шейн Легг, одержимый ОИИ новозеландец, которого Хассабис также встретил в университете, присоединились как соучредители. Репутация компании быстро росла. Хассабис расцветал. «Он притягивает, как магнит», говорит Бен Фолкнер, бывший руководитель Deep Mind. Многие новобранцы прибыли из Европы. Возможно, величайшим достижением DeepMind было ранний активный наем талантливых людей и удержание самых ярких и лучших из них.


    Одна из техник машинного обучения, на которой сосредоточилась компания, выросла из двойного увлечения Хассабиса играми и нейронаукой: обучение с подкреплением. Такая программа построена так, чтобы собирать информацию об окружающей среде, а затем извлекать уроки из нее, многократно воспроизводя  свой опыт — точно так же, как Хассабис описывал активность мозга во время сна в своей лекции на Singularity Summit.


    Обучение с подкреплением начинается с чистого листа. Программе показывается виртуальная среда, о которой она ничего не знает, кроме правил, вроде игрового симулятора шахмат или видеоигры. Программа содержит по крайней мере один компонент, известный как нейронная сеть. Она состоит из слоев вычислительных структур, которые просеивают информацию, чтобы идентифицировать определенные особенности или стратегии. Каждый слой исследует среду на своем уровне абстракции. Сперва эти сети имеют минимальный успех, но их ошибки — и это важно — также в них кодируются. Постепенно они становятся все умнее и умнее, экспериментируя с различными стратегиями и получая награду в случае успеха. Если программа перемещает шахматную фигуру и в результате проигрывает игру, больше такой ошибки она не допустит. Большая часть магии искусственного интеллекта заключается в скорости, с которой он повторяет эти задачи.


    Работа DeepMind достигла своего апогея в 2016 году, когда команда разработала программу искусственного интеллекта, в которой использовалось обучение с подкреплением наряду с другими методами игры в го. Программа под названием AlphaGo вызвала удивление после того, как обыграла чемпиона мира в матче с пятью играми в Сеуле в 2016 году. Победа машины, которую наблюдали 280 миллионов человек, случилась на десять лет раньше, чем предсказывали машины. В следующем году улучшенная версия AlphaGo победила чемпиона Китая по го.


    Как и Deep Blue в 1997 году, AlphaGo изменил восприятие человеческих достижений. Чемпионы среди людей, блестящие умы планеты, больше не стояли на вершине интеллектуальной пирамиды. Спустя почти 20 лет после того, как Хассабис заявил о своих амбициях Фудзувере, он их исполнил. Хассабис сказал, что этот матч довел его до слез. Он остался благодарен Мэтьюзу.


    DeepBlue победил благодаря грубой силе и скорости вычислений, но стиль AlphaGo казался художественным, почти человеческим. Его изощество и изощренность, превосходство вычислительной силы, казалось, показывали, что DeepMind опередил конкурентов в создании программы, которая сможет исцелять болезни и управлять городами.


    DeepMind и искусственный интеллект


    Хассабис всегда говорил, что DeepMind изменит мир к лучшему. Но в ОИИ нет никакой уверенности. Если он когда-нибудь появится, мы не знаем, будет это к лучшему или худшему, будет ли он подчиняться человеческому контролю. Если и будет, кто будет держать бразды?


    С самого начала Хассабис пытался защитить независимость DeepMind. Он всегда настаивал на том, чтобы DeepMind осталась в Лондоне. Когда Google купил компанию в 2014 году, вопрос о контроле стал более актуальным. Хассабису не нужно было продавать DeepMind Google. Наличности хватало, и он набросал бизнес-модель, в рамках которой компания будет разрабатывать игры для финансирования исследований. Денег в Google обещали много, но он не хотел передавать компанию, которую он вырастил. В рамках сделки DeepMind создала соглашение, которое не позволило бы Google в одностороннем порядке взять под контроль интеллектуальную собственность компании. В год, предшествующий приобретению, по словам источникам, обе стороны подписали договор — Соглашение о соблюдении этики и безопасности. Это соглашение было составлено старшими адвокатами в Лондоне.


    Соглашение передает контроль над основной технологий ОИИ DeepMind, если она будет создана, в руки управляющего Совета по этике. По словам того же источника, Совет по этике отнюдь не является косметической уступкой со стороны Google, а обеспечивает надежную юридическую поддержку DeepMind для сохранения контроль над его самой ценной и потенциально самой опасной технологией. Имена членов комиссии не были обнародованы, но другой источник, близкий и к DeepMind, и к Google, сообщил, что все трое основателей DeepMind входят в Совет. Сама компания ничего не раскрывает.


    Хассабис может определить судьбу DeepMind и другими методами. Один из них — преданность. Сотрудники, как бывшие, так и нынешние, говорят, что исследовательская программа Хассабиса является одной из самых сильных сторон DeepMind. Его программа, которая предлагает увлекательную и важную работу без давления со стороны научных кругов, привлекла сотни самых талантливых экспертов мира. У DeepMind есть дочерние офисы в Париже и Альберте. Многие сотрудники чувствуют большую связь с Хассабисом и его миссией, чем с его корпоративным родителем, которому нужны только доходы. Пока Хассабис сохраняет личную преданность, он обладает значительной властью над своим единственным акционером. Лучше пусть таланты работают на DeepMind удаленно, чем окажутся в Facebook или Apple.


    У DeepMind есть еще один источник рычагов, хотя он требует постоянного пополнения: благоприятный ореол. Компания в этом преуспела. AlphaGo был отличной рекламой. После приобретения Google, компания неоднократно производила чудеса, которые привлекали внимание всего мира. Один из примеров программного обеспечения может обнаружить паттерны при сканировании глаза, которые являются индикаторами дегенерации желтого пятна. Другая программа научилась играть в шахматы с нуля, используя архитектуру, сходную с AlphaGo, и стала величайшим игроком всех времен всего через девять часов игры с самой собой. В декабре 2018 года программа AlphaFold оказалась более точной, чем конкуренты, в прогнозировании трехмерной структуры белков из списка составляющих, потенциально способных лечить такие болезни, как Паркинсона и Альцгеймера.


    DeepMind особенно гордится разработанными алгоритмами, которые рассчитывают наиболее эффективные средства охлаждения центров обработки данных Google, которые содержат примерно 2,5 миллиона компьютерных серверов. В 2016 году DeepMind заявила, что сократила расходы Google на электроэнергию на 40%. Но некоторые инсайдеры говорят, что это хвастовство преувеличено. Google использовала алгоритмы для оптимизации своих дата-центров задолго до появления DeepMind. Есть мнение, что DeepMind завышает свои заслуги, чтобы приобрести ценность в глазах Alphabet. Родительская компания Google Alphabet платит DeepMind за подобные услуги. В 2017 году последняя выставила Alphabet счет на 54 миллиона фунтов стерлингов. Эти цифры меркнут по сравнению с накладными расходами DeepMind. В том же году она потратила 200 миллионов фунтов на персонал. В целом, в 2017 году DeepMind потеряла 282 миллионов фунтов.


    Это копейки для богатого гиганта. Но другие дочерние компании Alphabet привлекли внимание Рут Порат, скупого финансового директора Alphabet. Google Fiber, попытка построить провайдера интернет-услуг, была поставлена на паузу после того, как стало ясно, что инвестиции будут окупаться десятилетиями. Исследователи ИИ также задаются вопросом, «запоратят» ли DeepMind.


    Постепенное раскрытие достижений DeepMind в области ИИ является частью стратегии, постепенно выстраивающей репутацию компании. Это особенно ценно в то время, когда Google обвиняют в нарушении конфиденциальности пользователей и распространении фейковых новостей. DeepMind также повезло заполучить сторонника на самом высоком уровне: Ларри Пейдж, один из двух основателей Google, ныне исполнительный директор Alphabet. Пейдж очень близок к Хассабису. Отец Пейджа — Карл — изучал нейросети в 1960-х годах. В начале своей карьеры Пейдж сказал, что создал Google исключительно для того, чтобы основать компанию ИИ.


    Тщательный контроль DeepMind над прессой не соответствует академическому духу, который пронизывает компанию. Некоторые ученые жалуются, что им трудно опубликовать свою работу: им приходится преодолевать слои внутреннего одобрения, прежде чем они смогут даже подать работу на конференцию или в журнал. DeepMind считает, что необходимо действовать осторожно, чтобы не напугать публику перспективой ОИИ. Но слишком жесткие обвинения могут испортить академическую атмосферу и ослабить лояльность сотрудников.


    Спустя пять лет после приобретения Google вопрос о том, кто контролирует DeepMind, становится критическим. Основатели и первые сотрудники компании приближаются к тому порогу, когда они могут уйти с финансовой компенсацией, которую они получили от покупки компании (акции Хассабиса, вероятно, стоят порядка 100 миллионов фунтов). Но источник, близкий к компании, предполагает, что Alphabet отодвинула выплаты учредителям на несколько лет. Учитывая свой неустанный фокус, Хассабис вряд ли спрыгнет с корабля. Он интересуется деньгами лишь постольку, поскольку они помогают ему в приближении цели всей своей жизни. Но некоторые коллеги ушли. Три инженера ИИ покинули компанию с начала 2019 года. Бен Лори, один из самых выдающихся инженеров безопасности в мире, вернулся в Google. Это, конечно, не так много, но DeepMind предлагает такую удивительную миссию и достойную оплату, что уходить никто и не должен.


    Пока что Google не сильно мешал DeepMind. Но одно недавнее событие вызвало обеспокоенность по поводу того, как долго компания сможет поддерживать свою независимость.


    DeepMind, медицина и искусственный интеллект


    DeepMind всегда планировала использовать ИИ для улучшения здравоохранения. В феврале 2016 года было создано новое подразделение DeepMind Health во главе с Мустафой Сулейманом, одним из соучредителей компании. Сулейман, чья мать работала медсестрой, надеялся создать программу под названием Streams, которая предупреждала бы врачей об ухудшении здоровья пациента. DeepMind получала бы вознаграждение в зависимости от показателей. Поскольку эта работа требовала доступа к конфиденциальной информации о пациентах, Сулейман создал Независимую экспертную комиссию (IRP), в которую попали хорошие английские специалисты в области здравоохранения и технологий. DeepMind была достаточно мудрой, чтобы осторожничать. Впоследствии британский информационный комиссар обнаружил, что один из партнеров среди больниц нарушил закон при обработке данных пациентов. Тем не менее, к концу 2017 года Сулейман подписал соглашения с четырьмя крупными больницами.


    8 ноября 2018 года Google сообщила о создании собственного подразделения здравоохранения — Google Health. Спустя пять дней объявили, что DeepMind Health должна присоединиться к усилиям материнской компании. DeepMind никто не предупреждал. Согласно информации, полученной из запросов о свободе информации, она уведомила об изменении больницы-партнеры только за три дня. DeepMind отказалась сообщать, когда начались дискуссии о слиянии, однако сказала, что короткий промежуток между уведомлением и публичным объявлением отвечает интересам прозрачности. В 2016 году Сулейман написал, что «данные пациента никогда не будут связаны с учетными записями, продуктами или услугами Google». Его обещание, казалось, было нарушено.


    Аннексия Google разозлила сотрудников DeepMind Health. По словам людей, близких к команде здравоохранения, все больше сотрудников планируют покинуть компанию после завершения процесса поглощения.


    Этот эпизод показывает, что периферийные части работы DeepMind уязвимы для Google. DeepMind заявила, что «мы все согласились с тем, что имеет смысл объединить эти усилия в одном совместном усилии с увеличенными ресурсами». Это вызывает вопрос о том, будет ли Google применять ту же логику к работе DeepMind над ОИИ.


    Если смотреть масштабно, DeepMind добилась больших успехов. Она уже создала программное обеспечение, которое может учиться выполнять задачи на сверхчеловеческом уровне. Хассабис часто ссылается на Breakout, видеоигру для консоли Atari. Игрок контролирует летучую мышь, которая может двигаться горизонтально и с ее помощью отбивает мячи, направляя их в блоки выше, которые уничтожаются при столкновении. Игрок побеждает, когда все блоки уничтожены. Проигрывает, если мячик падает мимо платформы. Без человеческих инструкций программа DeepMind не только научилась играть в эту игру, но и забрасывать мячи в пространство за блоками, чтобы использовать преимущество отскоков. Это демонстрирует силу обучения с подкреплением и сверхъестественные способности компьютерных программ DeepMind.


    Демонстрация, конечно, впечатляет. Но Хассабис кое-что умалчивает. Если виртуальную платформу поднять хоть ненамного выше, программа допустит ошибку. Навык, которым обзавелась программа DeepMind, настолько ограничен, что она не может реагировать даже на крошечные изменения в окружающей среде, которые человек мог бы с легкостью одолеть. Но в мире есть много тонкостей. Для диагностического интеллекта не существует двух одинаковых органов тела. Для механического интеллекта два похожих двигателя никогда не будут одинаковыми в настройке. Поэтому выпуск программ в дикую природу сопряжен с трудностями.


    Второе, о чем редко говорит DeepMind, заключается в том, что успех в виртуальных средах зависит от наличия функции вознаграждения: сигнала, который позволяет программному обеспечению измерять свой прогресс. Программа узнает, что рикошетирование от задней стены увеличивает ее счет. Большая часть работы DeepMind с AlphaGo заключалась в создании функции вознаграждения, совместимой с такой сложной игрой. К сожалению, реальный мир не предлагает простых наград. Прогресс редко измеряется отдельными баллами. Мозг человека получает сигнал об успехе задачи прямо в процессе ее выполнения, а не после.


    DeepMind нашла способ обойти это, используя огромное количество вычислительной мощности. AlphaGo играет в игры тысячи лет человеческого времени, чтобы чему-либо научиться. Многие философы ИИ подозревают, что это решение неприемлемо для задач, которые предлагают более слабое вознаграждение. DeepMind признает существование таких неясностей. Недавно она занялась StarCraft 2, компьютерной стратегией. Решения, принятые в начале игры, имеют последствия, которые проявляются позже, что вполне свойственно извилистой и запоздалой обратной связи реальных задач. В январе программное обеспечение DeepMind обыграло несколько лучших игроков мира, и это было весьма впечатляюще, несмотря на жесткие ограничения. Программы также начали изучать функции вознаграждения, следуя отзывам людей. Но включение человеческих инструкций в цикл создает риск потери масштаба и скорости.


    Как нынешние, так и бывшие исследователи из DeepMind и Google на условиях анонимности выразили скепсис в том, что DeepMind сможет добиться ОИИ с помощью таких методов. Для них стремление достичь высокой производительности в смоделированных средах затрудняет решение проблемы функции вознаграждения. И все же именно этот подход лежит в основе DeepMind. В компании есть внутренняя конкуренция, когда программы конкурирующих команд борются за превосходство.


    Хассабис всегда видел жизнь как игру. Большая часть его карьеры была посвящена их созданию, большая часть его свободного времени была потрачена на процесс игры в них. В DeepMind он использует их для разработки сильного искусственного интеллекта. Как и его программное обеспечение, Хассабис обучается на собственном опыте. Погоня за ОИИ может в конечном итоге привести в тупик, попутно изобретая полезные медицинские технологии и одолевая лучших в своем мастерстве игроков. Но он также может создать ОИИ прямо под носом у Google, но вне его контроля. И если ему это удастся сделать, Демис Хассабис выиграет в самой сложной игре из всех.


    Не забываем ставить лайки и комментировать.) Регистрируйтесь на сайте - Тут.

       опубликовано:  21-03-2019, 15:01   


    Борис Кац построил карьеру, помогая машинам овладеть языком. Он считает, что нынешних технологий ИИ недостаточно, чтобы сделать Siri или Alexa по-настоящему умными. Siri, Alexa, Google Home — технологии, которые анализируют язык, все чаще находят свое применение в повседневной жизни. Но Бориса Каца, главного научного сотрудника MIT, это не впечатляет. За последние 40 лет он внес ключевой вклад в лингвистические способности машин.




    В 1980-х он разработал систему START, способную отвечать на сформулированные естественным языком запросы. Идеи, использованные в START, помогли Watson победить в Jeopardy! и заложили основу для сегодняшних чатботов.


    Но сейчас Кац обеспокоен тем, что эта область опирается на идеи, которым много лет, а эти идеи никак не приближают машинный интеллект к реальному. MIT Technolody Review взял интервью у Бориса Каца. Давайте узнаем, куда нужно направлять исследования, чтобы машины стали умнее.


    Как сделать искусственный интеллект по-настоящему умным



    С чего началась ваша история обучения компьютеров использованию языка?


    Впервые я столкнулся с компьютерами в 1960-х годах, будучи студентом Московского университета. Машина, которой я пользовался, называлась БЭСМ-4. Для связи с ней можно было использовать только восьмеричный код. Мой первый компьютерный проект включал обучение компьютера чтению, пониманию и решению математических задач.


    Затем я разработал компьютерную программу, пишущую стихи. Я до сих пор помню, как стоял в машинной комнате в ожидании очередного стихотворения, созданного машиной. Я был ошеломлен красотой стихов; казалось, что они созданы разумным существом. И тогда и там я понял, что хочу всю оставшуюся жизнь работать над созданием интеллектуальных машин и поиском способов общения с ними.


    Что вы думаете о Siri, Alexa и других личных помощниках?


    Забавно говорить об этом, потому что, с одной стороны, мы очень гордимся этим невероятным прогрессом — у каждого в кармане есть нечто, что мы помогли создать много-много лет назад, и это замечательно.


    Но с другой стороны, эти программы невероятно глупые. Так что чувство гордости перемежается чувством стыда. Вы запускаете нечто, что люди считают разумным, но оно даже и близко не такое.


    Благодаря машинному обучению, в искусственном интеллекте произошел значительный прогресс. Разве это не делает машины лучше в понимании языка?


    С одной стороны, есть этот драматический прогресс, но с другой — часть этого прогресса раздута. Если вы посмотрите на достижения машинного обучения, все идеи появились 20-25 лет назад. Просто инженеры в итоге проделали большую работу и воплотили эти идеи в жизнь. Какой бы эта технология великой ни была, она не решит проблему настоящего понимания — настоящего интеллекта.


    На очень высоком уровне современные методы — статистические методы, такие как машинное обучение и глубокое обучение, очень хороши для нахождения закономерностей. И поскольку люди обычно производят одни и те же предложения большую часть времени, их очень легко найти в языке.


    Посмотрите на предиктивный ввод текста. Машина лучше вас знает, что вы собираетесь сказать. Вы можете назвать это разумным, но на самом деле она просто считает слова и цифры. Поскольку мы постоянно говорим одно и то же, очень легко создавать системы, которые ловят закономерности и ведут себя так, будто они разумны. Это фиктивный характер большей части современного прогресса.


    Как насчет «опасного» инструмента генерации языка, представленного недавно OpenAI?


    Эти примеры действительно впечатляют, но я не совсем понимаю, чем они нас учат. Языковая модель OpenAI была обучена на 8 миллиона веб-страниц, чтобы предсказывать следующее слово, учитывая все предыдущие слова в определенном тексте (на такую же тему). Этот огромный объем обучения, безусловно, обеспечивает локальную согласованность (синтаксическую и даже семантическую) текста.


    Как вы думаете, почему искусственный интеллект движется в неверном направлении?


    В обработке языка, как и в других областях, был достигнут прогресс в обучении моделей на огромных объемах данных — миллионах предложений. Но человеческий мозг не может выучить язык, используя такую парадигму. Мы не оставляем наших детей с энциклопедией в кроватке, ожидая, что они освоят язык.


    Когда мы видим что-то, мы описываем это языком; когда мы слышим, как кто-то говорит что-то, мы представляем, как описанные объекты и события выглядят в мире. Люди живут в физической среде, наполненной визуальными, тактильными и лингвистическими сенсорными данными, и избыточный и взаимодополняющий характер этих вводов позволяет детям осмысливать мир и одновременно изучать язык. Возможно, изучая эти методы в отдельности, мы сделали проблему сложнее, а не проще?


    Почему здравый смысл важен?


    Скажем, ваш робот помогает вам собирать вещи, и вы говорите ему: «Эта книга не поместится в красную коробку, потому что она слишком маленькая». Конечно, вы хотите, чтобы робот понял, что красная коробка слишком маленькая и вы могли продолжить содержательный разговор. Но если вы скажете роботу: «Эта книга не поместится в красную коробку, потому что она слишком большая», робот должен догадаться, что это книга очень большая, а не коробка.


    Понимание, к какой сущности разговора идет отсылка, очень важно, и люди выполняют эту задачу каждый день. Тем не менее, как вы могли видеть из этих и других примеров, оно часто опирается на глубокое понимание мира, который в настоящее время недоступен для наших машин: понимание здравого смысла и интуитивной физики, понимание убеждений и намерений других, способность визуализировать и рассуждать о причине и следствии, и многое другое.


    Вы пытаетесь научить машины языку, используя симулированные физические миры. Почему?


    Я еще не видел ребенка, родители которого кладут энциклопедию в кроватку и говорят: «Иди учись». Но так делают наши компьютеры сегодня. Я не думаю, что эти системы будут учиться так, как мы хотим, или понимать мир так, как мы хотим.


    В случае с детьми, они сразу же получают тактильные ощущения от мира. Затем младенцы начинают видеть мир и впитывать события и свойства объектов. Затем ребенок слышит языковой ввод. И только так творится магия понимания.


    Какой подход наилучший?


    Одним из способов продвижения вперед будет получение более глубокого понимания человеческого интеллекта, а затем использование этого понимания для создания интеллектуальных машин. Исследования ИИ должны основываться на идеях психологии развития, когнитивной науки и нейробиологии, а модели ИИ должны отражать то, что уже известно о том, как люди изучают и понимают мир.


    Реальный прогресс начнется только тогда, когда ученые выйдут из своих офисов и начнут общаться с людьми в других областях. Вместе мы приблизимся к пониманию интеллекта и выяснению того, как воспроизвести его в интеллектуальных машинах, которые могут говорить, видеть и действовать в нашем физическом мире.


    Согласны с Борисом? 


    Не забываем ставить лайки и комментировать.) Регистрируйтесь на сайте - Тут.
    Портал для ВебМастеров и Программистов|Ferma.PRESS-Ферма скриптов.
    А так же Развлекательный Портал!))
    Смотрите отборное видео,качайте что увидите, всё бесплатно!    Регистрируйтесь!