В Москве состоялся первый Некоммерческий медицинский форум-2023

Гениальность работ Рембранта не дает покоя ученым по сей день. Изучая одно из его полотен, специалисты из научных центров Германии и Нидерландов, столкнулись с интересной деталью. Речь идет о картине «Ночной дозор», которая была написана в 1642 году. Все дело в том, что под грунтом из кварцевой глины найден слой с высоким содержанием свинца. Раннее данная деталь была неизвестна и обнаружить ее удалось только за счет рентгеновской флуоресценции.

Специалисты предполагают, что так художник экспериментировал, пытаясь найти лучший из недорогих грунтов, которые был отвечали требованиям долговечности и качества. Глубокий анализ позволил понять, как именно был нанесен свинец. Художник делал это крупными полукруглыми мазками.

Российский певец ЮрКисс рассказал, что завершит карьеру после выпуска своего первого и последнего альбома. Он отметил, что у всякой истории наступает конец, добавив, что в последнее время много думал о жизни и творческом пути, после чего и решил завершить карьеру музыканта.

Свою карьеру Юрий Киселев начал 11 лет назад: в 2012 году, когда ему было 14 лет, артист выпустил свой первый трек.

Сейчас ЮрКисс занимается развитием собственного бизнеса. Вместе с братом он основал музыкальный лейбл Rocket Records.

Когда дискуссии об искусственном интеллекте (ИИ) касаются его способности имитировать человеческое мышление, они обычно имеют в виду определённый тип этой технологии, называемый нейронными сетями. Нейронные сети, по сути, устроены так же, как и человеческий мозг — с тысячами алгоритмических узлов, обрабатывающих данные независимо, но скоординировано.

Но тот факт, что это сходство существует, не означает, что «компьютерный разум» развил мыслительные способности, подобные человеческим. Между естественным и искусственным мозгом существует много различий, как по структуре, так и по объёму, а это означает, что нам очень-очень далеко до того, чтобы увидеть, как ИИ хотя бы приблизится к мощности и сложности человеческого мышления.

Быстрый и мощный искусственный интеллект

Искусственные нейронные сети (ANN) полезны в широком спектре приложений. Поскольку они могут разбирать и генерировать сложные шаблоны данных, подвергая их быстрому анализу, они более приспособлены к быстро меняющимся ситуациям, таким как работа автономного транспортного средства и диалог в реальном времени, чем другие типы ИИ.

Большинство архитектур нейронных сетей состоят из различных слоёв, узлов и функциональных элементов, которые помогают им учитывать предвзятость, потерю информации и обновления. В большинстве случаев эти конструкции вдохновлены нейронами, синапсами и иерархическими структурами, по аналогии человеческого мозга. Входные данные проходят через каждый уровень ANN, где они обрабатываются и преобразуются в некоторую форму выходных — обычно ответ на вопрос, решение, рекомендация или прогноз.

Таким образом, это по-прежнему компьютер, обрабатывающий мегабиты информации по сложным алгоритмам, но пути, которые он использует для преобразования необработанных данных, более сложны.

Тренировки «мозга»

Хотя многие представляют процесс, как симуляцию человеческого мозга, но недавние исследования показывают, что это совсем не так. Команда из Массачусетского технологического института недавно исследовала более 11 000 нейронных сетей и обнаружила, что они проявляют характеристики обработки человеческого мышления, подобные клеточным, только тогда, когда их этому обучают. Да и то, сравнение это весьма условное, на низкоранговом уровне. Это просто говорит о том, что для получения результата, с помощью ячеек/узлов нейросети, исследователи обучают компьютер, формируя модели, необходимые для обработки этих результатов. Этот процесс происходит посредством конкретных, биологически неправдоподобных, множественных вариантов реализации. Но, как знает любой человек, у реальности всегда найдётся множество вариантов, о которых даже не подозреваешь. В случае с искусственным интеллектом они могут остаться неучтёнными.

Без этих ограничений лишь немногие сети развили активность, отдалённо напоминающую клеточную, которую можно использовать для прогнозирования фактической функциональности мозга, которая развивается естественным путём, без предварительных условий.

Это исследование предполагает, что учёным, работающим с данными, вероятно, следует отказаться от утверждений о том, что нейронные сети в значительной степени имитируют человеческий мозг. Если им заданы правильные параметры, то на основе готовой информации, хранящейся на серверах дата-центров, они могут давать результаты, основанные на естественных нейронных путях, но при отсутствии этих параметров они все равно могут только условно достигать результатов, не формируя архитектуру, подобную мозгу. Когда используются модели глубокого обучения, они могут быть мощным инструментом, но нужно быть очень осмотрительным при их интерпретации и определении, действительно ли они выдают правильные прогнозные результаты.

Различия в обучении

Ещё одно ключевое различие между нейронными сетями и живым мозгом — это способ их обучения. Нейросети перезаписывают старые данные, по мере поступления новых, в то время как мозг постоянно обучается и включает новую информацию в свою память, для достижения более высокого уровня понимания. Такого не происходит в нейронных сетях, что приводит к явлению, называемому «катастрофическим забыванием», из-за которого они внезапно перестают выполнять ранее известные задачи или изменяют некогда точные прогнозы.

Как ни странно, одним из решений этой проблемы является включение в искусственную модель простой биологической функции: сна. Чередуя программу обучения периодами «скармливания» новых данных и физическим отключением, исследователи регистрируют снижение эффекта забывания, поскольку модель воспроизводит старые воспоминания уже даже без использования старых данных, полученных в ходе предыдущего обучения. Это имитирует ту же «синаптическую пластичность», которая возникает, когда мы спим.

Маленькие умы

Несмотря на эти сходства, факт остаётся фактом: человеческий мозг гораздо мощнее, чем даже самая совершенная нейронная сеть. Когда исследователи из университета в Иерусалиме решили определить, насколько сложной должна быть нейронная сеть, чтобы достичь вычислительной мощности одного человеческого нейрона, они были шокированы результатами. Хотя некоторые нейроны эквивалентны «мелким» нейронным сетям (то есть они не имеют многоуровневой архитектуры), человеческие элементы коры головного мозга требовали глубоких семислойных сетей для синаптической передачи, каждый из которых содержал до 128 вычислительных единиц.

И это всего лишь для одного нейрона… В среднем мозге человека более 10 миллиардов нейронов, каждый из которых требует глубоких сетей из пяти-восьми слоёв. В свете этой реальности, информатике предстоит пройти ещё долгий путь, прежде чем она сможет создать искусственный эквивалент человеческого мозга.

Но эти временные сложности не означают, что искусственный интеллект является «ложной надеждой человечества» или что он не требует осторожности при его разработке и внедрении. Даже искусственный мозг на уровне примитивной рептилии может нанести значительный вред, если его не остановить, точно так же, как это может сделать крокодил.

На самом деле это означает, что искусственный интеллект, который мы имеем сегодня, даже тот тип, который смоделирован на аналогии с человеческим разумом, всё ещё находится в зачаточном состоянии и даже близко не имеет интуитивной, интеллектуальной проницательности. Сам по себе ИИ не представляет собой угрозу, он способен значительно усилить наши собственные врождённые когнитивные способности, но, как и естественный мозг, эти способности можно использовать во благо или во зло…