Подборка штук на основе искусственного интеллекта для личного использования (1/3)

Рынок технологий искусственного интеллекта

Технологии искусственного интеллекта применяются практически во всех сферах человеческой деятельности, так что у искусственного интеллекта большое будущее. Рынок продуктов, использующих ИИ, стремительно растет.

Мировой рынок

К 2022 году прогнозируемый объем рынка ИИ достигнет 52 миллиардов долларов. Возможно, это не такая уж большая цифра — к примеру, рынок компьютерных игр к этому же году превысит 130 миллиардов, а рынок смартфонов уже в 2018 был в 10 раз больше — 520 миллиардов. 

Но рынок ИИ показывает беспримерно высокий рост — по некоторым оценкам, он увеличивается примерно на 30 % ежегодно (аналогичные показатели для игр и смартфонов — около 5 %). Если такие темпы внедрения технологий сохранятся еще несколько лет, можно ожидать, что скоро искусственный интеллект будет буквально повсюду.

Свой вклад в развитие ИИ вносят крупнейшие мировые IT-компании: Google, IBM, Intel, Nvidia. Среди стран лидируют США, Китай и Великобритания. 

В России

Если в 2017 году проектов с использованием ИИ в России было всего несколько десятков, то в 2018 — уже сотни. По прогнозам экспертов, к 2020 году объем рынка достигнет 28 миллиардов рублей (примерно 450 миллионов долларов). Активнее всего новые технологии используются в финансовой сфере, а также телекоммуникациях, ритейле и энергетике. Некоторые компании нанимают команды специалистов, занимающихся исключительно вопросами разработки и внедрения систем ИИ.

Несмотря на то, что рост рынка идет в целом даже быстрее, чем в мире, есть проблемы. Главной бедой остается нехватка специалистов по машинному обучению. Значит, самое время заняться изучением ИИ, чтобы получить востребованную специальность и высокооплачиваемую работу.

Влияние искусственного интеллекта на рынок труда

Уже сегодня существуют области, где ИИ может заменить человека. Например, приложения могут отвечать клиентам по телефону или в чате на несложные вопросы. Это позволяет оптимизировать нагрузку операторов call-центров и даже сократить их штат. 

На производстве ИИ способен управлять автоматикой и промышленными роботами. Искусственная нейросеть, постоянно контролирующая показатели множества датчиков, сумеет быстрее человека среагировать на нештатную ситуацию и предпринять правильные меры — отключить конвейер или остановить механизмы. Во многих случаях такие системы могут заранее предсказать неполадки и предотвратить ЧП. 

ИИ будет вытеснять людей с рабочих мест. Он обходится дешевле и допускает меньше ошибок. Не умеет лениться, прокрастинировать и зависать в фейсбуке, не нуждается в отдыхе, сне и отпуске, не грустит и не устает. Идеальный работник.

В первую очередь искусственные нейросети потеснят человека в выполнении рутинных операций, возьмут на себя сложные расчеты, оценку рисков, сбор информации, моделирование ситуаций по заданным параметрам. ИИ можно задействовать на опасных и вредных производствах.

Но люди по-прежнему будут нужны там, где роботы еще долго не сумеют составить им конкуренцию. И речь не только о творческой сфере. ИИ пока способен выполнять только узкоспециализированные задачи, на которые его натренировали, поэтому заменить людей могут в той же мере, что калькулятор — математика. При этом развитие технологий ИИ открывает огромный рынок труда для специалистов, связанных с машинным обучением и обслуживанием интеллектуальной техники.

Она (Her)

Главный герой фильма прошел через развод и остался с разбитым сердцем. Он решает установить на свой компьютер новую операционную систему со встроенным искусственным интеллектом. Основываясь на предпочтениях Теодора, система начинает общаться с ним приятным женским голосом. Постепенно главный герой влюбляется в ИИ.

Фильм грамотно и понятно преподносит идею того, как люди становятся зависимыми от ИИ, при этом демонстрируя, что ИИ не может ответить теми же эмоциями, которые проявляет человек.

Теодор – это человек с ограниченными знаниями, а вот искусственный интеллект по имени Аманда ограничен всей информацией, которую можно найти в Интернете. Более того, человек способен общаться только с несколькими людьми, в то время как ИИ может одновременно общаться со множеством других людей и систем.

https://youtube.com/watch?v=qxpCHNiqz24

6.

Бегущий по лезвию (Blade Runner) и Бегущий по лезвию 2049 (Blade Runner 2049)

Место действия — антиутопический Лос-Анджелес будущего. Биологически модифицированные репликанты (искусственно-созданные полу люди полу машины) являются обычным делом – они живут среди людей и помогают им со сложными задачами. Срок службы каждого репликанта составляет всего четыре года.

Для их создания, машинам, которые внешне похоже на людей, имплантируют ложные воспоминания, заставляющие их поверить, что они действительно люди, и это оказывается неудачной идеей.

Главный вопрос, который задаёт фильм, заключается в том, является ли главный герой – офицер полиции Рик Декард – тоже репликантом? Данная лента показывает искусственный интеллект во всей своей красе, и, пожалуй, нет другого фильма, который бы показал столь человечную сущность машины.

Во второй части фильма, которая вышла в 2019 году, главным героем является представитель Лос-анджелесского полицейского департамента, который внезапно узнаёт давнюю тайну, способную ввергнуть то, что осталось от общества, в хаос. То, что он узнал, толкает его на поиски Рика Декарда, бывшего полицейского, который пропал без вести около 30 лет назад.

1.

Языковые модели как двигатель прогресса: необычные применения для GPT-3

В начале лета разработчики из OpenAI представили языковую модель GPT-3, созданную для написания связного текста на основе заданного материала. Её обучали на 570 гигабайтах содержимого веб-страниц, википедии и художественной литературы, что почти в 15 раз превышает объем датасета для GPT-2. Модель отлично пишет стихи и прозу, умеет переводить на некоторые языки, разгадывать анаграммы и отвечать на вопросы по прочитанному материалу. Творчество языковых моделей становится всё труднее отличить от настоящего текста, и GPT-3 не исключение. Например: Как я, специалист по ИИ, на ИИ-текст купился.
Но особенность GPT-3 не только в крутой работе с текстом — это не особенно выделяет её среди остальных моделей. На самом деле её возможности кажутся безграничными, а примеры поражают

Судите сами: получая на вход простейший императивный запрос, GPT-3 может писать код, верстать, составлять запросы, вести учёт, искать информацию и многое другое.Осторожно, трафик!

Эпизод из «Черного зеркала»: Белое Рождество (White Christmas, 2014)

Длительность: 1 час 13 минут.

Сюжет: Пикап-тренер Мэтт использует смарт-линзы, чтобы наблюдать за взаимодействием своих учеников с женщинами и предлагать советы в режиме реального времени. Однако это лишь сторонний проект, основная работа Мэтта — принуждение наделенных искусственным интеллектом ассистентов по дому к выполнению своей работы.

Ассистент представляет из себя копию сознания своего владельца, помещенную в небольшой блок управления. Диджитал-копия человеческого интеллекта сначала идентифицирует себя как оригинальную версию своего адепта, но затем свыкается с рабской жизнью и доводит функционирование дома до идеала. С развитием сюжета вводится и третья технология будущего: возможность блокировки людей в реальной жизни опять же за счет смарт-линз и портативного пульта управления; от заблокированного человека при этом остается лишь размытый беззвучный силуэт.

Реалистичность: 4 из 5.

Вердикт: Представьте президентские дебаты, на которых кандидатам в онлайн-режиме через интегрированный микрофон зачитываются самые популярные твиты об их высказываниях — такой сценарий интересен, а технология реалистична уже сегодня.

Блокировка людей в жизни тоже выглядит вполне правдоподобно: во-первых, мы привыкли к подобным вещам в соцсетях, так почему это не может перейти в другую плоскость? Во-вторых, уже существует технология блокировки рекламы — очки виртуальной реальности умеют распознавать и размывать изображения рекламного характера; совместите разработки VR-линз от Google с механизмом рекламной блокировки, и сюжет «Белого Рождества» станет частью повседневности уже через пару лет.

Фантастически выглядит создание искусственного интеллекта путем полного копирования шаблонов человеческого сознания. Эта концепция также продолжает историю со всеми интернет-профилями, что делает ее ближе к реальности. Специалисты по рекламе всегда стараются предугадать действия покупателей, но для исследования представленной в «Белом Рождестве» технологии им потребуется огромные вложения.

Применение такой формы искусственного интеллекта в управлении умным домом более оригинально; это реалистичная механика организации быта для крайне состоятельных людей. Дома люди ведут себя естественнее, чем в любом публичном пространстве, поэтому подстроить все процессы под себя довольно просто — проекты умных домов уже разрабатываются Google, Amazon и Apple.

Сегодня компании заставят вас платить за комфорт, а завтра получат данные, которые для них гораздо ценнее. Это сложно контролировать, пока мы не видим прецедентов. Корпорации в своих исследованиях зашли очень далеко, и трудно делать предсказания, когда самые современные технологии засекречены. Однозначно лишь одно: в один день мы проснемся, и мир будет совсем другим.

Перспективы развития искусственного интеллекта

Научные исследования ИИ ведутся более полувека, но до сих пор далеко не все понимают суть технологии. В фантастических романах и фильмах писатели и режиссеры изображают, каким опасным может быть искусственный интеллект. И у многих представление об искусственном разуме формируется именно таким.

Ответим рационально на вопросы, связанные с далекими перспективами развития ИИ.

Цель ИИ — поместить человеческий разум в компьютер?

Нет, это не так. Даже теоретически подобная ситуация не так уж невероятна. Искусственные нейросети создаются по образу человеческого мозга, хотя и в очень упрощенном виде. Может быть, однажды станет возможно просканировать все разделы мозга живого человека, составить «карту» его нейронов и синаптических связей и воспроизвести ее копию в компьютере. От такой скопированной нейросети можно ожидать не только разумного поведения — она буквально будет двойником человека, сможет осознавать себя, принимать решения и совершать поступки, как он. Скопируются даже воспоминания. Теоретически, можно будет поместить такую нейросеть в искусственное тело (в робота), и тогда человек — копия его сознания — сможет жить практически вечно.

На практике осуществить такой перенос будет невероятно сложно: нет технологий, которые позволили бы «прочитать» живой мозг и создать его «карту». И мы пока очень далеки от создания искусственной нейросети, которая была бы столь же мощной, как мозг.

ИИ стремится достичь человеческого уровня интеллекта?

Цель ИИ — помогать людям и брать на себя сложные или рутинные задачи. Для этого ему вовсе не обязательно поддерживать беседы на философские темы или сочинять поэмы. 

Тем не менее, если искусственный интеллект однажды сможет достичь уровня человеческого мышления, это будет важной вехой для цивилизации. Мы получим дельного и умного помощника — и сможем по праву гордиться тем, что это творение наших рук

Когда искусственный интеллект достигнет человеческого уровня?

Мы успешно создаем сравнительно небольшие нейросети, способные распознать голос или обработать изображение. Никакой ИИ пока не обладает такой же пластичностью, как наш мозг. 

Человек может сегодня заниматься музыкой, а завтра взяться за программирование на C++ — благодаря невероятной сложности мозга. В нем 86 миллиардов нейронов и бесчисленное количество синаптических связей между ними. 

Искусственным нейросетям пока далеко до этих показателей: у них от нескольких тысяч до миллионов нейронов. Есть технические ограничения на размеры нейросетей: даже суперкомпьютеры не «потянут» нейросеть, сопоставимую по масштабам с человеческим мозгом. Не говоря о том, что ее обучение будет нетривиальной задачей. 

Скорость компьютеров позволяет им обладать интеллектом?

«Мощность» интеллекта связана не со скоростью вычислений, а со сложностью нейронной сети. Человеческий мозг пока превосходит по мощности любую искусственную нейросеть, несмотря на то что скорость процессов в нем существенно ниже, чем в компьютерах. 

Искусственные нейронные сети состоят из отдельных нейронов, которые группируются в слои. Два внешних слоя служат «входом», на который подается исходная информация, и «выходом», с которого считывается результат. Между ними могут располагаться от одного до нескольких десятков, а то и сотен, промежуточных слоев из нейронов. Причем каждый нейрон в слое соединен с множеством других в предыдущем и следующем слоях. 

Чем сложнее устроена сеть, чем больше в ней слоев и нейронов, тем более масштабные и серьезные задачи она может выполнять. 

Может ли нейросеть развиваться естественным путем?

Разберемся, вероятно ли, что ИИ сможет получать опыт и обучаться естественно, как ребенок. Человеческий разум формируется под воздействием множества факторов. Мы получаем информацию о внешнем мире благодаря органам восприятия — наблюдая, осязая, пробуя на вкус. Взаимодействуя с окружающей средой, получаем жизненный опыт, знания о свойствах мира, социальные навыки. Наш мозг постоянно совершенствуется и физически меняется, наращивая новые синаптические связи и «прокачивая» существующие.

Если мы сумеем создать нейронную сеть, достаточно сложную, чтобы она могла развиваться подобным образом, и снабдим ее «органами чувств» — видеокамерой, микрофоном и подобным, — возможно, спустя время она сможет приобрести «жизненный опыт». Но это дело далекого будущего.

Что такое искусственный интеллект?

Искусственный интеллект (сокращенно — ИИ) — размытое понятие, и общепринятого определения у него до сих пор нет. В середине XX века, когда на Дартмутском семинаре впервые прозвучал этот термин, авторы вкладывали в него значение, существенно отличающееся от современных. Тогда ученые полагали, что искусственный интеллект — это система, которая будет способна переводить тексты с одного языка на другой, распознавать объекты по фото или видео, улавливать смысл произнесенных фраз и адекватно на них отвечать. Нынешние ИИ умеют все это! Но можем ли мы считать, что цели достигнуты и искусственный интеллект уже создан?

Вряд ли. Ведь чем дальше мы продвигаемся по пути создания искусственного разума и чем более впечатляющих успехов достигаем, тем больше требований выдвигаем к ИИ. 

Некоторые ученые строят сложные теории на стыке философии и информатики, пытаясь определить, что же такое ИИ и каковы должны быть характеристики системы, чтобы считать ее разумной. Не вдаваясь в подробности, можно сказать, что интеллект определяется как способность к обучению, осознанию и применению знаний на практике. Следовательно, от искусственного интеллекта мы тоже вправе ожидать умения учиться, осознавать свои знания и использовать их. С первой и последней задачами современные ИИ вполне справляются!

Когда начались разработки ИИ?

Летом 1956 года в Дартмуте ученые собрались на семинар, посвященный вопросам искусственного интеллекта (там и был сформулирован этот термин), а уже в следующем году появилась концепция первой искусственной нейросети — перцептрон. В 1960 году Фрэнк Розенблатт создал на основе этой концепции компьютер «Марк-1». Первый в мире нейрокомпьютер учили распознавать буквы латинского алфавита. Но несовершенство техники 60-х и сложность процессов не позволили довести технологию до ума, а ее разработчик вскоре погиб. О нейрокомпьютерах забыли на 20 лет.

Лишь в 1980-е концепции нейросетей снова принялись изучать всерьез. Техника уже была достаточно мощной, да и критиков поубавилось: умная электроника быстро делала успехи. То, что два десятилетия назад казалось мечтой, стало выглядеть вполне реальным и достижимым. Впрочем, чтобы найти правильные подходы к обучению нейросетей, потребовалось еще 20 лет. Только в середине 2000-х ученые нащупали верный путь и искусственные нейросети начали свое победное шествие по планете.

Но прежде чем описывать их успехи, разберемся, как устроены эти сети.

Описание искусственного нейрона

Искусственные нейронные сети создавались как математическая модель человеческого мозга. Для этого ученым Уоррену Мак-Каллоку и Уолтеру Питтсу пришлось выработать теорию деятельности человеческого мозга. 

В нем отдельные нейроны представляют собой живые клетки со сложным устройством. У каждого нейрона есть дендриты — разветвленные отростки, способные обмениваться сигналами с другими нейронами через синапсы, а также один аксон — более крупный отросток, отвечающий за передачу импульса от нейрона. Часть синапсов отвечает за возбуждение нейрона, часть — за торможение. От того, какие сигналы и через какие синаптические связи придут на «вход» нейрона, будут зависеть и те импульсы, которые он передаст другим нейронам. 

Для искусственного нейрона физический носитель не нужен. По большому счету, он представляет собой математическую функцию. Ее задача — получить информацию (например, сигналы от множества других искусственных нейронов), обработать ее определенным образом, а затем выдать результат на «аксон» — выход. В искусственной сети нейроны принято делить на три типа:

• входные — каждый из этих нейронов получает на «вход» элемент исходной информации (например, одну точку изображения, если сеть распознает фотографии);
• промежуточные — обрабатывают информацию;
• выходные — выдают результат (при распознавании фото результатом может быть идентификатор изображенного объекта).

Сама нейросеть создается слоями, как пирог. Один из внешних слоев содержит входные нейроны, другой — выходные, а между ними могут располагаться один или несколько промежуточных. Каждый нейрон промежуточной сети соединен с множеством нейронов из двух окружающих слоев. Общение между нейронами обеспечивается с помощью весов — числовых значений, которые каждый нейрон вычисляет на основе данных, полученных от предыдущего слоя сети. 

Создавая искусственные нейронные сети, ученые ориентировались на устройство человеческого мозга. Поэтому принципы поведения рукотворных нейронов не так уж сильно отличаются от настоящих, живых. Может быть, и разум, который сможет развиться на основе таких нейросетей, будет приближен к человеческому?

Оптика в ботанике: структурный цвет ягод калины тинус

С чем у вас ассоциируется лето? Для кого-то это период долгожданного отпуска, для кого-то — каникул, а для кого-то — жара, духота и дискомфорт. Если же рассматривать лето с точки зрения гастрономии, то это период овощей, фруктов и ягод, которые мы любим не только за их вкус и пользу, но и за внешний вид. Как мы знаем из начального курса биологии, плоды многих растений обладают теми или иными свойствами, целью которых является привлечь потенциального гурмана. Это важная составляющая тактики расширения ареала произрастания. Подавляющее большинство плодов имеют яркий и сочный цвет, оповещающий об их вкусности. Главным источником того или иного окраса у ягод являются пигменты в кожуре, однако это не единственная методика окрашивания. Ученые из Бристольского университета выяснили, что калина лавролистная (Viburnum tinus) использует липидные наноструктуры в клеточных стенках для окрашивания своих ягод, что является ранее неизведанным вариантом структурной окраски. Что такого необычного в этих липидных наноструктурах, за счет чего они придают ягодам темно-синий окрас, и какое практическое применение сего открытия? Свет на эти вопросы прольет доклад ученых. Поехали.

ИИ общего назначения

А вот здесь всё не так здо­ро­во, как в реше­нии при­клад­ных задач. Дело в том, что научить ком­пью­тер мыс­лить как чело­век пока невоз­мож­но. Каж­дая область мыш­ле­ния — отдель­ная про­грам­ма, кото­рая долж­на уметь рабо­тать со все­ми осталь­ны­ми про­грам­ма­ми. Реа­ли­зо­вать такую мас­штаб­ную систе­му пока невоз­мож­но — нет ни алго­рит­мов, ни вычис­ли­тель­ной мощ­но­сти для это­го, плюс не на чем обу­чать.

Есть ими­та­ции искус­ствен­но­го интел­лек­та в отно­си­тель­но широ­ких обла­стях, но пол­но­цен­но мыс­лить как люди они не могут. Напри­мер, раз­ра­бот­ка ком­па­нии IBM — ИИ Watson — может стро­ить логи­че­ские свя­зи меж­ду мно­же­ством фак­тов и делать пра­виль­ные выво­ды на их осно­ве. Одно из при­ме­не­ний Ват­со­на — поста­нов­ка диа­гно­зов в меди­цине. Ещё он кру­то игра­ет в «Jeopardy!» — ана­лог «Сво­ей игры» на аме­ри­кан­ском ТВ.

IBM назна­чи­ла приз в мил­ли­он дол­ла­ров тому, кто побе­дит Ват­со­на в «Сво­ей игре». До сих пор нико­му это не уда­лось.

Но даже Ват­сон не может одно­вре­мен­но рас­по­зна­вать лица, писать акту­аль­ный и осмыс­лен­ный текст, под­дер­жи­вать пол­но­цен­ный диа­лог и при­ни­мать реше­ния, поехать ли в выход­ные на шаш­лы­ки или про­ве­сти вре­мя с детьми. Воз­мож­но, ситу­а­ция изме­нит­ся с выхо­дом пол­но­цен­ных кван­то­вых ком­пью­те­ров, но до это­го пока ещё очень дале­ко.

Плюс, есть чисто фило­соф­ская про­бле­ма: люди пока что не поня­ли до кон­ца, что такое созна­ние, что его опре­де­ля­ет, что такое разум и интел­лект. Что, если наш мозг — тоже лишь ней­ро­сеть, кото­рая видит инфор­ма­цию на вхо­де и выда­ёт дей­ствия на выхо­де? А всё, что мы счи­та­ем созна­ни­ем, — лишь внут­рен­ний шум от рабо­ты ней­ро­нов?

Но фило­со­фию оста­вим фило­со­фам. В одной из сле­ду­ю­щих ста­тей пока­жем, как по ней­рон­кам бегут сиг­на­лы, и деталь­но раз­бе­рём суть машин­но­го обу­че­ния.

Только глупец не понимает, что его профессия скоро отойдет к ИИ

Новые про­фес­сии с прак­ти­кой и настав­ни­ка­ми — в Яндекс Прак­ти­ку­ме. 8 часов обу­че­ния бес­плат­но — на попро­бо­вать.
Попро­бо­вать

Символический

Метод искусственного интеллекта (ИИ) символический также известен как классический, в котором утверждается манипуляция символами в соответствии с явными правилами.

Например, в калькуляторах, если условие 2+2, ответ будет 4.

Этот метод используются для разработки таких программ, как решатели задач, теорем, системы интеллектуального анализа данных, машинные переводчики, экспертные системы различных типов, шахматисты, семантические сети, программы вопросов и ответов и аналоговые машины.

Кроме того, эти символические мини-программы и программные агенты ИИ помогают людям решать проблемы в области математики, формальной науки, развлечений и других областях. Символический метод искусственного интеллекта также используется в музыкальной композиции, аналогическом мышлении, рисовании, живописи, архитектурном проектировании, сторителлинге (донесение информации), математике и в научных открытиях.
Этот метод ИИ защищают многие философы, исходя из того, что он не представляют угрозы для человеческого рода. Однако этот символический ИИ должен быть критически оценен, чтобы увидеть, являются ли он только “помощником” для нашей лучшей жизни на этой земле или с помощью метода они собираются “заменить” нас на этой земле.

«Из машины» (Ex Machina, 2014)

Ещё один фильм об андроидах. Однако в отличие от других — это не боевик. «Из машины» — это настоящий психологический триллер, полностью сконцентрированный на размышлении о том, отличается ли идеальный искусственный интеллект, который способен пройти тест Тьюринга, от настоящего. По сюжету, директор компании, занимающейся разработкой искусственного интеллекта, приглашает одного из программистов, чтобы провести финальный тест готового продукта. Калеб Смит должен будет провести неделю в отрезанном от цивилизации доме, тестируя женщину-робота с искусственным интеллектом. Правда, он ещё не знает, что и сам будет участником эксперимента, так как андроид смоделирован с учётом предпочтений программиста. Робот будет всячески пытаться понравиться Калебу.

По ходу фильма и персонажи, и зрители начнут сами сомневаться, кто из них на самом деле робот в этом здании. Основные роли в фильме исполнили Донал Глисон, Алисия Викандер, Оскар Айзек и Соноя Мидзуно. Интересный факт: в одной из сцен можно заметить компьютерный код, выполнив который в Python, можно получить текст «ISBN = 9780199226559», что соответствует номеру книги Мюррея Шэнэхэна «Embodiment and the Inner Life: Cognition and Consciousness in the Space of Possible Minds».

Описание модели

2.2. Детектор, действие, понятие

детекторамидействия

• Активизацию связей изнутри системы к некоторой комбинации рецепторов
• Установку переключателя (Рис.1) на восприятие сигналов изнутри системы

действиями-представлениямипонятие-образ

2.5. Действие как основа (смысл) понятий

2.5.1. Понятия — характеристики

вопросом ответом

1. Можно говорить об обобщенном действии-характеристике, например, «Цвет чего-то», «Размер чего-то» и др. Эти выражения просто определяют действие, задают какие признаки образа проверяются, и какие возможные значения могут получаться в результате. Аналог описания класса в объектно-ориентированном программировании.
2. Можно говорить о характеристике какого-то конкретного объекта, представляемого временным понятием, созданным действием-восприятием. Например, внутрисистемным представлением (смыслом) фразы «Какой цвет у этой книги?» будет новое временное понятие, действие-характеристика созданное на основе обобщенного понятия «Цвет чего-то» (п.1) и временного понятия «Эта книга». У характеристики «Цвет чего-то» параметр объекта действия указывает на «Эта книга». Является аналогом экземпляра класса в объектно-ориентированном программировании с конкретизированным значением объекта действия.
3. А можно задать и результат действия. Этот вариант будет внутренним представлением утвердительных фраз, например, «Цвет этой книги красный». Является аналогом экземпляра класса в объектно-ориентированном программировании у которого конкретизированы объект действия и результат.
4. И, наконец, может быть задан результат действия, но не задан объект. Этот вариант будет внутренним представлением фраз вида «Что-то красное», «Что-то большое». Является аналогом экземпляра класса в объектно-ориентированном программировании у которого конкретизированы только результат.

Рис. 4 Возможное внутреннее устройство действия-характеристики

2.5.4. Характеристика «быть»

Рис. 6 Характеристика есть/бытьзнание об объекте

• Характеристика (действие проверки)
• Отношение (действие проверки)
• Объект (набор характеристик)

2.6. Управление действиями

2.6.1. Рецепторы действий

• Действие в процессе выполнения
• Действие только что завершилось успешно
• Действие только что завершилось неуспешно

Рис. 7 Уточнение образов рецепторами действийРис. 8 Варианты выполнения действий

2.6.2. Процесс выбора действия

• Выбор следующего действия не должен быть случайным, а должен быть целенаправленным;
• Выполненное действия должно получать оценку – успех/неуспех. Неуспех действия должен учитываться при следующем выборе;
• При выборе действия должны учитываться подсказывающие сигналы с уровня ассоциаций (связи типа 2 предыдущего раздела).

Рис. 9 Выбор действийцелейобязательные условияхарактеристики результата

Немного истории или как все начиналось

На свет легендарный Спанч Боб появился 14 июля 1986 года. Во всяком случае именно эта дата стоит в водительских правах, которые он гордо «засветил» в одной из серий. Человечество же узнало о существовании столь странного существа (да и всего подводного городка Бикини Боттом) году в 1999 после выхода на экраны первого короткометражного мульта-эпизода. Впрочем, никто и предположить не мог, что 2 пробные серии, придуманные успешным в прошлом морским биологом, а ныне известным мультипликатором Стивеном Хилленбергом, выльются в, ни много ни мало, аж 9 сезонов и будут засмотрены до дыр ни одним поколением детей и подростков.

Более того, в 2005 вышел полнометражный художественный фильм «Губка Боб Квадратные Штаны», а в 2015 – его не менее популярный сиквел в 3Д-формате. Версия 2015 года примечательна своим внушительным бюджетом (фильм обошелся его создателем в без малого 75 миллионов долларов), а также участием в ней в роли злодея Бургероборода Антонио Бандераса. Забавным поворотом сюжета сиквела стало превращение Бикини Боттом в постапокалиптические руины вкупе с массовым помешательством местных жителей. Хочешь узнать, как все это выглядело? Обязательно посмотри фильм или начни бесплатно играть в нашу онлайн игру про Губку Боба с соответствующим названием

Ну, а когда стрелялки и ужастики наскучат, советуем обратит внимание на более спокойные забавы. Например, на игры Спанч Боб, представляющие собой виртуальные пазлы или раскраски

Очень простое управление в них отлично сочетается с шикарной палитрой красок и яркими картинками, разбитыми на десятки фрагментов. Складывать такие – одно удовольствие, но не думай, что справишься с задачкой одной левой. Каждая игра Спанч Боб с пазлами предусматривает несколько уровней сложности. Самые простенькие рассчитаны, конечно, на малышей, а вот над всеми остальными придется попотеть.

Имеется у нас и специальная коллекция для девочек. Ее составляют игры Спанч Боб, посвященные одевалкам. В них неунывающий главный герой и его друзья-товарищи предстают в своем обычном состоянии – невероятно дурацких образах, от которых, тем не менее, здорово поднимается настроение. Так что, если есть желание немного похулиганить и устроить настоящий виртуальный карнавал, добро пожаловать! Квадратные штаны уже заготовил целую кучу нелепых нарядов, вроде костылей одноглазого Джо, пиратских шапок и бабушкиных панталон. Впрочем, не стоит зацикливаться на чем-то одном — все игры Губка Боб удивительно хороши, так что впереди тебя ждет масса приятных открытий.

Генетические алгоритмы

Однако бывают ситуации, когда мы не знаем возможных решений. Мы просто ищем такое решение, которое будет оптимальным. То есть ищем минимум или максимум в нечёткой задаче. В примере с рыцарем мы хотим получить максимальную выгоду и понести минимум потерь. Здесь на помощь приходят генетические алгоритмы. Это тоже метод искусственного интеллекта, однако подражает он не психике и не мозгу, а процессу эволюции. Для применения генетического алгоритма нужно вывести функцию приспособленности. Это та функция, максимум которой мы будем искать. Аргументы функции — это особи популяции. Каждая особь имеет свой набор генов — это могут быть двоичные или десятичные числа или другие объекты. Сначала мы создаём начальную популяцию. К каждой особи применяется функция приспособленности. Наиболее приспособленные особи скрещиваются (это называется кроссинговер), образуя новую популяцию. В итоге, через некоторое время, или через несколько поколений, мы получаем популяцию, которая имеет наибольшую приспособленность. То есть мы находим максимум функции приспособленности.

Однако это локальный максимум. Может быть такое, что график функции идёт вверх, потом вниз, а потом сильно вверх. Генетический алгоритм может выдать нам первое значение, потому что особи, которые приближались к настоящему максимуму, попадали в яму на графике и не давали потомства. Чтобы избежать этого, у особей производятся мутации, то есть случайные изменения генов. Это позволяет перепрыгнуть через яму и добраться до настоящего максимума.

Тем не менее генетические алгоритмы не гарантируют точного решения, в общем случае мы можем найти только локальный максимум функции. Но и это бывает неплохо, особенно для сложных нечётких функций, исследовать которые удобнее экспериментальным путем.

Storyline

In the not-so-far future the polar ice caps have melted and the resulting rise of the ocean waters has drowned all the coastal cities of the world. Withdrawn to the interior of the continents, the human race keeps advancing, reaching the point of creating realistic robots (called mechas) to serve them. One of the mecha-producing companies builds David, an artificial kid which is the first to have real feelings, especially a never-ending love for his «mother», Monica. Monica is the woman who adopted him as a substitute for her real son, who remains in cryo-stasis, stricken by an incurable disease. David is living happily with Monica and her husband, but when their real son returns home after a cure is discovered, his life changes dramatically.
Written by
Chris Makrozahopoulos <makzax@hotmail.com>

Plot Summary
|
Plot Synopsis

Plot Keywords:

artificial intelligence
|
mother son relationship
|
synthetic human
|
artificially created boy
|
cyberpunk
| See All (125) »

Вывод на фреймах

Но бывает, что классифицировать нужно сложные нечёткие объекты. И на основе этой классификации сделать какие-то выводы или предпринять действия. Например, в некой компьютерной игре рыцарю нужно принять решение, что делать. Допустим, ситуация сложилась так, что рядом с рыцарем находится вражеский рыцарь, замок и монстр, который охраняет ценный артефакт. Так как это компьютерная игра, распознавать тут ничего не надо — вся информация о положении вещей уже есть. Нужно только принять решение: напасть на врага, напасть на монстра или зайти в замок. Человек в данной ситуации исходит из силы монстра, силы своего и чужого рыцаря. Условия могут быть примерно такими:

1. Если ситуация опасная, зайти в замок (в нём легче обороняться).
2. Если враг слабый — напасть на него.
3. Если силы примерно равны, оценить возможность победы над монстром (артефакт может дать преимущество).

Отлично, компьютер теперь мог бы принять решение. Ему только нужно знать, «опасная» ситуация или нет, «слабый» враг или нет. Это нечёткие понятия, у них нет явных границ. Кроме того, необходимо оценить всю ситуацию. А ситуации могут быть очень разными, всего заранее не предусмотришь. Психологи говорят, что человек может на основе своего опыта строить выводы и предположения об объектах, которые видит впервые. Например, если мы входим в помещение в здании, мы уже заранее классифицируем его как комнату, предполагаем, что в ней будет 4 стены, пол и потолок. Затем мы уже можем заметить, что одна стена в ней прозрачная, а потолок выше, чем обычно, но это всё равно комната.

Фрейм в данном контексте — это, говоря очень упрощённо, набор ячеек, описывающих ситуацию. В каждой ячейке может быть понятие, величина или другой фрейм. Часть фрейма означивается имеющимися данными. Таким образом, фреймы выстраиваются в цепочки, в одном конце которых возможные решения, а в другом — исходные данные. Если бо́льшая часть фрейма определена, принимается и остальная его часть. Например, для каждого возможного решения в нашей игре есть фрейм.  Пусть фрейм решения такой:

• действие → зайти в замок;
• опасная ситуация → да. «Опасная» ситуация — это тоже фрейм, примерно такой:
  • расстояние до врага → малое;
  • сила врага → большая.

Далее расписывается, что такое враг, что такое его сила, и так далее, пока не дойдём до простых объектов. Во время принятия решения идём в обратном направлении, то есть, если оказалось, что враг близко и он сильный, принимаем весь фрейм. Получается что ситуация опасная и принимаем фрейм зайти в замок. Подход хорош ещё и тем, что если данные будут неполными, мы всё равно сможем принять решение, определяя те фреймы, которые лучше всего подходят. Если во фрейме часть ячеек совпала с имеющимися данными, мы определяем фрейм и считаем, что остальные его ячейки тоже содержат верные данные.