Главное в случае с AlphaGo — что два искусственных интеллекта играли друг против друга на протяжении огромного количества машинного времени. Компьютер учился у компьютера, и на этой базе построена машина, которая выигрывает у человека. Это переломный момент для человечества.

Почему человеческий и искусственный интеллект будут ко-эволюционировать

Автор: Стивен Хсу — вице-президент Мичиганского университета по научно-исследовательской работе и профессор теоретической физики. Также является научным консультантом BGI (Пекинский институт геномики) и основателем лаборатории когнитивной геномики.

Сложные (большие) сети – это графы, содержащие более десятков тысяч вершин.

В своей популярной лекции Сергей Марков — автор одной из сильнейших российских шахматных программ, специалист по методам машинного обучения и основатель портала XX2 Век — рассказывает об истории и современном состоянии дел в области искусственного интеллекта.

Сергей Бартунов

Пока другие обсуждают победу машин над человеком, венчурные инвесторы и разработчики ищут возможности на зарождающемся рынке

Deep learning has led to significant advances in artificial intelligence in recent years, in part by adopting architectures and functions motivated by neurophysiology. However, current deep learning algorithms are biologically infeasible, because they assume non-spiking units, discontinuous-time, and non-local synaptic weight updates. Here, we build on recent discoveries in artificial neural networks to develop a spiking, continuous-time neural network model that learns to categorize images from the MNIST data-set with local synaptic weight updates. The model achieves this via a three-compartment cellular architecture, motivated by neocortical pyramidal cell neurophysiology, wherein feedforward sensory information and feedback from higher layers are received at separate compartments in the neurons. We show that, thanks to the separation of feedforward and feedback information in different dendrites, our learning algorithm can coordinate learning across layers, taking advantage of multilayer architectures to identify abstract categories - the hallmark of deep learning. Our model demonstrates that deep learning can be achieved within a biologically feasible framework using segregated dendritic compartments, which may help to explain the anatomy of neocortical pyramidal neurons.

Kindred is using Quantum Computing AI-driven robotics so that one human worker can do the work of four. Kindred has many of the top quantum computing and deep learning artificial intelligence experts in Canada on its team.

This is based on an ongoing conversation at the Media Lab and is a compilation of thoughts from conversations with the faculty, students and researchers at the MIT Media Lab. Mostly written by Joichi Ito with help from Kevin Slavin and the rest of the Media Lab.

Возможно ли создать искусственный разум? Будет ли Он способен к полноценному мышлению, к творчеству? Кем предстоит ему стать - помощником или соперником человеческого разума? Эти вопросы давно уже обсуждаются многими учеными. Свою точку зрения по ним высказывает член-корреспондент АМН СССР Н. М. Амосов. В брошюре популярно описаны общие принципы переработки информации в сложных системах 'типа живых' - организме, мозгу, обществе. Выдвинута гипотеза о механизмах психической деятельности - таких, как узнавание, понимание, сознание, чувства, эмоции, воля, творчество.

Может ли компьютер стать личностью? Prima facie, нет. Но это слишком поспешный ответ. Основательное, аргументированное решение данного вопроса можно найти в ряде исследований философии искусственного интеллекта. Поставленный вопрос оживлённо обсуждается на протяжении по крайней мере пятнадцати лет на симпозиумах, конференциях, в крупных статьях и книгах. Обозначилась область междисциплинарных исследований, получившая название «проект искусственной личности». Цель нашей работы состоит в знакомстве с данным проектом, так как он не упоминается в отечественной философской науке. Другая задача –– обозначить трудности и проблемы, которые возникают при изучении «персонологических» способностей компьютерных систем.

Данный проект посвящен проблемам автоматизации структурно-параметрического синтеза объектов – дисциплине, которая еще только находится на стадии становления.