В ходе исследований ИИ стало очевидно, что машинное обучение (ML), глубокое обучение (DL) и нейронные сети в целом не являются механизмами, которые легко поддаются «однократному обучению».
Нейронные сети, как правило, должны быть обучены на больших наборах обучающих данных, что приводит к механизму, который обеспечивает вероятностный результат на основе оперативных данных, который приближается к набору обучающих данных.

The modern project of creating human-like artificial intelligence (AI) started after World War II, when it was discovered that electronic computers are not just number-crunching machines, but can also manipulate symbols. It is possible to pursue this goal without assuming that machine intelligence is identical to human intelligence. This is known as weak AI. However, many AI researcher have pursued the aim of developing artificial intelligence that is in principle identical to human intelligence, called strong AI. Weak AI is less ambitious than strong AI, and therefore less controversial. However, there are important controversies related to weak AI as well. This paper focuses on the distinction between artificial general intelligence (AGI) and artificial narrow intelligence (ANI). Although AGI may be classified as weak AI, it is close to strong AI because one chief characteristics of human intelligence is its generality. Although AGI is less ambitious than strong AI, there were critics almost from the very beginning. One of the leading critics was the philosopher Hubert Dreyfus, who argued that computers, who have no body, no childhood and no cultural practice, could not acquire intelligence at all. One of Dreyfus’ main arguments was that human knowledge is partly tacit, and therefore cannot be articulated and incorporated in a computer program. However, today one might argue that new approaches to artificial intelligence research have made his arguments obsolete. Deep learning and Big Data are among the latest approaches, and advocates argue that they will be able to realize AGI. A closer look reveals that although development of artificial intelligence for specific purposes (ANI) has been impressive, we have not come much closer to developing artificial general intelligence (AGI). The article further argues that this is in principle impossible, and it revives Hubert Dreyfus’ argument that computers are not in the world.

Постепенно индустрия ИТ дошла до той стадии развития, когда вышла за рамки ограничений узкого, предназначенного для выполнения одной задачи искусственного интеллекта, и вошла на промежуточную территорию, которая граничит с универсальным ИИ. В этом убежден Гэри Гроссман, вице-президент по ИИ в международной коммуникационной фирме Edelman.

This paper argues that at a certain point in research toward AGI, the problem may become well-enough theorized that a clear roadmap exists for achieving it, such that a Manhattan Project-like effort could greatly shorten the time to completion. If state actors perceive that this threshold has been crossed, their incentives around openness and international cooperation may shift rather suddenly, with serious implications for AI risks and the stability of international AI governance regimes. The paper characterizes how such a 'runway' period would be qualitatively different from preceding stages of AI research, and accordingly proposes a research program aimed at assessing how close the field of AI is to such a threshold - that is, it calls for the formulation of a 'roadmap to the roadmap.'

В этой серии из шести статей от Mouser Electronics мы исследуем, почему ИИ переходит на периферию сети, и технологии, которые делают это возможным. В первой статье было рассмотрено, почему ИИ должен двигаться вперед. Здесь мы подробно рассмотрим оборудование и инструменты, которые делают передовое машинное обучение реальностью.

Некоторые наши читатели скептически отнеслись к недавней заметке о том, что заводы GlobalFoundries могут стать кузницей терминаторов, а зря. Компания GlobalFoundries снова спешит удивить глубиной интереса к теме искусственного интеллекта и производства кремниевых «мозгов». На этот раз вместе с бельгийскими разработчиками.

Правительство России в ближайшие четыре года направит около 12 млрд руб. на поддержку небольших IT-компаний, занимающихся искусственным интеллектом (ИИ), сообщил премьер-министр Михаил Мишустин. Россия активно занимается развитием ИИ, заявил он на встрече с молодыми учеными и бизнесменами в Краснодаре. Господин Мишустин отметил, что власти планируют оказывать поддержку отечественным компаниям, занимающимся разработками в этой области.

Российские программисты разработали платформу для распределенного обучения больших нейросетей. Она адаптирована для сети из множества разных по мощности компьютеров, любой из которых в любой момент может выйти из процесса. Как и в проектах научных распределенных вычислений, например, Folding@home, такой подход позволяет с помощью множества добровольцев создать сеть, вычислительная мощность которой будет сопоставима с передовыми суперкомпьютерами. Разработчики описали платформу в препринте, доступном на arXiv.org, а также опубликовали на GitHub код пре-альфа версии.

Профессиональный летчик-испытатель ВВС США не смог выиграть ни одного поединка в серии виртуальных воздушных боев с искусственным интеллектом компании Heron Systems в ходе турнира AlphaDogfight Trials, инициированного Управлением перспективных военных разработок (DARPA) Минобороны США. Позже пилот признал, что ИИ вел себя совсем не так, как вел бы себя в бою пилот-человек, и как ему противостоять совершенно не понятно.

С точки зрения Пекина, технологии ИИ в ближайшее десятилетие будут главным драйвером развития национальной экономики и создадут для Китая уникальные преимущества при покорении новых рынков в глобальном разделении труда.

Тема мартовского номера «Культуры» — искусственный интеллект (ИИ) — некоторым может показаться весьма далекой как от мира культуры, так и от реальности. Во-первых, про «железки» и программирование. Во-вторых, это страшилки или вымыслы фантастов. Нет, все не так.

Американский изобретатель и футуролог Реймонд Курцвейл, известный своими громкими пророчествами, уверял что в 2045 году наступит момент технологической сингулярности, когда человек окончательно потеряет контроль над развитием научной базы составляющей основу нашей цивилизации. Искусственный интеллект ИИ возьмёт на себя функции двигателя прогресса, а человек потеряет не только ведущую роль, но и способность понимать суть происходящих изменений, новшеств и открытий, сделанных ИИ без помощи людей.

Беспилотные летательные аппараты активно осваивают сферу вооруженной борьбы. В сводках боевых действий из различных «горячих точек» упоминание о применении дронов становится обычной практикой. Беспилотники вступают в бои со средствами противовоздушной обороны противника и нередко их выигрывают. Появилась тактика применения «роя» беспилотных аппаратов. И тут на первый план выходит проблема управления беспилотниками. Обычная схема «оператор — дрон» все чаще дает сбой. Нужны другие технологии. «Армейский стандарт» разбирался — какие именно.

Karl Friston’s free energy principle might be the most all-encompassing idea since Charles Darwin’s theory of natural selection. But to understand it, you need to peer inside the mind of Friston himself.

На основе положений математической логики событий исследуются нейронные сети, имитирующие механизмы работы мозга. Эти механизмы реализуют операции вывода по "нечеткой" логике в составе систем искусственного интеллекта - распознавания, управления и принятия решений - во всех областях человеческой деятельности. Рассмотрение многих примеров демонстрирует простейший подход к построению и развитию обученных нейронных сетей "под задачу", а также трассировку – обучение при заданной структуре сети.
Главной целью данного курса является демонстрация и внедрение универсального подхода, способного вывести проблему нейронных сетей с уровня частного применения на уровень массового использования практически во всех областях знаний, где требуется логически обосновать принимаемое решение. Утверждается, что самый простой подход к построению нейронных сетей на основе реализуемой нейроном «нечёткой» логики (логических нейронных сетей), продиктован практикой ясного мышления человека. Этот подход приводит к построению всего лишь однослойных нейронных сетей с простейшей функцией активации нейрона, при необходимости дополненных обратными связями.

Мы продолжаем цикл статей про рынок Natural Language Processing рассказом о самых успешных российских разработчиках и их продуктах. Уже в этом году отечественные команды в сфере NLP смогут протестировать свои решения по анализу текстов в ходе технологического конкурса Up Great «ПРО//ЧТЕНИЕ». Призовой фонд соревнований — 200 млн рублей.

В мире искусственного интеллекта (ИИ) распознавание рукописных цифр доказывает, что ваши нейроны правильно и в рабочем состоянии. Это применение ИИ уже довольно старое - его прорыв произошел в 1989 году, когда был достигнут надежный машинный анализ почтовых индексов для почтовых служб. Вскоре было доказано, что многослойные сети прямой связи могут реализовывать любую функцию. Вскоре финансовые учреждения приняли метод автоматического анализа номеров счетов на квитанциях о денежных переводах для банковских переводов или банковских чеков. Сегодня распознавание рукописных цифр с использованием различных методов ИИ также известно в академических кругах в целях преподавания и обучения.

KGs can be applied to a wide variety of tasks including top mentions in the distribution including NLG, question answering, dialogue systems and so on.