OpenTalks.AI - Владимир Смолин, Дорожная карта: от нейросетевой революции к AGI​

Ad8ae7af280edaecb09bd73a551b5e5f?s=47 OpenTalks.AI
February 21, 2020

OpenTalks.AI - Владимир Смолин, Дорожная карта: от нейросетевой революции к AGI​

Ad8ae7af280edaecb09bd73a551b5e5f?s=128

OpenTalks.AI

February 21, 2020
Tweet

Transcript

  1. (всего 19) 1 Д.В. Журавлёв, В.С. Смолин, С.М. Соколов ФИЦ

    ИПМ им. М.В. Келдыша РАН E-mail: smolin@keldysh.ru
  2. (всего 19) 2 Герман Греф, выступая в ноябре на конференции

    AI Journey объявил, что с 2019 года стало приличным серьёзно обсуждать вопросы создания AGI. Солидные организации, такие как DARPA и Сбербанк проводили конкурсы на решение задач уровня AGI (беспилотные автомобили, двуногие роботы, сдача ЕГЭ по русскому языку). Разные взгляды на AGI Создание AGI к 2025 году! «Лидер в области ИИ будет властелином мира».
  3. (всего 19) 3 Разные взгляды на AGI 1940 1950 1960

    1970 1980 1990 2000 2010 2020 г. 50% 90% Уровень человека 100% 70% В 2010-2012 гг. произошла нейросетевая революция: нейросетевые вычисления начали превосходить формально-логические алгоритмы при решении «интеллектуальных» задач! А к 2014-2016 гг. был превзойдён и уровень человека! Но победы (как и график…) условны. Deep Blue победил Каспарова 3,5:2,5 ещё в 1997 г. на формально-логических алгоритмах. И пока «интеллектуальные» задачи решены далеко не все. Прогресс есть и в других подходах AI. Принципиальный прорыв (на наш взгляд…) состоит в радикальном уменьшении участия человека в создании законов преобразования информации при решении практических задач. Латентные параметры настраиваются нейросетевым обучением с учётом свойств задачи.
  4. (всего 19) 4 Разные взгляды на AGI The Turing Award

    winner wants AI systems that can reason, plan, and imagine The kind of high-level concepts that you reason with tend to be variables that are cause and/or effect. You don’t reason based on pixels. You reason based on concepts like door or knob or open or closed. Causality is very important for the next steps of progress of machine learning. “Entirely new methods will probably have to be invented.” Gary Marcus Yoshua Bengio
  5. (всего 19) 5 Направ- ления развития Turing Award-2018 winners: Yann

    LeCun: Reasoning, understanding, planning, knowledge of world construction Yoshua Bengio: Attention, causality and high-level concepts are the crucial building blocks for AGI Geoffrey Hinton: Capsule Neural Network (CapsNet) can be used to better model hierarchical relationships.
  6. (всего 19) 6 Направ- ления развития • рациональное поведение —

    оптимальное в некотором смысле; • разумное поведение — достигающее поставленной цели; • интеллект — способность к постановке целей, локальных и глобальных с учётом известных обстоятельств; • уровень интеллекта — степень абстрактности понятий, в которых формулируются цели. Связанные с AGI понятия будут использованы в следующих смыслах: Общепринятого определения AGI пока нет! Но легко согласиться с «крёстными отцами» глубокого обучения, что перечисленные ими свойства: внимание, понимание, планирование, рассуждения, знания о строении окружающего мира, их иерархическое представление и высокоуровневые концепции важны для построения AGI. По нашему мнению, центральной проблемой создания AGI является развитие идей построения машин, способных к формированию целей.
  7. (всего 19) 7 История Арифмометр Лейбница – 1673 г. Sunway

    TaihuLight — самый быстрый суперкомпьютер в мире по состоянию на 2016-2018 годы Например, два устройства, способные производить вычисления: Способность машины к решению «интеллектуальных» задач быстро выводит решённые задачи из числа «интеллектуальных». Если в пределе решить все задачи – «интеллектуальных» задач не останется!!! Важнее количественные характеристики!
  8. (всего 19) 8 Направ- ления развития Постепенное развитие AGI: решение

    принципиальных проблем создания AGI не приведёт к неограниченному росту возможностей AGI Способности «интеллектуальных» устройств и систем к формированию целей будут возрастать, и процесс будет идти неравномерно, будут прорывы и периоды стагнации. Но сингулярности не случится – рост сложности проблем выбора целей с увеличением размерности задач столь велик, что ограничит применимость любых решений.
  9. Задачи AI Средства решения Понимание проблем (всего 19) 9 Направ-

    ления развития Низко висящие плоды Основной урожай
  10. (всего 19) 10 Проблемы создания AGI • Сложность выделения и

    совместного использования большого числа существенных параметров для выборе целей; • Декомпозиция сложных задач на более простые; • Иерархическое представление знаний и управления; • Понимание и планирование ситуаций с использованием имеющихся знаний. Мы (и большинство исследователей) согласны с «крёстными отцами» глубокого обучения, что основными проблемами создания AGI являются: В дополнение к этому, мы считаем, что центральной проблемой построения AGI является формирование высокоуровневых целей. Некоторые направления решения центральной проблемы, на наш взгляд, следующие: • Масштабируемое иерархическое управление, с разделением на «быстрое» управление и «медленное» планирование; • Экраны для соотнесения наблюдаемых сигналов с имеющимися знаниями; • Управление постановкой цели от верхних уровней • Желания, наличие у AGI.
  11. (всего 19) 11 Пространство- время Моделирование позволяет не только согласовывать

    действия с состояниями ненаблюдаемых объектов, но и учитывать более широкий круг знаний о мире при формировании цели поведения Интеллектуальный агент Обработка: декомпозиция сенсорных сигналов и моделирование ненаблюдаемых областей Сенсоры и эффекторы Пути решения проблем AGI
  12. (всего 19) 12 Пока нижние уровни успешно выполняют поставленные им

    цели, верхние уровни могут моделированием выбирать наиболее полезные цели Пути решения проблем AGI Верхние уровни имеют больший горизонт планирования, а нижние – лучшую привязку к обстоятельствам Карты Экран Карты Экран
  13. (всего 19) 13 1. Прогноз, сравнение модели с наблюдением; 2.

    Выделение новизны как части входного сигнала, которую не удалось смоделировать; 3. Картирование нового объекта. Экран2 Карта ∆X2 Экран1 Карта Сенсоры Карты1 Экран1 Карты2 Экран2 Карты3 ∆X1 Экран3 Каждая карта создаёт нелинейную модель мира в терминах экрана предыдущего уровня X и ∆X совпадают как по размерности, так и по модальности Пути решения проблем AGI
  14. (всего 19) 14 Перспектива AGI Управление воздействует на объекты достигая

    целей. «Быстрый» контур управления – гонщик и «Медленный» контур – штурман, для сравнительного выбора локальных целей при движении по маршруту. Ещё более «медленный» – механик.
  15. (всего 19) 15 Знания и навыки позволяют формировать управление (а

    оценки – цели) не только на основе восприятия Оценки Цели Неповторяющиеся сцены из однотипных объектов Восприятие Управление Декомпозиция – карты объектов Экран-2 Экран-1 Навыки Знания Перспектива AGI
  16. (всего 19) 16 Перспективы AGI memotiX англ. корпорации Google Концепция

    memotix сводится к созданию удобных, точных и быстрых инструментов для поиска внутри медиаконтента, включая видео. Сегодня поиск проводится до стадии предложения набора релевантных совпадений, из чего пользователь должен сам выбирать нужный ответ. Memotix строит поиск на метаданных, получаемых в процессе обработки и записи сигнала. Часть таких метаданных тегируются статистическими и вероятностными методами до уровня определённости, пригодного для автоматического и адекватного анализа. В результате, на запрос об объекте поиска, сформулированному в виде фильтров: Что? Где? Когда? выдаются только те ответы, которые имеют к нему прямое и непосредственное отношение. www.memotix.com
  17. (всего 19) 17 История Тепловые машины прошли несколько этапов в

    своём развитии: 1. Созданы и получили распространение первые паровые машины; 2. Разработана теория тепловых машин; 3. Усовершенствованы паровые двигатели; 4. На основании теории разработаны новые типы тепловых машин. 5. Паровые двигатели вытеснены двигателями внутреннего сгорания.
  18. (всего 19) 18 Выводы Исследования по теоретическим и прикладным проблемам

    создания и разработки: • Обучаемой масштабируемой иерархической структуры целей; • Машинного формирование декомпозиции и иерархического описание знаний об окружающем мире; • Моделирования окружающего мира на разных уровнях иерархического представления (на экранах); • Двух масштабируемых контуров обработки информации в AGI: выполнения действий и их планирования. Но есть и ряд других, не рассмотренных, но не менее важных направлений: • Переход к локализованному представлению знаний; • Представление знаний картами фазовых портретов; • Формирование навыков и эпизодическая память; • Мультиагентность как способ изменения иерархической структуры; • Наличие собственных желаний; Основными рассмотренными в докладе направлениями работ по ускорению создания AGI представляются следующие:
  19. (всего 19) 19 Д.В. Журавлёв, В.С. Смолин, С.М. Соколов ФИЦ

    ИПМ им. М.В. Келдыша РАН E-mail: smolin@keldysh.ru