istota inteligencji helion, moje ebooki
[ Pobierz całość w formacie PDF ]
Istota inteligencji
Autorzy: Jeff Hawkins, Sandra Blakeslee
T³umaczenie: Tomasz Walczak
ISBN: 83-246-0027-2
Tytu³ orygina³u
Format: A5, stron: 254
Fascynuj¹ca opowieœæ o ludzkim mózgu i myœl¹cych maszynach
• Dowiedz siê, czym jest sztuczna inteligencja i jak dzia³aj¹ sieci neuronowe
• Poznaj mechanizmy zapamiêtywania funkcjonuj¹ce w ludzkim mózgu
• Naucz siê kierowaæ swoj¹ œwiadomoœci¹
Od lat naukowcy próbuj¹ odtworzyæ dzia³anie ludzkiego mózgu w maszynach.
Sztuczna inteligencja, sieci neuronowe, algorytmy automatycznego wnioskowania
— to wszystko owoce tych prób. Jednak ¿adne z tych rozwi¹zañ nie spe³ni³o
pok³adanych w nim oczekiwañ. Dlaczego? Czy b³¹d tkwi w nieprawid³owym doborze
parametrów sieci neuronowych i b³êdnej implementacji algorytmów, czy mo¿e
w fakcie, ¿e próbuje siê zamodelowaæ inteligencjê bez dok³adnego poznania jej
tajemnic? Czy jeœli dowiemy siê, jak dzia³a nasza inteligencja, bêdziemy w stanie
zbudowaæ prawdziwe „myœl¹ce maszyny”?
Dziêki lekturze ksi¹¿ki „Istota inteligencji” poznasz odpowiedzi na te pytania. Jeff
Hawkins — za³o¿yciel firm Palm Computing oraz Handspring -- przedstawia w niej
najnowsze osi¹gniêcia grup badawczych zajmuj¹cych siê analizowaniem mechanizmów
kieruj¹cych nasz¹ inteligencj¹, udowadnia, ¿e inteligencja to zdolnoœæ mózgu do
przewidywania przysz³oœci przez analogiê do przesz³ych zdarzeñ. Dowiesz siê,
czym jest inteligencja, jak dzia³a mózg i jak ta wiedza pozwoli zbudowaæ inteligentne
maszyny, które nie tylko dorównaj¹ mo¿liwoœciom cz³owieka, ale nawet je przekrocz¹.
• Algorytmy sztucznej inteligencji
• Dzia³anie sieci neuronowych
• Funkcjonowanie pamiêci w mózgu
• Modele ludzkiej inteligencji
• Zadania kory mózgowej
• Powi¹zania œwiadomoœci i zmys³ów artystycznych z inteligencj¹
• Nowe kierunki badañ nad inteligencj¹
Poznaj przysz³oœæ badañ nad sztuczn¹ inteligencj¹
TYTUŁ ROZDZIAŁU
SPIS TREŚCI
O autorach 4
Przedmowa 5
1.
Sztuczna Inteligencja 13
2.
Sieci neuronowe 28
3.
Ludzki mózg 45
4.
Pamięć 70
5.
Nowy model inteligencji 91
6.
Jak działa kora? 112
7.
Świadomość i twórczość 183
8.
Przyszłość inteligencji 212
Epilog 243
Dodatek A Hipotezy 245
Bibliografia 255
Podziękowania 263
Skorowidz 265
3
SIECI NEURONOWE
Mniej więcej w tym samym czasie pojawił się nowy i obiecujący
sposób myślenia o inteligentnych maszynach. Sieci neuronowe
istniały w pewnej postaci już od późnych lat 60., ale były one kon-
kurencją dla badań Sztucznej Inteligencji, zarówno na polu walki
o dotacje, jak i o umysły przyznających je osób. Sztuczna Inteligencja,
dominujący kierunek tamtych czasów, aktywnie ograniczała bada-
nia nad sieciami neuronowymi. Badacze próbujący pracować nad
sieciami zwykle trafiali na długie lata na czarną listę osób, którym
nie przyznaje się funduszy. Jednak pewna grupa osób wciąż próbo-
wała rozwijać tę dyscyplinę, aż wreszcie w połowie lat 80. zaświeciło
dla nich słońce. Trudno wytłumaczyć, dlaczego akurat w tym okre-
sie nastąpił nagły wzrost zainteresowania sieciami neuronowymi,
ale na pewno jednym z czynników były ciągłe niepowodzenia na
polu Sztucznej Inteligencji. Zaczęto poszukiwać alternatywy dla
tych badań i jedną z nich były właśnie sztuczne sieci neuronowe.
Sieci neuronowe okazały się znacznie lepszym pomysłem od
Sztucznej Inteligencji, ponieważ ich architektura jest oparta, choć
bardzo luźno, na systemie nerwowym. Zamiast programować
komputery, badacze sieci neuronowych, zwani także
koneksjoni-
stami
, chcieli dowiedzieć się, jakie zachowanie mogą przejawiać
połączone w grupy neurony. Mózgi składają się z neuronów, dlatego
mózg jest w rzeczywistości wielką siecią neuronową. To fakt. Ko-
neksjoniści mieli nadzieję, że uda im się odkryć nieuchwytne wła-
ściwości inteligencji, studiując współdziałanie neuronów, a także
że dzięki replikacji odpowiednich połączeń między populacjami
neuronów uda się rozwiązać niektóre problemy nierozwiązywalne
dla klasycznej Sztucznej Inteligencji. Sieci neuronowe różnią się
od komputera tym, że nie mają procesora i nie przechowują infor-
macji w scentralizowanej pamięci. Wiedza i wspomnienia sieci są
rozproszone, podobnie jak w prawdziwych mózgach.
Na pierwszy rzut oka sieci neuronowe idealnie pasowały do
moich własnych zainteresowań. Szybko jednak pozbyłem się złu-
dzeń związanych z tym kierunkiem. Do tego czasu zdążyłem dojść
do wniosku, że do zrozumienia mózgu niezbędne są trzy elementy.
Pierwszym kryterium było uwzględnienie wśród jego funkcji zna-
czenia upływu czasu. Rzeczywisty mózg przetwarza błyskawicznie
29
ISTOTA INTELIGENCJI
zmieniające się strumienie informacji. W przepływie danych do
mózgu i z niego nie ma nic statycznego.
Drugim kryterium było uwzględnienie informacji zwrotnej.
Neuroanatomowie od dawna wiedzieli, że w mózgu istnieje mnó-
stwo połączeń zwrotnych. Na przykład w sieci połączeń między
korą nową a strukturą śródmózgowia zwaną wzgórzem połączenia
zwrotne (w kierunku wejścia) są niemal dziesięciokrotnie liczniej-
sze niż zwykłe połączenia. Oznacza to, że na każde włókno prze-
kazujące informacje do kory nowej przypada dziesięć włókien
przekazujących informacje z powrotem do narządów przetwarzają-
cych dane zmysłowe. Połączenia zwrotne są dominujące także
w obrębie samej kory nowej. Nikt nie zna dokładnej funkcji tych
połączeń, ale z opublikowanych badań jasno wynika, że istnieją
one we wszystkich częściach mózgu. Sądziłem więc, że muszą być
istotne.
Trzecie kryterium to uwzględnienie w teorii lub modelu mózgu
jego fizycznej architektury. Kora nowa posiada złożoną strukturę.
W dalszej części książki opisuję jej hierarchiczną organizację. Każ-
da sieć neuronowa, która nie uwzględnia istnienia takiej struktury,
nie może działać tak jak mózg.
Po eksplozji zainteresowania sieciami neuronowymi dość szybko
okazało się, że pozwalają one tworzyć jedynie bardzo proste mo-
dele, które nie spełniają żadnego z tych kryteriów. Większość sieci
neuronowych składała się z małej liczby neuronów w trzech war-
stwach. Wzorzec (dane wejściowe) jest wprowadzany do pierwszej
warstwy. Znajdujące się w niej neurony są połączone z neuronami
drugiej warstwy, tak zwanej warstwy ukrytej. Neurony tej warstwy
są z kolei połączone z ostatnią, wyjściową warstwą neuronów, któ-
ra przekazuje wynik. Siła połączeń między neuronami może się
zmieniać, co oznacza, że aktywność jednego neuronu może zwięk-
szać aktywność drugiego neuronu i zmniejszać aktywność trzecie-
go, w zależności od siły połączeń. Zmieniając wagi połączeń, sieć
uczy się przekształcać wzorzec wejściowy we wzorzec wyjściowy.
Takie proste sieci neuronowe przetwarzały jedynie wzorce sta-
tyczne, nie używały informacji zwrotnej oraz w ogóle nie przypo-
minały struktur mózgu. Najpopularniejszy typ sieci neuronowych,
30
SIECI NEURONOWE
zwany siecią „ze wsteczną propagacją błędu”, uczy się, przekazując
wartość błędu z jednostek wyjściowych z powrotem do jednostek
wejściowych. Może Ci się wydawać, że jest to rodzaj informacji
zwrotnej, ale w rzeczywistości tak nie jest. Wsteczna propagacja
błędu ma miejsce jedynie na etapie uczenia sieci. Kiedy sieć działa
w zwykłych warunkach, po fazie uczenia informacje są przekazy-
wane tylko w jedną stronę. Nie istnieje przepływ informacji z war-
stwy wyjściowej do warstwy wejściowej. Modele te nie uwzględ-
niają także upływu czasu. Statyczny wzorzec wejściowy zostaje po
prostu przekształcony w statyczny wzorzec wyjściowy. Następnie
przedstawiany jest kolejny wzorzec wejściowy. W sieci nie ma za-
pisu tego, co zdarzyło się nawet małą chwilę wcześniej. Ponadto
architektura tych sieci jest banalna w porównaniu ze złożoną i hie-
rarchiczną strukturą prawdziwego mózgu.
Miałem nadzieję, że naukowcy szybko zaczną się zajmować
bardziej realistycznymi sieciami, ale tak się nie stało. Ponieważ
proste sieci neuronowe potrafiły wykonywać ciekawe operacje, ba-
dania na wiele lat zatrzymały się na tym początkowym etapie. Sieci
neuronowe okazały się nowym i ciekawym narzędziem, a w chwilę
potem tysiące naukowców, inżynierów i studentów zaczęło dosta-
wać dotacje na badania oraz pisać prace doktorskie i książki na ich
temat. Zaczęły powstawać firmy używające sieci neuronowych do
przewidywania kursu akcji, analizy wniosków kredytowych, wery-
fikacji podpisów i wykonywania setek innych operacji wymagają-
cych klasyfikacji wzorców. Choć cele twórców tego kierunku mo-
gły być bardziej ogólne, obszar badań został zdominowany przez
ludzi, którzy nie są zainteresowani sposobami funkcjonowania
mózgu lub zrozumieniem tego, czym jest inteligencja.
Media nie rozumiały zbyt dobrze tych różnic. W gazetach, ma-
gazynach i programach popularnonaukowych sieci neuronowe
przedstawiane były jako „podobne do mózgu” lub działające „we-
dług tych samych zasad, co mózg”. W przeciwieństwie do klasycz-
nej Sztucznej Inteligencji, gdzie wszystko musi być zaprogramowane,
sieci neuronowe uczyły się na przykładach, co wyglądało na bardziej
inteligentne zachowanie. Jednym z najbardziej spektakularnych
projektów był NetTalk. Ta sieć neuronowa nauczyła się przekształ-
31
[ Pobierz całość w formacie PDF ]