开发一个自学成才的机器人：DARPA冒着跨越线路的风险

国防科学研究院（DARPA）正准备启动一项近4年前的项目，以开发能够自我教育和改进自身的人工智能。

新项目不是关于人脑建模和在计算机上运行模型。 在短期内，由于人类大脑的特殊复杂性以及我们的思维如何运作的鲜为人知的原则，许多科学家认为这条道路是死路一条。 DARPA计划采用不同的方式：构建将使用概率编程算法学习的机器，即筛选大型数据库并选择最佳解决方案。 在这项工作的过程中，人工智能将学习，并在一段时间后将能够轻松解决简单的任务。 正是这些小说中的项目小说开始了汽车的起义和人类的死亡。

DARPA专家建议46月的商业活动为自学机器开发新的概率编程技术，缩写为PPAML。 PPAML技术将帮助军队更有效地解决当今需要巨大人力资源的许多分析任务。 特别是，自学习机器在进行智能，观察，语音识别，驾驶汽车，筛选信息以搜索有价值的数据等方面非常有用。

人工智能的硬件可以变化：基于多核处理器的超级计算机，普通PC和云网络。

很难说在未来几年内创造如此复杂的人工智能系统是多么现实。 目前，有许多自动分析工具可以促进人们的工作，但到目前为止，它们都没有真正的自我学习能力。 目前，使用数据库技术的最高成就基本上仍然是存档图片与来自摄像机的图像的比较。 因此，DARPA强调PPAML算法将更加困难，特别是，它们将能够组合不同类型的信息，独立地制定请求并基于所获得的数据制定解决方案。

Comments

[哥萨克一等上尉]

HG Wells的“预言”正在体现。 仍然只希望人工智能将“植入”第1点-不要损害人类的生命和健康...。

[Alexander Romanov]

引用：esaul

要点1-不要伤害生命和人类健康....

如果大脑是自学的，它会迅速取消这个水平。 随着大脑的增长，计算机将了解到与同性恋无处不在。

[科沙R1]

如果您还记得的话，所有人工智能都是通过电影捕捉世界的。）在电影《我是机器人》中，人工智能简单地解释了它的行为，人工智能并没有违反关于“对健康和生命无害”的第一条法律。我们通过毒品战争等对自己造成无法弥补的损失。 因此，有一把双刃剑，两者对我们都没有好处。

[vilenich]

Quote：亚历山大罗曼诺夫

如果大脑是自学的，它会迅速取消这个水平。

我们需要再次查看终结者，概述行动计划！
他们玩人工智能...

[Iraclius]

有充分的理由认为心理活动具有量子性质。 这意味着原则上不可能在现有的硬件基础上构建AI系统。 十年来，量子计算机还没有离开实验室，所有已经完成的工作都是几个量子比特的机器，这不仅仅是适度的。 许多科学家普遍认为，这种机器原则上不能建造。
如果人脑的机制完全不清楚，我们可以谈论什么样的人工智能？
模仿一个人在某些领域工作的系统，例如专家系统和模式识别系统，实际上与思考和服从形式化算法无关。
所以我们可以和平地睡觉 - 在接下来的二十年里，创造一个人工思维没有先决条件。 虽然这可能是坏的，因为世界上的矛盾和问题的混乱每年都在增长，而人民自己也无法解决它，唉。

[gridasov]

唉! 您可以为九个和另一个计数构建一个径向编号系统。 不会改变其关系属性的数字。 这样的系统具有相对于坐标系定位代码的特性。 换句话说，系统的容量可以改变而无需改变“空间尺寸”。 记住魔方中有多少种组合。 对于我们的系统，由于严格地定义了每个代码的位置，不重复并且不受模棱两可的解释，因此在数值上完全没有限制，该系统仅基于“零”的加减乘积而具有分形变化的性质。 这种系统的特性是，如在二进制编码系统中那样，缺乏用于创建和推广代码的能源成本成比例。 由于定位了空间结构和代码，因此信息容量在不依赖于代码移动的情况下发生变化，这意味着速度通常被视为概念和属性。
而且，在这样的系统下，已经开发出具有与具有公共基极的每个数字相对应的脉冲的晶体管的概念。
是! 人们不会花费不同的时间记住不同的距离。 输入和输出位于其每个点的系统具有相同的属性。
像任何聪明的人一样，人的智力的特征是，对可变参考点进行任何分析。 也就是说，任何分析都与某个相对参考点相关联。 系统也会发生同样的事情。
并不需要数十年的时间来实施。 一切都更加简单。 并且这样的系统不能被“打开”。 可以接近这些界标，但由于没有单一的分析路径矢量，因此无法揭示语义内容。

[涅夫斯基]

苏联终结者，根据《莎拉·康纳编年史》系列和《未来的客人》系列

[Alikova]

5年后的情况将类似于电影《 On the Hook》中的人工智能试图在美国夺取政权。

[劳夫]

有谁知道终结器上“关闭”按钮的位置？ 它可能会派上用场。 ）））

[Alexej]

Quote：rauffg

有谁知道终结器上“关闭”按钮的位置？ 它可能会派上用场。 ）））

它。 按钮关闭 - 这些是开发这种AI的科学家。 我们将不得不从未来走到这个时代，把它们全部搞定。

[烦躁不安的人]

然后在美国会有一堆机器......
但是，对于俄罗斯的每一个“他们的思想”，都有一把大锤！

[IA-ai00]

大锤在黑客的形象...

[Blazard]

大声笑 我可以想象，至少需要多少能力才能或多或少地使这些大脑和数据中心正常运作，以存储这样的数据库。 以目前的能力，FIC的工作是不可能的。 那是第一台稳定的量子超级计算机建成的时候，您应该已经担心了……

[脱钩]

危险，数据中心已经在那里，互联网。 英特尔将能够毫无问题地连接到它们。 并过滤旧的。 我不知道他会知道几种语言？ 还有多少话？ 以及哪些服务器可以查看？

[Avenger711]

什么信息？ Zheshechki？ 现在，有关Internet的所有信息都位于Google搜索数据库的级别。

[Blazard]

和数据交换的速度？ 即使我们以整个交换将在具有最大可能带宽的多模光纤上进行为基础-仍然如此，数据处理时间的损失也比一切都在一台复杂的“ DB-超级计算机”中进行相比要大得多。 因此，目前，AI将受到网络和交换通道带宽的限制。

[vilenich]

Quote：Blazard

我可以想象，至少需要多少能力才能或多或少地使这些大脑和数据中心正常运作，以存储这样的数据库。

我还记得1964年出版的《我想知道一切》一书，进行了这样的比较，以至于尼亚加拉瀑布的能量不足以操作电子计算机，而电子计算机的性能可以达到人脑的水平。 那时计算机可能仍然亮着也就不足为奇了！
让我们等待，进步不会停止。

[在地毯下开机]

嗯，我想知道是否会在这里介绍神经网络的原理：）天网和汽车起义即将到来！ :-)

[Avenger711]

神经网络就是这样的骗子。

[Ragnarek]

他们会自己做终结者！ 日本人大力将哥斯拉带到福岛的终结者和僵尸附近

[Dwarfik]

类！ 好吧，我们对关于人工智能，机器起义的电影感到惊讶，但是一切皆有可能，而且谁知道，当一个裸男要求：“我需要你的衣服！”时，我再也不会在酒吧的某个地方感到惊讶了。

[virm]

当然，该物品会稍微变厚。 没有 天网 结果不会出现。 概率编程（也称为随机编程）实际上与人为无关 情报.
这只是找到问题的最佳解决方案的方法之一。 简而言之，如果创建的系统旨在控制汽车，那么它可以 学习 只是。 就这样。 也许，在整个操作过程中，该系统沿着给定的路线移动 学习 从A点到达B点。没有意外。 在可接受的时间内。 但是她什么也没学。 因为，只是没有 他知道 关于高速公路以外世界的存在。

[Iraclius]

第一个称赞的评论。 在组合优化理论框架下解决的经典问题是旅行商问题，当节点数量超过66时，变为跨计算，粗略的简单搜索方法变得不可接受。 其中，借助于遗传算法和弹性网络方法解决了这一问题，该方法与建立有序神经连接的机制直接相关。 没有智能，没有气味，因为应用了通常的算法。

[Lopatov]

“组合优化”是“博弈论”吗？

[Iraclius]

不，这是优化理论的一部分。 一些教科书声称多标准优化小节。 博弈论专门针对在游戏中寻找最优策略。

[Lopatov]

Quote：伊拉克利乌斯

博弈论专门寻找游戏中的最佳策略。

??? 据我所记得，我们研究了博弈论作为我们专业化的应用。 弹药的最佳供应。 还是让我感到困惑，或者是你。
尽管我同意这一点，但我们在讲授VM时强调了概率论-特异性

[Iraclius]

我自己不是一个炮兵。 如果您说出问题的条件，那么我可以说它可以解决哪些方法。 如果在这项任务中调查了最佳供应路线的搜索，那么我敢于确保这与博弈论无关。 这是经典的Monge-Kantorovich问题（传输问题），它通过线性编程方法解决。
一般而言，在应用数学中，游戏意味着两个或更多方的竞争以实现其兴趣。
您可能使用了马尔可夫过程的应用程序。

[Lopatov]

下棋的话，我不觉得VM中的“精明”能与您争论。 我将对您的信仰发表意见。 谢谢。

[Iraclius]

是的，完全没有。
关于神经网络。 如果我没记错的话，在著名的Statistica程序中，从版本7开始，可以自己训练神经网络-这是一个非常有趣的任务。 有一定数量的优秀教科书，例如“神经网络。统计神经网络。现代数据分析的方法和技术”-V.P. Borovikov。 （ed。）一本关于一般发展和所有对数学感兴趣的人的好书。 甚至我的学员也对此进行了实验室工作，对此过程感到非常满意。

[Averias]

嗯，那真是令人怀疑。 加拿大人在那儿，他们说他们很早以前就发明了量子计算机，甚至卖掉了。 他们只说了一个秘密，那就是在这个类别中的任何问题上-无论如何-什么-做大眼睛，嘘。 也就是说，他们没有提供有关这种工程“奇迹”的任何信息。 在一个可怕的秘密下，他们保留了据称从他们那里购买了这台“超级”计算机的那些公司的名单。 就在这里。 早在苏联时代，我们就有了一个可行的原型-具有惊人计算能力的光学计算机。 西方花费了大量金钱（贿赂和贿赂）来掩埋该项目。 YDMT（低推力核发动机）也面临同样的命运。 日文试图一点一点地收集和恢复文档的光学计算机却无法正常工作。 他们是第一个说俄国人朝这个方向进行革命的人。 等着瞧。

[Iraclius]

废话就是全部。 该公司未能向科学界解释他们的计算机是什么样的。 这只是公关和投资的一种方式。
几十年来，IBM已经成功地通过硬件神经网络淘汰了用于开发认知处理器的国会资金。 感觉 - 0整体，辣根十分之一。 但是，稳定的资金流进行纯粹的商业研究。
公平地说，我注意到人工智能领域的所有严肃程序都是严格保密的 - 你可以相信一句话 - 而不是比二十世纪中期的核计划更糟糕。 那么AI普通凡人的发明至少可以学到什么呢。

[Iraclius]

顺便说一下，关于这些家伙：

从事量子计算机开发和创建的加拿大公司D-Wave Systems获得了100万新西兰元的投资。

这群投资者包括亚马逊创始人杰弗里贝索斯和美国公司In-Q-Tel，后者投资有前途的信息技术项目，并向中央情报局和国家安全局提供最新设备。

“我们的情报服务客户面临着在具有传统架构的计算机上难以解决的问题，”In-Q-Tel执行官罗伯特艾姆斯评论道。 “我们相信量子计算在这里很有用。”

值得回顾一下

D-Wave One的第一台商用量子计算机由加拿大人制造，去年春天以10百万美元的价格出售。 买家是枪支巨头洛克希德·马丁公司，他在南加州大学安装了购买的机器 - 一个带有低温系统的黑色立方块，类似于第一台大小的计算机。

这家美国武器和航空航天技术制造商决定在一个研究项目中使用D-Wave One，旨在创建一个有效的自动化系统来查找专业软件中的错误（这种错误，例如延迟F-35战斗机轰炸机的测试）。

来自512量子比特的Vesuvius处理器

D-Wave One处理器包含具有约瑟夫森触点的128超导量子位 - 由薄介电层隔开的超导化合物 - Nb / AlOx / Nb型。 本质上，量子比特阵列是来自Ising模型的旋转的人造系统，具有可编程的自旋 - 自旋相互作用。 该系统可以解决优化问题，归结为使用“量子退火”方法找到一组Ising自旋的基态 - 通过量子涨落（穿过势垒的隧穿）找到某个目标函数的全局最小值。

D-Wave One的能力，其开发人员最近在蛋白质包装问题的例子中证明了这一点。 其实质是找到具有特定氨基酸序列的最稳定的蛋白质包装。 衡量结构稳定性的一种方法称为自由能，这是计算机应该找到的全局最小值。

为了测试，科学家已经准备了六个氨基酸的基本序列，128-qubit处理器冷却到20 mK，成功应对。 实际上，量子计算机将不得不解决更复杂的问题，D-Wave Systems的专家意识到这一点，正试图提高计算的可靠性并产生更强大的处理器修改。

[Iraclius]

最重要的是带有128-qubit芯片组的D-Wave One计算机，其成本，我记得$ 11000000，只执行一项任务 - 离散优化。
这是美式风格。
最重要的是，D-Wave的活动描述如下：

因此，麻省理工学院教授斯科特·亚伦森认为，D-Wave尚未能证明她的计算机能够比普通计算机更快地解决任何问题，或者所使用的128量子比特能够在量子纠缠状态下被引入。 如果量子比特不处于混淆状态，那么这不是量子计算机。

[Iraclius]

我还想回忆一下5一代计算机的创作日本史诗，10花了几年时间（从1982到1992一年）和大约五亿美元。 当然，该计划的结果不亚于史诗般的失败。 在这方面，科幻小说作家急剧减速，人工智能甚至从科幻小说开始消失。 奇点理论框架中的一些科学家一般否认创造思维机器的可能性，声称人类创造力和智力活动的独特性。

[REGIN]

电源上总是有中文开关）））））））））））））））

[Uruska]

所有这些都将在我们身上进行测试。 没有志愿者！

[Iraclius]

这个消息很老了，但这是公开报刊上的最大新闻：

根据eWeek的说法，IBM的科学家已经创建了认知处理器的原型。 它的体系结构与传统体系结构根本不同，信息处理方法不是基于“先有即后”原则，而是基于学习能力，变量响应以及根据手头任务寻找最佳解决方案的方法。 该项目的首席开发人员Dharmendra Modha指出：“未来的程序将需要扩展计算机的功能才能正常工作，而现代体系结构将不再能够提供它。这些处理器是将计算机从计算器转变为学习系统并发出信号的重要一步。关于有助于商业，科学和教育的新一代设备和应用程序即将面世。”

晶体从硅生长，包含内置存储器（人工神经突触），信息处理器（人工神经元）和导体（人工轴突）的块。 认知处理器的工作原型具有两个根据SOI-CMOS标准制造的45纳米核心。 一个核心包含262 144可编程突触，其他65 536学习突触。 现在正在对模式识别，联想记忆和分类的任务进行测试。 还试图在导航和人工视觉系统中使用新的处理器。

尽管科学家乐观，但这种芯片的应用非常有限。

[古诺里]

我认为这是一个非常必要的计划，因为它不仅对军事有用。