WEBVTT 00:00:09.544 --> 00:00:12.421 Здравствуйте, уважаемые студенты. 00:00:13.819 --> 00:00:20.212 Сегодня мы начнём с вами рассматривать вопросы, связанные с 00:00:20.292 --> 00:00:22.250 искусственным интеллектом. 00:00:23.288 --> 00:00:26.325 Внедрение информационных и коммуникационных технологий 00:00:27.780 --> 00:00:32.939 В настоящее время это важнейшая характеристика развития общества. 00:00:33.459 --> 00:00:38.858 Более того, само общество сейчас всё более приобретает черты информационного 00:00:39.058 --> 00:00:41.777 общества. Что такое информационное общество? 00:00:41.857 --> 00:00:46.736 Определение может быть следующее: это общество, в котором деятельность в любой 00:00:46.856 --> 00:00:47.176 сфере 00:00:48.323 --> 00:00:51.405 Связана с информацией самого различного вида. 00:00:51.565 --> 00:00:57.808 Работа с которой основывается на использовании всё расширяющегося спектра 00:00:58.008 --> 00:01:00.770 информационных и коммуникационных технологий. 00:01:01.370 --> 00:01:04.772 Мы постоянно с вами слышим 00:01:05.531 --> 00:01:08.489 Новые слова, новые словосочетания в этой связи. 00:01:08.569 --> 00:01:13.007 Ну, например, цифровизация, глобальная цифровизация общества. 00:01:13.886 --> 00:01:17.325 Раньше говорили экономика, теперь цифровая экономика. 00:01:17.525 --> 00:01:20.283 Но мы понимаем, и это видно буквально 00:01:22.157 --> 00:01:27.842 При анализе всех сфер деятельности, что информация превращается в ведущий ресурс. 00:01:28.123 --> 00:01:33.407 И именно работа с информацией различных видов, на основе применения современных 00:01:33.527 --> 00:01:39.773 компьютерных технологий это уже не что-то особенное, а привычные реалии нашего дня. 00:01:42.175 --> 00:01:47.297 Одним из наиболее важных достижений в развитии информационных и коммуникационных 00:01:47.417 --> 00:01:52.739 технологий последних десятилетий является системы искусственного интеллекта. 00:01:53.139 --> 00:01:59.382 И их применение по существу в последние в последние годы обеспечило буквально 00:01:59.622 --> 00:02:03.543 революционное развитие многих сфер деятельности. 00:02:04.125 --> 00:02:07.570 Говоря о развитии искусственного интеллекта, 00:02:09.248 --> 00:02:14.331 Мы понимаем прекрасно, что, собственно, кроме искусственного интеллекта есть и 00:02:14.411 --> 00:02:18.413 другие разделы информатики, информационных технологий. 00:02:18.613 --> 00:02:24.577 Но что особенно важно, эти разделы, ну, скажем, развиваются все, но темпы развития 00:02:24.737 --> 00:02:26.418 именно искусственного интеллекта 00:02:27.153 --> 00:02:33.595 Ну, в большей степени являются, ну, такими опережающими другие 00:02:33.715 --> 00:02:40.476 направления. Обратим внимание ещё на следующее, такое, ну, скажем, нормативный 00:02:40.636 --> 00:02:41.917 документ, очень важный. 00:02:42.157 --> 00:02:43.877 В 2019 году 00:02:44.743 --> 00:02:49.859 В нашей стране президентом Владимиром Владимировичем Путиным был издан указ No 00:02:50.138 --> 00:02:55.693 490, который назывался «Развитие искусственного интеллекта в Российской 00:02:55.853 --> 00:02:58.970 Федерации». В соответствии с этим документом 00:03:00.315 --> 00:03:04.911 Была утверждена национальная стратегия развития искусственного интеллекта на 00:03:05.031 --> 00:03:07.309 период до 2030 года. 00:03:08.109 --> 00:03:10.827 И этим документом, в частности, поскольку 00:03:11.942 --> 00:03:17.618 Мы с вами учимся вместе, предусматривается разработка и внедрение образовательных 00:03:17.738 --> 00:03:21.856 модулей в рамках образовательных программ всех уровней образования, программ 00:03:22.256 --> 00:03:27.933 повышения квалификации и профессиональной подготовки для получения гражданами 00:03:28.053 --> 00:03:31.131 знаний, приобретения ими компетенций и навыков. 00:03:31.673 --> 00:03:36.430 В области математики, программирования, анализа данных, машинного обучения, 00:03:36.510 --> 00:03:42.147 способствующих развитию искусственного интеллекта Обратите внимание на самом 00:03:42.267 --> 00:03:48.383 высоком государственном уровне обозначена задача развития искусственного интеллекта. 00:03:49.168 --> 00:03:51.489 Это, конечно, совершенно не случайно. 00:03:51.729 --> 00:03:56.531 Мы понимаем, что именно искусственный интеллект — это то передовое направление, 00:03:56.651 --> 00:04:02.413 реализация которого на практике и сможет, ну, обеспечить 00:04:03.254 --> 00:04:05.335 кардинальные изменения. 00:04:05.794 --> 00:04:10.119 Э-э, в различных сферах общества, повышение эффективности деятельности и 00:04:10.279 --> 00:04:15.486 экономической сферы, и совершенно других сферах, вплоть до досуговой. 00:04:15.646 --> 00:04:18.289 Вот что такое сейчас искусственный интеллект. 00:04:18.449 --> 00:04:21.573 И хмм я думаю, что если вы 00:04:22.435 --> 00:04:27.799 Все, ну, получаете информацию из различных средств массовой информации, вы сами 00:04:28.279 --> 00:04:35.205 являетесь свидетелями того, что искусственный интеллект пр- ну проникает 00:04:35.285 --> 00:04:36.726 буквально во все сферы. 00:04:37.286 --> 00:04:39.968 Буквально каждый день в новостных лентах 00:04:41.187 --> 00:04:47.705 Мы получаем с вами информацию о примерах эффективного использования искусственного 00:04:47.785 --> 00:04:49.424 интеллекта в различных сферах. 00:04:49.624 --> 00:04:55.022 Мы видим, как искусственный интеллект помогает решать задачи, которые где-то 00:04:55.142 --> 00:04:56.661 ранее, возможно, вообще 00:04:57.640 --> 00:05:02.277 Ну, не подлежали решению, не хватало для этого ни методов, ни средств. 00:05:02.437 --> 00:05:07.873 Сейчас же с использованием искусственного интеллекта эта задача решается. 00:05:11.710 --> 00:05:13.589 Следует отметить, что вообще 00:05:17.357 --> 00:05:22.234 Большинство исследователей сходятся во мнении, что идея искусственного интеллекта 00:05:23.473 --> 00:05:30.148 принадлежит Раймонду Лули, который предпринял попытку выработать механизм 00:05:30.267 --> 00:05:33.745 решения задач на основе классификации понятий. 00:05:34.236 --> 00:05:40.035 Лули сконструировал машину, состоящую из систем кругов, умеющих вращаться. 00:05:40.315 --> 00:05:45.434 Каждый круг был поделён на сектора и помечен латинскими буквами. 00:05:45.914 --> 00:05:51.233 После вращения сектора совмещались и получились так называемые формулы истины. 00:05:52.107 --> 00:05:56.390 Применялись эти машины в различных областях эти круги. 00:05:56.510 --> 00:06:00.392 И машина каждая отвечала на девять вопросов: что? 00:06:00.953 --> 00:06:03.795 Почему? Э-э, из чего? 00:06:04.115 --> 00:06:05.876 Сколько? Каким образом? 00:06:05.996 --> 00:06:07.597 Где, когда? Какое? 00:06:07.757 --> 00:06:08.598 Которое из двух? 00:06:09.117 --> 00:06:14.720 По сути, некая механическая система, наделённая базой данных — раз, устройством 00:06:15.560 --> 00:06:21.524 ввода-вывода два, и достаточно простым, естественным языком общения — это вот и 00:06:21.644 --> 00:06:25.686 было то, что называлось лолеем его машины. 00:06:27.563 --> 00:06:33.890 В широком смысле, хотя мы говорим сейчас о попытках автоматизировать на 00:06:34.010 --> 00:06:39.575 основе, ну, каких-то средств, соответствующих времени их разработчиков, 00:06:39.615 --> 00:06:42.098 да, в данном случае это вообще средневековье. 00:06:42.218 --> 00:06:45.622 Но мы можем ещё шире взглянуть на проблему искусственного интеллекта. 00:06:46.062 --> 00:06:52.579 Потому что искусственный интеллект, по сути, э-э, это попытка, это 00:06:52.779 --> 00:06:59.137 наука, это прикладная область, целью которой является изучение и моделирование 00:06:59.536 --> 00:07:03.575 важнейшего атрибута человека и именно мышления, да? 00:07:04.996 --> 00:07:09.911 Потому что именно способность мышления является главным свойством, ну, или 00:07:10.070 --> 00:07:11.909 главным атрибутом человека. 00:07:13.147 --> 00:07:17.862 Вообще, для того чтобы говорить об искусственном интеллекте, конечно, хорошо 00:07:18.182 --> 00:07:20.220 бы понять, что такое интеллект вообще. 00:07:20.825 --> 00:07:26.586 Но я думаю, что до настоящего времени это не такой простой вопрос, на него нет в 00:07:26.706 --> 00:07:32.747 какой-то части э-э ну однозначных ответов даже у ведущих специалистов в различных 00:07:32.867 --> 00:07:34.307 областях. Почему? 00:07:34.747 --> 00:07:38.388 Потому что чтобы ответить на вопрос, что такое мышление, да? 00:07:38.887 --> 00:07:42.686 Нужно ответить на вопросы: какова природа этого мышления? 00:07:42.846 --> 00:07:47.725 Какие процессы происходят в нашем организме, когда мы думаем, чувствуем, 00:07:47.964 --> 00:07:49.724 видим, понимаем? 00:07:50.124 --> 00:07:54.962 А ещё важнейший вопрос: возможно ли вообще в принципе понять, как работает наш мозг, 00:07:55.122 --> 00:07:57.362 и заставить мыслить неживую материю? 00:07:58.095 --> 00:08:03.660 И на протяжении столетий, а может быть, даже тысячелетий очень многие люди 00:08:04.060 --> 00:08:10.145 занимались этими вопросами, ну, как представляется, всё-таки решения вот 00:08:10.305 --> 00:08:13.267 однозначного и ответов на эти вопросы нет. 00:08:14.388 --> 00:08:18.951 Размышления учёных на протяжении столетий о том, что такое мышление 00:08:20.050 --> 00:08:25.051 Ну, пр- осуществлялись параллельно с работами других учёных, идея которых была 00:08:25.171 --> 00:08:31.852 в том, что смоделировать наше мышление э-э как 00:08:32.012 --> 00:08:36.533 совокупность некоторых элементарных операций, правил и процедур. 00:08:36.733 --> 00:08:38.013 Идея была простая. 00:08:38.593 --> 00:08:44.267 Если человек мыслит, значит, есть какие-то умозаключения, значит, можно использовать 00:08:44.426 --> 00:08:46.344 какой-то, ну, аппарат. 00:08:46.424 --> 00:08:50.700 Но прежде всего приходит мысль об использовании аппарата, ну, формальной, 00:08:50.700 --> 00:08:57.213 лог-э, формальной логики, да, который позволит эту это мышление смоделировать. 00:08:57.698 --> 00:09:03.412 Об этом говорили ещё Платон, Аристотель, в средние, ну, более поздние уже века: 00:09:03.572 --> 00:09:09.206 Дикарт, Бенедикт Пидозе, Ботре Вильгельм Леймис, Джордж Буль и так далее. 00:09:09.566 --> 00:09:14.521 И они занимались именно вопросами формальной аксиоматизации логических 00:09:14.640 --> 00:09:15.280 рассуждений. 00:09:16.362 --> 00:09:23.079 Параллельно с ними, ну, нельзя не сказать и о работах таких великих философов, как, 00:09:23.119 --> 00:09:29.995 например, Фридрик, Людвиг Готле-Фреге, Бертран Артур Елем Рассел, Курт Гёдель и 00:09:30.155 --> 00:09:31.595 так далее. И 00:09:36.432 --> 00:09:42.879 Именно вот работы вот этих названных учёных, математиков, вообще, если 00:09:43.119 --> 00:09:48.565 позволите, так сказать, мудрецов, философов, они привели к тому, что данное 00:09:48.725 --> 00:09:52.048 направление, а-а, ну, стало активно развиваться. 00:09:52.368 --> 00:09:53.890 Мы уже говорили с вами 00:09:55.231 --> 00:10:01.788 Вот, например, о средневековом учёном Райманде Лулле, который первый 00:10:02.148 --> 00:10:05.067 создал вот такую машину, позволяющую это делать. 00:10:05.507 --> 00:10:09.225 Вообще сама по себе интересная история этих великих людей. 00:10:09.545 --> 00:10:13.104 Вот, например, применительно к Райманду Лулию, что можно сказать? 00:10:13.424 --> 00:10:15.703 Он вообще был испанский рыцарь. 00:10:16.129 --> 00:10:18.330 Любимец короля, дуэлянт. 00:10:18.611 --> 00:10:25.096 Ну что произошло? В 24 года ему было, он всё бросает, уходит от светской жизни 00:10:25.656 --> 00:10:26.937 и идёт в монастырь. 00:10:27.137 --> 00:10:32.381 Почему уходит? Потому что он задумался, как он пишет о том, что такое мышление, 00:10:32.541 --> 00:10:35.023 что такое жизнь, хотел этим заниматься. 00:10:35.143 --> 00:10:37.545 То есть вообще хотел стать вот таким мудрецом. 00:10:38.437 --> 00:10:44.724 Ну, вот, к сожалению, жизнь его закончилась не очень, так сказать, ярко, 00:10:44.924 --> 00:10:51.851 потому что он отстаивал всегда свою правоту, но в какой-то момент, в какой-то 00:10:51.971 --> 00:10:55.574 момент в споре со своими оппонентами он был 00:10:56.582 --> 00:11:00.547 убит прожил-прожил он 80 лет. 00:11:00.788 --> 00:11:06.555 Следует ещё обратить внимание на некоторые вещи, связанные с попыткой моделирования 00:11:06.675 --> 00:11:11.641 мышления. Вот та система 14 кругов 00:11:12.464 --> 00:11:14.825 которую разработал Лулий, да? 00:11:14.986 --> 00:11:19.949 Она, во-первых, приводила в движение системы рычагов, но мы понимаем, что если 00:11:20.990 --> 00:11:26.474 у нас есть круги и каждый круг — это совокупность каких-то элементов, то можно 00:11:26.834 --> 00:11:27.875 примерно оценить 00:11:28.783 --> 00:11:35.096 Какое количество различных вариантов решений или вообще 00:11:35.496 --> 00:11:42.408 позиций, входов может быть, поскольку каждый из кругов, поскольку каждый 00:11:42.528 --> 00:11:43.926 из кругов — это 00:11:46.334 --> 00:11:51.780 Если большое количество элементов, то в совокупности, ну, по оценкам, получается, 00:11:51.860 --> 00:11:56.105 что можно было получить различных вариантов, то есть сочетаний порядка 00:11:56.225 --> 00:11:58.467 восемнадцати квадриллионов. 00:11:58.588 --> 00:12:01.110 Ну, квадриллионы — это 10 в 15-й степени. 00:12:04.667 --> 00:12:11.062 Ну, давайте перейдём от средневековья уже ближе к нашим дням началу XX 00:12:11.501 --> 00:12:17.696 века, потому что именно в XX веке, в конце тридцатых — начале сороковых годов, то 00:12:17.776 --> 00:12:22.333 есть тот период, когда были созданы электрикно-вычислительные машины. 00:12:23.016 --> 00:12:27.460 Исследования в области искусственного интеллекта получили развитие уже в 00:12:27.540 --> 00:12:30.583 качестве отдельного научно-исследовательского направления. 00:12:30.983 --> 00:12:37.469 Можно отметить работы Тьюринга пятидесятых годов прошлого века, который предпринял 00:12:37.549 --> 00:12:38.550 попытку выяснить 00:12:39.138 --> 00:12:44.699 Как система разработанная человеком, какая из них может считаться разумной, 00:12:44.779 --> 00:12:47.819 интеллектуальной с помощью имитационной игры тест? 00:12:48.139 --> 00:12:54.260 Вообще, первая трактовка вообще понятия искусственного интеллект 00:12:55.726 --> 00:13:02.283 соотносится с именем американского учёного Маккарти, в котором, который в 1956 00:13:02.722 --> 00:13:07.960 году дал некое определение искусственного интеллекта и предположил, что сам 00:13:08.280 --> 00:13:12.478 искусственный интеллект должен основываться на предположении, что каждый 00:13:12.558 --> 00:13:17.435 аспект обучения или любая другая особенность интеллекта, в принципе, может 00:13:17.675 --> 00:13:19.274 быть описан настолько точно 00:13:20.009 --> 00:13:25.135 Что может быть создан некий механизм либо машина для его моделирования. 00:13:25.295 --> 00:13:29.860 И в широком смысле под искусственным интеллектом можно поднимать системы, 00:13:29.940 --> 00:13:35.307 способные выполнять специфические функции человеческого интеллекта. 00:13:36.192 --> 00:13:41.517 Опять мы, обратите внимание, идём к вопросу, можно ли смоделировать интеллект? 00:13:41.757 --> 00:13:45.280 Можно ли смоделировать, э-э, ну, само мышление? 00:13:46.201 --> 00:13:51.566 В последние годы надо отметить, ну, вот, э-э, систему искусственного интеллекта 00:13:53.685 --> 00:13:57.725 проникает буквально во все сферы человеческой деятельности Практически 00:13:57.925 --> 00:14:04.364 ежедневно мы получаем информацию о сам разработках и использовании систем в 00:14:04.524 --> 00:14:09.963 различных совершенно областях искусство, творчество, образование, управление 00:14:10.243 --> 00:14:12.803 персоналом, экономика, бизнес и так далее. 00:14:13.570 --> 00:14:18.446 Более того, в качестве приложения можно указать, например, на так называемые умные 00:14:18.606 --> 00:14:23.322 системы, под которые понимаются высокоорганизованные, целенаправленные 00:14:23.482 --> 00:14:28.638 технические системы различного назначения с элементами искусственного интеллекта. 00:14:29.186 --> 00:14:35.710 Например, умные города, умные светофоры, там, умные транспортные сети, умные 00:14:35.830 --> 00:14:41.273 сенсорные сети, умные производства, умные дома и так далее. 00:14:43.434 --> 00:14:49.318 Ну, говоря о том, что искусственный интеллект применяется в различных сферах 00:14:49.678 --> 00:14:50.478 деятельности. 00:14:51.398 --> 00:14:55.248 Ну, можно привести, например, вот область искусства, область творчества. 00:14:55.977 --> 00:15:00.419 Сейчас, когда мы о чём-то говорим, самый простой способ более подробно узнать — это 00:15:01.219 --> 00:15:05.741 войти в Интернет и, как говорится, загуглить то или иное словосочетание. 00:15:05.981 --> 00:15:10.423 Если, например, вы бы сейчас написали словосочетание «искусственный интеллект 00:15:10.543 --> 00:15:17.105 пишет стихи» или «искусственный интеллект там пишет рассказы», вы бы получили много 00:15:17.586 --> 00:15:18.586 информации о том, 00:15:19.124 --> 00:15:23.166 Как, например, разработаны специальные системы искусственного интеллекта, которые 00:15:23.607 --> 00:15:25.368 реально пишут стихи. 00:15:25.728 --> 00:15:31.012 Более того, качество литературно данных произведений достаточно высокое, 00:15:31.412 --> 00:15:32.813 достаточно высокое. 00:15:33.134 --> 00:15:34.255 И известны 00:15:35.127 --> 00:15:40.013 Ресурсы такие системы искусственного интеллекта, которые перед тем, как, ну, 00:15:40.333 --> 00:15:45.219 сгенерировать на основе опять же идеи искусственного интеллекта стихотворения 00:15:45.459 --> 00:15:48.262 запрашивают у вас там конкретного поэта. 00:15:48.342 --> 00:15:49.864 То есть они даже настраиваются 00:15:50.431 --> 00:15:55.952 ...на конкретного автора, на конкретного поэта, потому что, ну, творчество и стиль, 00:15:56.032 --> 00:16:00.233 там, формообразование, и другие характеристики литературных произведений, 00:16:00.353 --> 00:16:03.393 ну, в общем-то, отличаются у различных авторов. 00:16:03.473 --> 00:16:08.914 И, выбрав автора, вы получите по крайней мере, стихотворение, которое соотносится 00:16:09.074 --> 00:16:10.394 именно с именем этого поэта. 00:16:11.048 --> 00:16:16.008 Более того, известны ресурсы, которые системы искусственного интеллекта пишут, 00:16:16.048 --> 00:16:18.648 ну, например, рассказы, эссе. 00:16:19.208 --> 00:16:24.767 Как вариант, вы можете заказать в системах искусственного интеллекта, например, некое 00:16:24.847 --> 00:16:27.287 направление для создания. 00:16:27.327 --> 00:16:31.967 Ну, например, я там вы находитесь в лесу или на берегу реки 00:16:32.631 --> 00:16:38.393 Там шумят волны или там падают опавшие листья, и на основе этой фразы система 00:16:38.473 --> 00:16:41.634 искусственного интеллекта напишет вам рассказ. 00:16:41.994 --> 00:16:48.916 Качество этого рассказа, так сказать, как говорят литераторы, вложен, ответ на 00:16:48.996 --> 00:16:50.477 вопрос: «вложена ли душа?» 00:16:51.018 --> 00:16:53.859 ...в этот рассказ или нет — это отдельный вопрос. 00:16:53.979 --> 00:16:57.740 Но вы сами можете попробовать это сделать. 00:17:03.020 --> 00:17:09.302 Ещё на что мы должны обратить внимание вот такое рассматривая вопрос искусственного 00:17:09.382 --> 00:17:09.862 интеллекта? 00:17:10.577 --> 00:17:14.894 Анализ, так сказать, ну, современного экономического положения показывает, что в 00:17:14.974 --> 00:17:21.251 индустрию искусственного интеллекта ведущими странами вкладываются огромные 00:17:21.411 --> 00:17:28.128 финансовые ресурсы, что объясняется общим пониманием того, что именно искусственный 00:17:28.208 --> 00:17:28.648 интеллект 00:17:29.360 --> 00:17:34.080 Является в настоящее время одним из передовых направлений развития науки и 00:17:34.200 --> 00:17:40.719 техники. Ещё один пример, показывающий сколь масштабно расширение 00:17:40.959 --> 00:17:43.679 сферы применения систем искусственного интеллекта. 00:17:44.862 --> 00:17:49.983 Это появление значительного числа фирм на рынке, которые предлагают клиентам 00:17:50.183 --> 00:17:53.584 разработку, например, нейронных сетей на заказ. 00:17:53.984 --> 00:17:55.465 А именно — нейронные сети 00:17:56.105 --> 00:18:00.022 Ведь является в настоящее время наиболее распространённой формой практического 00:18:00.221 --> 00:18:04.617 использования систем искусственного интеллекта практически в любой сфере 00:18:04.737 --> 00:18:09.972 деятельности. Ну, и подобные фирмы говорят, что мы данную систему под вас, 00:18:10.052 --> 00:18:14.807 под вашу отрасль, под ваше производство делаем порядка, ну, там, за 3 месяца. 00:18:15.417 --> 00:18:20.372 Обратите внимание, как меняется бизнес в сфере вот таких разработки программных 00:18:20.492 --> 00:18:25.727 решений. Если раньше, ну, например, когда-то вам предлагали на заказ 00:18:25.967 --> 00:18:30.482 разработать какую-то базу данных, какую-то систему программирования, да? 00:18:32.752 --> 00:18:39.625 ...или э-э-э там внедрить там, допустим, м-м-м CRM-систему, 00:18:39.665 --> 00:18:41.822 да, ERP-систему и так далее. 00:18:42.102 --> 00:18:47.177 Сейчас фирма говорит: «Мы под вас разработаем систему искусственного 00:18:47.217 --> 00:18:51.213 интеллекта на основе нейронных сетей, которые повысят эффективность этого 00:18:51.453 --> 00:18:51.892 бизнеса». 00:18:52.493 --> 00:18:56.652 Это совершенно качественный шаг вперёд. 00:18:57.132 --> 00:19:01.811 Ну, неслучайно здесь именно нейросетевые технологии. 00:19:01.851 --> 00:19:06.611 Мы поговорим об этом чуть позже, почему из всех видов искусственного интеллекта 00:19:06.931 --> 00:19:08.090 всё-таки наибольшее 00:19:08.893 --> 00:19:13.772 Э-э, ну, скажем так, распространение сейчас получают нейронные сети. 00:19:15.572 --> 00:19:21.650 Анализ научно-методической литературы показывает, э-э, что в исследованиях по 00:19:21.730 --> 00:19:25.969 искусственному интеллекту можно выделить следующие основные направления. 00:19:26.905 --> 00:19:31.705 Первое — представление знаний и манипулирование знаниями. 00:19:32.145 --> 00:19:37.704 В рамках этого направления решаются задачи, связанные с формализацией и 00:19:37.864 --> 00:19:41.983 представлением знаний в памяти интеллектуальной системы. 00:19:42.937 --> 00:19:47.302 Для этого разрабатываются специальные модели представления знаний и языки для 00:19:47.462 --> 00:19:48.824 описания знаний. 00:19:49.024 --> 00:19:53.669 Выделяются различные типы знаний, изучаются источники, из которых 00:19:53.870 --> 00:19:58.996 интеллектуальная система может черпать знаний, и создаются процедуры 00:19:59.670 --> 00:20:04.190 Э-э, и приёмы, с помощью которых возможно приобретение знаний для интеллектуальной 00:20:04.270 --> 00:20:08.470 системы. Следующее направление назовём общение. 00:20:08.870 --> 00:20:15.830 В круг задач этого направления входят проблемы понимания связанных 00:20:15.950 --> 00:20:17.550 текстов на естественном языке. 00:20:18.385 --> 00:20:24.586 Синтез связанных текстов, понимание речи, синтез речи, теория моделей 00:20:24.666 --> 00:20:28.986 коммуникации между человеком и системой искусственного интеллекта. 00:20:29.227 --> 00:20:35.468 И к этому же кругу проблем примыкает задача формирования объяснения действий 00:20:35.548 --> 00:20:37.068 интеллектуальной системы. 00:20:37.483 --> 00:20:42.843 которые она должна уметь порождать по просьбе человека, а также комплекс задач, 00:20:43.163 --> 00:20:48.082 связанных с интеграцией в единый внутренний образ сообщений различной 00:20:48.162 --> 00:20:53.482 модальностей: речевых, текстовых, зрительных, полученных в процессе 00:20:53.522 --> 00:20:54.242 коммуникации. 00:20:55.387 --> 00:20:58.863 Ещё одно направление, назовём его восприятием. 00:20:59.423 --> 00:21:04.298 Это направление традиционно включает проблему анализа трёхмерных сцен, 00:21:04.577 --> 00:21:08.413 разработку методов представления информации от зрительных образов в базе 00:21:08.493 --> 00:21:14.087 знаний, создание методов перехода от зрительных сцен к их текстовому описанию. 00:21:14.667 --> 00:21:20.270 ...и методов обратного перехода: разработку процедур когнитивной графики, 00:21:20.510 --> 00:21:25.833 создание средств для порождения зрительных сцен на основе внутренних представлений об 00:21:25.953 --> 00:21:27.474 интеллектуальной системе. 00:21:28.074 --> 00:21:31.116 Обучение. Что здесь имеется в виду? 00:21:31.316 --> 00:21:35.478 Это речь идёт о создании метода формирования условий задачи. 00:21:36.033 --> 00:21:41.991 по описанию проблемной ситуации или по наблюдению за этой ситуацией научению 00:21:42.271 --> 00:21:47.349 переходу от известного решения частных задач, то есть примеры к решению общей 00:21:47.509 --> 00:21:52.227 задачи, да, созданию теорий своего рода подражательного поведения 00:21:53.617 --> 00:21:58.175 Поведение. Так как интеллектуальные системы должны действовать в некоторой 00:21:58.255 --> 00:22:02.693 окружающей среде, то необходимо разработать специальные поведенческие 00:22:02.893 --> 00:22:08.691 процедуры, которые, которые позволили бы им адекватно взаимодействовать с 00:22:08.731 --> 00:22:09.971 окружающей средой. 00:22:10.734 --> 00:22:13.931 другими интеллектуальными системами и социумом. 00:22:14.411 --> 00:22:20.207 Для достижения такого взаимодействия надо провести исследования в ряде направлений и 00:22:20.366 --> 00:22:26.082 создать модели целесообразного поведения, нормативного поведения, ситуативного 00:22:26.242 --> 00:22:29.999 поведения, специальные методы многоуровневого планирования и коррекции 00:22:30.159 --> 00:22:30.399 планов 00:22:30.955 --> 00:22:33.715 в различных динамических ситуациях. 00:22:36.196 --> 00:22:42.437 В качестве примера хочется привести названия проектов, которые в нашей стране 00:22:42.957 --> 00:22:47.838 были реализованы Пермским отделением Научного совета Российской академии наук 00:22:48.505 --> 00:22:50.746 По методологии искусственного интеллекта. 00:22:51.026 --> 00:22:55.147 Да, вот такие своего рода интерактивные приложения разработанные в Перменской 00:22:55.267 --> 00:22:58.388 школей школе искусственного интеллекта. 00:22:58.988 --> 00:23:03.470 Представленные проекты, созданные разработчиками при помощи сервиса 00:23:03.870 --> 00:23:06.591 Универсальной нейросетевой системы поддержки 00:23:07.253 --> 00:23:08.812 Э-э, принятие решений. 00:23:09.132 --> 00:23:13.290 Вот сейчас на экране мы увидим названия этих проектов. 00:23:14.729 --> 00:23:16.608 Итак, проект. 00:23:16.768 --> 00:23:20.086 Определение способностей к руководящей деятельности. 00:23:20.486 --> 00:23:24.204 Определение прочности брака, прогноз продолжительности брака. 00:23:24.680 --> 00:23:29.082 Определение способности к научной деятельности, определение склонности к 00:23:29.162 --> 00:23:33.084 анарексии, определение склонности к насилию и так далее. 00:23:33.564 --> 00:23:38.927 Обратите внимание, в скобочках разработчики пишут онлайн — это означает, 00:23:39.207 --> 00:23:39.647 э-э-э 00:23:40.745 --> 00:23:47.545 Что вы можете, каждый из вас онлайн попробовать получить ответ на 00:23:47.665 --> 00:23:48.865 тот или иной вопрос. 00:23:48.985 --> 00:23:53.305 Ну, например, способность к руководящей деятельности или там к научной 00:23:53.385 --> 00:23:58.385 деятельности. Хотелось бы ещё раз обратить внимание 00:23:58.992 --> 00:24:04.033 Что разработчики эти проекты реализовали на базе нейросетевых технологий. 00:24:04.233 --> 00:24:11.194 То есть тут математика и вообще теория отличается от просто 00:24:11.514 --> 00:24:13.235 какого-то усреднения, там 00:24:14.962 --> 00:24:18.119 Анализа простого математического, статистического. 00:24:18.159 --> 00:24:22.156 Здесь реализовано обучение на основе нейросетевых технологий. 00:24:22.436 --> 00:24:26.713 И работа с каждым из представленных проектов основывается на ответах 00:24:26.953 --> 00:24:29.831 респондентов на специально подготовленные вопросы. 00:24:30.571 --> 00:24:36.251 Да. Ну, ниже мы сейчас увидим пример подобного рода вопросов по результатам 00:24:36.371 --> 00:24:41.491 ответов на которые нейросетевая система может делать вывод о способности 00:24:41.731 --> 00:24:44.811 респондента к научной деятельности. 00:24:45.331 --> 00:24:46.651 Давайте посмотрим. 00:24:47.210 --> 00:24:51.333 Какие же вопросы необходимо на какие? 00:24:51.533 --> 00:24:57.657 Ну, давайте, э-э, посмотрим, какого на какие вопросы необходимо ответить 00:24:57.938 --> 00:25:02.581 респонденту, чтобы определить свои способности к научной деятельности. 00:25:03.410 --> 00:25:09.645 Дата рождения, пол, национальность матери, национальность отца, этнолингвистическая 00:25:09.885 --> 00:25:14.961 группа выбрать, были ли ответить на вопрос: были ли в семье люди, связанные с 00:25:15.001 --> 00:25:18.279 наукой, был ли вундеркильдом в раннем возрасте и так далее. 00:25:18.639 --> 00:25:21.996 Эти вопросы сами по себе их перечень — это тоже результат 00:25:22.860 --> 00:25:28.856 Ну, анализа разработчиками, э-э, так сказать, ну, основополагающих таких 00:25:29.696 --> 00:25:36.131 моментов, связанных с определением степени склонности к научной деятельности 00:25:36.771 --> 00:25:40.448 с точки зрения, опять же, реализации системы искусственного интеллекта. 00:25:42.920 --> 00:25:45.921 Можно ещё рассмотреть пример известный, да? 00:25:46.201 --> 00:25:48.962 Ну, например, искусственный интеллект в медицине. 00:25:49.282 --> 00:25:52.443 Например, для диагностики инфаркта миокарда. 00:25:53.043 --> 00:25:55.083 В чём тут алгоритм схемы? 00:25:55.530 --> 00:26:00.132 Скорая помощь доставляет больному в приёмный покой, острая боль в груди. 00:26:00.333 --> 00:26:02.774 Дежурный врач должен поставить диагноз. 00:26:03.054 --> 00:26:08.456 И опыт показывает, что доля пациентов с данным заболеванием невелика. 00:26:08.736 --> 00:26:14.379 По статистике, врач правильно диагностирует инфаркт у 88% больных, но 00:26:14.499 --> 00:26:16.380 может и поставить этот диагноз, да? 00:26:17.029 --> 00:26:23.909 И в 1990 году Уильям Бакс, Калифорнийский университет, стал использовать 00:26:24.069 --> 00:26:30.988 нейронную сеть, многослойный персептрон для распознавания данного заболевания, ну 00:26:31.188 --> 00:26:34.628 пациентов, которые поступают в приёмный покой. 00:26:35.237 --> 00:26:39.078 Обратите внимание, он использовал лишь 20 параметров. 00:26:39.158 --> 00:26:43.439 Среди которых возраст, пол, локализация боли и так далее, и так далее. 00:26:43.679 --> 00:26:45.239 Ряд особенностей ЭКГ. 00:26:45.599 --> 00:26:52.161 И сеть, нейро, нейросеть продемонстрировала точность 92% ответа на 00:26:52.281 --> 00:26:56.802 вопрос, а ложная тревога, скажем так, ошибка, всего лишь 4 %. 00:26:57.563 --> 00:27:00.966 И надо сказать, что подобных примеров вот эффективно... 00:27:01.086 --> 00:27:05.130 Этот пример взят из литературных источников, но сейчас, к настоящему 00:27:05.250 --> 00:27:11.256 времени уже, после 1990 года, огромное количество примеров эффективного 00:27:11.417 --> 00:27:12.418 применения систем 00:27:12.974 --> 00:27:15.857 ...искусственного интеллекта в различных областях. 00:27:16.377 --> 00:27:21.782 Рассмотрим отдельный вопрос, связанный с моделированием нейронных сетей. 00:27:22.183 --> 00:27:28.869 Вообще, хмм, надо отметить, что искусственный интеллект — это отрасль 00:27:28.989 --> 00:27:29.550 научная. 00:27:30.100 --> 00:27:34.420 который занимается исследованием и моделированием естественного интеллекта 00:27:34.580 --> 00:27:36.021 человека, как мы говорили. 00:27:36.301 --> 00:27:41.622 Но поскольку естественный интеллект — это очень сложный объект то, вообще говоря, в 00:27:41.662 --> 00:27:46.102 том числе его можно моделировать на разных уровнях абстрагирования 00:27:46.804 --> 00:27:53.082 И иногда выделяют три таких уровня, которым, соответственно, 00:27:54.202 --> 00:27:59.480 с которыми, соответственно, связаны три основные стратегии создания системы 00:28:00.200 --> 00:28:01.679 искусственного интеллекта. 00:28:01.959 --> 00:28:02.999 Первая стратегия 00:28:03.641 --> 00:28:05.601 Технология экспертных систем. 00:28:06.321 --> 00:28:10.241 Вторая стратегия — нейросетевые технологии. 00:28:10.401 --> 00:28:15.440 И третья стратегия — это технологии эволюционного моделирования. 00:28:16.120 --> 00:28:18.240 Вот три такие стратегии. 00:28:23.282 --> 00:28:28.322 И, в частности, говоря о моделировании нейронных сетей, да, на что вот сама 00:28:28.402 --> 00:28:29.962 стратегия в чём состоит? 00:28:30.282 --> 00:28:35.882 Она состоит в том, что должна быть построена некая модель, учитывающая 00:28:36.002 --> 00:28:40.642 структуру мозга, состоящего из множества нейронов, соединённых 00:28:41.253 --> 00:28:42.894 ...нервными волокнами, да? 00:28:43.375 --> 00:28:46.537 И в общем случае, как работает подобная система? 00:28:46.937 --> 00:28:52.500 Знания туда поступают в эту модель в ходе её обучения на специально подобранных 00:28:52.620 --> 00:28:56.062 примерах, которые характеризуют предметную область, да? 00:28:56.343 --> 00:28:59.665 И как и в мозге, знания в подобной системе должны храниться 00:29:00.261 --> 00:29:01.780 Ну, в неявной форме. 00:29:02.020 --> 00:29:08.176 Да, кодироваться в множестве сил, там, в множестве сил синаптических связей. 00:29:08.256 --> 00:29:10.894 Что это такое, мы чуть позже скажем, да. 00:29:11.294 --> 00:29:16.011 И вот как раз такой подход 00:29:16.912 --> 00:29:22.397 Он начал развиваться ещё где-то, ну, с середины XX века, и основоположниками 00:29:22.557 --> 00:29:28.082 данной стратегии считаются Маккалок, Питс, Розенблак. 00:29:29.523 --> 00:29:35.528 Почему мы вообще начали разговор с моделирования именно нейронных сетей? 00:29:36.177 --> 00:29:41.262 Дело в том, что в настоящее время именно вот это направление, эта стратегия 00:29:41.742 --> 00:29:48.347 занимает, ну, лидирующие позиции среди других 00:29:48.508 --> 00:29:50.910 направлений развития искусственного интеллекта. 00:29:51.207 --> 00:29:57.774 То есть роль и место применения нейронных сетей, включая, например, образование во 00:29:57.854 --> 00:30:00.777 всех сферах, да, требует отдельного рассмотрения. 00:30:01.137 --> 00:30:06.743 Почему? Потому что нам нужно разобраться, как организуются нейронные сети, как они 00:30:06.944 --> 00:30:07.865 моделируются. 00:30:08.611 --> 00:30:14.369 Нужно проанализировать целесообразность и возможность формирования представлений об 00:30:14.529 --> 00:30:17.327 этом важнейшем направлении искусственный интеллект. 00:30:17.927 --> 00:30:23.405 Нейронные сети в общем случае представляют собой модели работы реальных нейронных 00:30:23.525 --> 00:30:25.404 сетей живых существ. 00:30:26.098 --> 00:30:32.100 Причём моделирование нейронной сети можно осуществлять с помощью 00:30:32.740 --> 00:30:35.341 практически любого языка программирования. 00:30:35.621 --> 00:30:41.902 И в общем случае, в общем варианте концепция нейронных сетей предполагает 00:30:42.062 --> 00:30:47.544 обучение по принципу обучение с учителем по схеме — «стимул — реакция». 00:30:48.147 --> 00:30:53.667 ...с указанием правильных ответов, а далее можно работать уже с незнакомыми данными. 00:30:54.507 --> 00:31:00.067 Вообще, мы всегда с вами пытаемся соотнести искусственный интеллект с 00:31:00.107 --> 00:31:01.667 естественным интеллектом, да? 00:31:01.947 --> 00:31:06.307 И поэтому, когда рассматриваются искусственные нейронные сети 00:31:07.684 --> 00:31:13.202 Мы стараемся опираться на биологические основы функционирования нейронов. 00:31:13.482 --> 00:31:19.720 Ведь мозг представляет собой огромную сеть, где каждым узлом является нервная 00:31:19.880 --> 00:31:21.119 клетка-нейрон. 00:31:21.479 --> 00:31:24.798 Ну, считается, что кора головного мозга содержит 00:31:25.386 --> 00:31:27.986 От 10 до 20 млрд нейронов. 00:31:28.186 --> 00:31:30.305 По другим оценкам, до 100 млрд. 00:31:30.385 --> 00:31:31.585 Разные есть оценки. 00:31:31.865 --> 00:31:38.744 При этом каждый нейрон, нервная клетка, может иметь связи примерно с 10 000 других 00:31:38.824 --> 00:31:43.463 нейронов. По местоположению и функциям в нервной системе различается. 00:31:43.938 --> 00:31:47.096 Сенсорные, рецепторные, вставочные, 00:31:47.376 --> 00:31:53.692 интерне-интер-интернейроны, эффекторные, мотонейроны-нейроны. 00:31:53.932 --> 00:31:59.608 Передача информации в мозгу, как и нервной системе в целом осуществляется посредством 00:31:59.888 --> 00:32:01.007 нервных импульсов. 00:32:01.617 --> 00:32:08.331 Передача этих нервных импульсов 00:32:10.289 --> 00:32:15.125 осуществляется в направлении от тела клетки к концевому отделу аксона, который 00:32:15.525 --> 00:32:16.364 может ветвиться 00:32:17.131 --> 00:32:21.334 Образуя множество окончаний, контактирующих с другими нейронами через 00:32:21.654 --> 00:32:28.218 узкую щель. Синапс Важно, что нейроны работают не сами по себе, а 00:32:28.338 --> 00:32:30.459 иерархически объединяются. 00:32:30.659 --> 00:32:35.102 Сначала в локальные нейронные контуры или локальные сети, которые состоят из 00:32:35.182 --> 00:32:35.702 нейронов. 00:32:36.082 --> 00:32:41.887 Выполняющих одну функцию Локальные контуры объединяются в отделы, которые выполняют 00:32:41.967 --> 00:32:48.934 совокупность схожих функций Давайте посмотрим на рисунок, отражающий 00:32:49.054 --> 00:32:52.537 нейрон как биологическую, физиологическую систему. 00:32:53.075 --> 00:32:59.711 Здесь, как мы видим, аксон, синапсы, дендриты, то есть те элементы, которые 00:33:00.111 --> 00:33:03.630 только что мы охарактеризовали с точки зрения биологии. 00:33:05.229 --> 00:33:08.547 Вот сам взгляд. 00:33:09.005 --> 00:33:13.802 При рассмотрении систем искусственного интеллекта, то есть искусственных систем, 00:33:14.042 --> 00:33:20.199 на реальную биологическую, ну, картину вот мышления, он показывает, что вообще говоря 00:33:21.118 --> 00:33:23.997 искусственный интеллект, системы искусственного интеллекта 00:33:24.863 --> 00:33:30.941 Это не предмет исследований какой-то конкретной научной области. 00:33:31.061 --> 00:33:36.299 Ну, например, это задача не только математиков, там, или информатиков. 00:33:36.459 --> 00:33:42.657 На самом деле для разработки систем искусственного интеллекта должны быть 00:33:42.897 --> 00:33:45.177 приложены усилия и математиков. 00:33:45.493 --> 00:33:51.057 ...и физиков, и нейробиологов, и психологов, и, конечно, программистов, и 00:33:51.177 --> 00:33:54.620 философов, инженеров и так далее. 00:33:54.981 --> 00:34:00.105 Потому что здесь необходимо решать глобальные вопросы, э-э, связанными... 00:34:01.813 --> 00:34:05.452 Вообще с путями развития вот научной мысли, да. 00:34:05.572 --> 00:34:10.410 И даже рассматривать вопросы, как применение вот этих систем искусственного 00:34:10.490 --> 00:34:15.049 интеллекта будет влиять на жизнь будущих поко- будущих поколений, да. 00:34:15.209 --> 00:34:19.568 То есть такая, знаете, междисциплинарная сфера исследований. 00:34:20.209 --> 00:34:25.729 Результат работы, ну, такой слаженной различных дисциплин, различных научных 00:34:25.889 --> 00:34:27.690 направлений и областей. 00:34:27.850 --> 00:34:34.490 Да. И по сути, вот когда такая идёт интеграция, требуется и 00:34:34.570 --> 00:34:38.451 философское осмысление полученных научных результатов. 00:34:39.657 --> 00:34:46.217 Давайте ещё раз проговорим вот, э-э, так сказать, биомеханику работы 00:34:47.497 --> 00:34:51.857 реально, э-э, головного мозга, мозга вообще человека. 00:34:52.217 --> 00:34:55.697 Ведь мозг человека состоит из белого и серого вещества. 00:34:56.216 --> 00:35:00.939 И вот белое вещество — это тела нервных клеток, которые называются нейроны. 00:35:01.219 --> 00:35:04.942 А серое вещество — это соединяющие их нервные волокна. 00:35:05.782 --> 00:35:12.427 Как мы говорили, каждый нейрон состоит из трёх частей: телоклетки, дендриты и аксон. 00:35:12.968 --> 00:35:17.205 Дендриты и аксоны — это вот видные, которые мы сейчас видим на рисунке, 00:35:17.285 --> 00:35:22.442 нервные отростки, через которые нейрон обменивается, что важно, электрическими 00:35:22.602 --> 00:35:25.440 сигналами с другими нейронами, да? 00:35:25.919 --> 00:35:31.835 И каждый нейрон может иметь до 10 000 дендритов и всего лишь один аксон. 00:35:32.075 --> 00:35:34.114 Через дендриты нейрон 00:35:34.805 --> 00:35:41.169 Принимает электрические сигналы, поступающие от других нейронов по нервным 00:35:41.289 --> 00:35:44.971 волокнам. Ну, в техническом смысле, как по проводам. 00:35:45.611 --> 00:35:50.374 Если сигналов много и они достаточно интенсивны, то нейрон переходит в 00:35:50.414 --> 00:35:51.735 возбуждённое состояние 00:35:52.420 --> 00:35:56.783 ...и сам вырабатывает электрический сигнал, который передаёт в аксон. 00:35:57.584 --> 00:36:03.427 Аксон на своём другом конце разветвляется на тысячу нервных волокон, которые те-е- 00:36:03.587 --> 00:36:07.030 затем соединяются с дендритами других нейронов. 00:36:07.150 --> 00:36:12.513 А вот места соединения нервных волокон с дендритами, вот на рисунке обратите 00:36:12.633 --> 00:36:13.153 внимание... 00:36:13.362 --> 00:36:16.685 ...и называется синапсами. 00:36:17.886 --> 00:36:21.690 Есть очень много вопросов, которые при этом возникают. 00:36:21.770 --> 00:36:28.256 Ну, например, как человеческий мозг запоминает информацию и как её 00:36:28.576 --> 00:36:29.337 обрабатывает? 00:36:30.013 --> 00:36:35.093 Ну, я думаю, что до настоящего времени нет чёткого ответа на этот вопрос. 00:36:35.413 --> 00:36:41.012 Но известно, что, например, число, общее число нейронов в течение жизни, общее 00:36:41.052 --> 00:36:43.652 число практически не изменяется. 00:36:43.812 --> 00:36:46.892 Да? А что о чём это говорит? 00:36:47.052 --> 00:36:47.092 Что 00:36:48.065 --> 00:36:52.505 Мозг ребёнка и мозг взрослого человека содержит приблизительно, ну, 00:36:52.585 --> 00:36:55.424 приблизительно одинаковое количество нейронов. 00:36:56.144 --> 00:36:57.384 Да. И поэтому 00:36:59.167 --> 00:37:05.213 ...и ребёнка, и взрослого человека, да, и у спортсмена, например, и у известного 00:37:05.373 --> 00:37:10.498 учёного-политика тоже примерно одинаковое количество нейронов. 00:37:10.818 --> 00:37:15.783 Отличие состоит в величинах электропроводности синапсов. 00:37:17.057 --> 00:37:24.020 Вообще, хмм, вот электропроводность и синапса биологи 00:37:24.140 --> 00:37:28.983 называют силой межнейронных синаптических связей. 00:37:29.223 --> 00:37:32.785 Считается, пока эта точка зрения очень распространена 00:37:33.594 --> 00:37:38.519 Что мозг одного человека отличается от мозга другого человека прежде всего 00:37:38.679 --> 00:37:42.362 величинами сил межнейронных синаптических связей. 00:37:42.562 --> 00:37:47.206 И на этом основании даже была высказана гипотеза о том, что все наши мысли 00:37:47.847 --> 00:37:53.641 Эмоции, знания, вся информация, хранящаяся в человеческом мозге, закодирована в виде 00:37:53.721 --> 00:37:58.715 огромного количества чисел, характеризующих силы вот этих межнейронных 00:37:58.835 --> 00:38:00.793 синаптических связей. 00:38:01.512 --> 00:38:03.110 Можно попытаться 00:38:04.695 --> 00:38:11.618 Оценить, ну, например, так: «Сколько чисел способен запомнить вот такой 00:38:11.858 --> 00:38:17.300 гипотетический мозг, если допустить, что с помощью одной синаптической связи можно 00:38:17.620 --> 00:38:19.421 закодировать одно число? 00:38:19.901 --> 00:38:24.623 Да? Ну, в человеческом мозге содержится приблизительно 10 в одиннадцатой степени 00:38:24.703 --> 00:38:25.223 нейронов». 00:38:26.063 --> 00:38:32.428 Каждый нейрон связан, как мы говорили, ну, пусть э-э там 10 в третьей, 10 четвёртой 00:38:33.069 --> 00:38:34.991 такое количество других нейронов. 00:38:35.311 --> 00:38:40.996 Соответственно, биологическая нейронная сеть, составляющая мозг человека, содержит 00:38:41.116 --> 00:38:43.078 порядка 10 четырнадцатой, ну 00:38:43.788 --> 00:38:46.546 Там до 10 в пятнадцатой степени сенапс. 00:38:46.866 --> 00:38:53.343 Получается тогда, что именно такое количество чисел человек способен 00:38:53.623 --> 00:38:59.100 хранить в памяти И что именно таким количеством чисел закодированы в нашем 00:38:59.140 --> 00:39:01.259 мозге все наши знания, жизненный опыт 00:39:02.232 --> 00:39:07.998 Мысли, эмоции, вообще вся информация, которую человек получает. 00:39:11.161 --> 00:39:18.088 Вот, э-э говоря о нейронах мозга, да, человеческого, интересно посмотреть 00:39:18.768 --> 00:39:18.808 и 00:39:19.641 --> 00:39:24.324 Осуществить сравнение того, как решает интеллектуальные, по сути, вычислительные 00:39:24.484 --> 00:39:27.485 задачи компьютер и мозг человека, да? 00:39:27.766 --> 00:39:33.088 Причём в обоих случаях, вот некоторые авторы выделяют типовые элементы. 00:39:40.870 --> 00:39:43.468 Итак, давайте посмотрим на эту таблицу. 00:39:46.586 --> 00:39:52.382 Выделены параметры и два столбика: компьютер и мозг. 00:39:52.502 --> 00:39:53.901 Можем ли мы их соотносить? 00:39:54.221 --> 00:39:58.418 Ну, например, что является процессорный элемент-процессорным элементом? 00:39:58.977 --> 00:40:03.054 У компьютера это сложный элемент, высокоскоростной. 00:40:03.174 --> 00:40:06.293 И в принципе процессоров не может быть много. 00:40:06.493 --> 00:40:10.490 Ну, там какое-то количество в компьютере, в этом нет особого смысла. 00:40:10.970 --> 00:40:17.087 Что такое мозг? Простой процессорный элемент, низкоскоростной, но зато их 00:40:17.127 --> 00:40:17.487 много. 00:40:18.062 --> 00:40:23.104 Что является памятью? У компьютера это некий элемент, который, во-первых, отделён 00:40:23.224 --> 00:40:27.665 от процессора, локализован и не-не ассоциативен. 00:40:27.865 --> 00:40:29.465 А что такое у мозга память? 00:40:29.625 --> 00:40:33.947 Это интегрированная, по сути, с процессором распределённая ассоциативная 00:40:34.606 --> 00:40:37.165 Э-э, ассоциативный компонент. 00:40:37.805 --> 00:40:41.365 Как осуществляется вычисление в компьютере? 00:40:42.098 --> 00:40:46.459 Нецентрализованны, последовательны и строго детерминированны, поскольку 00:40:46.819 --> 00:40:48.980 осуществляются по алгоритму. 00:40:49.180 --> 00:40:50.620 А как вычисляет мозг? 00:40:50.700 --> 00:40:52.620 Ну, вычисляет так в широком смысле. 00:40:52.861 --> 00:40:58.662 Эти вычисления распределённые могут быть параллельными, адаптивными и так далее. 00:41:01.785 --> 00:41:06.910 И также и по другим характеристикам мы можем соотнести компьютер и мозг. 00:41:06.990 --> 00:41:12.194 Ну, например, по области действия вообще компьютер классический работает с 00:41:12.314 --> 00:41:14.636 алгоритмизированными задачами. 00:41:14.836 --> 00:41:16.197 А вот мозг, например, 00:41:16.975 --> 00:41:21.976 У него область действия не ограничена, он может работать в условиях неопределённости 00:41:22.216 --> 00:41:25.977 и так далее. Вот поясним, в чём тут особенность, например. 00:41:26.097 --> 00:41:31.738 Когда компьютер, ну, такой классически решает задачу, ему, конечно, нужна 00:41:31.899 --> 00:41:34.099 программа, по которой он работает. 00:41:34.557 --> 00:41:39.713 И в ходе выполнения команд этой программы он получает какой-то новый результат. 00:41:40.233 --> 00:41:42.191 Как работает мозг? 00:41:42.831 --> 00:41:45.669 Он может не перебирать варианты. 00:41:45.749 --> 00:41:51.665 И в любой сфере вы, взглянув на какую-то проблемную ситуацию, можете найти решение, 00:41:51.825 --> 00:41:52.864 э-э, ну, сразу. 00:41:53.665 --> 00:41:57.269 Даже если это является работой, ну, в условиях неопределённости. 00:41:57.389 --> 00:42:02.073 Взяли, посмотрели, увидели, подумали, сделали. 00:42:04.916 --> 00:42:09.840 Перейдём далее к рассмотрению уже неестественного нейрона. 00:42:10.416 --> 00:42:12.694 А искусственного нейрона. 00:42:13.494 --> 00:42:20.209 И можно хмм ну вспомнить, что первой работой, которая заложила 00:42:20.369 --> 00:42:25.246 теоретический фундамент для создания вот таких интеллектуальных устройств, да, на 00:42:25.366 --> 00:42:26.285 самом низком вот 00:42:26.705 --> 00:42:32.142 ...структурном уровне. Это была статья Уэна Маккаллака и Вальтера Питца. 00:42:32.222 --> 00:42:36.580 Она называлась «Идеи логических вычислений нервной деятельности». 00:42:37.139 --> 00:42:41.657 Эта работа была опубликована в 1943 году. 00:42:42.097 --> 00:42:43.456 Названные учёные — это 00:42:44.128 --> 00:42:46.329 Математики, нейрофизиологи. 00:42:46.530 --> 00:42:53.134 И поэтому именно они обоснованно считаются основателями вот того направления в 00:42:53.254 --> 00:42:59.258 искусственном интеллекте, информатике, которое называется, ну, иногда его 00:42:59.418 --> 00:43:01.220 называют нейроинформатики. 00:43:01.340 --> 00:43:03.501 Почему? Потому что именно они 00:43:04.395 --> 00:43:10.032 Предложили некую математическую модель нейрона мозга человека, ну, назвали его 00:43:10.352 --> 00:43:13.230 математическим или модельным нейроном. 00:43:13.910 --> 00:43:20.387 То есть искусственный нейрон — это некий узел искусственной нейронной сети, 00:43:20.667 --> 00:43:24.985 являющийся упрощённой моделью естественного нейрона. 00:43:25.594 --> 00:43:31.841 Математически искусственный нейрон обычно представляет как некую нелинейную функцию 00:43:32.282 --> 00:43:38.569 от единственного аргумента линейной комбинации всех входных сигналов. 00:43:39.067 --> 00:43:45.266 Данную функцию называют функцией активации или функцией срабатывания или передаточной 00:43:45.346 --> 00:43:50.186 функцией. И полученный результат посылается на единственный выход. 00:43:51.626 --> 00:43:57.066 Такие искусственные нейроны можно объединять в сети, соединяя выходы одних 00:43:57.146 --> 00:44:00.186 нейронов с выходами других нейронов. 00:44:02.067 --> 00:44:06.709 Обратите внимание вообще на фундаментальность и оригинальность данного 00:44:06.909 --> 00:44:13.151 подхода. Даже когда мы рассматривали с вами биологический нейрон, 00:44:13.871 --> 00:44:20.514 вот сразу его схема, анализ его работы подталкивает нас к мысли моделирования 00:44:20.674 --> 00:44:21.634 данной системы. 00:44:22.220 --> 00:44:23.366 Любой специалист 00:44:24.387 --> 00:44:28.665 Ну, скажем, с техническим образованием, с математическим, физическим и так далее, 00:44:28.785 --> 00:44:35.582 понимает, что если есть некая система, у которой есть входы и есть выходы, то 00:44:35.782 --> 00:44:38.221 такую систему можно смоделировать. 00:44:38.581 --> 00:44:41.140 Именно предложенная модель, о которой 00:44:41.340 --> 00:44:45.978 ...который у нас сейчас представлен на рисунке, отражает данный подход. 00:44:46.178 --> 00:44:51.256 Есть некие входы, обратите внимание, соотнеся их с рисунками, есть синапсы, 00:44:51.416 --> 00:44:53.695 есть ячейка нейрона, есть аксон. 00:44:53.815 --> 00:44:58.213 То есть входы каким-то образом преобразуются в выходы. 00:44:59.223 --> 00:45:03.914 Вот она, простейшая техническая система, простейшая 00:45:04.505 --> 00:45:06.265 Техническая модель, да? 00:45:06.585 --> 00:45:12.706 Ещё раз обратите внимание, есть входы, есть выходы, но вход, выход получается 00:45:14.147 --> 00:45:18.707 с использованием специальной функции, которая называется функция активации или 00:45:18.908 --> 00:45:20.628 функция срабатывания. 00:45:20.908 --> 00:45:23.508 Есть выход. В данном случае он обозначен Y. 00:45:23.548 --> 00:45:26.829 На входе некий, даже, по сути, вектор X 00:45:28.450 --> 00:45:34.772 А на выходе You, обратите внимание, выход может являться 00:45:35.572 --> 00:45:38.132 входом другого нейрона. 00:45:38.172 --> 00:45:43.773 И таким образом совершенно естественным образом мы получаем модель, такую 00:45:43.893 --> 00:45:44.973 нейросетевую. 00:45:45.262 --> 00:45:49.897 ...состоящие из какого-то определённого числа нейронов. 00:45:50.536 --> 00:45:54.292 В простейшей ситуации это может быть один нейрон. 00:45:56.090 --> 00:46:02.284 Вот сама по себе идея Маккала Кэпици состояла в том, во-первых, даже 00:46:02.926 --> 00:46:08.207 В графической визуализации нейронов, а именно вот как раз кружочек со стрелочками 00:46:08.327 --> 00:46:14.088 — это и есть их обозначение математического нейрона. 00:46:14.408 --> 00:46:18.128 На входе X1.2 и так далее, на выходе егрек. 00:46:18.732 --> 00:46:25.131 Да, то есть. Но при этом, получив входные 00:46:26.331 --> 00:46:32.930 сигналы, да, вот эти X-1, X2 и так далее, система их 00:46:33.450 --> 00:46:34.890 должна просуммировать. 00:46:35.174 --> 00:46:41.292 Но не просто должна их просуммировать, а при этом умножив каждый сигнал на 00:46:41.452 --> 00:46:43.651 некоторый весовой коэффициент. 00:46:43.851 --> 00:46:50.449 Вот внизу на рисунке написано: S равно сумма сигма иксы 00:46:51.129 --> 00:46:51.169 там 00:46:51.813 --> 00:46:58.737 Иксые умножить на Wite wit, э-э, где изменяется, ну, например, от одного 00:46:58.857 --> 00:47:01.539 до N. Вот такая ситуация. 00:47:01.659 --> 00:47:07.262 А после выполнения операции суммирования, э-э, как раз математически нейрон и 00:47:07.342 --> 00:47:08.983 формирует выходной сигнал. 00:47:09.458 --> 00:47:15.015 И правило здесь может быть очень простым, например, игрек, который у нас представлен 00:47:16.774 --> 00:47:17.814 на рисунке, да? 00:47:18.593 --> 00:47:24.431 Может быть, например, единица, если S, которое мы только что вычислили, 00:47:24.831 --> 00:47:31.428 больше-равна, ну, какой-то величине, да, и ноль, если она меньше какой-то величины. 00:47:31.508 --> 00:47:36.186 Эта величина называется порогом чувствительности нейрона. 00:47:38.129 --> 00:47:43.013 Таким образом, можно обратить внимание, что математический нейрон, как и его 00:47:43.254 --> 00:47:49.019 биологический прототип, нейрон мозга, может существовать в двух состояниях: 00:47:49.300 --> 00:47:51.822 возбуждённом и невозбуждённом. 00:47:52.102 --> 00:47:55.065 Если вот эта взвешенная сумма входных сигналов 00:47:56.054 --> 00:48:00.410 Если меньше пороговой величины, о которой мы говорили, то математически нейрон не 00:48:00.490 --> 00:48:03.726 возбуждён, и его выходной сигнал равен нулю. 00:48:03.966 --> 00:48:04.326 Если же 00:48:04.930 --> 00:48:09.812 Если входные сигналы достаточно интенсивны и их сумма достигает порога 00:48:09.932 --> 00:48:14.774 чувствительности, то нейрон переходит в возбуждённое состояние, и на его выходе 00:48:14.894 --> 00:48:18.215 формируется сигнал грек, равный единице. 00:48:20.620 --> 00:48:24.501 Математическая модель нейрона предполагает, ну, определённую 00:48:24.662 --> 00:48:29.344 интерпретацию понятий, связанных с функционированием биологического нейрона. 00:48:29.824 --> 00:48:31.385 Давайте на этом остановимся. 00:48:31.705 --> 00:48:37.107 Сенапсия характеризуется своим весом, осуществляет связь между нейронами 00:48:38.004 --> 00:48:42.481 Умножает входной сигнал на весовой коэффициент синапса. 00:48:42.641 --> 00:48:43.920 Что такое суматор? 00:48:44.160 --> 00:48:50.675 Это аналог тела клетки нейрона, выполняет сложение внешних хмм входных сигналов или 00:48:50.835 --> 00:48:54.992 сигналов, поступающих по синаптическим связям от других нейронов. 00:48:55.479 --> 00:48:58.635 Он определяет уровень возбуждения нейрона. 00:48:59.434 --> 00:49:06.265 И функция активации определяет окончательный, выходной уровень нейрона, с 00:49:06.385 --> 00:49:10.939 которым сигнал возбуждения поступает на сигналы следующих нейронов. 00:49:14.572 --> 00:49:18.173 Что можно сказать вот о весовых коэффициентах? 00:49:18.293 --> 00:49:23.854 Вот они, э-э, представлены на рисунке W1, B2, B3 и так далее. 00:49:24.614 --> 00:49:28.815 Они вообще имеют определённый физический смысл. 00:49:29.455 --> 00:49:34.216 Они имитируют по сути электропрородности нервных волокон, то есть тех самых, 00:49:34.296 --> 00:49:35.136 которые биологи 00:49:36.051 --> 00:49:42.289 Называют силами межнейронных синаптических связей или синаптическими весами. 00:49:42.729 --> 00:49:48.407 Чем эти силы больше, тем в большей величины сигнала попадает нейрон, и тем 00:49:48.487 --> 00:49:52.766 выше вероятность его перехода в возбуждённое состояние. 00:49:55.788 --> 00:50:01.825 Э-э, ну, мы уже ранее как бы обращали внимание, и это известно, что э-э вообще 00:50:04.583 --> 00:50:08.181 сила синаптических связей имеет очень большое значение. 00:50:08.740 --> 00:50:12.818 Но есть мнение, что именно с их помощью человеческий мозг кодирует 00:50:13.446 --> 00:50:16.369 всю имеющуюся у него информацию, да. 00:50:16.729 --> 00:50:23.696 И по сути, вот эта модель искусственных нейронов, да, она позволяет 00:50:23.857 --> 00:50:26.780 делать то же самое, потому что вся информация в них 00:50:27.387 --> 00:50:32.833 тоже может кодироваться в виде множества чисел, как раз характеризующих силы 00:50:33.393 --> 00:50:36.036 межнейронных синаптических связей. 00:50:38.319 --> 00:50:43.845 В своей работе Макалок и Питс показали, что с помощью 00:50:44.979 --> 00:50:50.576 С математического нейрона можно моделировать различные логические функции. 00:50:51.176 --> 00:50:54.694 Например, функцию логического умножения, да? 00:50:57.053 --> 00:51:00.491 N или в русскоязычной интерпретации. 00:51:00.731 --> 00:51:07.208 Также функцию логического сложения OR и функцию логического отрицания, но нет. 00:51:08.697 --> 00:51:13.053 Таблицы истин, эти всех логических функции хорошо известны, да? 00:51:13.453 --> 00:51:20.247 И обычно даже кодируется так, что если значение логической функции истинно, то 00:51:20.647 --> 00:51:23.205 мы говорим равно единице, кодируем единице. 00:51:23.285 --> 00:51:25.882 Аналогично значение ложно — это ноль. 00:51:26.464 --> 00:51:32.777 И понятно, что когда мы для проверки вот этой идеи видим эти таблицы истинности, а 00:51:32.937 --> 00:51:37.173 также вот этот подход описанный, о котором мы с вами только что говорили, когда 00:51:38.160 --> 00:51:44.835 Например, мы должны посчитать S, а потом выход, значение игрек, а 00:51:44.955 --> 00:51:51.710 выход, да? То определённым образом определив, 00:51:52.189 --> 00:51:54.028 определённым образом определив 00:51:55.506 --> 00:51:57.064 Порог чувствительности, да? 00:51:57.144 --> 00:52:00.301 Мы можем получить точности значений этих логических функций. 00:52:00.501 --> 00:52:04.856 Ну, кстати, порог чувствительности в данной ситуации, например, для логического 00:52:05.016 --> 00:52:10.050 умножения будет равен двум, а, например, для логического сложения единице. 00:52:16.910 --> 00:52:21.191 Следует отметить ещё момент отдельно про активационную функцию. 00:52:21.351 --> 00:52:26.513 Да. На практике в качестве активационной функции использовался исследовательно 00:52:26.833 --> 00:52:29.354 самый различный спектры различных функций. 00:52:29.834 --> 00:52:35.076 Ну, например, широкое распространение получили сигмоидальные функция. 00:52:35.540 --> 00:52:40.495 Пороговая или кусочно-линейная, радиально-базисная активационная функция. 00:52:40.575 --> 00:52:46.250 И вот на рисунках давайте посмотрим, как выглядит аналитическое выражение данной 00:52:46.330 --> 00:52:48.169 функции, как она выглядит на графике? 00:52:48.249 --> 00:52:50.047 Это сигмоидальная функция. 00:52:50.846 --> 00:52:54.004 Это пороговая кусочно-линейная функция. 00:52:58.384 --> 00:53:03.099 Это радиально-базисная функция, вот её аналитическое выражение. 00:53:05.296 --> 00:53:11.529 Дело в том, что все, имея вот это аналитическое выражение данных функций, мы 00:53:11.769 --> 00:53:13.847 можем сами, используя, например, 00:53:14.797 --> 00:53:21.564 Ну, табличный процессор Excel, да, построить графики данных функций 00:53:21.964 --> 00:53:28.691 и убедиться, что они выглядят именно так, а также, меняя некоторые параметры данного 00:53:28.891 --> 00:53:34.257 аналитического выражения, посмотреть возможный такой вид данных. 00:53:36.013 --> 00:53:42.688 Функций. Давайте посмотрим вообще теперь, как 00:53:43.327 --> 00:53:46.404 могут быть классифицированы нейронные сети. 00:53:46.724 --> 00:53:52.679 Вообще нейронные сети, как и вообще любые объекты, подлежащие классификации 00:53:53.441 --> 00:54:00.248 Могут быть классифицированы по различным основаниям, да, на по различным методам. 00:54:00.328 --> 00:54:06.053 В данной ситуации у нас есть нейронные сети статические и динамические. 00:54:06.534 --> 00:54:12.580 Статические: перцептрон, сети прямого распространения, РБФ-сети онлайн. 00:54:13.105 --> 00:54:18.897 динамических: Кохонена, Копилда, Хейминга, Элтнена, арт-сети и так далее. 00:54:19.136 --> 00:54:25.807 Позже мы с вами познакомимся с различными видами динамических нейронных сетей и, ну, 00:54:25.887 --> 00:54:26.087 как бы 00:54:27.398 --> 00:54:30.999 Поймём, увидим, в чём разница этой сети. 00:54:31.119 --> 00:54:35.000 Да, чем сеть Кохонина отличается, например, от сети Копфилда. 00:54:35.280 --> 00:54:40.242 Это вот такой классический вопрос и классический подход, который бы, ну, 00:54:40.522 --> 00:54:47.244 каждый из указанных авторов предлагает ту или иную модель организации нейронной 00:54:47.364 --> 00:54:47.764 сети. 00:54:48.873 --> 00:54:53.714 Э-э, следует отметить, следует отметить, что в своей работе, вот основоположники 00:54:54.314 --> 00:54:57.475 вот такого нейросетевого моделирования — Макаллак и 00:54:57.675 --> 00:55:04.596 Питс, вот в своей работе, 00:55:04.716 --> 00:55:06.196 опять же Макаллак и Питс 00:55:06.784 --> 00:55:13.179 В своё время высказали, ну, весьма смелую, даже по тем временам фантастическую 00:55:13.259 --> 00:55:18.536 гипотезу, да, которая, правда, впоследствии легла в основу современных 00:55:19.575 --> 00:55:21.294 нейросетевых технологий. 00:55:21.653 --> 00:55:23.612 Они что? Они предположили, что если 00:55:24.655 --> 00:55:30.010 Вот эти математические нейроны, связать между собой проводами, имитирующими 00:55:30.170 --> 00:55:35.886 нервные волокна мозга, пустить по проводам электрические сигналы, как это оно 00:55:36.046 --> 00:55:40.562 происходит в реальном мозге, то такой искусственный мозг будет способен решать 00:55:41.082 --> 00:55:45.878 интеллектуальные задачи, подобно тому, как это и делает естественный 00:55:46.645 --> 00:55:48.524 Хмм, человеческий мозг, да? 00:55:48.764 --> 00:55:55.164 В своё время многие назвали эту идею вообще странной и абсурдной, но она по 00:55:55.323 --> 00:56:02.043 прошествии буквально 15 лет, а статья эта датирована 1943 годом, то есть 00:56:02.602 --> 00:56:04.602 в 1958 году. 00:56:05.368 --> 00:56:09.285 Американский учёный Фрэнк Розенблатт. 00:56:09.525 --> 00:56:15.441 Фрэнк Розен Блатт создал компьютерные программы для VM 00:56:15.721 --> 00:56:21.437 IBM794, которая эмулировала деятельность математических нейронов. 00:56:21.975 --> 00:56:28.256 По сути, 1958 год, вот эта программа Фрэнка Розенбланта и 00:56:28.376 --> 00:56:33.978 была, ну, как бы, практической реализацией первой нейронной сети, ну или там 00:56:34.138 --> 00:56:37.899 нейросети. И первая вот эта нейронная сеть 00:56:39.729 --> 00:56:43.565 Была названа персептрон-процепшн, осознание. 00:56:43.925 --> 00:56:50.159 Более того, по прошествии буквально нескольких лет Розенбласс смонтировал 00:56:50.399 --> 00:56:55.234 электронное устройство, в котором функции математических нейронов 00:56:56.022 --> 00:57:02.022 выполняли отдельные электросхемы, уже работающие на электронных лампах. 00:57:02.142 --> 00:57:08.143 То есть, по сути, был создан первый нейрокомпьютер, который даже для того 00:57:08.423 --> 00:57:12.383 уровня решал достаточно сложные интеллектуальные задачи. 00:57:12.937 --> 00:57:17.815 Например, распознавал буквы латинского алфавита, изображённые на карточках, 00:57:17.895 --> 00:57:22.453 которые подносились к его считывающим устройствам, в качестве которых уже тогда 00:57:22.733 --> 00:57:25.532 выступал электронный глаз. 00:57:25.772 --> 00:57:30.290 Так вот, основываясь на вот этой гипотезе Маккалого Питца 00:57:31.960 --> 00:57:35.516 Удалось подтвердить их идеи экспериментальным путём. 00:57:35.716 --> 00:57:41.230 Но раз эксперимент удался, значит, правильным и оказались представления о 00:57:41.270 --> 00:57:46.865 биологической структуре и строении мозга и его внутренних электрофизиологических 00:57:46.985 --> 00:57:47.584 процессах. 00:57:48.447 --> 00:57:52.125 Представление о том, как запоминается и хранится информация. 00:57:53.605 --> 00:57:59.762 Вот на рисунке, на экране, представлена обобщённая схема 00:58:00.562 --> 00:58:02.601 обучения нейронной сети. 00:58:03.081 --> 00:58:07.159 Посмотрите, какие здесь блоки, модули. 00:58:07.741 --> 00:58:11.624 Есть база данных, из которой берутся некоторые данные информации. 00:58:11.704 --> 00:58:13.024 Выбирается пример. 00:58:13.385 --> 00:58:19.189 Потом используется нейросеть, осуществляется подстройка весов сети. 00:58:19.509 --> 00:58:23.832 Снова выбирается пример-подстройка столько, сколько это необходимо, ответ 00:58:24.072 --> 00:58:26.793 сети. Рассчитывается некая ошибка. 00:58:27.234 --> 00:58:28.435 Если ошибка 00:58:29.959 --> 00:58:32.601 Невелика, считаем, что сеть обучена. 00:58:32.922 --> 00:58:39.687 Если ошибка велика, снова подстраиваем весы сети и продолжаем 00:58:39.847 --> 00:58:40.768 дальше обучение. 00:58:41.255 --> 00:58:46.135 Таким образом, вот работает обобщённая схема обучения нейронной сети. 00:58:46.535 --> 00:58:47.895 И что нужно сказать? 00:58:48.016 --> 00:58:54.096 Что вот по такой схеме, которую мы только работают нейронные сети в самых различных, 00:58:54.136 --> 00:58:55.576 ну, прикладных областях. 00:58:55.976 --> 00:59:01.617 Например, вот в качестве примера обучения нейронной сети, на основе анализа большого 00:59:01.777 --> 00:59:02.857 количества данных, 00:59:03.705 --> 00:59:08.826 Можно провести работу специальных программных приложений, обрабатывающих 00:59:08.946 --> 00:59:15.068 информацию от миллионов пользователей в период пандемии COVID-19. 00:59:15.428 --> 00:59:20.070 Вот. Так, например, была разработана математическая модель, существующая 00:59:20.698 --> 00:59:27.697 которая с вероятностью 80% предсказывала вероятность COVID-19 исходя из 00:59:28.177 --> 00:59:29.777 каких параметров? Пол 00:59:30.667 --> 00:59:33.067 Возраст и четыре основных симптома. 00:59:33.147 --> 00:59:37.988 В частности, конкретно: потеря обоняния или вкуса, постоянный кашель, усталость, 00:59:38.028 --> 00:59:39.908 периодическая потеря аппетита. 00:59:40.108 --> 00:59:44.948 То есть система на основе предложенного, рассмотренного алгоритма, вот он перед 00:59:45.028 --> 00:59:51.869 нами, научилась, сети была обучена, и это позволило ей с вероятностью 80% 00:59:53.350 --> 00:59:54.190 отвечать на вопрос 00:59:55.458 --> 00:59:58.298 Имеет ли место COVID-19? 00:59:59.658 --> 01:00:06.458 Э-э, следует отметить, что применение любой информационной 01:00:06.618 --> 01:00:10.378 системы, в том числе и системы искусственного интеллекта 01:00:11.142 --> 01:00:12.662 Имеет ряд ограничений. 01:00:13.182 --> 01:00:19.662 Так, для построения модели объекта на основе нейронной сети требуется выполнение 01:00:19.902 --> 01:00:24.943 многоцикловой настройки внутренних элементов и связей между ними. 01:00:25.703 --> 01:00:30.503 Проблемы, возникающие при подготовке обучающие выборы, связанные с трудностями 01:00:30.623 --> 01:00:31.183 нахождения 01:00:31.818 --> 01:00:34.977 ...достаточного количества обучающих примеров. 01:00:35.257 --> 01:00:37.336 Это ещё один фактор. 01:00:37.616 --> 01:00:43.533 Далее — обучить эксплуатировать нейронную сеть для решения многих задач, как 01:00:43.653 --> 01:00:47.972 правило, может и не специалист, но надёжно интерпретировать результаты. 01:00:48.547 --> 01:00:55.472 А также численно оценивать значимость получаемых прогнозов способны специалисты, 01:00:55.512 --> 01:00:58.233 имеющие навыки моделирования нейронных сетей. 01:00:58.594 --> 01:01:04.197 Указанные обстоятельства подтверждают актуальные задачи вот подготовки нашей 01:01:04.277 --> 01:01:06.078 отечественной системы образования. 01:01:06.656 --> 01:01:11.501 Высококвалифицированных специалистов для сферы искусственного интеллекта. 01:01:11.701 --> 01:01:16.867 И такая подготовка, несомненно, должна начинаться уже на уровне школьного 01:01:16.987 --> 01:01:22.513 образования. Уважаемые студенты, вы, студенты высшего учебного заведения 01:01:23.063 --> 01:01:28.946 Но если мы сделаем шаг назад и вспомним, как вы изучали курс информатики, я задаюсь 01:01:29.026 --> 01:01:34.510 вопросом: а в рамках курса информатики изучались ли какие-то элементы системы 01:01:34.630 --> 01:01:36.031 искусственного интеллекта? 01:01:36.471 --> 01:01:39.753 Как правило, как правило, в явном виде 01:01:40.473 --> 01:01:44.952 Такой материал, ну, представлен в очень незначительной степени, ну так, 01:01:44.992 --> 01:01:47.351 фрагментарно, в виде экспертных систем. 01:01:47.791 --> 01:01:53.029 Но следует обратить внимание, как мы с вами говорим, искусственный интеллект — 01:01:53.229 --> 01:01:55.948 это междисциплинарная область, во-первых. 01:01:56.188 --> 01:02:01.387 Там много различной информации, смежных областей, но при этом, так сказать 01:02:01.932 --> 01:02:07.126 Научные основы систем искусственного интеллекта, 01:02:08.204 --> 01:02:13.079 понимаете? Они основываются на базовых фундаментальных вещах. 01:02:14.470 --> 01:02:21.238 И поэтому изучение систем искусственного интеллекта, по сути, ну, с нашей точки 01:02:21.438 --> 01:02:26.483 зрения, не может рассматриваться как некая вот обязательная, некая отдельная 01:02:26.603 --> 01:02:32.049 дисциплина. У нас есть курсы информатики, информационных и коммуникационных 01:02:32.209 --> 01:02:32.890 технологий. 01:02:33.242 --> 01:02:39.489 И подход, э-э, который здесь может быть реализован в части изучения искусственного 01:02:39.609 --> 01:02:45.576 интеллекта, может состоять в том, что наша с вами задача, э-э, на примере изучения 01:02:45.736 --> 01:02:48.138 типовых разделов курса информатики. 01:02:48.824 --> 01:02:54.188 Увидеть и использовать соответствующие знания и умения для раскрытия вот этих 01:02:54.468 --> 01:02:56.789 научных основ искусственного интеллекта. 01:02:56.909 --> 01:03:00.192 Ну, например, есть основы алгоритмизации. 01:03:02.313 --> 01:03:07.557 Алгоритмизация — это важнейшая основная содержательная линия курса информатики. 01:03:08.487 --> 01:03:14.920 Так вот, давайте, например, рассмотрим алгоритм, когда мы рассматриваем просто 01:03:15.160 --> 01:03:19.356 понятие алгоритма, мы возьмём с вами алгоритм, связанный с системами 01:03:19.476 --> 01:03:20.754 искусственного интеллекта. 01:03:20.914 --> 01:03:24.510 Например, алгоритм обучения нейронной сети. 01:03:25.463 --> 01:03:31.503 И ознакомление с ним решает для нас задачу не только формирования системы знаний об 01:03:31.583 --> 01:03:36.983 алгоритмах и свойствах исполнителя, но и в явном виде показывает алгоритмическую 01:03:37.383 --> 01:03:40.943 сущность самого процесса обучения нейронной сети. 01:03:41.103 --> 01:03:42.263 Пожалуйста, он перед нами. 01:03:43.716 --> 01:03:48.193 В виде блок-схемы представлен алгоритм обучения нейронной сети. 01:03:48.433 --> 01:03:49.992 Рассмотрим его покомандно. 01:03:51.029 --> 01:03:54.793 Так. Начало. Вычисление выходных данных слоя. 01:03:54.793 --> 01:03:57.515 Вычислили. Вычисление вектора ошибки. 01:03:57.555 --> 01:04:00.478 Вычислили изменение весовых коэффициентов. 01:04:00.518 --> 01:04:05.562 Подстроили. Ошибка минимизирована, если да, всё нормально, если нет, мы снова 01:04:05.842 --> 01:04:10.847 проходим этот алгоритм, то, о чём мы с вами говорили, алгоритм представленный в 01:04:10.887 --> 01:04:12.488 блок-схеме. Таким образом 01:04:13.230 --> 01:04:20.111 Э-э, как бы мы с вами понятие алгоритма расширяем до его приложения к системе 01:04:20.191 --> 01:04:21.471 искусственного интеллекта? 01:04:21.751 --> 01:04:28.112 Ещё пример. Когда мы с вами изучаем компьютерную графику, да, 01:04:28.712 --> 01:04:32.752 э-э, то мы понимаем, что одним из важнейших вопросов, таким практическим, 01:04:32.792 --> 01:04:34.632 является понятие растровой графики. 01:04:35.330 --> 01:04:39.414 В соответствии с понятием расстровой графики изображение на экране 01:04:39.614 --> 01:04:46.540 представляется в расстровом виде, с помощью пикселей, каждый из которых имеет 01:04:46.701 --> 01:04:51.345 свой цвет и размер в системах искусственного интеллекта, представление 01:04:51.625 --> 01:04:53.307 картинок в растровом виде. 01:04:53.821 --> 01:04:59.579 Является основой, например, для работы нейронных сетей, распознающих образы. 01:04:59.779 --> 01:05:01.619 Ну, в частности, лица людей. 01:05:02.098 --> 01:05:07.937 Здесь исходная картинка всегда растеризуется и на вход подаются пиксели. 01:05:08.217 --> 01:05:12.255 Соответственно, сеть может распознавать лица с очками. 01:05:12.934 --> 01:05:19.688 И там, и без, лица слегка повёрнуты, с изменённым освещением и так далее. 01:05:20.048 --> 01:05:23.765 Далее. Схема распознавания изображений. 01:05:23.924 --> 01:05:28.640 Представление различных символов на растровой плоскости тесно связано с 01:05:29.759 --> 01:05:31.438 понятием кодирования информации. 01:05:32.070 --> 01:05:35.992 В этом случае примером, ну, например, задание на кодирование информации может 01:05:36.152 --> 01:05:40.873 быть следующее: как закодировать заданную цифру на растровой плоскости определённого 01:05:41.473 --> 01:05:43.714 размера? Ну вот обратите внимание. 01:05:43.914 --> 01:05:50.276 В качестве примера закодирована цифра 5 и в скобках у нас представлены 01:05:50.716 --> 01:05:53.877 нолики и единички, соответствующие. 01:05:54.480 --> 01:05:59.800 Э-э, как бы тому, э-э закрашена соответствующая прозрачная клеточка или 01:05:59.960 --> 01:06:02.360 нет? Почему идут первые три единицы? 01:06:02.520 --> 01:06:06.720 Потому что у пятёрки вверху чёрные клеточки закрашены. 01:06:06.920 --> 01:06:12.159 После трёх единиц идёт 1—0, значит, вторая строка — чёрная, белая, белая. 01:06:12.239 --> 01:06:17.439 И так далее. Последние мы видим тоже три единицы, это значит, что здесь всё 01:06:17.879 --> 01:06:18.559 закрашено. 01:06:21.939 --> 01:06:28.695 Мы ранее уже отмечали с вами, что наиболее часто в качестве активационной функции 01:06:28.895 --> 01:06:31.173 используется так называемый сигмоид. 01:06:31.453 --> 01:06:33.572 Вот его аналитическое представление. 01:06:34.048 --> 01:06:39.204 Основное достоинство этой функции в том, что она дифференцирована на всей оси 01:06:39.324 --> 01:06:42.362 абцисс и имеет очень простую производную. 01:06:42.481 --> 01:06:45.559 Вот здесь производная данной функции от X. 01:06:45.919 --> 01:06:52.634 При уменьшении параметра альфа сигмоид становится более пологим, вырождаясь в 01:06:52.714 --> 01:06:55.792 горизонтальную линию на уровне 0,5 при альфа. 01:06:56.112 --> 01:07:02.146 ...равным единице. При увеличении же альфа сигнал всё больше приближается к функции 01:07:02.306 --> 01:07:03.585 единичного скачка. 01:07:04.344 --> 01:07:10.459 Вообще, э-э, в списке активационных функций могут быть различные функции. 01:07:10.658 --> 01:07:15.414 И здесь они представлены на рисунке линейные, линейное, так называемое, с 01:07:15.454 --> 01:07:16.293 насыщением. 01:07:16.830 --> 01:07:21.915 Функция определения знака: униполярно-сигмоидальная, 01:07:22.196 --> 01:07:28.442 биполярно-сигмоидальная, это, иначе говоря, гиперболический тангенс, порограф, 01:07:28.482 --> 01:07:30.484 пороговый, о котором мы говорили. 01:07:30.804 --> 01:07:31.605 И-и-и 01:07:32.885 --> 01:07:38.171 Ка-эк бы каждую из этих функций, вот их аналитический вид, а вот графическое 01:07:38.372 --> 01:07:44.780 изображение, конечно, можно смоделировать с помощью табличного процессора 01:07:44.860 --> 01:07:47.743 Excel. Задав туда координаты. 01:07:48.224 --> 01:07:53.180 Исходные, которые мы даём, вычислить для них соответствующие значения игреков, да, 01:07:53.300 --> 01:07:57.176 и посмотреть, как это будет выглядеть на самом деле. 01:07:59.494 --> 01:08:04.330 Ещё один вопрос, который мы с вами затронем сейчас. 01:08:04.941 --> 01:08:11.654 Связан с программным инструментарием. 01:08:12.294 --> 01:08:17.609 С программным инструментарием, то есть программными системами, которые можно 01:08:18.088 --> 01:08:23.723 использовать при проектировании и разработке систем искусственного 01:08:23.803 --> 01:08:24.402 интеллекта. 01:08:24.893 --> 01:08:31.612 Да. Вот первый большой класс подобного рода инструментальных систем — это некие 01:08:31.652 --> 01:08:33.611 оболочки экспертных систем. 01:08:34.171 --> 01:08:39.810 Это направление очень активно развивалось несколько десятилетий назад и были 01:08:40.450 --> 01:08:40.970 получены 01:08:42.025 --> 01:08:47.940 Результаты, которые, ну, широко признавались и были описаны широко встреи. 01:08:47.980 --> 01:08:54.574 Ну, например, такая экспертная система медицинской 01:08:54.734 --> 01:08:56.492 диагностики — Мутин. 01:08:56.892 --> 01:08:57.092 Да? 01:08:59.016 --> 01:08:59.809 Почему? Потому что 01:09:01.390 --> 01:09:06.428 Системы подобные, они создаются на основе какой-нибудь экспертной системы, 01:09:06.828 --> 01:09:09.587 достаточно хорошо себя зарекомендовавшей, да? 01:09:09.787 --> 01:09:15.785 И вот если эта система УЦИН себя достаточно хорошо зарекомендовала, да, то 01:09:16.385 --> 01:09:16.985 в следующем 01:09:17.425 --> 01:09:24.063 Система, используя её как прототип, может быть более эффективна, чем этот прототип. 01:09:24.183 --> 01:09:29.461 Почему? Потому что из неё уже можно удалить, ну, грубо говоря, компоненты 01:09:29.781 --> 01:09:33.020 специфичные для области её непосредственно применения. 01:09:33.607 --> 01:09:38.052 ...и хмм ну останутся те, которые не имеют узкой специализации. 01:09:38.452 --> 01:09:43.097 То есть, по сути, речь идёт об оболочках экспертных систем. 01:09:43.618 --> 01:09:49.584 Э-э, достоинством вообще программ-оболочек является то, что они позволяют 01:09:49.664 --> 01:09:51.026 непрограммистам исп... 01:09:52.003 --> 01:09:57.041 Воспользоваться результатами работы программистов, решавших аналогичные 01:09:57.240 --> 01:10:03.317 проблемы. Конечно, у оболочек, как и у любых других программных систем, есть 01:10:03.637 --> 01:10:05.916 определённые, ну, скажем так, недостатки. 01:10:07.196 --> 01:10:13.748 Потому что они зачастую ориентируются на достаточно узкий класс задач, ну, хотя он 01:10:14.268 --> 01:10:18.782 достаточно более широкий, чем программа, на основе которой, конечно, была 01:10:18.902 --> 01:10:21.499 разработана та или иная оболочка. 01:10:22.058 --> 01:10:22.538 Далее. 01:10:22.978 --> 01:10:29.180 Нельзя не сказать о языках программирования, которые, ну, можно 01:10:29.580 --> 01:10:33.341 использовать для разработки систем искусственного интеллекта. 01:10:33.941 --> 01:10:40.222 Вообще говоря, изначально, на протяжении, там, даже начиная с 01:10:40.262 --> 01:10:42.143 шестидесятых годов, семидесятых 01:10:42.992 --> 01:10:48.430 Э-э, были выделены в отдельный класс, так называемые языки искусственного 01:10:48.550 --> 01:10:55.228 интеллекта. И к таким языкам прежде всего принято относить языки лисб и 01:10:55.668 --> 01:11:02.585 пролог. Они вообще отличаются богатыми возможностями обработки символьных и 01:11:02.705 --> 01:11:03.825 логических данных. 01:11:07.343 --> 01:11:09.704 символьных и логических данных. 01:11:11.825 --> 01:11:18.388 Язык, ну Лисп, например, он позволил скрыть от 01:11:18.548 --> 01:11:22.430 программистов устройство памяти компьютера, а язык пролог 01:11:22.864 --> 01:11:26.826 позволил им не заботиться о потоке управления в программе. 01:11:26.986 --> 01:11:33.469 То есть была, э-э, как бы реализована в этих языках задача следующая: если 01:11:33.829 --> 01:11:40.392 мы, э-э, хотим идти к искусственному интеллекту, то и соответственно компьютеры 01:11:40.512 --> 01:11:42.713 и, соответственно, языки программирования 01:11:43.837 --> 01:11:49.275 В своей основе должны опираться на естественный процесс, ну, нашего 01:11:49.355 --> 01:11:50.794 взаимоотношения, да? 01:11:51.034 --> 01:11:56.472 И поэтому, например, в языке Пролог были реализованы, ну, совсем другие отношения, 01:11:56.872 --> 01:11:59.670 чем были в процедурных языках программирования. 01:12:00.189 --> 01:12:06.631 В языке Пролог, например, нам нужно было просто э-э увидеть 01:12:06.751 --> 01:12:12.953 логику, увидеть объекты и увидеть, как они взаимодействуют, э-э, друг с другом, да? 01:12:13.233 --> 01:12:17.554 Более того, язык Пролог получил мощную поддержку, направления создания там 01:12:18.876 --> 01:12:22.798 компьютеров там пятого поколения, вычислительных систем пятого поколения, 01:12:22.838 --> 01:12:27.841 поскольку был принят в качестве базового для машины вывода 01:12:29.202 --> 01:12:34.925 Или с вами посмотрим литературу по искусственному интеллекту, по системам 01:12:35.536 --> 01:12:41.613 Если говорить об этом об искусственного интеллекта, то э-э-э ну как бы увидим, что 01:12:41.733 --> 01:12:47.130 значительное количество подходов вообще литературы основывается именно на этих 01:12:47.210 --> 01:12:50.648 языках и прежде всего языка пролога. 01:12:52.048 --> 01:12:52.088 Но 01:12:53.128 --> 01:12:55.089 Что показывает? 01:12:55.369 --> 01:13:01.452 Что показывает анализ, ну, положения дел, ну, может быть, последних десятилетий? 01:13:01.772 --> 01:13:07.615 На первое место всё, ну, на ведущей позиции всё более выходят традиционные 01:13:07.735 --> 01:13:13.298 языки программирования любые, да, это системы, ну, большое количество систем 01:13:16.120 --> 01:13:21.606 ...визуального программирования, тоже резонных в виде оболочек, да, систем уже 01:13:22.487 --> 01:13:28.774 гибких, которые предоставляют, ну, возможности оптимизации представления 01:13:28.975 --> 01:13:31.217 знаний, управления логическим опытом. 01:13:31.997 --> 01:13:36.835 В чём преимущество традиционных языков программирования проявилось? 01:13:37.234 --> 01:13:41.952 Потому что оно позволило достичь более высокой эффективности программного 01:13:42.192 --> 01:13:47.029 продукта, да, привязку близость их к машинной архитектуре. 01:13:47.594 --> 01:13:52.370 И ещё одно достоинство — это возможность включения разрабатываемых интеллектуальных 01:13:52.967 --> 01:13:57.767 подсистем крупные программные комплексы общего назначения. 01:13:57.887 --> 01:14:03.727 Да. Недостаток он при такого рода использовании языков, ну, стандартный — 01:14:03.847 --> 01:14:08.047 это значительные трудозатраты программистов, обусловленные слабой 01:14:08.127 --> 01:14:12.647 приспособленностью, вообще-то говоря, этих языков, например, для работы с символьными 01:14:13.007 --> 01:14:14.727 или логическими данными. 01:14:15.573 --> 01:14:21.769 Но дело в том, что не только символьные и логические данные используются при 01:14:22.049 --> 01:14:24.768 разработке систем искусственного интеллекта. 01:14:25.128 --> 01:14:27.806 Мы с вами уже обращали внимание 01:14:31.547 --> 01:14:35.990 Мы с вами уже обращали внимание, что, например, такое передовое направление 01:14:36.390 --> 01:14:42.433 систем искусственного интеллекта, как нейросетевые технологии, в своей основе 01:14:42.674 --> 01:14:48.117 имеет построение моделей э-э-э ну нейронных сетей. 01:14:48.652 --> 01:14:51.978 То есть есть некий объект, есть входы, есть выходы. 01:14:52.138 --> 01:14:56.185 Выходы объекта могут быть входом в другие элементы и так далее, и так далее. 01:14:56.506 --> 01:14:58.349 Появляется большая сеть. 01:14:58.908 --> 01:15:04.472 Так вот, в принципе, её реализация подобного рода сети вполне может быть 01:15:04.752 --> 01:15:10.276 осуществлена с помощью стандартных языков программирования. 01:15:10.516 --> 01:15:17.400 Даже S, там, Systema Delfe и так далее, и так далее, любой язык для этого может быть 01:15:17.600 --> 01:15:18.161 использован 01:15:18.776 --> 01:15:19.977 Там. Почему? 01:15:20.137 --> 01:15:22.739 Потому что есть входы, есть выходы. 01:15:23.020 --> 01:15:26.903 И понятно, что, например, ну, задача распознавания, да. 01:15:27.464 --> 01:15:34.109 Мы хотим написать программу распознавания там букв какого-то алфавита, да? 01:15:34.470 --> 01:15:38.793 Понятно, что, ведя речь о растровой графике, наиболее естественным 01:15:38.993 --> 01:15:39.594 представлением 01:15:40.100 --> 01:15:44.337 Ну, программной реализацией является просто массив, например. 01:15:45.256 --> 01:15:48.334 Можно определить какой-то класс и так далее. 01:15:48.734 --> 01:15:54.730 То есть на этапе разработки нейросетевых моделей эти языки такие 01:15:54.850 --> 01:15:57.889 стандартные, ну, скажем так, классические. 01:15:58.723 --> 01:16:04.680 То есть отличающиеся концептуально вот от мощных мощных языков типа Лисп и пролог, 01:16:04.720 --> 01:16:09.957 конечно, они показали себя вполне эффективно, поскольку позволили программно 01:16:10.077 --> 01:16:13.475 реализовать те или иные нейросетевые модели. 01:16:13.955 --> 01:16:17.873 Вы сами можете в этом убедиться, если, например, 01:16:18.501 --> 01:16:25.375 Э-э, загуглите там буквально, хмм, ну, примеры 01:16:25.534 --> 01:16:32.248 приведя и написав нейросети на языке Pascal или нейросеть на языке 01:16:32.408 --> 01:16:35.165 Си, или на другом, любом другом языке. 01:16:35.646 --> 01:16:41.488 Да, вы увидите огромное количество примеров, которые иллюстрируют возможность 01:16:41.688 --> 01:16:47.890 применения стандартных вот таких, по сути, языков, то есть не языка логического типа 01:16:48.810 --> 01:16:53.931 при реализации вот этих нейросетевых моделей. 01:16:54.251 --> 01:16:56.852 Ещё раз обратим на это внимание, что 01:16:57.438 --> 01:17:00.840 Таким образом, э-э-э, что для нас важно? 01:17:01.160 --> 01:17:06.164 Когда мы с вами изучаем языки программирования, мы понимаем, что системы 01:17:06.324 --> 01:17:10.687 искусственного интеллекта могут быть реализованы с использованием и 01:17:10.967 --> 01:17:13.528 классических языков программирования.