Istota inteligencji.pdf

Istota inteligencji

Autorzy: Jeff Hawkins, Sandra Blakeslee

TĀumaczenie: Tomasz Walczak

ISBN: 83-246-0027-2

TytuĀ oryginaĀu : On Intelligence

Format: A5, stron: 254

FascynujĴca opowieľě o ludzkim mzgu i myľlĴcych maszynach

¤ Dowiedz siķ, czym jest sztuczna inteligencja i jak dziaĀajĴ sieci neuronowe

¤ Poznaj mechanizmy zapamiķtywania funkcjonujĴce w ludzkim mzgu

¤ Naucz siķ kierowaě swojĴ ľwiadomoľciĴ

Od lat naukowcy prbujĴ odtworzyě dziaĀanie ludzkiego mzgu w maszynach.

Sztuczna inteligencja, sieci neuronowe, algorytmy automatycznego wnioskowania

Ð to wszystko owoce tych prb. Jednak Ńadne z tych rozwiĴzaĺ nie speĀniĀo

pokĀadanych w nim oczekiwaĺ. Dlaczego? Czy bĀĴd tkwi w nieprawidĀowym doborze

parametrw sieci neuronowych i bĀķdnej implementacji algorytmw, czy moŃe

w fakcie, Ńe prbuje siķ zamodelowaě inteligencjķ bez dokĀadnego poznania jej

tajemnic? Czy jeľli dowiemy siķ, jak dziaĀa nasza inteligencja, bķdziemy w stanie

zbudowaě prawdziwe âmyľlĴce maszynyÒ?

Dziķki lekturze ksiĴŃki âIstota inteligencjiÒ poznasz odpowiedzi na te pytania. Jeff

Hawkins Ð zaĀoŃyciel firm Palm Computing oraz Handspring -- przedstawia w niej

najnowsze osiĴgniķcia grup badawczych zajmujĴcych siķ analizowaniem mechanizmw

kierujĴcych naszĴ inteligencjĴ, udowadnia, Ńe inteligencja to zdolnoľě mzgu do

przewidywania przyszĀoľci przez analogiķ do przeszĀych zdarzeĺ. Dowiesz siķ,

czym jest inteligencja, jak dziaĀa mzg i jak ta wiedza pozwoli zbudowaě inteligentne

maszyny, ktre nie tylko dorwnajĴ moŃliwoľciom czĀowieka, ale nawet je przekroczĴ.

¤ Algorytmy sztucznej inteligencji

¤ DziaĀanie sieci neuronowych

¤ Funkcjonowanie pamiķci w mzgu

¤ Modele ludzkiej inteligencji

¤ Zadania kory mzgowej

¤ PowiĴzania ľwiadomoľci i zmysĀw artystycznych z inteligencjĴ

¤ Nowe kierunki badaĺ nad inteligencjĴ

Poznaj przyszĀoľě badaĺ nad sztucznĴ inteligencjĴ

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

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

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,

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-

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: