МОЗГ ПРОТИВ НЕЙРОСЕТЕЙ. КТО УМНЕЕ? Семихатов, Сурдин, Марков

• Обсуждение семейной группы МТС и скидок на связь.  

• Упоминание о Луне как идеальной стартовой площадке.  

• Необходимость изготовления материалов на месте с помощью аддитивных технологий.  

• Роль инженерных знаний и искусственного интеллекта в этом процессе.  

• Первые упоминания термина в 1955 году в работах Джона Маккарти.  

• Дартмутский семинар 1956 года как место первого официального использования термина.  

• Искусственный интеллект как отрасль науки и технологии, занимающаяся автоматизацией интеллектуальных задач.  

• Примеры интеллектуальных задач: игра в крестики-нолики, сложение в уме.  

• Эффект Маккорда: снижение признания интеллектуальности задач при автоматизации.  

• Пример с шахматами и программой Deep Blue.  

• Мозг как сложнейшее электрохимическое устройство с огромным количеством нейронов и синапсов.  

• Сравнение вычислительных возможностей мозга и современных программ.  

• Физические процессы, лежащие в основе распознавания образов.  

• Интуитивные ходы в шахматах и их анализ.  

• Избыточное восприятие технического прогресса и его влияние на восприятие интеллекта.  

• Пример с игрой го и программой AlphaGo.  

• Возможность достижения новых высот в любой момент.  

• Программы магистратуры в Центральном университете для продвижения по карьере.  

• Программа для тех, кто уже имеет образование или опыт в дизайн-индустрии.  

• Обучение управленческим компетенциям и углублению навыков в продуктовом и коммуникационном дизайне.  

• Обучение в Москве у международных экспертов и преподавателей из МГУ и МФТИ.  

• Государственный диплом и помощь в стажировке и трудоустройстве.  

• Сильные студенты и опытные наставники создают вдохновляющую атмосферу.  

• Пример студентки, которая пришла в магистратуру для получения управленческих навыков.  

• Грант покрывает до 75% стоимости обучения на весь срок.  

• Для участия нужно пройти тестирование и собеседование.  

• ИИ — большая дисциплина с тривиальными и фронтирными задачами.  

• Обыватели часто ожидают от ИИ решения сложных задач, которые ещё не решены.  

• Гомеостат Росса-Эшби как первый прототип искусственных нейронных сетей.  

• Журналисты предсказывали, что машины заменят людей.  

• Человеческий мозг потребляет мало энергии и справляется с множеством задач.  

• Электроника пока уступает человеческому мозгу в некоторых аспектах.  

• Лимиты Бремермана и теорема Марголоса-Левитина ограничивают возможности вычислений.  

• Необходимость поиска новых физических субстратов для вычислений.  

• Задачи, связанные со свёртыванием белков и генеративной биохимией.  

• Экспоненциальный рост времени вычислений при увеличении размерности задачи.  

• Переход от детерминистских программ к машинному обучению.  

• Системы, которые учатся и могут выполнять задачи, не предусмотренные изначально.  

• Пример спичечного автомата, который учится играть в крестики-нолики.  

• Метод проб и ошибок как примитивный способ обучения.  

• Использование машинного обучения для расшифровки зашифрованных сообщений.  

• Применение в годы Второй мировой войны.  

• Использование одинаковых ключей для шифрования двух сообщений делает их уязвимыми для криптоанализа.  

• Операция «исключающее или» позволяет легко расшифровать сообщения, если они зашифрованы одним ключом.  

• Статистические аномалии в комбинациях сообщений могут быть использованы для обнаружения одинаковых ключей.  

• В начале 1940-х годов было разработано механическое устройство для перебора вариантов сообщений.  

• Устройство останавливалось при обнаружении пары сообщений с одинаковыми ключами по статистическим аномалиям.  

• Гомеостат состоит из блоков с электролитом и поплавком, которые изменяют сопротивление в цепи.  

• При отклонении стрелки более чем на 15 градусов срабатывает шаговый искатель, подставляя случайные резисторы.  

• Система адаптируется к возмущениям, сохраняя гомеостаз подобно биологическим системам.  

• Теория оптимизации позволяет подбирать параметры математической модели для минимизации целевой функции.  

• Нейронные сети используются для языкового моделирования и решения задач распознавания образов.  

• Первая искусственная нейронная сеть была описана в 1943 году.  

• Задача: система должна распознавать наличие котика на фотографии.  

• Фотографии преобразуются в наборы чисел, которые подставляются в формулу для распознавания.  

• Ошибка распознавания используется как обратная связь для настройки параметров системы.  

• Метод обратного распространения ошибки позволяет рассчитать градиент направления изменения параметров.  

• Оптимизация параметров ведётся в многомерном пространстве с учётом инерции и момента.  

• Задача машинного обучения сводится к поиску глобального оптимума в пространстве параметров.  

• Градиентный поиск иллюстрируется на примере астрономической обсерватории в Грузии.  

• Туман на горе создаёт препятствие для наблюдения за звёздами.  

• Метод градиентного поиска помогает найти оптимальное решение в сложных условиях.  

• Группа людей в тумане использует метод градиентного поиска для определения направления движения.  

• Они находят башню телескопа, следуя «самому крутому направлению».  

• Для успешного градиентного спуска поверхность должна быть гладкой, без разрывов и острых скал.  

• Человек и автоматизированные методы ищут оптимальную архитектуру нейронных сетей.  

• Возникают вопросы о выборе пороговых функций и моделировании человеческого мозга.  

• Нейроны обмениваются электрическими импульсами и выполняют операции над входами.  

• Каждый нейрон имеет входы и выходы, обрабатывая сигналы с учётом весов.  

• Фрейд в конце XIX века предположил существование контактных барьеров между нейронами.  

• Современные исследования выявили шесть молекулярных механизмов, влияющих на проходимость этих барьеров.  

• Цифровые машины сталкиваются с проблемой «бутылочного горлышка фон Неймана»: разделение хранения и обработки данных.  

• Видеокарты лучше справляются с задачами благодаря матричным вычислителям, но всё равно имеют ограничения.  

• Современные технологии не позволяют создавать трёхмерные вычислительные матрицы с эффективными элементами для отвода тепла.  

• Плоские схемы с высокими частотами уступают мозгу по числу элементов.  

• Нейроморфные системы изучают альтернативы классическим архитектурам, включая другие физические субстраты.