Πώς να δημιουργήσετε ένα πρόγραμμα τεχνητής νοημοσύνης. Πότε θα δημιουργηθεί η πρώτη τεχνητή νοημοσύνη; Δροσερές χρήσεις για τεχνητή νοημοσύνη

• φροντιστήριο

Έχετε σκεφτεί ποτέ πόσο εύκολο είναι να γράψετε τη δική σας τεχνητή νοημοσύνη, η οποία θα παίρνει αποφάσεις στο ίδιο το παιχνίδι; Αλλά είναι πραγματικά απλό. Αφήστε το να πάρει τυχαίες αποφάσεις στην αρχή, αλλά αργότερα μπορείτε να τον εκπαιδεύσετε, να του μάθετε να αναλύει την κατάσταση και μετά θα αρχίσει να παίρνει τεκμηριωμένες αποφάσεις. Σε αυτό το άρθρο, θα σας πω πώς έγραψα το bot μου και επίσης θα δείξω πώς μπορείτε να γράψετε το δικό σας μέσα σε λίγα λεπτά. Ο υπολογιστής μας θα παίξει έναν κλώνο του παιχνιδιού Tron, ή μάλλον, στο μέρος όπου πρέπει να νικήσετε τους εχθρούς σε μια μοτοσικλέτα.

Κάτω από την περικοπή αρχείων gif, 10 megabyte.

Σχετικά με το παιχνίδι

Στο παιχνίδι, ελέγχετε μια μοτοσικλέτα που αφήνει πίσω του έναν τοίχο φωτός. Ο αγωνιστικός χώρος είναι περιορισμένος και οι αντίπαλοι έχουν τις ίδιες μοτοσυκλέτες. Η μοτοσυκλέτα πάει συνέχεια, μπορείς μόνο να στρίψεις. Ο ελεύθερος χώρος στο γήπεδο τελειώνει και γίνεται πιο δύσκολο να αποφύγεις τα εμπόδια. Αυτός που αντέχει περισσότερο κερδίζει. Έκανα έναν κλώνο του παιχνιδιού για πολλούς παίκτες που βασίζεται σε πρόγραμμα περιήγησης χρησιμοποιώντας το node.js και το socket.io. Έλεγχος δύο κουμπιών - στρίψτε αριστερά και στρίψτε δεξιά.

Διασύνδεση bot

Δεδομένου ότι χρησιμοποιώ το socket.io, η επεξεργασία των παικτών στον διακομιστή ήταν με τη μορφή εργασίας σε μια σειρά ειδικών αντικειμένων υποδοχής που δημιουργεί το socket.io. Από αυτά τα αντικείμενα, χρησιμοποίησα μόνο λειτουργίες αναγνώρισης, εκπομπής και εκπομπής. Αυτό σημαίνει ότι είναι ανώδυνο για το ίδιο το παιχνίδι να υλοποιεί τη διεπαφή υποδοχής και να τη χρησιμοποιεί στην επεξεργασία, σαν να παίζει άλλος χρήστης. Ονόμασα την τάξη BotSocket.
Μέθοδος εκπομπή (γεγονός, δεδομένα)το bot εκτελεί σχεδόν τις ίδιες ενέργειες με τον πελάτη με τα εισερχόμενα δεδομένα από τον διακομιστή, και συγκεκριμένα:

1. Αποθηκεύει δεδομένα για όλα τα ποδήλατα που παίζουν όταν τα προσθέτετε
2. Διατηρεί έναν σύνδεσμο προς το ποδήλατό σας όταν το προσθέτετε
3. Ενημερώνει τα δεδομένα όλων των ποδηλάτων που παίζουν
4. Επαναφέρει καταστάσεις κατά την επανεκκίνηση του παιχνιδιού

Για να στείλετε εντολές για τον έλεγχο της μοτοσυκλέτας σας στον διακομιστή, ήταν απαραίτητο να αποθηκεύσετε έναν σύνδεσμο προς το αντικείμενο παιχνιδιού που επεξεργάζεται τέτοιες εντολές από απλούς χρήστες. μέθοδος τάξης Παιχνίδιέχω κατονομάσει onControl (υποδοχή, δεδομένα)οπότε πρόσθεσα μια μέθοδο υποδοχή bot
BotSocket.prototype.control = function(data) ( this.game.onControl(this, data); );
Όταν μια εντολή ενημέρωσης των δεδομένων της μοτοσικλέτας προέρχεται από τον διακομιστή (έχουν μετακινηθεί), ελέγχω αν έχω καθόλου ελεγχόμενη μοτοσυκλέτα, αν έχει συγκρουστεί και αν έχει μετακινηθεί και, εάν είναι επιτυχής, καλώ την κύρια μέθοδος λειτουργίας του AI - εκσυγχρονίζω().
Η διεπαφή είναι έτοιμη, τώρα μπορείτε να προσθέσετε το ίδιο το AI.

Τεχνητή νοημοσύνη

Όσο δυνατό κι αν ακούγεται, αλλά στα παιχνίδια των παικτών για τους οποίους παίζει ο υπολογιστής, συνηθίζεται να το ονομάζουμε AI, ή bots. Το αντικείμενο BotSocket έχει τα απαραίτητα δεδομένα παιχνιδιού για να λάβει μια απόφαση. Υπάρχουν μόνο τρεις πιθανές λύσεις:

1. Καμία σχέση, πήγαινε κατευθείαν
2. Στρίψτε δεξιά
3. Στρίψτε αριστερά

Όταν αποφάσισα να γράψω ένα bot, δεν είχα ιδέα πώς θα μπορούσε να γίνει. Δοκίμασα έναν πολύ απλό κώδικα:
BotSocket.prototype.update = function() ( var r = Math.random(); if (r > 0.95) ( this.control(("button": "right")); ) else if (r >
Η συμπεριφορά ήταν κάπως έτσι:

Τον κοίταξα και ένιωσα μεγάλη χαρά, μου φαινόταν ότι ήταν πλέον ανεξάρτητος. Φαινόταν ότι ο ίδιος έψαχνε μια προσπάθεια επιβίωσης, πολεμώντας εκεί, σαν ζωντανός. Συγκινητικό θέαμα.

Ήθελα όμως να ζήσει όσο περισσότερο γινόταν. Άρχισα να ψάχνω πληροφορίες για το πώς γράφουν AI για παιχνίδια. Βρέθηκαν άρθρα που περιέγραφαν διαφορετικές προσεγγίσεις. Έψαχνα όμως κάτι εξαιρετικά απλό. Βρήκα στο Habré σε ένα από τα άρθρα σχετικά με ένα bot για ένα παιχνίδι όπως το Zuma μια αναφορά στη μέθοδο wave. Είναι ο αλγόριθμος Lee. Μου φάνηκε πολύ απλό και κατάλληλο. Αυτός είναι ένας αλγόριθμος για την εύρεση της συντομότερης διαδρομής από το ένα σημείο στο άλλο στο πεδίο, όπου τα κελιά μπορούν να είναι είτε ελεύθερα είτε κατειλημμένα. Το θέμα είναι απλό. Ξεκινάμε από τον προορισμό, του εκχωρούμε την τιμή 1 και σημειώνουμε όλα τα γειτονικά ελεύθερα κελιά με έναν ακόμη αριθμό. Στη συνέχεια παίρνουμε όλα τα γειτονικά ελεύθερα σημειωμένα και πάλι σημειώνουμε με ένα ακόμα. Επεκτείνουμε λοιπόν σε ολόκληρο το πεδίο μέχρι να φτάσουμε στον προορισμό. Και χτίζουμε το μονοπάτι αναζητώντας από γείτονες μειώνοντας τον αριθμό μέχρι να φτάσουμε στο 1. Κοίταξα αλγόριθμους για την εύρεση των συντομότερων μονοπατιών σε γραφήματα, αλλά αυτό μου φάνηκε το πιο κατάλληλο.

Μετέφερα τον αλγόριθμο αντιγραφής-επικόλλησης από τη σελίδα στο wiki, της έδωσα όνομα BotSocket.prototype.algorithmLee. Για το πεδίο, πρώτα δημιούργησα ένα αντικείμενο πεδίο μάχης, στο οποίο, με κάθε ενημέρωση, σημείωνε τα κατεχόμενα σημεία με τις συντεταγμένες τους. Και στον αλγόριθμο του Lee, μείωσε αυτό το πεδίο στο ίδιο, αλλά με βήμα 1.

Ήταν απαραίτητο να καθοριστεί με κάποιο τρόπο ο προορισμός. Αποφάσισα να το επιλέγω τυχαία σε συγκεκριμένα χρονικά διαστήματα. Έκανα μια μέθοδο για την εύρεση ενός τυχαίου ελεύθερου σημείου στο πεδίο:
BotSocket.prototype.getDesiredPoint = function() ( var point = ; var H = Object.keys(this.battleground).length - 1; var W = Object.keys(this.battleground).length - 1; var x, y , i, j; var βρέθηκε = false; var iter = 0; do ( i = this.getRandomInt(1, W); j = this.getRandomInt(1, H); x = i * this.moveStepSize; y = j * this.moveStepSize;if (this.battleground[x][y] === this.BG_EMPTY) ( found = true; ) iter++; ) ενώ (!found && iter< 100); point = ; return point; };

Τώρα θα μπορούσα να ξαναγράψω την ενημέρωση:
BotSocket.prototype.update = function() ( if (!this.desiredPoint || this.movements % this.updDestinationInterval === 0) ( this.desiredPoint = this.getDesiredPoint(); ) if (!this.desiredPoint) ( επιστροφή; ) var currentPoint = ; var path = this.algorithmLee(currentPoint, this.desiredPoint); if (διαδρομή && typeof διαδρομή !== "ακαθόριστο") (this.moveToPoint(path); ) else (this.desiredPoint = this .getDesiredPoint(); ) );
Μέθοδος που αναφέρεται εδώ moveToPoint, το οποίο περιστρέφεται όσο χρειάζεται για να φτάσει στο πρώτο σημείο της συντομότερης διαδρομής δεδομένης της τρέχουσας κατεύθυνσης.

Αργότερα αποφάσισα να κάνω τα bots πιο επιθετικά και αντί να θέλω τυχαία έναν πόντο, έψαξα για ένα σημείο μπροστά στους εχθρούς για να τους εμποδίσω. Ή ότι δεν παίζουν τόσο καιρό με τον εαυτό τους.

Bot στην πλευρά του πελάτη

Αποφάσισα να προσπαθήσω να μεταφέρω το bot στην πλευρά του πελάτη. Εφόσον το έργο βρίσκεται στο node.js, μπορώ να χρησιμοποιήσω τον γραπτό κώδικα για το bot και στην πλευρά του πελάτη. Για να γίνει αυτό, επέκτεινα το BotSocket με ένα ξεχωριστό αρχείο πελάτη που αντικατέστησε μεθόδους εκπέμπουν()Και έλεγχος()να αλληλεπιδρά σωστά με τον διακομιστή χωρίς αναφορά στο αντικείμενο του παιχνιδιού.
Τοπικά, όλα λειτουργούσαν καλά, αλλά μετά την ανάπτυξη σε έναν απομακρυσμένο διακομιστή, υπήρχε κάποια περίεργη εικόνα:

Μετά από πολλή σκέψη, κατάλαβα ότι ήταν καθυστέρηση. Το bot έστειλε μια εντολή στροφής, αλλά έφτασε μετά την ενημέρωση της θέσης του στον διακομιστή, γι' αυτό συχνά δεν μπορούσε να φτάσει σε μια άμεση διαδρομή προς το επιθυμητό σημείο. Αλλά ήθελα ένα κανονικό bot από την πλευρά του πελάτη. Ως εκ τούτου, αποφάσισα να λάβω υπόψη την καθυστέρηση. Για να γίνει αυτό, έγραψα ξανά την επέκταση BotSocket. Το άρθρο αποδεικνύεται μεγάλο, οπότε θα περιγράψω τις κύριες λύσεις. Πριν καλέσω τον αλγόριθμο Lee, αντί για το τρέχον σημείο, αντικατέστησα την προβλεπόμενη θέση, λαμβάνοντας υπόψη την τρέχουσα θέση και κατεύθυνση, καθώς και τον πολλαπλασιαστή καθυστέρησης. Ο πολλαπλασιαστής καθυστέρησης είναι ο αριθμός κατά πόσες φορές η καθυστέρηση υπερβαίνει τον ρυθμό ενημέρωσης θέσης του διακομιστή. Χρειαζόμουν ακόμα την πρόβλεψη του μελλοντικού σημείου στη μέθοδο moveToPoint().

Η πρόβλεψη λειτούργησε αν παιζόταν μόνη της. Αλλά αν υπήρχαν άλλοι συμμετέχοντες, τότε το bot δεν το έλαβε υπόψη και το κατεύθυνε εκεί όπου, μετά από λίγο, είχε ήδη περάσει ένας άλλος παίκτης. Για να λύσω αυτό το πρόβλημα, άλλαξα τη μέθοδο που επισημαίνει τα κελιά του πεδίου ως κατειλημμένα. Άρχισα να τα σημειώνω ως απασχολημένα σε μια ορισμένη ακτίνα κίνησης των μοτοσυκλετών. Η ακτίνα εξαρτάται από τον πολλαπλασιαστή καθυστέρησης.
Προηγουμένως, παρείχα στο bot λειτουργίες εντοπισμού σφαλμάτων, οι οποίες σχεδίαζαν το επιθυμητό σημείο και καταλάμβαναν σημεία στο πεδίο. Η δική μου έκδοση του bot πελάτη, λαμβάνοντας υπόψη την καθυστέρηση, κινείται τώρα ως εξής:


Το κόκκινο μου, τα υπόλοιπα είναι του διακομιστή.

Το πιο σημαντικό είναι να προσπαθήσετε να φτιάξετε ένα bot μόνοι σας

Ο κύριος στόχος αυτού του άρθρου είναι να προκαλέσει το ενδιαφέρον για τη συγγραφή ενός bot. Έχω κάνει πολλά για να ξεπεράσω την τεμπελιά σου. Για να γίνει αυτό, πρόσθεσα τη δυνατότητα να φορτώσω το δικό μου σενάριο με ένα bot που θα επεκτείνει την βασική μου κλάση πελάτη. Μεταβείτε στο έργο και κάντε κλικ στο κείμενο "Εμφάνιση επιλογών για δωμάτιο με το δικό σας bot" και, στη συνέχεια, στο κουμπί "Δημιουργία δωματίου για δοκιμή του δικού σας ρομπότ". Θα δημιουργηθεί ένα δωμάτιο όπου μπορείτε εύκολα να εφαρμόσετε bots, από προεπιλογή το bot σας θα είναι ένα bot χωρίς να λαμβάνεται υπόψη ο λανθάνοντας χρόνος. Τώρα ήρθε η ώρα για τον κωδικό σας.
Δύο απλές επιλογές για τη χρήση του κώδικά σας σε δράση, χρησιμοποιήστε είτε:

1. Ανεβάστε το αρχείο js σε οποιονδήποτε διακομιστή θα είναι διαθέσιμος στο πρόγραμμα περιήγησής σας. Επικόλληση διεύθυνσης URL στο σενάριο σας στο παιχνίδι δίπλα στο κουμπί "Φόρτωση του σεναρίου AI". Αφού κάνετε κλικ σε αυτό το κουμπί, ένα νέο αντικείμενο θα δημιουργηθεί και θα συμπληρωθεί botSocket, στο οποίο θα κληθεί η μέθοδος αρχή().
2. Χρησιμοποιήστε την κονσόλα του προγράμματος περιήγησης (Firebug - F12, Firefox - Ctrl+Shift+K, Chrome - Ctrl+Shift+J, άλλα - ).

Εάν έχετε αποφασίσει για τη μέθοδο εισαγωγής του κώδικά σας, δοκιμάστε να παρακάμψετε τις μεθόδους κλάσης υποδοχή bot. Για αρχή, το πιο απλό:
BotSocket.prototype.update = function() ( var r = Math.random(); if (r > 0.95) ( this.control(("button": "right")); ) else if (r > 0.90) ( this.control(("κουμπί": "αριστερά")); ) )

Μετά από αυτό, δημιουργήστε ξανά το αντικείμενο botSocket πληκτρολογώντας
botSocket = null;
Σε αυτήν την περίπτωση, ο κώδικας στη σελίδα θα αναδημιουργήσει και θα γεμίσει το ίδιο το αντικείμενο. Αυτό θα αλλάξει την προεπιλεγμένη συμπεριφορά του bot σε τυχαία. Και μετά εξαρτάται από τη φαντασία ή τη βαθιά γνώση σας.
Μπορείτε επίσης να συμπεριλάβετε το σενάριο του βελτιωμένου bot μου, λαμβάνοντας υπόψη την καθυστέρηση, εισάγοντας στη διεύθυνση url για το bot https://raw.github.com/rnixik/tronode-js/master/public/javascripts/MyBotSocketClient.js

συμπέρασμα

Είπα πώς δημιούργησα το AI μου στον διακομιστή, μετά πώς το μετέφερα στον πελάτη και πώς προσπάθησα να του μάθω να παίζει με υψηλό ping. Ελπίζω πραγματικά ότι κατάφερα να σας ενδιαφέρω και προσπαθήσατε να γράψετε τη δική σας τεχνητή νοημοσύνη, αν δεν το έχετε κάνει ποτέ πριν. Φυσικά, τα high-end παιχνίδια χρησιμοποιούν πολύ διαφορετικές προσεγγίσεις, αλλά αξίζει να ξεκινήσετε από μικρά.

Εάν δεν έχετε εύχρηστο το node.js, μπορείτε να χρησιμοποιήσετε τις εφαρμογές που ανέπτυξα:

1) Το tronode.livelevel.net είναι το φθηνότερο VPS στο DigitalOcean,
2) Το tronode-js.herokuapp.com είναι μια δωρεάν εικονική μονάδα στο Heroku.

Το πρώτο, πιθανότατα, το πρώτο δεν μπορεί να αντιμετωπίσει το φορτίο και το δεύτερο σε ορισμένους υπολογιστές επαναφέρει τη μεταφορά του socket.io στο xhr-polling, εξαιτίας αυτού το παιχνίδι υστερεί πολύ.
Αν θέλετε να μάθετε περισσότερα για το πώς προγραμμάτισα τη λογική του παιχνιδιού, μπορείτε να διαβάσετε. Στο ίδιο σημείο, σχετικά με την ανάπτυξη του node.js και λίγο για το γραφικό μέρος.

Εάν δεν έχετε λογαριασμό στο Habré, τότε μπορείτε να κάνετε ερωτήσεις ή να μου στείλετε τις ενδιαφέρουσες προτάσεις σας μέσω ταχυδρομείου [email προστατευμένο].

Ετικέτες: Προσθήκη ετικετών

Σε μια σειρά άρθρων, θα μιλήσουμε για νέες προσεγγίσεις στην τεχνητή νοημοσύνη, τη μοντελοποίηση προσωπικότητας και την επεξεργασία δεδομένων BIG που δεν είναι διαθέσιμες στους περισσότερους ειδικούς της τεχνητής νοημοσύνης και στο κοινό. Η αξία αυτών των πληροφοριών είναι ότι όλα έχουν δοκιμαστεί στην πράξη και οι περισσότερες θεωρητικές εξελίξεις έχουν εφαρμοστεί σε εφαρμοσμένα έργα.

Πολλοί από εσάς έχετε ακούσει για σύγχρονες τεχνολογίες που συνδέονται σήμερα με την έννοια της τεχνητής νοημοσύνης, συγκεκριμένα: συστήματα ειδικών, νευρωνικά δίκτυα, γλωσσικοί αλγόριθμοι, υβριδικά συστήματα, γνωστικές τεχνολογίες, προσομοίωση (chat bots) κ.λπ.

Ναι, πολλές εταιρείες χρησιμοποιούν τις παραπάνω τεχνολογίες για να λύσουν τα προβλήματα των πελατών τους στην επεξεργασία πληροφοριών. Μερικές από αυτές τις εταιρείες γράφουν ότι δημιουργούν ή έχουν δημιουργήσει λύσεις τεχνητής νοημοσύνης. Είναι όμως ευφυΐα;

Το πρώτο πράγμα που θα κάνουμε είναι να ορίσουμε τι είναι νοημοσύνη.

Φανταστείτε ότι υπάρχει ένας υπολογιστής με νοημοσύνη. Και έχετε την επιλογή να επικοινωνήσετε μαζί του φωνητικά ή μέσω γραπτών μηνυμάτων.
Ερωτήσεις:

• Είναι απαραίτητο να ενσωματωθούν γλωσσικά χαρακτηριστικά στο πρόγραμμα νοημοσύνης του υπολογιστή (περιγράψτε τη σημασιολογία, τη γραμματική, τη μορφολογία) ή θα μπορούσε να μάθει γλώσσες από μόνο του μέσω της αλληλεπίδρασης με ένα άτομο;
• Αν σας αναλάμβαναν να διδάξετε μια γλώσσα σε έναν υπολογιστή, τι θα κάνατε;
• Αν λάβατε μέρος μόνο στην προπόνηση, τότε σε ποιον θα έμοιαζε;

Και τώρα, απαντήστε ξανά σε αυτές τις ερωτήσεις, με τη μόνη διαφορά που θα έπρεπε να διδάξετε:

• Ένας καθαρόαιμος παπαγάλος, θεωρητικά ικανός για επικοινωνία.
• Νεογέννητο μωρό.

Μόλις κάναμε πνευματική δουλειά και ελπίζω ότι πολλοί από εσάς έχετε λάβει νέα γνώση. Και για αυτο:

• Πρώτα, σας ζήτησα να φανταστείτε (φανταστείτε) «τι θα γινόταν αν...». Ενεργήσατε σε ένα αλλαγμένο περιβάλλον. Ίσως σας έλειπαν πληροφορίες και γνώσεις, σας ήταν δύσκολο.
• Δεύτερον, αποδείχτηκες ικανός για μάθηση, γνώση, βρήκατε μια αναλογία οικεία σε εσάς ή τη συναντήσατε στο κείμενο, ή ίσως χρησιμοποιήσατε το Διαδίκτυο ή ζητήσατε συμβουλές από έναν φίλο.

Υπάρχουν πολλές προσεγγίσεις για τον ορισμό της νοημοσύνης. Θα ορίσουμε τα κύρια χαρακτηριστικά του...

Πρωτα απο ολα ευφυΐα είναι η ικανότητα να μαθαίνεις και να φαντάζεσαι.

Για να δημιουργήσετε έναν αλγόριθμο που προσομοιώνει τη νοημοσύνη, το πρώτο πράγμα που πρέπει να κάνετε είναι δώστε του την ικανότητα να μαθαίνει, δεν απαιτούνται γνώσεις για να επενδύσετε σε αυτό.

Ας επιστρέψουμε στο παράδειγμα του παιδιού μας για να περιγράψουμε τη διαδικασία μάθησης με περισσότερες λεπτομέρειες.
Ποιες αρχές λειτουργούν όταν ένα παιδί μαθαίνει να κατανοεί και να μιλάει μια γλώσσα;

1. Όσο πιο συχνά ακούει μια λέξη σε διαφορετικά συμφραζόμενα, τόσο πιο γρήγορα θα τη θυμάται. Η πρώτη λέξη που θα πει είναι πιθανό να είναι «μαμά».
   "Η μαμά σε αγαπάει"
   "Η μαμά θα σου πλύνει τα χέρια"
   "Η μαμά σε φιλάει"
   «Πού είναι η μαμά;»
   Η μάθηση γίνεται εις βάρος του πλεονασμού δεδομένων.
2. Όσο περισσότερα κανάλια πληροφόρησης εμπλέκονται, τόσο πιο αποτελεσματική είναι η εκπαίδευση:
   το παιδί ακούει: «Η μαμά σε αγαπάει».
   το παιδί βλέπει το χαμόγελο της μητέρας.
   το παιδί νιώθει τη ζεστασιά που πηγάζει από τη μητέρα.
   το παιδί αισθάνεται τη γεύση και τη μυρωδιά του μητρικού γάλακτος.
   το παιδί λέει «μαμά».
3. Το παιδί δεν θα μπορεί να αναπαράγει τη λέξη αμέσως. Θα προσπαθήσει, θα προσπαθήσει. «Μ», «Μαμά», «Μαμά», «Μ» ​​... «Μαμά». Η μάθηση γίνεται στη δράση, κάθε επόμενη προσπάθεια διορθώνεται μέχρι να πάρουμε το αποτέλεσμα. Μέθοδος δοκιμής και λάθους. Είναι πολύ σημαντικό να λαμβάνετε σχόλια από την πραγματικότητα.
4. Μην εκπαιδεύετε τα παιδιά σας, θα σας μοιάζουν ακόμα. Το παιδί προσπαθεί να είναι σαν τους ανθρώπους γύρω του. Τους μιμείται και μαθαίνει από αυτούς. Αυτός είναι ένας από τους μηχανισμούς μοντελοποίησης προσωπικότητας, για τον οποίο θα μιλήσουμε αναλυτικότερα σε επόμενα άρθρα.

Ποιος είναι ο ρόλος της φαντασίας;

Φανταστείτε ότι οδηγείτε ένα αυτοκίνητο σε έναν άγνωστο αυτοκινητόδρομο. Περνάς μια πινακίδα ορίου ταχύτητας 80 km/h. Οδηγήστε και βλέπετε μια άλλη πινακίδα ορίου ταχύτητας, αλλά είναι πασπαλισμένη με λάσπη και σχεδόν ανεξήγητη. Κινείτε με ταχύτητα 95 km/h. Τι θα κάνεις? Ενώ παίρνατε μια απόφαση, ένας αστυνομικός κοίταξε πίσω από τους θάμνους και είδατε ένα λαμπερό χαμόγελο στο πρόσωπό του. Στο κεφάλι σας, η «εικόνα της πινακίδας» ολοκληρώθηκε αμέσως και καταλάβατε γιατί ο αστυνομικός στεκόταν εκεί και ότι πρέπει επειγόντως να πατήσετε τα φρένα. Επιβραδύνεις στα 55 km/h, το χαμόγελο στο πρόσωπο του αστυνομικού εξαφανίζεται αμέσως και συνεχίζεις.

Και ένα άλλο ενδιαφέρον παράδειγμα της δουλειάς της φαντασίας από τον κόσμο των ζώων είναι η παρατήρηση των καρακάκων. Μια κίσσα έθαψε φαγητό σε μια ερημιά μπροστά στις άλλες κίσσες. Όλες οι κίσσες πέταξαν μακριά, αλλά η κίσσα μας επέστρεψε στην ερημιά και έκρυψε το φαγητό. Τι συνέβη? Φαντάστηκε (φαντάθηκε) «τι θα γινόταν αν» πετούσε μέσα μια άλλη καρακάξα, που είδε πού έκρυβε το φαγητό. Διαμόρφωσε την κατάσταση και βρήκε μια λύση για να την αποφύγει.

Η φαντασία είναι μια προσομοίωση μιας κατάστασης σε αυθαίρετες συνθήκες.

Όπως έχετε ήδη δει, η ευφυΐα δεν είναι μια βάση γνώσεων, δεν είναι ένα σύνολο προγραμματισμένων αντιδράσεων ή ακολουθώντας προκαθορισμένους κανόνες.

Η νοημοσύνη είναι η ικανότητα μάθησης, γνώσης και προσαρμογής στις μεταβαλλόμενες συνθήκες στη διαδικασία επίλυσης δυσκολιών.

Δεν νομίζετε ότι όταν ορίζουμε τη νοημοσύνη, έχουμε χάσει τα μάτια μας κάποια σημαντικά στοιχεία ή ξεχάσαμε να μιλήσουμε για κάτι;

Ναι, χάσαμε την αντίληψη και ξεχάσαμε να μιλήσουμε για τη μνήμη.

Φανταστείτε ότι κοιτάτε μέσα από το ματάκι και βλέπετε μέρος του γράμματος:

Τι είναι αυτό το γράμμα;

Ίσως «Κ»;

Όχι βέβαια, είναι ο ιαπωνικός χαρακτήρας για την «αιωνιότητα».

Πριν απλώς ορίσετε μια εργασία (πρόβλημα). Πιθανότατα, βρήκατε μια παρόμοια εικόνα του γράμματος "Κ" στο κεφάλι σας και ηρεμήσατε.

Η διάνοιά σας αντιλαμβάνεται τα πάντα ως εικόνες και αναζητά μια παρόμοια εικόνα στη μνήμη, αν δεν υπάρχει, τότε σχηματίζεται ένα δέσιμο (άγκυρα) σε υπάρχουσες εικόνες και χάρη σε αυτό απομνημονεύετε νέες πληροφορίες, αποκτάτε δεξιότητες ή εμπειρία.

Εικόνα - μια υποκειμενική όραση του πραγματικού κόσμου, που γίνεται αντιληπτή με τη βοήθεια των αισθήσεων (κανάλια πληροφοριών).

Η αντίληψη είναι υποκειμενική, γιατί εξαρτάται από τη σειρά μάθησης, τη σειρά εμφάνισης των εικόνων στη ζωή ενός ατόμου και την επιρροή τους.

Η αντίληψη ξεκινά με την αναγνώριση μοτίβων φωτός/σκοτεινού. Ανοίξτε τα μάτια σας - ανοιχτό, κλειστό - σκοτάδι. Επιπλέον, ένα άτομο μαθαίνει να αναγνωρίζει όλο και πιο περίπλοκες εικόνες - "μητέρα", "μπαμπά", μια μπάλα, ένα τραπέζι, ένα σκυλί. Λαμβάνουμε δεδομένα αναφοράς και όλες οι επόμενες εικόνες αποτελούν πρόσθετο στις προηγούμενες.

Από αυτή την άποψη, η μάθηση είναι η διαδικασία δημιουργίας νέων σχέσεων μεταξύ των αντιληπτών εικόνων και των εικόνων που βρίσκονται ήδη στη μνήμη.

Η μνήμη χρησιμεύει για την αποθήκευση εικόνων και των σχέσεών τους..

ΕΝΑ Η φαντασία είναι η ικανότητα να ολοκληρώσεις μια ημιτελή εικόνα.

Συνοψίζοντας, εδώ είναι ένα άλλο πείραμα από τον κόσμο των ζώων:

Οι χιμπατζήδες τοποθετήθηκαν σε ένα κλουβί, και μέσα στο κλουβί κρέμασαν ένα μάτσο μπανάνες αρκετά ψηλά από το πάτωμα. Στην αρχή, ο χιμπατζής πήδηξε, αλλά γρήγορα κουράστηκε και φαινόταν να χάνει το ενδιαφέρον του για τις μπανάνες και κάθισε, χωρίς να τις προσέχει. Αλλά μετά από λίγο η μαϊμού σήκωσε ένα ραβδί που είχε μείνει στο κλουβί και τίναξε τις μπανάνες μέχρι να πέσουν. Σε άλλη περίπτωση, ένας χιμπατζής κατάφερε να συνδέσει δύο ξυλάκια για να πάρει μπανάνες, αφού το κάθε ραβδί από μόνο του δεν ήταν αρκετό για να τις φτάσει. Το ζώο αντιμετώπισε ένα πιο δύσκολο έργο, τοποθετώντας απροσδόκητα ένα κουτί κάτω από τις μπανάνες και χρησιμοποίησε το ως βήμα.

Οι χιμπατζήδες έδειξαν τη γνώριμη εικόνα της «μάτσο μπανάνες». Αλλά η εικόνα για αυτήν αποδείχθηκε ελλιπής - δεν μπορούν να βγουν και να φάνε. Αλλά επειδή αυτή ήταν η μόνη διαθέσιμη πηγή τροφής, η ημιτελής εικόνα δημιούργησε εσωτερική ένταση και απαιτούσε ολοκλήρωση.

Τα μέσα για την επίλυση του προβλήματος (συμπλήρωση της εικόνας) ήταν πάντα διαθέσιμα, αλλά η εμφάνιση μιας λύσης απαιτούσε τη μετατροπή των υπαρχουσών εικόνων (ήταν απαραίτητο να μάθουμε με τη βοήθεια της φαντασίας). Ο χιμπατζής έπρεπε να φανταστεί (να απαριθμήσει νοερά όλες τις πιθανές επιλογές): "τι θα συμβεί αν πάρω ένα ραβδί", "τι θα συμβεί αν ..." και τις πιο πιθανές υποθέσεις για να δοκιμάσει στην πράξη, να προσπαθήσει και να λάβει ανατροφοδότηση, φανταστείτε ξανά , δοκιμάστε, λάβετε σύνδεση σχολίων και ούτω καθεξής μέχρι να ολοκληρώσουμε την εικόνα (μάθετε).

Αν η αναγνώριση της εικόνας του ιερογλυφικού «αιωνιότητα» θα ήταν θέμα ζωής και θανάτου για εσάς, τότε σίγουρα θα βρείτε τρόπο να το κάνετε.

Από μια πιο δημοφιλή γλώσσα, ας περάσουμε σε μια τεχνική και ας διατυπώσουμε τις βασικές έννοιες που θα χρησιμοποιήσουμε περαιτέρω:

• Η διασταύρωση περιττών πληροφοριών από διαφορετικά κανάλια πληροφοριών δημιουργεί μια εικόνα.
• Η μάθηση είναι ο μετασχηματισμός των ροών πληροφοριών σε ένα πεδίο πληροφοριών.
• Πεδίο πληροφοριών (μνήμη) - αποθήκευση εικόνων και οι σχέσεις τους.
• Η φαντασία είναι...
  - «Αγαπητέ αναγνώστη, συμπλήρωσε μόνος σου την εικόνα της φαντασίας, χρησιμοποιώντας περιττές πληροφορίες από την εμπειρία της ζωής σου και από αυτό το άρθρο».
• Η νοημοσύνη είναι η ικανότητα να μαθαίνεις και να φαντάζεσαι.

Στην αρχή του άρθρου, παραθέσαμε τις τεχνολογίες που σχετίζονται σήμερα με την τεχνητή νοημοσύνη, τώρα μπορείτε να αξιολογήσετε ανεξάρτητα πόσο αντιστοιχούν στην έννοια της νοημοσύνης.

Στο επόμενο άρθρο, θα εξετάσουμε μια τέτοια εργασία ως πνευματική αναζήτηση πληροφοριών στο Διαδίκτυο. Ας ορίσουμε τα κριτήρια της νοημοσύνης, ας αναπτύξουμε πρακτικές προσεγγίσεις και ας «νιώσουμε» μια πραγματική εφαρμογή που υλοποιεί τις αρχές που περιγράφονται σε αυτό το άρθρο.

Το άρθρο δεν ισχυρίζεται ότι είναι αληθινό, είναι μέρος των εξελίξεων και της έρευνάς μας. Γράψτε σχόλια, συμπληρώστε το υλικό με παραδείγματα ή σκέψεις σας. Μάθετε και φανταστείτε...

ΣΧΕΔΙΟ.

1. Εισαγωγή.

2. Το φαινόμενο της σκέψης.

3. Δημιουργία τεχνητής νοημοσύνης.

3.1 Μηχανική προσέγγιση.

3.2 Ηλεκτρονική προσέγγιση.

3.3 Κυβερνητική προσέγγιση.

3.4 Νευρική προσέγγιση.

3.5 Η εμφάνιση του perceptron.

4. Συμπέρασμα.

5. Κατάλογος παραπομπών.

1. ΕΙΣΑΓΩΓΗ.

Οι σύγχρονοι φιλόσοφοι και ερευνητές της επιστήμης συχνά βλέπουν τις διεπιστημονικές επιστήμες ως ένα από τα επιτεύγματα της εκ νέου ανακάλυψης του 20ού αιώνα.

Η τεχνητή νοημοσύνη και η τεχνητή ζωή είναι ένα τέλειο παράδειγμα τέτοιας ολοκλήρωσης πολλών επιστημονικών πεδίων.

Δυστυχώς, η ζωή είναι πολύ περίπλοκη για να σκιαγραφηθούν γενικές κατευθύνσεις στην έρευνα. Τα στοιχεία είναι ότι κάποιοι ενδιαφέρονται για τη μελέτη των «συστημάτων που καταδεικνύουν τα φαινόμενα των ζωντανών συστημάτων», άλλοι μελετούν τη φύση της χημικής αναπαραγωγής ή προσπαθούν να λύσουν φιλοσοφικά προβλήματα αυτογνωσίας.

Στην έννοια της "τεχνητής νοημοσύνης" δίνονται διαφορετικές έννοιες - από την αναγνώριση της νοημοσύνης σε υπολογιστές εξοπλισμένους με προϊόντα λογισμικού αναγνώρισης κειμένου και ομιλίας έως την ταξινόμηση ως έξυπνων μόνο εκείνων των συστημάτων που επιλύουν ολόκληρο το φάσμα των εργασιών που εκτελούνται από ένα άτομο.

Η θεωρία της τεχνητής νοημοσύνης στην επίλυση πολλών προβλημάτων αντιμετωπίζει ορισμένα προβλήματα. Ένα από αυτά τα προβλήματα είναι να διευκρινιστεί το ερώτημα εάν η πιθανότητα ή η αδυναμία της τεχνητής νοημοσύνης είναι θεωρητικά (μαθηματικά) αποδείξιμη.

Υπάρχουν δύο απόψεις επ' αυτού. Κάποιοι θεωρούν ότι είναι μαθηματικά αποδεδειγμένο ότι ένας υπολογιστής μπορεί, κατ' αρχήν, να εκτελέσει οποιαδήποτε λειτουργία εκτελείται από τη φυσική νοημοσύνη. Άλλοι θεωρούν μαθηματικά αποδεδειγμένο στον ίδιο βαθμό ότι υπάρχουν προβλήματα που μπορεί να λύσει η ανθρώπινη διάνοια, τα οποία είναι θεμελιωδώς απρόσιτα στους υπολογιστές. Αυτές οι απόψεις εκφράζονται τόσο από κυβερνητικούς όσο και από φιλοσόφους. Ένα από τα πολλά προβλήματα (μπορεί να πει κανείς το κύριο) είναι ότι τα συστήματα που έχουν ψυχή διαφέρουν από τους υπολογιστές στο ότι έχουν βιολογικές ανάγκες.

Η αντανάκλαση του εξωτερικού κόσμου διέρχεται από το πρίσμα αυτών των αναγκών, που εκφράζει τη δραστηριότητα του νοητικού συστήματος. Ο υπολογιστής δεν έχει ανάγκες, γι' αυτόν οι πληροφορίες είναι ασήμαντες, αδιάφορες. Σε ένα άτομο, οι κοινωνικές ανάγκες χτίζονται πάνω από το στρώμα των βιολογικών αναγκών και οι πληροφορίες για αυτόν δεν είναι μόνο βιολογικά αλλά και κοινωνικά σημαντικές. Ωστόσο, τα τεχνικά συστήματα μπορούν ακόμη να έχουν ένα ανάλογο μιας σωματικής οργάνωσης. Ένα ανεπτυγμένο κυβερνητικό σύστημα έχει εξαρτήματα υποδοχέα και τελεστή. Στην πράξη, κάτω από τη στέγη του όρου τεχνητή ζωή φωλιάζει μια μεγάλη ποικιλία διαφορετικών έργων, από μοντέλα αντιγραφής DNA και συστήματα ανάδρασης έως τη μελέτη της συλλογικής νοημοσύνης και της δυναμικής αύξησης του πληθυσμού.

2. ΤΟ ΦΑΙΝΟΜΕΝΟ ΤΗΣ ΣΚΕΨΗΣ.

Οι μηχανές έχουν ήδη μάθει να συνθέτουν ποίηση, να συνθέτουν μουσική, να σχεδιάζουν εικόνες. Μπορεί να φαίνεται σε κάποιον ότι αυτό είναι ένα αναμφισβήτητο σημάδι της λογικής του. Σε τελική ανάλυση, αν ένας υπολογιστής έχει πρόσβαση στη δημιουργικότητα, η οποία ανέκαθεν θεωρούνταν ιδιότητα υψηλής ευφυΐας, τότε είναι δίκαιο να της αρνηθεί κανείς το μυαλό;

Ωστόσο, οι περισσότεροι από εμάς δύσκολα θα συμφωνούσαν να θεωρήσουν έναν υπολογιστή που σχεδιάζει και συνθέτει ποίηση ως υπολογιστή σκέψης. Τι πρέπει, λοιπόν, να ονομάζεται σκέψη; (2)

Είναι δύσκολο για ένα άτομο μακριά από την επιστήμη να φανταστεί πόσα μπορούν να κάνουν οι σύγχρονες κυβερνητικές συσκευές. Αξίζει τουλάχιστον να αναφέρουμε τα λεγόμενα «ειδικά συστήματα», τα οποία, με βάση τις πληροφορίες στη μνήμη τους, αναλύουν την κατάσταση του ασθενούς, τον τρόπο της τεχνολογικής διαδικασίας, δίνουν συμβουλές για το πώς να ενεργήσουν σε μια δεδομένη κατάσταση. Σε αυτήν την περίπτωση, ο υπολογιστής όχι μόνο κοινοποιεί την απόφασή του, αλλά εξηγεί επίσης γιατί πρέπει να είναι έτσι. Σε σύγκριση με την ηλεκτρονική μνήμη, την έκδοση αρχειακών αναφορών και μαθηματικών υπολογισμών, που σήμερα οι περισσότεροι άνθρωποι συνδέουν με την εικόνα ενός υπολογιστή, αυτό είναι ένα ποιοτικά νέο στάδιο πνευματικής δραστηριότητας, όταν η νέα γνώση αναπτύσσεται με βάση την υπάρχουσα γνώση. Μέχρι τώρα, αυτό θεωρούνταν αναμφισβήτητο προνόμιο του ανθρώπινου εγκεφάλου. Δεν προκαλεί έκπληξη το γεγονός ότι κάποιος που συναντά τέτοια συστήματα για πρώτη φορά συχνά απλά δεν μπορεί να πιστέψει ότι έχει να κάνει με έναν «σιδερένιο υπολογιστή» και όχι με έναν άνθρωπο χειριστή που κρύβεται κάπου.

Η ικανότητα των υπολογιστών να εκτελούν μαθηματικούς υπολογισμούς, στους οποίους έχουμε συνηθίσει, μέχρι πολύ πρόσφατα θεωρούνταν ως ένα από τα υψηλότερα επίπεδα της ανθρώπινης πνευματικής δραστηριότητας. Πολύπλοκοι αριθμοί, με τους οποίους μπορεί εύκολα να λειτουργήσει σχεδόν οποιοσδήποτε υπολογιστής, ο G. Leibniz, ο ίδιος ένας εξαιρετικός μαθηματικός, που ονομάζεται «πνευματικά αμφίβια», μια καταπληκτική «παραγωγή του πνεύματος του Θεού», και ο συγγραφέας V. Odoevsky στον «Ρωσικό λόγο» του. έγραψε για την ικανότητά μας να υπολογίζουμε ως για κάποια ακατανόητη, σχεδόν μυστική ιδιότητα: Σε κάθε μαθηματική διαδικασία, νιώθουμε πώς κάποιος άλλος, εξωγήινος, που λειτουργεί, σκέφτεται, υπολογίζει, ενώνει την ύπαρξή μας, και στο μεταξύ η αληθινή μας ύπαρξη, σαν να λέγαμε, παύει. να δράσει, μη δεχόμενος καμία συμμετοχή σε αυτή τη διαδικασία, καθώς σε ένα εξωτερικό θέμα, περιμένει τη δική του τροφή, δηλαδή τη σύνδεση που πρέπει να υπάρχει μεταξύ αυτής και αυτής της διαδικασίας - και αυτή τη σύνδεση δεν τη βρίσκουμε.

Μπορεί κανείς να φανταστεί πόσο έκπληκτος θα ήταν ο Οντογιέφσκι όταν έμαθε για τις υπολογιστικές ικανότητες των υπολογιστών μας! Ωστόσο, δεν τους θεωρούμε σκεπτόμενους.

Οποιοσδήποτε υπολογιστής, ανεξάρτητα από το πόσο εκπληκτική είναι η «ικανότητά» του να μαθαίνει, λειτουργεί με βάση ένα πρόγραμμα που έχει προετοιμαστεί εκ των προτέρων για αυτόν και τα εισερχόμενα εξωτερικά δεδομένα. Είναι αλήθεια ότι και εμείς οι άνθρωποι εφαρμόζουμε ορισμένα προγράμματα δράσης, ειδικά τους πρώτους μήνες της ζωής μας, όταν η συμπεριφορά μας καθορίζεται σχεδόν εξ ολοκλήρου από το γενετικό πρόγραμμα που είναι ενσωματωμένο μέσα μας. Ωστόσο, η θεμελιώδης διαφορά είναι ότι ένα άτομο είναι ικανό να παρακινήσει, δηλ. ανάλογα με ορισμένες συνθήκες, αλλάξτε το πρόγραμμα και το κάνετε με τέτοιο τρόπο ώστε να μην υπάρχει συνεχής λογική γέφυρα μεταξύ της Σάρα και του νέου προγράμματος. Το πώς συμβαίνει αυτό επίσης δεν είναι ακόμη σαφές, υπάρχουν πολλές διαφωνίες και διαφορετικές απόψεις, αλλά αυτό είναι ένα άλλο ερώτημα, είναι σημαντικό οι σύγχρονοι υπολογιστές να μην έχουν αυτήν την ιδιότητα. Τώρα, αν συνέβαινε κάποιος υπολογιστής που έλυνε, ας πούμε, προβλήματα στον ηλεκτρομαγνητισμό και την κβαντομηχανική, συνδύαζε αυτές τις δύο ενότητες της επιστήμης και εξήγαγε τις εξισώσεις της κβαντικής ηλεκτροδυναμικής και στη συνέχεια τις χρησιμοποιούσε για να προβλέψει νέα φαινόμενα σε αυτήν την προηγουμένως άγνωστη περιοχή, τότε ίσως, θα είχαμε το δικαίωμα να την ονομάσουμε σκέψη. Και κυρίως γιατί η ίδια, χωρίς καμία προγραμματική προτροπή, αποφάσισε να αναλάβει ένα ποιοτικά νέο έργο. Η λέξη «αποφάσισε» σημαίνει απλώς ότι σκέφτεται.

Οποιαδήποτε πνευματική εργασία είναι μια αναζήτηση τρόπου επίτευξης του στόχου, διαφορετικά δεν θα είναι λύση στο πρόβλημα, αλλά απλώς μια ενέργεια σύμφωνα με τις ακριβείς οδηγίες.

Όταν λέμε ότι ένας μαθητής λύνει ένα πρόβλημα, αυτό σημαίνει, πρώτα απ 'όλα, ότι πρέπει να καταλάβει ποια φόρμουλα να πάρει για αυτό, ποιους αριθμούς να αντικαταστήσει σε αυτό. Ωστόσο, αν, κοιτάζοντας το σημειωματάριο του γείτονά του, αντικαταστήσει τους αριθμούς που υποδεικνύονται εκεί στον τύπο που είναι γραμμένος στον πίνακα, αυτό δεν είναι πλέον λύση, αλλά μηχανική επανάληψη. Έτσι συμπεριφέρονται οι σύγχρονοι υπολογιστές. Αυστηρά μιλώντας, δεν λύνουν κανένα πρόβλημα και η έκφραση "ο υπολογιστής λύνει" που χρησιμοποιούμε συχνά έχει μια συμβατική έννοια ...

Η ικανότητα να θέτεις μια εργασία και να αυτοπρογραμματίζεις για τη λύση της είναι ακριβώς το κύριο πράγμα που χαρακτηρίζει το φαινόμενο της σκέψης.

Μπορεί κανείς να αντιταχθεί σε αυτή τη δήλωση, σημειώνοντας ότι τόσο τα ψάρια όσο και η πρωτόγονη αμοιβάδα, κυνηγώντας το θήραμα, θέτουν επίσης καθήκοντα που αλλάζουν ανάλογα με τις συγκεκριμένες συνθήκες, πράγμα που σημαίνει ότι σκέφτονται επίσης;

Αυτές μπορεί να είναι πρωτόγονες μορφές σκέψης, γιατί η εξήγηση της συμπεριφοράς των ζώων σε όλη την ποικιλία των καταστάσεων της ζωής μόνο από το ένστικτο είναι μια υπόθεση. (2)

Τα ζώα και τα πουλιά έχουν μια τέτοια ιδιότητα σκέψης όπως η ικανότητα γενίκευσης. Για παράδειγμα, αναγνωρίζουν το φαγητό σε διάφορες συγκεκριμένες μορφές, το φαγητό γενικά, ας πούμε έτσι.

Η συνηθισμένη μας κατανόηση του ορθολογικού είναι υπερβολικά εξανθρωπισμένη και, όπως τον 19ο αιώνα η ίδια η ιδέα της διαδοχής μεταξύ ανθρώπου και πιθήκου φαινόταν γελοία σε πολλούς, σήμερα πολλοί από εμάς μπερδεύονται με την ιδέα της δυνατότητας μη ανθρώπινη νοημοσύνη. Συγκεκριμένα, χωρίς να το προσέξουμε οι ίδιοι, συχνά συνδέουμε την ιδέα της σκέψης με την ικανότητα να έχουμε επίγνωση του δικού μας «εγώ» και αυτό μας εμποδίζει να ρίξουμε μια ευρύτερη ματιά στο φαινόμενο της σκέψης. Είναι αλήθεια ότι η σύνδεση μεταξύ σκέψης και αίσθησης «εγώ» φαίνεται να υπάρχει πραγματικά. Μπορεί να θεωρηθεί ότι στις συνθήκες ενός ιδιότροπα μεταβαλλόμενου εξωτερικού περιβάλλοντος, ένα σύνθετο σύστημα θα είναι σταθερό μόνο εάν έχει την ικανότητα να αισθάνεται την κατάστασή του, και αυτή είναι η ουσία του «εγώ» μας. Η ανάλυση δείχνει ότι μια τέτοια αίσθηση είναι ήδη απαραίτητη για πολλά αυτόματα ρομπότ. Άλλωστε, ένα ρομπότ, και γενικά κάθε περίπλοκη μηχανή αυτομάθησης που επικοινωνεί ενεργά με ένα άτομο, πρέπει να τον ενημερώσει για την κατάσταση της μνήμης του, για το τι είναι σαφές και τι όχι και γιατί. Και για αυτό, το αυτόματο πρέπει να αισθάνεται και να μπορεί να εκφράσει την κατάστασή του. Αυτό είναι επίσης απαραίτητο για το ρομπότ για να παρατηρήσει έγκαιρα προβλήματα στον «οργανισμό» του. Ένα ρομπότ που δεν γνωρίζει τον εαυτό του είναι απίθανο να επιβιώσει για πολύ σε ένα πολύπλοκο, ταχέως μεταβαλλόμενο περιβάλλον που το επηρεάζει.

3. ΔΗΜΙΟΥΡΓΙΑ ΤΕΧΝΗΣ ΝΟΗΜΟΣΥΝΗΣ.

Από τα τέλη της δεκαετίας του 1940, οι επιστήμονες σε έναν αυξανόμενο αριθμό πανεπιστημιακών και βιομηχανικών ερευνητικών εργαστηρίων αγωνίζονται για έναν τολμηρό στόχο: την κατασκευή υπολογιστών που λειτουργούν με τέτοιο τρόπο ώστε να μην μπορούν να διακριθούν από το ανθρώπινο μυαλό ως αποτέλεσμα της δουλειάς τους.

Προχωρώντας υπομονετικά στη σκληρή δουλειά τους, οι ερευνητές που εργάζονται στον τομέα της τεχνητής νοημοσύνης (AI) βρέθηκαν να αντιμετωπίζουν πολύ περίπλοκα προβλήματα πολύ πέρα ​​από τα όρια της παραδοσιακής επιστήμης των υπολογιστών. Αποδείχθηκε ότι, πρώτα απ 'όλα, είναι απαραίτητο να κατανοήσουμε τους μηχανισμούς της μαθησιακής διαδικασίας, τη φύση της γλώσσας και την αισθητηριακή αντίληψη. Αποδείχθηκε ότι για να δημιουργηθούν μηχανές που μιμούνται το έργο του ανθρώπινου εγκεφάλου, απαιτείται να κατανοηθεί πώς λειτουργούν τα δισεκατομμύρια διασυνδεδεμένοι νευρώνες του. Και τότε πολλοί ερευνητές κατέληξαν στο συμπέρασμα ότι ίσως το πιο δύσκολο πρόβλημα που αντιμετωπίζει η σύγχρονη επιστήμη είναι η γνώση της λειτουργίας του ανθρώπινου μυαλού και όχι απλώς η μίμηση του έργου του. Πράγμα που επηρέασε άμεσα τα θεμελιώδη θεωρητικά προβλήματα της ψυχολογικής επιστήμης. Στην πραγματικότητα, είναι δύσκολο για τους επιστήμονες να καταλήξουν έστω και σε μια ενιαία άποψη σχετικά με το ίδιο το αντικείμενο της έρευνάς τους - τη νοημοσύνη. Εδώ, όπως και στην παραβολή των τυφλών που προσπάθησαν να περιγράψουν τον ελέφαντα, προσπαθεί να εμμείνει στον αγαπημένο του ορισμό.

Μία από τις παλαιότερες κοινές μεθόδους τεχνολογιών αναπαραγωγής είναι η μέθοδος της τεχνητής γονιμοποίησης (ΑΙ). Με αυτή τη μέθοδο, η σύλληψη είναι σχεδόν φυσική. Πρόκειται για μια βοηθητική τεχνητή μέθοδο κατά την οποία ο σπόρος του συντρόφου (σύζυγος ή) εισάγεται στη μήτρα της γυναίκας. Η σπερματέγχυση στο σπίτι είναι ιδιαίτερα βολική. Αυτή είναι η απλούστερη και πιο προσιτή μέθοδος τεχνολογιών υποβοηθούμενης αναπαραγωγής. Σας προσφέρουμε να κατανοήσετε όλες τις περιπλοκές της σπερματέγχυσης στο σπίτι με περισσότερες λεπτομέρειες.

Η σύγχρονη ζωή είναι γεμάτη από παράγοντες που όχι μόνο είναι επιβλαβείς για την υγεία μας, αλλά μπορούν επίσης να διαταράξουν την αναπαραγωγική λειτουργία του οργανισμού. Τέτοιοι αρνητικοί παράγοντες για την αναπαραγωγική υγεία είναι οι δυσμενείς περιβαλλοντικές συνθήκες, το άγχος, η μη ισορροπημένη διατροφή, η σωματική αδράνεια. Το αναπαραγωγικό σύστημα και των δύο φύλων είναι πολύ ευαίσθητο και αντιδρά σε τέτοιες παραβιάσεις με σοβαρές αποτυχίες. Είναι συχνά δυνατό να λυθούν πολλά προβλήματα γυναικείας και ανδρικής υπογονιμότητας χρησιμοποιώντας τεχνητή γονιμοποίηση στο σπίτι.

Η τεχνητή γονιμοποίηση είναι από πολλές απόψεις παρόμοια με τη σεξουαλική επαφή. Σε αυτή την περίπτωση, το επεξεργασμένο σπέρμα εισάγεται στην κοιλότητα της μήτρας με ιατρικό τρόπο (εκτός της σεξουαλικής επαφής). Ίσως γι' αυτό η αποτελεσματικότητα αυτής της μεθόδου είναι αρκετά υψηλή σε άτομα που δυσκολεύονται με τη φυσική σύλληψη. Αυτό, κοντά στη φυσιολογική μέθοδο απόκτησης απογόνων για υπογόνιμα ζευγάρια, είναι γνωστό από το 1770.

Ποιος μπορεί να ενδιαφέρεται για μια τέτοια μέθοδο θεραπείας της υπογονιμότητας; Αποδεικνύεται ότι υπάρχουν πολλοί τέτοιοι άνθρωποι. Εδώ είναι οι πιο συνηθισμένοι λόγοι σπερματέγχυσης στο σπίτι:

1. για ζευγάρια των οποίων οι εξετάσεις είναι φυσιολογικές, αλλά δεν εμφανίζεται εγκυμοσύνη.
2. με θετική κατάσταση HIV μιας γυναίκας, ώστε να μην μολύνει έναν σύντροφο.
3. σε γυναίκες που δεν έχουν μόνιμο σύντροφο.
4. αν ο σύντροφος της γυναίκας δεν θέλει να κάνει παιδιά?
5. με προβλήματα με το σπέρμα σε έναν άνδρα (, υπογόνιμο σπέρμα) και πρόσβαση σε σπέρμα δότη.
6. μετά από ασθένειες ή τραυματισμούς σε έναν σύντροφο (παρωτίτιδα, γονόρροια, σύφιλη, φυματίωση, ηπατίτιδα, υπερθέρμανση, ακτινοβολία).
7. με εκσπερμάτωση-σεξουαλικές διαταραχές στους άνδρες.
8. με κολπισμό στις γυναίκες (σύσπαση των κολπικών μυών και του περίνεου με την αδυναμία μιας κοίλης πράξης).
9. για ζευγάρια με ανοσολογική υπογονιμότητα.
10. για γυναίκες που θέλουν να συλλάβουν μόνες τους παιδί (συμπεριλαμβανομένων των λεσβιακών ζευγαριών κ.λπ.)

Πλεονεκτήματα

Ποια είναι τα πλεονεκτήματα αυτής της μεθόδου, εάν χρησιμοποιείται με μεγάλη επιτυχία στην πρακτική εξάσκηση κλινικών του εξωτερικού και του εσωτερικού; Τα πλεονεκτήματα της μεθόδου τεχνητής γονιμοποίησης είναι:

• η μέθοδος δεν απαιτεί μεγάλες οικονομικές επενδύσεις.
• συμβαίνει πολύ γρήγορα, όπως σε φυσικές συνθήκες.
• η διαδικασία είναι ανώδυνη.
• μπορεί να γίνει στο σπίτι?
• σας επιτρέπει να ελέγξετε την ωορρηξία και τη στιγμή της σύντηξης του ωαρίου με το σπέρμα στην πιο ευνοϊκή στιγμή για σύλληψη.
• μπορεί να χρησιμοποιηθεί για ζευγάρια που έχουν προβλήματα με ανεξάρτητη φυσική σύλληψη (αναπηρία, τραυματισμοί, ανικανότητα).
• σας επιτρέπει να βελτιώσετε την ποιότητα του σπέρματος και να αξιοποιήσετε στο έπακρο ακόμη και τη μικρότερη πιθανότητα να μείνετε έγκυος.
• με βιολογική ασυμβατότητα του σπέρματος του συντρόφου με τη βλεννώδη έκκριση του αυχενικού σωλήνα του συντρόφου.

Μειονεκτήματα της τεχνητής γονιμοποίησης

Αν και η μέθοδος της σπερματέγχυσης στο σπίτι έχει πολλά πλεονεκτήματα και θεωρείται αρκετά αποτελεσματική, αυτή η διαδικασία έχει και κάποια μειονεκτήματα. Αυτά περιλαμβάνουν:

• Συνιστάται όχι περισσότερες από 2-4 φορές χρήση αυτής της μεθόδου: η τεχνητή γονιμοποίηση καθίσταται αναποτελεσματική όταν χρησιμοποιείται επανειλημμένα.
• χαμηλή αποτελεσματικότητα της μεθόδου σε γυναίκες άνω των 35 ετών.
• αυτή η μέθοδος είναι πολύ λιγότερο αποτελεσματική (ποσοστό επιτυχίας 15-30%) από την παραδοσιακή εξωσωματική γονιμοποίηση (ποσοστό επιτυχίας 40-60%).

Προϋποθέσεις για επιτυχή γονιμοποίηση

Η μέθοδος της τεχνητής γονιμοποίησης, ως βοηθητική μέθοδος τεχνητής γονιμοποίησης, δεν μπορεί να χρησιμοποιηθεί σε όλες τις περιπτώσεις προβλημάτων σύλληψης. Προκειμένου να εισαχθεί σπέρμα από έναν σύντροφο στην κοιλότητα της μήτρας μιας γυναίκας, πρέπει να πληρούνται ορισμένες προϋποθέσεις:

1. η φυσιολογική δομή της μήτρας και η απουσία ανωμαλιών (εκτός).
2. καλή βατότητα των σαλπίγγων.
3. κατάσταση ωορρηξίας?
4. προωορρηκτικό ωοθυλάκιο;
5. απουσία γενικών και γυναικολογικών λοιμωδών νοσημάτων.

Υπάρχει επίσης μια προϋπόθεση για τη δυνατότητα χρήσης αυτής της μεθόδου για έναν συνεργάτη: θα πρέπει να είναι με δείκτες κοντά στο κανονικό ή κανονικό.

Σε ποιους αντενδείκνυται η γονιμοποίηση;

Ωστόσο, παρ' όλη τη φαινομενική απλότητα της διαδικασίας, απέχει πολύ από το να αποδειχθεί σε όλους. Υπάρχουν περιπτώσεις που η γονιμοποίηση στο σπίτι αντενδείκνυται. Αυτές οι καταστάσεις είναι:

• κακοήθεις όγκοι οποιουδήποτε οργάνου.
• ασθένειες των ωοθηκών που μοιάζουν με όγκους (κύστη) και τα νεοπλάσματα τους.
• η αδυναμία εγκυμοσύνης για ιατρικούς λόγους (ασθένειες ψυχικού ή θεραπευτικού προφίλ).

Προετοιμασία για γονιμοποίηση στο σπίτι

Η φαινομενικά απλή (με την πρώτη ματιά) διαδικασία γονιμοποίησης απαιτεί προσεκτική προετοιμασία.

Και οι δύο σύντροφοι πρέπει πρώτα να υποβληθούν σε ιατρική εξέταση. Εάν το σπέρμα είναι δότης, τότε μόνο η γυναίκα εξετάζεται.

Είναι επίσης σημαντικό για μια γυναίκα να κάνει υπερηχογράφημα της λεκάνης. Εκτός από τα δεδομένα για την κατάσταση της γενικής και αναπαραγωγικής υγείας, μια πιθανή μητέρα πρέπει να υποβληθεί σε έλεγχο για να αποκλειστούν:

• λοιμώξεις των γεννητικών οργάνων?
• ηπατίτιδα;
• σύφιλη.

Είναι επίσης σημαντικό για μια γυναίκα να καθορίσει την ημερομηνία της τελευταίας εμμήνου ρύσεως και να καθορίσει την ημερομηνία της επερχόμενης ωορρηξίας. Μερικές φορές συνιστάται σε μια γυναίκα να χρησιμοποιήσει ορμονοθεραπεία για την τόνωση της παραγωγής ωαρίων.

Επιπλέον, για τη διαδικασία πρέπει να αγοράσετε:

• ένα ειδικό σετ (που περιλαμβάνει σύριγγα, καθετήρα, πιπέτα, καθρέφτη.
• γυναικολογικά γάντια?
• μπατονέτες;
• απολυμαντικό διάλυμα?
• αποστειρωμένη πετσέτα.

Τα χέρια και τα γεννητικά όργανα πριν από τη σπερματέγχυση θα πρέπει να πλυθούν σχολαστικά.

Μερικές φορές αυτή η μέθοδος γονιμοποίησης απαιτεί 2-3 προσπάθειες. Η γονιμοποίηση πάνω από 4 φορές θεωρείται αναποτελεσματική.

Πώς γίνεται η διαδικασία στο σπίτι;

Συνήθως, οι ειδικοί σπάνια συνιστούν γονιμοποίηση στο σπίτι. Πολλοί συγκρίνουν αυτή τη διαδικασία στο σπίτι με αυτογεμίσματα δοντιών ή αφαίρεση σκωληκοειδίτιδας.

Οι γιατροί συνήθως επιμένουν στην επαγγελματική συμμετοχή και την παρουσία ειδικών σε οποιαδήποτε διαδικασία παρέμβασης στη διαδικασία της τεχνητής γονιμοποίησης. Ωστόσο, πολλοί χρησιμοποιούν αυτήν την τεχνική μόνοι τους, εξοικονομώντας χρήματα από την επικοινωνία με ειδικούς.

Επί του παρόντος, διατίθεται στο εμπόριο ένα ειδικό κιτ για ενδοκολπική σπερματέγχυση στο σπίτι. Τη στιγμή της τεχνητής εισαγωγής του σπέρματος και μισή ώρα μετά από αυτήν, η γυναίκα πρέπει να ξαπλώνει ανάσκελα για τουλάχιστον μισή ώρα (με ανυψωμένη λεκάνη). Αυτή η διαδικασία πρέπει να πραγματοποιείται κατά τη στιγμή της ωορρηξίας.

Ακολουθία διαδικασίας

1. Αρχικά, πρέπει να προετοιμάσετε φρέσκο ​​σπέρμα δότη, τοποθετημένο σε ειδικό δοχείο. Ο σύντροφος ή ο σύζυγος πρέπει να πλένουν τα χέρια και το πέος τους πριν αυνανιστούν. Το σπέρμα είναι το πιο βιώσιμο για τις πρώτες 2-3 ώρες μετά τη λήψη του.
2. Περιμένετε περίπου 15-20 λεπτά για να ρευστοποιηθεί το σπέρμα.
3. Με αυτή τη διαδικασία, η ίδια η γυναίκα εγχέει πολύ ομαλά το σπέρμα με μια αποστειρωμένη σύριγγα με ειδικό άκρο στον κόλπο. Ωστόσο, είναι πιο βολικό για έναν σύζυγο ή άλλο βοηθό να το κάνει αυτό.

Το κύριο πράγμα είναι να πιέσετε απαλά το έμβολο, διαφορετικά μια γρήγορη εισαγωγή μπορεί να προκαλέσει σπασμό του τραχήλου της μήτρας και να συμβάλει στη ροή του σπέρματος.

1. Ο αέρας αφαιρείται πρώτα από τη σύριγγα. Η αυτοχορήγηση του σπέρματος δεν είναι πολύ βολική: πρέπει να εισάγετε έναν ειδικό καθρέφτη στον κόλπο για να ελέγξετε τη διαδικασία.
2. Πριν από την εισαγωγή του σπέρματος στον κόλπο, εισάγεται ένας καθρέφτης (σε βάθος 2-3 cm). Μετά από αυτό, το άκρο εισάγεται προσεκτικά εκεί, χωρίς να το φέρει κοντά στον λαιμό της μήτρας. Η αυτο-εισαγωγή σπερματοζωαρίων στη μήτρα είναι επικίνδυνη με τραυματισμούς και μόλυνση.
3. Στη συνέχεια, πρέπει να πιέσετε το έμβολο της σύριγγας και να απελευθερώσετε το σπέρμα στην ίδια τη βάση του τραχήλου της μήτρας.
4. Ξαπλώστε με ανασηκωμένη λεκάνη για 30-40 λεπτά. Σε αυτή την περίπτωση, η πιθανότητα για το σπέρμα να φτάσει στον στόχο θα είναι μεγαλύτερη, και αυτό θα εμποδίσει επίσης το σπέρμα να ρέει έξω.

Μερικοί πιστεύουν ότι η πιθανότητα να μείνει έγκυος με αυτόν τον τρόπο είναι μεγαλύτερη εάν μια γυναίκα φέρει τον εαυτό της σε οργασμό.

Τα τεστ εγκυμοσύνης θα δείξουν πόσο αποτελεσματική ήταν η διαδικασία της σπερματέγχυσης στο σπίτι.

Ένα άτομο μπορεί να βοηθήσει τη στιγμή της γονιμοποίησης, το οποίο δεν θα κάνει τη γυναίκα τεταμένη και νευρική, διαφορετικά θα μειώσει την πιθανότητα να μείνει έγκυος.

Μερικές φορές οι γυναίκες καταφεύγουν στη χρήση κολπικού διαστολέα για το IS. Ας δούμε πώς συμβαίνει αυτό:

1. Ο διαστολέας εισάγεται με ελαφρά κλίση, υπό γωνία 45 μοιρών.
2. Είναι απαραίτητο να απομακρυνθούν τα πόδια του διαστολέα κατά 2-3 cm, έτσι ώστε ο τράχηλος να βρίσκεται στο άνοιγμα.
3. Σε αυτή τη θέση, ο διαστολέας είναι σταθερός (γίνεται κλειδαριά στο μοντέλο).
4. Μην μετακινείτε τον διαστολέα στην εκτεταμένη θέση για να μην τραυματιστεί ο κόλπος.
5. Ένα καλώδιο προέκτασης είναι προσαρτημένο στη σύριγγα, ενώ πρέπει να βεβαιωθείτε ότι η στερέωση είναι ισχυρή και ασφαλής.
6. Μόνο μετά από αυτό, εισάγεται μια σύριγγα στον κόλπο για την έγχυση σπέρματος.
7. Μετά την εισαγωγή του σπέρματος, ο διαστολέας χαλαρώνει προσεκτικά χωρίς να αλλάξει η γωνία κλίσης των 45 μοιρών.
8. Όταν ο διαστολέας έχει επιστρέψει στην αρχική του θέση, αφαιρείται από τον κόλπο.

Πιθανές επιπλοκές μετά τη γονιμοποίηση

Αν και η διαδικασία της γονιμοποίησης είναι στο μέγιστο ανεπτυγμένη και δεν διαφέρει πολύ από τη φυσική σεξουαλική επαφή, εντούτοις, με την τεχνητή νοημοσύνη, υπάρχει κίνδυνος να εμφανιστούν κάποιες επιπλοκές. Οι επιπλοκές αυτής της διαδικασίας μπορεί να περιλαμβάνουν:

• η εμφάνιση συμπτωμάτων οξείας φλεγμονής των γεννητικών οργάνων μιας γυναίκας ή επιδείνωσης χρόνιων διεργασιών που έχει ήδη.
• αλλεργία σε φάρμακα που διεγείρουν την ωορρηξία.
• αντίδραση που μοιάζει με σοκ στην εισαγωγή σπέρματος στον κόλπο.
• έκτοπη εγκυμοσύνη?
• αυξάνουν τις πιθανότητες πολύδυμων κυήσεων.

Τι δεν πρέπει να κάνετε κατά τη διάρκεια της γονιμοποίησης στο σπίτι

Δεδομένου ότι η γονιμοποίηση στο σπίτι πραγματοποιείται από μια γυναίκα χωρίς ιατρική υποστήριξη, πρέπει να γνωρίζει ορισμένους από τους περιορισμούς της χρήσης αυτής της διαδικασίας. Οι απαγορεύσεις αυτές είναι:

1. Η χρήση σάλιου και λιπαντικών μπορεί να βλάψει το σπέρμα.
2. Δεν μπορείτε να χρησιμοποιήσετε το ίδιο σύνολο εργαλείων δύο φορές.
3. Απαγορεύεται η έγχυση σπέρματος στον τράχηλο, καθώς αυτό μπορεί να οδηγήσει σε σοκ της γυναίκας.

Κριτικές

Nadezhda, 37 ετών

Έκανα AI δύο φορές και και οι δύο ήταν αναποτελεσματικές. Δεν νομίζω ότι μπορείς να κάνεις μια τόσο περίπλοκη επέμβαση στο σπίτι κανονικά.

Σβετλάνα, 34 ετών

Ο άντρας μου και εγώ δεν είχαμε παιδιά. Αποφασίσαμε να δοκιμάσουμε AI στο σπίτι - μας συμβούλεψε ένας γιατρός. Στην αρχή τίποτα δεν λειτούργησε, αλλά μετά από δύο ανεπιτυχείς προσπάθειες, ετοιμαζόμαστε για τη γέννηση της κόρης μας.

Βαλεντίνα, 41 ετών

Αμφιβάλλω πολύ για την αποτελεσματικότητα της σπερματέγχυσης στο σπίτι. Με τα προβλήματα μου στη γυναικολογία έμεινα έγκυος με τη μέθοδο της εξωσωματικής γονιμοποίησης στην κλινική μόνο από 2 φορές. Τι υπάρχει γονιμοποίηση στην περίπτωσή μου;

Βιολέττα, 32 ετών

Και για μένα και την κοπέλα μου, η γονιμοποίηση είναι ο μόνος αποδεκτός τρόπος για να αποκτήσω μωρό. Ομολογώ τη λεσβιακή κουλτούρα και δεν δέχομαι σεξ από άντρα. Αλλά θέλουμε ένα μωρό για φίλο. Ας δοκιμάσουμε το AI. Ελπίζουμε σε επιτυχία.

Έχοντας μελετήσει τις κριτικές σχετικά με τη σπερματέγχυση στο σπίτι, μπορεί κανείς να παρατηρήσει την ασυνέπειά τους. Σε ορισμένες περιπτώσεις, η γονιμοποίηση στο σπίτι είναι αναποτελεσματική. Ωστόσο, πολλά ζευγάρια χάρη σε αυτή τη μέθοδο κατάφεραν να γίνουν ευτυχισμένοι γονείς. Σε κάθε περίπτωση, η μέθοδος γονιμοποίησης στο σπίτι δεν απαιτεί μεγάλες οικονομικές επενδύσεις. Και το αν θα υπάρξει θετικό αποτέλεσμα από αυτή τη διαδικασία θα φανεί μετά τη χρήση της. Μην παραμελείτε τους κανόνες προετοιμασίας για τη χρήση τεχνητής γονιμοποίησης. Άλλωστε, διακυβεύεται η ευκαιρία να γίνουν γονείς, διατηρώντας παράλληλα την υγεία του παιδιού και τη δική τους υγεία.

Τι πρέπει να γνωρίζετε και από πού να ξεκινήσετε.

Αυτή την εβδομάδα θα μπορούσατε να διαβάσετε μια άκρως παρακινητική μελέτη περίπτωσης από

Αλλά πραγματικά, ήταν η επιθυμία να δημιουργήσουμε μια τέλεια τεχνητή νοημοσύνη, είτε πρόκειται για ένα μοντέλο παιχνιδιού είτε για ένα πρόγραμμα για κινητά, που ενέπνευσε πολλούς από εμάς στο μονοπάτι ενός προγραμματιστή. Το πρόβλημα είναι ότι πίσω από τους τόνους εκπαιδευτικού υλικού και τη σκληρή πραγματικότητα των πελατών, αυτή ακριβώς η επιθυμία αντικαταστάθηκε από μια απλή επιθυμία για αυτο-ανάπτυξη. Για όσους δεν έχουν αρχίσει ακόμα να εκπληρώνουν το παιδικό τους όνειρο, εδώ είναι ένας σύντομος οδηγός για τη δημιουργία μιας πραγματικής τεχνητής νοημοσύνης.

Στάδιο 1. Απογοήτευση

Όταν μιλάμε για τη δημιουργία τουλάχιστον απλών bots, τα μάτια γεμίζουν με λαμπρότητα και εκατοντάδες ιδέες τρεμοπαίζουν στο μυαλό μου τι θα έπρεπε να μπορεί να κάνει. Ωστόσο, όσον αφορά την υλοποίηση, αποδεικνύεται ότι το κλειδί για την πραγματική συμπεριφορά είναι... τα μαθηματικά. Για να γίνουμε λίγο πιο συγκεκριμένοι, εδώ είναι μια λίστα με τις ενότητες του που πρέπει να μελετηθούν τουλάχιστον με τη μορφή πανεπιστημιακής εκπαίδευσης:

Γραμμική άλγεβρα;

• θεωρία γραφημάτων?

  Θεωρία Πιθανοτήτων και Μαθηματική Στατιστική.

Αυτή είναι η επιστημονική βάση στην οποία θα βασιστεί ο περαιτέρω προγραμματισμός σας. Χωρίς γνώση και κατανόηση αυτής της θεωρίας, όλες οι ιδέες θα αναλυθούν γρήγορα σε αλληλεπίδραση με ένα άτομο, επειδή η τεχνητή νοημοσύνη δεν είναι στην πραγματικότητα τίποτα περισσότερο από ένα σύνολο τύπων.

Στάδιο 2. Αποδοχή

Όταν η αλαζονεία είναι λίγο γκρεμισμένη από τη φοιτητική λογοτεχνία, μπορείτε να αρχίσετε να μαθαίνετε γλώσσες. Δεν αξίζει ακόμα να μεταβείτε στο LISP ή σε άλλα, πρώτα πρέπει να μάθετε πώς να εργάζεστε με μεταβλητές και ξεκάθαρες καταστάσεις. Είναι τέλειο τόσο για γρήγορη εκμάθηση όσο και για περαιτέρω ανάπτυξη, αλλά γενικά, οποιαδήποτε γλώσσα έχει τις κατάλληλες βιβλιοθήκες μπορεί να ληφθεί ως βάση.

Στάδιο 3. Ανάπτυξη

Τώρα στραφούμε απευθείας στη θεωρία της τεχνητής νοημοσύνης. Μπορούν να χωριστούν υπό όρους σε 3 κατηγορίες:

Αδύναμη τεχνητή νοημοσύνη - bots, που βλέπουμε σε παιχνίδια υπολογιστή, ή απλοί βοηθοί, όπως το Siri. Είτε εκτελούν εξαιρετικά εξειδικευμένες εργασίες είτε αποτελούν ένα ασήμαντο σύμπλεγμα αυτών, και οποιαδήποτε απρόβλεπτη αλληλεπίδραση τους βάζει σε αδιέξοδο.

Η ισχυρή τεχνητή νοημοσύνη είναι μηχανές των οποίων η νοημοσύνη είναι συγκρίσιμη με τον ανθρώπινο εγκέφαλο. Μέχρι σήμερα, δεν υπάρχουν πραγματικοί εκπρόσωποι αυτής της κατηγορίας, αλλά υπολογιστές όπως ο Watson είναι πολύ κοντά στην επίτευξη αυτού του στόχου.

Το τέλειο AI είναι το μέλλον, ένας μηχανικός εγκέφαλος που θα ξεπεράσει τις δυνατότητές μας. Πρόκειται για τον κίνδυνο τέτοιων εξελίξεων που προειδοποιούν οι Stephen Hawking, Elon Musk και το franchise ταινιών Terminator.

Φυσικά, θα πρέπει να ξεκινήσετε με τα πιο απλά bots. Για να το κάνετε αυτό, θυμηθείτε το παλιό καλό παιχνίδι tic-tac-toe όταν χρησιμοποιείτε ένα πεδίο 3x3 και προσπαθήστε να μάθετε μόνοι σας τους βασικούς αλγόριθμους ενεργειών: την πιθανότητα να κερδίσετε με ενέργειες χωρίς σφάλματα, τα πιο επιτυχημένα μέρη στο γήπεδο για τοποθέτηση κομματιού, την ανάγκη να μειωθεί το παιχνίδι σε ισοπαλία κ.ο.κ.

Όπως καταλαβαίνετε ακόμη και από τα ονόματα, πρόκειται για API που θα σας επιτρέψουν να δημιουργήσετε κάποιο είδος σοβαρού AI χωρίς να χάνετε χρόνο.

Στάδιο 5. Εργασία

Τώρα, όταν καταλαβαίνετε ήδη ξεκάθαρα πώς να δημιουργήσετε AI και τι να χρησιμοποιήσετε, ήρθε η ώρα να μεταφέρετε τις γνώσεις σας σε ένα νέο επίπεδο. Πρώτον, αυτό θα απαιτήσει τη μελέτη του κλάδου, που ονομάζεται "Μηχανική μάθηση". Δεύτερον, πρέπει να μάθετε πώς να εργάζεστε με τις κατάλληλες βιβλιοθήκες της επιλεγμένης γλώσσας προγραμματισμού. Για την Python που εξετάζουμε, αυτά είναι τα Scikit-learn, NLTK, SciPy, PyBrain και Nump. Τρίτον, στην ανάπτυξη δεν μπορεί κανείς να κάνει χωρίς