მარტივად ავხსნი რას წარმოადგენს ნეირონული ქსელები.
ზოგადად ნეირონები ახდენენ სივრცეში განლაგებულ ობიექტებს შორის კავშირის დადგენას.
ანუ რა ხდება. ვთქვათ გვაქვს სურათი, რომელზეც არის ერთი პატარა წეტილი და კომპიუტერმა უნდა ამოიცნოს, რომ სურათზე წერტილია.
სურათის ყოველ წერტილს აქვს მიმაგრებული თავისი ნეირონი, ეს ნეირონი კი უკავშირდება მეზობელ ნეირონებსაც. გამოთვლა ხდება წერტილების მონაცემების აჯამვითა და დადგენილ ზღვარზე შედარებით, მაგრამ ამას არ აქვს ამ ეტაპზე მნიშვნელობა.
ყოველი ნეირონი ადარებს თავისი წერტილის მონაცემებს მეზობელი 8 წერტილისას და თუ თავისი წერტილი განსხვავებულია, მაშინ გამოდის, რომ სურათზე გვაქვს ამოცნობილი წერტილი. გამოდის, რომ თუნდაც ტრილიონ-წერტილიანი სურათის ამოცნობაზე გვჭირდება მხოლოდ 1 ეტაპი, ანუ ამ ეტაპის 8 პარალელური მინი-ოპერაცია, მაშინ როცა ჩვეულებრივი კომპიუტერი ყველა წერტილს სათითაოდ ჩამოივლიდა და გამოითვლიდა.
ახლა ვთქვათ წრე უნდა ამოვიცნოთ, რომელიც 100 წერტილისგან შედგება.
ამ შემთხვევაში დაგვჭირდება მეორე ეტაპზე გადასვლა, სადაც მოხდება რამოდენიმე ნეირონის ჯგუფებად გაერთიანება, ამ შემთხვევაში 100-ზე მეტის, რომ მათ მიერ შედგენილი წრის ამოცნობა მოვახერხოთ. თუ წრე მთლიანად ეტევა სურათში, მაშინ ამოცნობა მოხდემა 2 ეტაპად, ხოლო თუ სურათი დიდია, მაშინ მოგვიწევს სხვადასხვა მასშტაბზე მოძებნა და სურათის ყველა უბნის შემოვლა.
ახლა გავართულოთ საქმე და ამოვიცნოთ ადამიანის სახე.
ამ შემთხვევაში დაგვჭირდება ბევრი ეტაპი, ანუ ნეირონების მრავალი შრე, სადაც ყოველ ეტაპზე მოხდება უფრო და უფრო რთული ობიექტის ამოცნობა, სანამ საბოლოოდ არ ამოვიცნობთ სახეს. ამის გარდა, მოგვიწევს შრეებზე მრავალი ობიექტის ფილტრის დატანა. მაგალითად, პირველ შრეზე შეგვიძლია 1000 მარტივი ობიექტის ფილტრი გავაკეთოთ, ესენი იქნებიან წერტილები განლაგებული სხვადასხვა კუთხეში, პატარა ხაზები, ასევე კიდეები, მოკლედ რამდენიც გვინდა. მეორე ეტაპზე 500, ან ვთქვათ 5000 ფილტრის, რომლებიც შედგება პირველი ეტაპის ფილტრებისგან. თანამედროვე სისტემები 150 ფენისგან(ეტაპისგან) შედგებიან.
ამ სისტემებში მთავარი სირთულეა გამოთვლების სიმრავლე. მთლიანობაში იმდენი ნეირონია და იმდენი კავშირი მათ შორის, რომ ტრილიონებზე გადის ოპერაციების რაოდენობა. ცხადია, პარალელურ რეჟიმში ამ ყველაფერს 1 წამიც არ დაჭირდება, მაგრამ ჩვეულებრივი კომპიუტერისთვის დღეების საქმეა, ამიტომ უამრავი ეშმაკური სქემაა ჩადებული, რომ გამოთვლების რაოდენობა შეამცირონ. სისტემაში ფენების და ფილტრების რაოდენობა გამოცდილებით დგინდება, არ არსებობს უნივერსალური ალგორითმი მათ რაოდენობაზე.
ახლა გადავიდეთ ამ სისტემების შესაძლებლობებზე.
მაგალითად, შეგვიძლია ავიღოთ ერთი სურათის ერთი ფენის დამახასიათებელი ფილტრები და გადავიტანოთ მეორე სურათზე, მივიღებთ საინტერესო შედეგს.
ასევე შეგვიძლია სისტემაში დავამატოთ მოძრაობის ალგორითმები და "ნატურალურად" მოვახდინოთ ვიდეოს ფალსიფიკაცია.
პრაქტიკულად შეგვიძლია ვთქვათ, რომ ნეირონული ქსელით შესაძლებელია აბსოლუტურად ყველაფრის მოდელირება, რასაც ჩვენ წარმოვიდგენთ, მათ შორის აზროვნებისაც!
ადამიანის აზროვნება მთლიანად აგებულია სივრცეში მოძრაობის წარმოდგენაზე. ამიტომ, პრაქტიკულად შესაძლებელია აზროვნების ნეირონულ ქსელებში ჩადება.
მაგრამ აქ გვაქვს სერიოზული პრობლემები.
მაგალითად, დღეს არსებული ყველაზე რთული სქემაც კი მხოლოდ ერთი სახის ამოცანაზეა მორგებული, სურათების ამოცნობის პროგრამას არ შეუძლია ლაპარაკის ამოცნობა, არც სიტყვების თარგმნა და ა.შ. არადა ადამიანი ამ ყველაფერს ერთად აკეთებს! უბრალოდ რომ ავიღოთ და ყველა სისტემა გავაერთიანოთ, მივიღებთ იმხელა მონსტრს, რომ მარტო მის სწავლაზე წელიწადები გავა. თანაც მარტო არითმეტიკული გაერთიანებით საქმე არ გამოვა, სისტემურად უნდა გავაერთიანოთ. დღეს ჩვენ ისიც არ შეგვიძლია, რომ რეალურ დროში პარალელურად გამოვითვალოთ ასეთი რთული სისტემები, სუპერკომპიუტერისთვისაც კი ძნელი ამოცანაა.
მოკლედ, გადასაწყვეტი გვაქვს 2 დიდი პრობლემა:
1. ისეთი უნივერსალური სისტემის შექმნა, რომელიც ყველანაირ გამოთვლებს გააკეთებს, გინდა სურათის ამოცნობა იყოს და გინდა ამინდის პროგნოზი. ამავე დროს, ყველა დასწავლილ ცოდნას გადაიტანს მეხსიერებაში.
2. მეხსირების შექმნა, სადაც ტრილიონობით დამახსოვრებული ობიექტი იქნება იმდენა იდეალურად კარგი სტრუქტურით ჩაწერილი, რომ მასი ობიექტის მოსაძებნად კომპიუტერს დაჭირდება არა ტრილიონი, არამედ რამოდენიმე(პირობითად) ოპერაციის შესრულება.
თუ ეს პრობლემები დავძლიეთ შეიქმნება უნივერსალული სისტემა, რომელსაც ყველა ერთად ვასწავლით ყველაფერს, მერე კი მეხსირების ფაილებს გავაერთიანებთ და ეგ არის, გვექნება სუპერ-ჭკვიანი კომპიუტერი. თანაც აქ იგულისხმება არა მარტო სტატიკური ცოდნა ობიექტებზე, არამედ აზროვნების სისტემებიც!!!
* * *
პრობლემის სერიოზულობის დასანახად განვიხილოთ თუ როგორ ჩავწეროთ მეხსიერებაში სიტყვა "სახე".
ჯერ ერთი, ეს სიტყვა მოიცავს ადამიანის სახესაც და ცხოველისასაც, ასევე თუნდაც თოჯინისას, ამავე დროს აქვს სხვა მნიშვნელობაც, მაგალითად "სახის დაკარგვა", "სახეზე გვაქვს", "სახით წინ" და ა.შ. ამათ გარდა, იგივე ადამიანის სახეს აქვს მრავალი წარმოდგენის საშუალება, მაგალითად კარიკატურის სახით, ან სმაილის სახით, ან სივრცული სახით და მარტივი შავ-თეთრი შტრიხების სახით. როგორ გინდა ასეთი რთული სტრუქტურა მეხსიერებაში ჩაწერო? ჩვენ შეგვიძლია სიტყვა "სახის" აღწერა სიტყვებით და თუნდაც მთლიანად გადმოვცეთ მისი ყველა მნიშვნელობა, მაგრამ ჩვენს ტვინში ეს სიტყვა წერია არა სიტყვების სახით, არამედ ასოციაციური კავშირების სახით, ეს კი ურთულესი სტრუქტურაა, ჩვენ ფაქტიურად არ ვიცით როგორ ვაზროვნებთ.
ბოლოს ვიტყვი, რომ დამოუკიდებელი და საშიში ხელოვნური ინტელექტის შექმნა შეუძლებელია, ნებისმიერი სახის სისტემა იქნება მხოლოდ ასახვა რეალობისა, მეტი არაფერი, თუმცა თუ ვინმე ჩადებს მასში ჩვენი განადგურების კოდს, ცხადია ის ყველაფერს გააკეთებს ამისათვის.
This post has been edited by m e r a on 21 Sep 2018, 03:23