Det pågår diskussioner bland neurovetare, kognitionister och filosofer om huruvida den mänskliga hjärnan kan skapas eller rekonstrueras. Aktuella genombrott och upptäckter inom hjärnvetenskap banar stadigt vägen för en tid då konstgjorda hjärnor kan återskapas från grunden. Vissa människor antar att det är bortom gränserna för det möjliga, den andra är upptagen med sätt att skapa den, den tredje har arbetat fruktbart med uppgiften under lång tid. I artikeln kommer vi att behandla frågor om utvecklingen av artificiell intelligens, dess framtidsutsikter, samt om stora företag och projekt inom detta område.
Basics
Den konstgjorda hjärnan motsvarar en robotmaskin som är lika smart, kreativ och medveten som människor. I hela mänsklighetens historia har uppgiften inte blivit helt löst, men futuristerna säger att detta är en tidsfråga. Med tanke på moderntrender inom neurovetenskap, datorer och nanoteknik förutspår att artificiell intelligens och hjärnan kommer att dyka upp under 2000-talet, möjligen 2050.
Forskare överväger flera sätt att skapa artificiell intelligens. I det första fallet utförs storskaliga biologiskt realistiska simuleringar av den mänskliga hjärnan på superdatorer. I det andra fallet försöker forskare skapa massivt parallella neuromorfa beräkningsenheter som enkelt kan modelleras på neural vävnad.
Mänskligt medvetande i termer av vetenskapens och metafysikens mest intressanta mysterier anses vara det mest komplexa och mest möjliga att uppnå. Liknande slutsatser nås genom omvänd konstruktion av den mänskliga hjärnan.
Machine learning
Makininlärning är kärnan i utvecklingsstrategin för "artificiell intelligens", för detta studeras mänskliga hjärnceller omfattande. Denna typ av lärande har stor potential: dess plattform inkluderar algoritmer, utvecklingsverktyg, API:er och modelldistribution. Datorer har förmågan att lära sig utan att vara explicit programmerade. Innovativa företag Amazon, Google och Microsoft använder aktivt maskininlärning.
Deep learning platforms
Djup inlärning är en del av maskininlärning. Den är baserad på hur den mänskliga hjärnan fungerar och förlitar sig på artificiella neurala nätverk (ANN) algoritmer genom vilka information flödar. Robotar kan "lära sig" av input och resultat. Deep Learning - lovandetrend inom artificiell intelligens, kombinerat med stora mängder information. Det har visat sig i mönsterigenkänning och klassificering. Deep Instinct, Fluid AI, MathWorks, Ersatz Labs, Sentient Technologies, Peltarion och Saffron Technology är exempel på företag som är pionjärer inom detta område av intelligensstudier.
Natural Language Processing
Neuro-lingvistisk programmering (NLP) ligger på gränsen mellan dator och mänskligt språk och är en artificiell intelligensteknologi. Datorprogram kan förstå talat eller skrivet mänskligt tal. I Amazon Alexa-programvaran, Apple Siri, Microsoft Cortana och Google Assistant, används NLP för att förstå användarfrågor och ge svar på dem. Denna typ av programmering används ofta i ekonomiska transaktioner och kundservice.
Natural Language Generation
NLG-mjukvara används för att konvertera alla typer av data till läsbar text, detta uppnås genom att studera hjärnan. Det är en underskattad teknik med applikationer som affärsinformationsrapportautomatisering, produktbeskrivningar, finansiella rapporter. Tekniken gör det möjligt att skapa användargenererat innehåll till en förutsägbar merkostnad. Strukturerad data konverteras till text i hög hastighet, upp till flera sidor per sekund. Intressanta aktörer på denna marknad är Automated Insights,Lucidworks, Attivio, SAS, Narrative Science, Digital Reasoning, Yseop och Cambridge Semantics.
Virtuella agenter
Inom ramen för artificiell intelligensteknologi är termerna "virtuell agent" och "virtuell assistent" inte utbytbara. Vissa människor försöker skilja på begrepp och de lyckas.
Virtual Assistant är en slags personlig onlineassistent. Virtuella agenter representeras ofta som dator-AI-karaktärer som har en intelligent konversation med användare. De kan svara på frågor och deras främsta fördel är att kunderna kan få hjälp 24 timmar om dygnet.
taligenkänning
Talidentifiering är förmågan hos ett program att förstå och analysera ord och fraser i talat språk och omvandla dem till data med hjälp av den inbyggda artificiella hjärnalgoritmen. Taligenkänning används i företaget för samtalsdirigering, röstuppringning, röstsökning och tal-till-text-behandling. En nackdel är att programmet kan blanda ihop ord på grund av skillnader i uttal och bakgrundsljud. Taligenkänningsprogram installeras alltmer på mobila enheter. Nuance Communications, OpenText, Verint Systems och NICE utvecklas inom detta område.
AI-inbäddad hårdvara
Enheter med inbäddad AI, chips och grafikprocessorer (GPU) har blivit utbredda. Google har byggt in sinhårdvara artificiell intelligens, med utgångspunkt från utvecklingen av den mänskliga hjärnans institut. Effekten av att integrera AI med programvara går långt utöver konsumentapplikationer som underhållning och spel. Detta är en ny typ av teknik som kommer att användas för att främja djupinlärning. Sådan utveckling utförs av Google, IBM, Intel, Nvidia, Allluviate och Cray.
Beslutshantering
Företagsbeslutshantering i innovativa produkter (t.ex. robot med artificiell intelligens) täcker alla aspekter av design och reglering av automatiserade system. Det är viktigt för organisationer att hantera interaktioner mellan anställda, kunder och leverantörer.
Beslutshantering förbättrar processen för alternativa val, här används all möjlig information för bästa preferens, medan tonvikten ligger på manövrerbarhet, konsekvens, noggrannhet i beslutsfattandet. Beslutshantering tar hänsyn till tidsbegränsningar och kända risker.
Bank-, försäkrings- och finansiella tjänsteorganisationer integrerar daglig beslutsmjukvara i sina kundtjänstprocesser.
Neuromorf utrustning
SyNAPSE är ett DARPA-finansieratprogram för att utveckla neuromorfa mikroprocessorsystem som kartlägger hjärnans intelligens och fysik. Plattformen letar efter ett svar på huvudfrågan: är det möjligt att skapa en konstgjord hjärna? I börjanneurala nätverk testas i simuleringar på en superdator, sedan byggs nätverk direkt i hårdvaran. I oktober 2011 demonstrerades en prototyp av neuromorft chip innehållande 256 neuroner. Arbete pågår för att skapa ett system med flera chip som kan emulera 1 miljon toppneuroner och 1 miljard synapser.
Neural nätverksmodellering
The Blue Brain Project är ett försök att rekonstruera den mänskliga hjärnan och ryggmärgen med hjälp av datorsimuleringar på molekylär nivå. Projektet grundades i maj 2005 av Henry Markram vid State Polytechnic School of Lausanne (EPFL) i Schweiz. Simuleringen körs på IBM Blue Gene superdator, därav namnet Blue Brain. Från och med november 2018 genomförs simuleringar på mesocyter som innehåller cirka 10 miljoner neuroner och 10 miljarder synapser. En fullskalig simulering av den mänskliga hjärnan med dess 186 miljarder neuroner är planerad till 2023.
Spaun, ett enhetligt nätverk med en semantisk pekararkitektur, skapades av Chris Eliasmit och kollegor vid Center for Theoretical Neuroscience (CTN) vid University of Waterloo i Kanada. Från och med december 2018 är Spaun världens största hjärnsimulering. Modellen innehåller 2,5 miljoner neuroner, vilket är tillräckligt för att den ska känna igen listor med siffror, utföra enkla beräkningar.
SpiNNaker är en massiv neuromorf superdator med låg effektför närvarande under uppbyggnad vid University of Manchester i Storbritannien. Med över en miljon kärnor och tusen simulerade neuroner skulle maskinen kunna simulera en miljard neuroner. Istället för att implementera en viss algoritm kommer SpiNNaker att bli en plattform där du kan testa olika algoritmer. Olika typer av neurala nätverk kan designas och köras på en maskin, vilket simulerar olika typer av neuroner och kommunikationsmönster. SpiNNaker är en akronym som kommer från Spi King Nural.
Brain Corporation är ett litet forskningsföretag som utvecklar nya algoritmer och mikroprocessorer som ligger till grund för det biologiska nervsystemet. Företaget grundades 2009 av beräkningsneuroforskaren Evgeny Izhikevich och neurovetaren/entreprenören Allen Gruber. Deras forskning fokuserar på följande områden: visuell perception, motorisk kontroll och autonom navigering. Företagets mål är att utrusta konsumentenheter som mobiltelefoner och hushållsrobotar med ett artificiellt nervsystem. Studien finansieras delvis av Qualcomm, som ligger på Qualcomm campus i San Diego, Kalifornien. Inga specifika produkter har ännu släppts eller annonserats, men företaget fortsätter att växa och har aktivt anställt nya medarbetare sedan februari 2018.
Relaterad forskning
Google X Lab är ett hemligt labb där Google experimenterar med framtida teknologier. Projekt där företagetverk är inte offentliga, men tros vara baserade på robotik och artificiell intelligens. Detaljer om labbet dök upp först i en artikel i New York Times i november 2011. Publikationen anger att laboratoriet är beläget i Bay Area, Kalifornien. Det är välkänt att grundarna av Google är intresserade av att studera artificiell intelligens och investerar i denna riktning. 2006 sa ett företagsmemo att Google ville bygga världens bästa AI-forskningslabb.
Ryssland 2045, känt som 2045-initiativet eller Avatarprojektet, är ett ambitiöst långsiktigt projekt som syftar till att ha robotavatarer 2020, hjärntransplantationer 2025 och konstgjorda hjärnor 2035. Programmet lanserades 2011 av den ryske mediemagnaten Dmitrij Itskov. Det syftar till att skapa en institution för mänsklig hjärna genom ett glob alt nätverk av forskare som arbetar tillsammans till förmån för mänskligheten och den systematiska utvecklingen av teknik. Ett antal ryska forskare har redan fått investeringar från Itskov för sin forskning. Dessutom söker Itskov ytterligare finansiering från högförmögna individer, välgörenhetsorganisationer och nationella och internationella regeringar.
Nästa intressanta projekt är ett program från Boston University och Hewlett Packard (HP) som heter Moneta. Ett HP-team ledd av Greg Snyder bygger en neural nätverksplattform som heter Cog Ex Machina som kanarbeta i GPU:er och framtidens datorer baserade på memristorer. Neuromorphology Lab vid Boston University, ledd av Massimiliano Versace, har skapat en modulär artificiell hjärna, Moneta, som körs på Cog Ex Machina. Förkortningen står för Modular Neural Exploring Travel Agent.
Tidsram
Frågan uppstår oundvikligen om när en digital kopia av hjärnan och ryggmärgen kan syntetiseras.
Tyvärr kommer detta inte snart. Kurzweils förutsägelse om hjärnemulering till 2030 verkar för kort, bara 12 år bort. Dessutom visade sig hans analogier med Human Genome Project vara otillfredsställande. Dessutom rör sig förmodligen många forskare i vissa återvändsgränder.
På liknande sätt verkar Goertzels förutsägelser om framgången för den regelbaserade strategin under de kommande decennierna alltför optimistiska. Fast förmodligen inte omöjligt med tanke på hans AI-träningsmetod.
Enligt det troliga scenariot är det möjligt att skapa en kod eller en sken av en mänsklig hjärna om 50-75 år. Ändå är datumet ganska svårt att förutsäga, med tanke på felmarginalen inom neurovetenskap å ena sidan och förändringshastigheten å andra sidan. 2050 är ett slags svart hål när det kommer till förutsägelser.
