Es gibt Diskussionen unter Neurowissenschaftlern, Kognitionswissenschaftlern und Philosophen darüber, ob das menschliche Gehirn erschaffen oder rekonstruiert werden kann. Aktuelle Durchbrüche und Entdeckungen in der Hirnforschung ebnen stetig den Weg für eine Zeit, in der künstliche Gehirne von Grund auf neu erstellt werden können. Die einen gehen davon aus, dass es die Grenzen des Möglichen sprengt, die zweiten beschäftigen sich mit Möglichkeiten, es zu schaffen, die dritten arbeiten seit langem erfolgreich an der Aufgabe. In dem Artikel werden wir Fragen zur Entwicklung der künstlichen Intelligenz, ihren Perspektiven sowie zu großen Unternehmen und Projekten in diesem Bereich behandeln.
Grundlagen
Das künstliche Gehirn entspricht einer Robotermaschine, die so intelligent, kreativ und bewusst ist wie Menschen. In der gesamten Menschheitsgeschichte wurde die Aufgabe nicht vollständig gelöst, aber die Futuristen sagen, dass dies eine Frage der Zeit ist. In Anbetracht der ModerneTrends in Neurowissenschaft, Informatik und Nanotechnologie sagen voraus, dass künstliche Intelligenz und das Gehirn im 21. Jahrhundert, möglicherweise bis 2050, auftauchen werden.
Wissenschaftler erwägen mehrere Möglichkeiten, künstliche Intelligenz zu schaffen. Im ersten Fall werden groß angelegte biologisch realistische Simulationen des menschlichen Gehirns auf Supercomputern durchgeführt. Im zweiten Fall versuchen Wissenschaftler, massiv parallele neuromorphe Computergeräte zu entwickeln, die leicht auf neuralem Gewebe modelliert werden können.
Das menschliche Bewusstsein in Bezug auf die interessantesten Mysterien der Wissenschaft und Metaphysik gilt als das komplexeste und erreichbarste. Zu ähnlichen Schlussfolgerungen gelangt man durch Reverse Engineering des menschlichen Gehirns.
Maschinelles Lernen
Maschinelles Lernen steht im Mittelpunkt der Entwicklungsstrategie der „künstlichen Intelligenz“, dafür werden menschliche Gehirnzellen umfassend untersucht. Diese Art des Lernens hat großes Potenzial: Die Plattform umfasst Algorithmen, Entwicklungstools, APIs und die Modellbereitstellung. Computer haben die Fähigkeit zu lernen, ohne explizit programmiert zu werden. Die innovativen Unternehmen Amazon, Google und Microsoft nutzen aktiv maschinelles Lernen.
Deep-Learning-Plattformen
Deep Learning ist ein Teil des maschinellen Lernens. Es basiert auf der Funktionsweise des menschlichen Gehirns und stützt sich auf Algorithmen künstlicher neuronaler Netze (KNN), durch die Informationen fließen. Roboter können aus Eingaben und Ergebnissen „lernen“. Deep Learning - VielversprechendTrend in der künstlichen Intelligenz, kombiniert mit großen Informationsmengen. Es hat sich bei der Mustererkennung und -klassifizierung bewährt. Deep Instinct, Fluid AI, MathWorks, Ersatz Labs, Sentient Technologies, Peltarion und Saffron Technology sind Beispiele für Unternehmen, die Pioniere auf diesem Gebiet der Intelligenzforschung sind.
Verarbeitung natürlicher Sprache
Neurolinguistisches Programmieren (NLP) liegt an der Grenze zwischen Computer- und menschlicher Sprache und ist eine Technologie der künstlichen Intelligenz. Computerprogramme können gesprochene oder geschriebene menschliche Sprache verstehen. In der Amazon Alexa-Software, Apple Siri, Microsoft Cortana und Google Assistant wird NLP verwendet, um Benutzerfragen zu verstehen und Antworten darauf zu geben. Diese Art der Programmierung wird häufig in Wirtschaftstransaktionen und im Kundenservice verwendet.
Generierung natürlicher Sprache
NLG-Software wird verwendet, um alle Arten von Daten in für Menschen lesbaren Text umzuwandeln, dies wird durch die Untersuchung des Gehirns erreicht. Es ist eine unterschätzte Technologie mit Anwendungen wie der Automatisierung von Business-Intelligence-Berichten, Produktbeschreibungen und Finanzberichten. Die Technologie ermöglicht es, benutzergenerierte Inh alte zu vorhersehbaren zusätzlichen Kosten zu erstellen. Strukturierte Daten werden mit hoher Geschwindigkeit, bis zu mehreren Seiten pro Sekunde, in Text umgewandelt. Interessante Player in diesem Markt sind Automated Insights,Lucidworks, Attivio, SAS, Narrative Science, Digital Reasoning, Yseop und Cambridge Semantics.
Virtuelle Agenten
Im Rahmen der Technologien der künstlichen Intelligenz sind die Begriffe „virtueller Agent“und „virtueller Assistent“nicht austauschbar. Manche Leute versuchen, zwischen Konzepten zu unterscheiden, und es gelingt ihnen.
Virtual Assistant ist eine Art persönlicher Online-Assistent. Virtuelle Agenten werden oft als Computer-KI-Charaktere dargestellt, die eine intelligente Konversation mit Benutzern führen. Sie können Fragen beantworten und ihr Hauptvorteil ist, dass Kunden rund um die Uhr Hilfe bekommen.
Spracherkennung
Spracherkennung ist die Fähigkeit eines Programms, Wörter und Sätze in der gesprochenen Sprache zu verstehen und zu analysieren und sie mithilfe des integrierten künstlichen Gehirnalgorithmus in Daten umzuwandeln. Die Spracherkennung wird im Unternehmen für Anrufweiterleitung, Sprachwahl, Sprachsuche und Sprache-zu-Text-Verarbeitung verwendet. Ein Nachteil ist, dass das Programm aufgrund unterschiedlicher Aussprache und Hintergrundgeräusche Wörter verwechseln kann. Spracherkennungssoftware wird zunehmend auf Mobilgeräten installiert. Nuance Communications, OpenText, Verint Systems und NICE entwickeln sich in diesem Bereich.
KI-integrierte Hardware
Geräte mit eingebetteter KI, Chips und Grafikprozessoren (GPUs) sind weit verbreitet. Google hat in seine eingebautHardware künstliche Intelligenz, basierend auf der Entwicklung des Instituts des menschlichen Gehirns. Die Auswirkungen der Integration von KI in Software gehen weit über Verbraucheranwendungen wie Unterh altung und Spiele hinaus. Dies ist eine neue Art von Technologie, die verwendet wird, um Deep Learning voranzutreiben. Solche Entwicklungen werden von Google, IBM, Intel, Nvidia, Allluviate und Cray durchgeführt.
Entscheidungsmanagement
Geschäftsentscheidungsmanagement in innovativen Produkten (z. B. Roboter mit künstlicher Intelligenz) umfasst alle Aspekte der Gest altung und Regelung automatisierter Systeme. Für Unternehmen ist es unerlässlich, Interaktionen zwischen Mitarbeitern, Kunden und Lieferanten zu verw alten.
Entscheidungsmanagement verbessert den Prozess der alternativen Wahl, hier werden alle möglichen Informationen für die beste Präferenz verwendet, während der Schwerpunkt auf Manövrierfähigkeit, Konsistenz und Genauigkeit der Entscheidungsfindung liegt. Das Entscheidungsmanagement berücksichtigt Zeitbeschränkungen und bekannte Risiken.
Banken, Versicherungen und Finanzdienstleistungsunternehmen integrieren alltägliche Entscheidungssoftware in ihre Kundendienstprozesse.
Neuromorphe Ausrüstung
SyNAPSE ist ein DARPA-finanziertesProgramm zur Entwicklung neuromorpher Mikroprozessorsysteme, die Gehirnintelligenz und -physik abbilden. Die Plattform sucht nach einer Antwort auf die Hauptfrage: Ist es möglich, ein künstliches Gehirn zu erschaffen? ZunaechstNeuronale Netze werden in Simulationen auf einem Supercomputer getestet, dann werden Netze direkt in Hardware eingebaut. Im Oktober 2011 wurde ein Prototyp eines neuromorphen Chips mit 256 Neuronen demonstriert. Es wird daran gearbeitet, ein Multi-Chip-System zu schaffen, das 1 Million Spitzenneuronen und 1 Milliarde Synapsen emulieren kann.
Modellierung neuronaler Netzwerke
Das Blue Brain Project ist ein Versuch, das menschliche Gehirn und Rückenmark mithilfe von Computersimulationen auf molekularer Ebene zu rekonstruieren. Das Projekt wurde im Mai 2005 von Henry Markram an der Staatlichen Polytechnischen Schule Lausanne (EPFL) in der Schweiz gegründet. Die Simulation läuft auf dem Supercomputer IBM Blue Gene, daher der Name Blue Brain. Ab November 2018 werden Simulationen an Mesozyten durchgeführt, die etwa 10 Millionen Neuronen und 10 Milliarden Synapsen enth alten. Eine vollständige Simulation des menschlichen Gehirns mit seinen 186 Milliarden Neuronen ist für 2023 geplant.
Spaun, ein einheitliches Netzwerk mit semantischer Zeigerarchitektur, wurde von Chris Eliasmit und Kollegen am Centre for Theoretical Neuroscience (CTN) an der University of Waterloo in Kanada entwickelt. Seit Dezember 2018 ist Spaun die weltweit größte Gehirnsimulation. Das Modell enthält 2,5 Millionen Neuronen, was ausreicht, um Zahlenlisten zu erkennen und einfache Berechnungen durchzuführen.
SpiNNaker ist ein massiver neuromorpher Supercomputer mit geringem Stromverbrauch, derderzeit im Bau an der University of Manchester in Großbritannien. Mit über einer Million Kernen und tausend simulierten Neuronen wäre die Maschine in der Lage, eine Milliarde Neuronen zu simulieren. Anstatt einen bestimmten Algorithmus zu implementieren, wird SpiNNaker zu einer Plattform, auf der Sie verschiedene Algorithmen testen können. Verschiedene Arten von neuronalen Netzen können entworfen und auf einer Maschine ausgeführt werden, wodurch verschiedene Arten von Neuronen und Kommunikationsmustern simuliert werden. SpiNNaker ist ein Akronym, abgeleitet von Spi King Nural.
Brain Corporation ist ein kleines Forschungsunternehmen, das neue Algorithmen und Mikroprozessoren entwickelt, die dem biologischen Nervensystem zugrunde liegen. Das Unternehmen wurde 2009 von dem Computational Neuroscientist Evgeny Izhikevich und dem Neurowissenschaftler/Unternehmer Allen Gruber gegründet. Ihre Forschung konzentriert sich auf folgende Bereiche: visuelle Wahrnehmung, motorische Kontrolle und autonome Navigation. Ziel des Unternehmens ist es, Consumer-Geräte wie Mobiltelefone und Haush altsroboter mit einem künstlichen Nervensystem auszustatten. Die Studie wird teilweise von Qualcomm finanziert, das sich auf dem Qualcomm-Campus in San Diego, Kalifornien, befindet. Es wurden noch keine spezifischen Produkte veröffentlicht oder angekündigt, aber das Unternehmen wächst weiter und stellt seit Februar 2018 aktiv neue Mitarbeiter ein.
Verwandte Forschung
Google X Lab ist ein geheimes Labor, in dem Google mit Zukunftstechnologien experimentiert. Projekte, an denen das UnternehmenWerke sind nicht öffentlich, basieren aber vermutlich auf Robotik und künstlicher Intelligenz. Einzelheiten über das Labor erschienen erstmals im November 2011 in einem Artikel der New York Times. Die Veröffentlichung gibt an, dass sich das Labor in der Bay Area, Kalifornien, befindet. Es ist bekannt, dass die Gründer von Google Interesse an der Erforschung künstlicher Intelligenz haben und in diese Richtung investieren. 2006 hieß es in einem Firmenmemo, Google wolle das weltbeste KI-Forschungslabor bauen.
Russland 2045, bekannt als die 2045-Initiative oder das Avatar-Projekt, ist ein ehrgeiziges langfristiges Projekt, das darauf abzielt, bis 2020 Roboter-Avatare, bis 2025 Gehirntransplantationen und bis 2035 künstliche Gehirne zu haben. Das Programm wurde 2011 vom russischen Medienmagnaten Dmitry Itskov ins Leben gerufen. Es zielt darauf ab, durch ein globales Netzwerk von Wissenschaftlern, die zum Wohle der Menschheit und der systematischen Entwicklung von Technologie zusammenarbeiten, eine Institution für menschliches Gehirn zu schaffen. Eine Reihe russischer Wissenschaftler haben bereits Investitionen von Itskov für ihre Forschung erh alten. Darüber hinaus bemüht sich Itskov um zusätzliche Mittel von vermögenden Privatpersonen, Wohltätigkeitsorganisationen sowie nationalen und internationalen Regierungen.
Das nächste interessante Projekt ist ein Programm der Boston University und Hewlett Packard (HP) namens Moneta. Ein HP-Team unter der Leitung von Greg Snyder baut eine neuronale Netzwerkplattform namens Cog Ex Machina, die das kannarbeiten in GPUs und Computern der Zukunft auf Basis von Memristoren. Das Neuromorphology Lab an der Boston University unter der Leitung von Massimiliano Versace hat ein modulares künstliches Gehirn namens Moneta entwickelt, das auf Cog Ex Machina läuft. Das Akronym steht für Modular Neural Exploring Travel Agent.
Zeitrahmen
Es stellt sich zwangsläufig die Frage, wann eine digitale Kopie von Gehirn und Rückenmark synthetisiert werden kann.
Das kommt leider nicht so bald. Kurzweils Vorhersage der Gehirnemulation bis 2030 scheint zu kurz zu sein, nur 12 Jahre entfernt. Darüber hinaus erwiesen sich seine Analogien zum Human Genome Project als unbefriedigend. Darüber hinaus bewegen sich viele Wissenschaftler wahrscheinlich in einige Sackgassen.
Ähnlich erscheinen Goertzels Vorhersagen über den Erfolg des regelbasierten Ansatzes in den nächsten Jahrzehnten zu optimistisch. Obwohl es angesichts seines KI-Trainingsansatzes wahrscheinlich nicht unmöglich ist.
Nach dem wahrscheinlichen Szenario ist die Erstellung eines Codes oder eines Anscheins eines menschlichen Gehirns in 50-75 Jahren möglich. Dennoch ist das Datum angesichts der Fehlerquote in den Neurowissenschaften einerseits und der Geschwindigkeit des Wandels andererseits ziemlich schwierig vorherzusagen. 2050 ist eine Art schwarzes Loch, wenn es um Vorhersagen geht.
