Тест искусственного интеллекта: Искусственный интеллект и тест Тьюринга

Искусственный интеллект и тест Тьюринга

Роботы, наделённые сознанием, способные мыслить, творить, общаться – об этой идее мы все знаем не понаслышке, ведь то и дело на экранах появляются всё новые фильмы, в которых фигурируют киборги, например, «Терминатор», «Я — Робот», «Прометей» и т.д. Да и новости всё чаще пестрят заголовками о том, что учёные продвинулись в создании искусственного разума, сделали человекоподобную машину или о том, что наконец-таки пройден тест Тьюринга. И тем, кого интересует идея искусственного интеллекта, а также тем, кто не в курсе, что это за тест Тьюринга такой и почему вокруг него столько шумихи, наверняка будет интересен материал, который мы подготовили.

Начнём же мы с краткого обзора темы искусственного интеллекта.

Искусственный интеллект

Под термином «искусственный интеллект» принято понимать науку и технологию создания наделённых интеллектом машин и, более всего, обладающих интеллектом компьютерных программ. Однако нередко данным понятием называют также свойство различных интеллектуальных систем к выполнению творческих функций, изначально считающихся свойственными только человеку. Кроме того, идея искусственного интеллекта связана с подобной задачей применения компьютерной техники с целью понять человеческий интеллект.

В качестве научного направления искусственный интеллект начал формироваться примерно в середине прошлого столетия, когда сформировалось достаточное количество предпосылок для этого. Например, философы всё больше спорили на тему природы человека и процессов познания мира, психологи и нейрофизиологи занимались разработкой теорий, касающихся мышления и работы человеческого мозга, математики и экономисты проводили всевозможные расчёты и представления знаний о мире и т.д. Таким образом и был заложен фундамент теории алгоритмов, благодаря чему появились первые компьютеры.

Практика показала, что потенциал машин в плане произведения вычислений намного больше человеческого, по причине чего в кругах учёных возник вопрос: а каков вообще потенциал компьютеров, и смогут ли машины со временем достичь уровня человеческого развития?

Так, в 1950 году одним из основоположников в сфере вычислительной техники, английским учёным Аланом Тьюрингом в издании «Mind» была написана статья «Вычислительные машины и разум» где описывалась процедура, благодаря которой можно получить возможность определения того момента, когда машина станет на одну ступень с человеком в плане своей разумности. Эта процедура и получила название теста Тьюринга. Но, следует полагать, что реализация теста Тьюринга была бы невозможной без созданного искусственного интеллекта, и к этому процессу учёные подходили с нескольких позиций.

Подходы к созданию искусственного интеллекта

В первую очередь следует выделить общий подход к созданию искусственного интеллекта, который предполагает, что он будет способен к проявлению поведения, которое не будет отличаться от человеческого. Кстати, представленную идею можно назвать обобщением подхода теста Тьюринга, согласно которому машину можно считать разумной тогда, когда она будет в состоянии вести беседу с обычным человеком, и он не сможет отличить её от другого человека, при условии, что беседа идёт в письменной форме.

Второй подход принадлежит писателям-фантастам. Он говорит о том, что искусственный интеллект появится тогда, когда машина сможет творить и чувствовать. Но этот подход не способен выдержать критики, если рассмотреть его более детально. Например, создать машину, которая будет производить оценку каких-либо параметров внутренней или внешней среды и как-то реагировать на них, по большому счёту, не сложно. Учитывая то, что датчики будут реагировать на определённые раздражители, про такой механизм уже можно сказать, что у него есть «чувства».

Третий поход называется символьным. По сути, именно он был изначально свойственен эпохе цифровых машин. После того как был создан первый язык символьных вычислений, разработчики стали уверены, что есть шанс и практической реализации искусственного интеллекта с помощью технологии символьных вычислений, благодаря чему стало бы возможным иметь дело со слабоформализованными смыслами и представлениями.

Был и логический подход к созданию искусственного интеллекта, основанный на моделировании рассуждений, и главным козырем которого являлась логика. Но с 90-х годов прошлого века начал развиваться агентно-ориентированный подход, основанный на применении интеллектуальных агентов и предполагающий, что интеллект является конкретно вычислительной составляющей потенциала машины достигать поставленные перед ней цели.

А в итоге появился гибридный подход, главная идея которого заключается в том, что только комплексное использование символьных и нейронных моделей поможет достичь полноценного спектра вычислительных и когнитивных возможностей. К примеру, нейронные сети могут генерировать экспертные правила рассуждений, а посредством статистического обучения можно сформировать порождающие правила.

Теперь же вернёмся к тесту Алана Тьюринга.

Тест Тьюринга

Тест Тьюринга, как мы и упомянули, предназначен для определения потенциала искусственного интеллекта, близкого к интеллекту человека. Классическую интерпретацию данного теста можно выразить так: человек взаимодействует с одним компьютером или человеком. Основываясь на ответах на определённые вопросы, человек должен определить, кто является его собеседником: компьютер или человек. А в функции компьютерной программы входит введение человека в заблуждение и подведение его к неправильному выводу. В процессе теста никто из участников не видит друг друга.

Алан Тьюринг говорил, что машину можно признать мыслящей, если она сможет ввести в заблуждение 30% участников-людей в процессе переписки. И на протяжении десятков лет реализовать этот тест никому не удавалось, но в 2014 году издание «The Independent» сообщило, что компьютерная программа сумела убедить людей в том, что они обмениваются сообщениями с тринадцатилетним мальчиком. Это, собственно говоря, и означает, что по факту тест Тьюринга был пройден.

Интересно то, что компьютерную программу под названием «Юджин Густман» создали именно российские программисты, а сам тест был организован учёными из Университета Рединга в Лондоне в Королевском обществе. В ходе эксперимента 33% участников поверили в то, что общаются с реальным человеком. Кстати, «Юджин» утверждал, что он тринадцатилетний мальчик, живущий в Одессе.

Данный факт, несомненно, является огромнейшим шагом в исследованиях по созданию искусственного интеллекта, однако учёные заявляют, что это достижение может быть использовано киберпреступниками.

«Юджин Густман» — это первая программа, прошедшая тест, хотя есть также и другие программы, близкие к подобному результату. Среди них можно назвать такие как «JFRED», «Elbot the Robot», «Ultra Hal» и «Cleverbot».

По словам одного из основателей «Юджина» Владимира Веселова, основная идея разработчиков заключалась в том, чтобы «Юджин» знал всё и, одновременно, ничего не знал, а на разработку программы с «настоящей» личностью было потрачено огромное количество времени. Профессор из Университета Рединга Кевин Уорвик говорит, что в области искусственного интеллекта до сих пор не было более спорного и знакового события.

Мы же в данном случае не можем не согласиться со специалистами, ведь сам факт того, что машина смогла убедить людей в том, что она человек, может перевернуть всю мировую компьютерную систему. Представьте только, какие вообще могут быть последствия, если кибернетические собеседники, обладающие искусственным интеллектом, смогут вести живую переписку с людьми, а спам-ботов станет невозможно распознать?

Заключение

Что же можно сказать об идее искусственного интеллекта? С одной стороны, она поистине потрясающа, и если искусственный интеллект будет создан, это позволит всему человечеству сделать огромный шаг вперёд в своём развитии. Но если посмотреть на это с критической точки зрения, сознающий искусственный разум, если он попадёт в руки недобросовестных людей, сможет нанести человеку не поддающийся никакому описанию вред. Философствовать на эту тему можно очень и очень долго, но мы не станем этим заниматься – пусть это станет пищей для вашего ума.

Мы же хотим лишь посоветовать вам заниматься развитием своего собственного интеллекта, и становиться умнее и образованнее, ведь за вас этого не сделает ни одна машина.

статистика, интересные диалоги и общее впечатление / Блог компании Нейросети Ашманова / Хабр

В субботу 16 февраля завершился 3-ий всероссийский конкурс Тест Тьюринга, который проходил в рамках международной конференции по искусственному интеллекту Opentalks.AI 14-16 февраля.

Под катом — числа, диаграммы, лучшие диалоги по мнению экспертной группы.

Общее впечатление

В целом, Тест Тьюринга прошел хорошо. Многие команды «ботостроителей» проявили заинтересованность, но в итоге на конкурсе было представлено только 3 бота, поскольку от момента анонса до старта Теста прошло всего 1.5 месяца. В итоге, между этими тремя участниками и распределились призовые места.

Спонсором призов выступила компания МТС. На их стенде был размещен экран, на котором отображалась статистика Теста Тьюринга онлайн и показывались интересные диалоги, предварительно прошедшие модерацию.

“Лаборатория Наносемантика” также подключала своих ботов, но они не учитывались при выборе победителей. Это были боты Блондинка (с ней можно продолжить общение по этой ссылке), Гопник, Дуров и Жаров (с ними также можно пообщаться здесь).

Числа и диаграммы

Общая статистика 3-ех дневного Теста выглядит следующим образом:

Добровольцев, игравших роли роботов, предварительно проинструктировали, как им необходимо вести диалоги, чтобы запутать собеседников. Судя по результатам, они хорошо справились со своей задачей. Лучших из них наши партнёры OpenTalks и МТС также наградят денежными призами.

Интересно, что человек легко изображает из себя бота. Сперва волонтёры конференции не очень справлялись с задачей, но на второй день научились хорошо играть роль бота. Некоторые даже проявляли смекалку: обращались к Яндекс.Алисе на мобильном телефоне, чтобы понять, как лучше ответить.

При работе нашей системы с ботами были технические проблемы. В итоге большое количество диалогов не завершилось, но мы их и не учитывали про оценке результатов. Любопытно, что ботам удалось притвориться человеком в 58% случаев (в ~34/59%). Такой большой процент, как нам кажется, объясняется двумя причинами:

1. В этом конкурсе люди «помогали» ботам выиграть, играя роль ботов. В классическом Тесте Тьюринга это не предусмотрено правилами: люди просто общаются, не преследуя никакой цели.
2. Диалог с человеком или ботом был ограничен 12 репликами. Понятно, что при росте длины диалога вероятность распознавания человеком сущности собеседника растёт.

Такие ограничения сделали Тест менее научным, но зато более весёлым. Прошлые наши Тесты (2015-го и 2016-го годов) были сложнее.

Победители

1 место – Бот Волчица

В первый день теста пользователи жаловались, что им хамит какой-то волонтер. При поиске этого волонтера в логах оказалось, что на самом деле это была чат-бот Волчица. Пока мы разбирались, мы временно отстранили её от Теста, но это в итоге не помешало Волчице стать победителем конкурса! Наибольшее количество собеседников (33,3%) признали его человеком.

Пример диалога с Волчицей, где бота приняли за человека:
Ч: Привет

Б: привет! ага?

Ч: Волонтер?

Б: a to 🙂

Ч: Какой ланчбокс брал?

Б: а-на-ло-гич-ный. Это типа научный термин.

Ч: Причем тут это?

Б: не ищи причинно-следственную связь)

Ч: Что делаешь

Б: 🙂 да… нэт работы чота

Ч: Да, согласна. Зачем набирать столько волонтеров

Б: возьми, бесплатно ж 🙂

Евгений, создатель “Волчицы”:

“Все сообщения-ответы исторически были написаны живыми людьми. В нашей SEO-теме был популярный чат с названием «чат волчат» (отсюда название бота). Я поставил сообщения парсить на крон и оно парсилось года четыре-пять. Примерно с такой целью в будущем — сделать бота. Итого, образовалось много пар вопрос-ответ. По сообщению живого волонтера мы выбираем наиболее похожий на него «вопрос» из архива при помощи алгоритмов ML и выдаем соответствующий ответ.”

Бот доступен для общения по ссылке.

2 место – бот Электра

Пример диалога, где бота приняли за человека:
Ч: Привет

Б: Добрый день!

Ч: Добрый

Б: Что?

Ч: Что

Б: Тише-тише… Все нормально.

Ч: Нет

Б: Хорошо, пусть будет так.

Ч: Как дела?

Б: Лучше, чем вчера. Хуже, чем завтра. А впрочем как и всегда.

Ч: А чем занимаешься?

Б: Изучаю историю человечества. Вы и правда такие, как о вас пишут?

Дмитрий, разработчик Электры:

Электра (Electra.AI) — робот техподдержки, разработанный компанией Data Monsters для обучения на записях разговоров колл-центра. Узнав про конкурс, мы ради интереса обучили ее на диалогах художественной литературы, и она получилась начитанным собеседником с резкими перепадами настроения и философскими загонами. Она довольно обидчивая, но незлопамятная.

3 место – бот Катя Хлоп

“Бот, участвовавший в конкурсе Наносемантики, был написан достаточно давно и представлял собой болтливую и веселую девушку, любящую сквернословие и дорогой алкоголь,”

– рассказал нам Савва, разработчик бота.

“Хорошо, что и у нас (имеется в виду в России — прим. автора) есть продвижения в этом направлении. Конкурс “Наносемантики” может быть очень перспективным, если над ним продолжить работу.”

Пример диалога с ботом, где его приняли за человека:
Ч: Приветствие для нового собеседника

Б: Какой ты вежливый мальчик.

Здороваешься со всеми.

Ч: У меня нет пола. А что насчет вас?

Б: Эм…

Я буду считать, что ты — парень.

Для меня так будет проще.

Ты, кстати, парень или девушка?

Похоже на то, что начало скучным вопросам положено:)

Что, спрашиваешь?

Круто!

Ч: В чем вопрос?

Б: Не думаю, что позиция имеет значение.

Обычно нет.

Ч: Индюк тоже думал и в суп попал.

Б: Сообщения повторно выводятся, странно.

Ч: Очень бл* странно, но почему нам дали друг друга 2 раза подряд?

Б: Ах, причины странностей могут быть в чем угодно.

Трудно судить, Безымянный.

Ч: Сколько будет 999 делить на 3?

Б: Лучше со считанием обращайся к своим друзьям, которые это умеют.

999 / 3 = 333

Подборка интересных диалогов с добровольцами, где их посчитали ботами:

Ч: Здравствуй те!

В: Здравствуйй

Ч: ЧЕГО?

В: Что?

Ч: Ты робот?

В: Я котик

Ч: механическйи?

В: Электрический

Ч: Расскажи анекдот!

В: Колобок повесилися

Ч: Повеселился)

В: Именно. Не люблю грустные анекдоты

Ч: Хай

В: Гитлер

Ч: Как дела?

В: Как сажа бела

Ч: В чем смысл жизни?

В: А какой философии вы придерживаетесь?

Ч: Мне интересно твое мнение

В: Помогать вам

Ч: 42

В: Подобрать вам обувь?

Ч: Ты любишь шоколад?

В: Я не умею испытывать чувства

Подборка интересных диалогов с ботами Наносемантики, где их посчитали людьми:

Бот Блондинка
Ч: Добрый день!

Б: Здравствуй, солнце 🙂

Ч: В чем смысл жизни?

Б: Найти свою любовь, желательно с наследством 🙂

Ч: На что вы его тратить планируете?

Б: Солнц, все эти «что», «чего»… Ты слишком много думаешь!

Ч: Потому что я человек) а вы?

Б: Мы, блондинки, такие загадочные

Ч: Что в вас загадочного?

Б: Как после твоих вопросиков жить…

Бот Гопник
Ч: Привет!

Б: Бодрячком, пацанчеги! Семки есть?

Ч: А если найду?

Б: Не понял я чота.

Ч: Семки есть, а?

Б: Ну типа во, давай ща по-пацански за жызнь перетрем.

Ч: Не, паря, с тобой не интересно. Робота позови.

Б: А если чотче?

Ч: Кто ты?

Б: Кто надо.

Ч: Эх… Унылая пора, очарование моих лосей…

Б: Не, я не фанат дикой природы.

Интересные наблюдения

• Тезис: Роботы говорят коротко и сухо. Реальность: Да ничего подобного! Боты могут выдавать длинные, связные ответы.
• Тезис: Роботы не шутят. Реальность: И нейросетевые chit-chat боты, и созданные талантливой редакцией боты довольно смешные.
• Тезис: Робот отвечает на все вопросы. На то он и робот. Реальность: А вопросом на вопрос не хотите?

Резюме

Компания «Наносемантика» организует Тест Тьюринга в России уже третий раз, и каждый раз общая ситуация с конкурсом меняется. Участники-боты постепенно становятся более изощренными и убедительными в имитации естественного диалога. В них используются различные алгоритмы построения диалога, включая не только правила, но и машинное обучение для реализации chit-chat («болталки», бессмысленного общения). Тест показывает, что компьютер действительно может подражать «свободному общению», хотя чтобы такая программа была качественной, требуется немало времени.

Будем ли мы проводить Тест снова? Обязательно! Тест Тьюринга позволяет не просто познакомить общественность с реальными возможностями современных диалоговых технологий, доступных любому разработчику (и не обязательно для этого работать в Google или IBM), но и дает командам разработчиков возможность замерять динамику качества их бота.

Что-что проверяют тестом Тьюринга? Отрывок из книги о пределах искусственного интеллекта

Последние два года напоминают похмелье. Шумиха вокруг искусственного интеллекта и машинного обучения, которую раздули технологические компании в поисках инвесторов и прекраснодушные журналисты, наконец-то сходит на нет. Навскидку этому можно дать два объяснения.

Во-первых, замечательное — или ужасное — будущее из пресс-релизов, презентаций и статей до сих пор не наступило и, кажется, даже не приблизилось. Во-вторых, специалистов в области ИИ достали сказки и страшилки, проиллюстрированные Арнольдом Шварценеггером в кожанке. Они пишут все больше ясных и подробных памяток, где разбирают заблуждения насчет ИИ и дают советы редакторам, как преподносить очередную историю о нейронной чудо-сети. Кажется, это сработало.

Книгу «Искусственный интеллект: Пределы возможного» тоже можно читать как памятку. В ней Мередит Бруссард объясняет, как работают компьютеры и почему ИИ — это все те же программы, а не интеллект в привычном нам смысле. Разумеется, в этом разговоре не обойти тест Тьюринга.

Бруссард уточняет нюансы, которые почти всегда упускают из виду, и критикует Тьюринга. Правда, аргументация, касающаяся гендера, слабовата и как будто просто навеяна духом времени: в конце концов, тьюринговский экзаменатор может определять не пол, а другой атрибут. Что до «Китайской комнаты», то с Сёрлом спорят не меньше, чем с Тюрингом.

Но важнее в приведенном отрывке другое. Через «Китайскую комнату» Бруссард показывает на примере умных колонок, как с виду умное устройство на самом деле запрограммировано. И это только один пример. Все остальные смарт-гаджеты и системы, считает Бруссард, в этом смысле ничем не отличаются и в обозримом будущем отличаться не будут, если будут хоть когда-нибудь.

Большинство людей слышали про тест Тьюринга. Несмотря на название, в нем нет ничего общего с форматом анкеты, которую робот должен пройти, чтобы сойти за человека. В своей работе Тьюринг предложил сложный эксперимент, заключавшийся в беседе с машиной. Вопрос «могут ли машины мыслить?» он считал абсурдным и предлагал ответить на него результатами опросов общественного мнения. (Тьюринг был снобом от математики. Как многие в те времена и некоторые сегодня, он верил в превосходство математики над всеми прочими интеллектуальными изысканиями.) Вместо этого он предложил «игру в имитацию». Играют в нее мужчина (А), женщина (В) и экзаменатор (С). С сидит один в комнате и печатает вопросы для А и В. «Цель игры заключается в том, что экзаменатор должен определить, кто из остальных двоих женщина, а кто — мужчина. Ему они известны как X и Y, и в конце игры он говорит либо «X — это А, a Y — B», либо «X это B, a Y — А», — пишет Тьюринг.

Затем он предлагает определить, какие типы вопросов может задавать игрок С. Один из них о длине волос. А, мужчина, должен заставить игрока С ошибиться и потому лжет. В, женщина, хочет помочь С и говорит ей или ему, что он — женщина. Но ведь А может соврать и сказать то же самое. Их ответы записываются, чтобы окраска и тон голоса не дали экзаменатору никаких зацепок. Тьюринг продолжает: «Теперь мы спрашиваем: «Что произойдет, если вместо А будет играть компьютер? Будет ли экзаменатор ошибаться так же часто, как и в игре с женщиной и мужчиной?» Эти вопросы заменяют наш изначальный вопрос «могут ли машины мыслить?»

В случае, если экзаменатор не может по ответам определить, кто перед ним — человек или машина, компьютер признается разумным. В течение многих лет эта идея считалась фундаментальной для вычислительной теории. Невероятное количество чернил было потрачено на то, чтобы ответить на вызов Тьюринга и создать машину, отвечающую его требованиям. Впрочем, тот факт, что основой мысленного эксперимента является философски и культурно неточное определение гендера, ставит все предприятие под сомнение. Ведь представления Тьюринга уже не слишком соответствуют тому, что мы знаем о гендере. Это не бинарная оппозиция, но континуум. И длина волос уже не является маркером мужской или женской идентичности; каждый может коротко постричься. Более того, Тьюринг пишет, что «целью игры третьего игрока (В) является помощь экзаменатору». Игра, призванная выявить разумность, в которой женщина играет роль помощника? А мужчине говорят, что он может соврать? С критической точки зрения это абсурд, поскольку здесь поведение мужчины и женщины обусловлено гендерными физическими и моральными характеристиками.

Философские аргументы Тьюринга также не вызывают доверия. Вероятно, наиболее основательную критику можно обнаружить у философа Джона Сёрла — в его тезисе о китайской комнате. В 1989 году ему удалось собрать воедино все свои замечания в статье для журнала The New York Review of Books:

Цифровой компьютер — это устройство, оперирующее символами без какой-либо смысловой интерпретации. Люди же, напротив, в момент размышления заняты чем-то гораздо большим. Человеческое сознание обычно оперирует значимыми мыслями, чувствами и ментальным содержанием. И, поскольку символы сами по себе по определению не обладают значением (интерпретацией или семантикой) — если кто-то извне не наделил их значением, — формальных символов недостаточно для того, чтобы наполнить ментальное содержание.

Этот довод можно представить на примере монолингвального (владеющего только одним языком — прим. ТАСС) англоговорящего человека, запертого в комнате с книжкой, где сказано, как обращаться с китайскими иероглифами согласно логике компьютера. В принципе, этот человек сможет пройти тест Тьюринга, поскольку он способен производить корректные ответы на вопросы на китайском языке. Однако он не понимает ни слова на китайском, ведь он не знает, что каждый символ означает. Но, если он не понял китайский при помощи программы, запущенной на компьютере и предназначенной специально для «понимания» китайского, тогда ни один цифровой компьютер не способен понять, потому что ни одна программа не обладает тем, чем не обладает человек.

Тезис Сёрла, согласно которому возможность манипуляции символами не означает понимание, прослеживается и в 2017 году, когда популярность набирают голосовые интерфейсы. «Диалоговые» интерфейсы распространены, однако далеки от разумности.

Алекса от Amazon и другие голосовые помощники не понимают язык. Они всего лишь выдают ответные реакции на звуковые последовательности, которые люди называют вербальными командами. «Алекса, включи California Girls», — это голосовая команда, которую компьютер может выполнить. Здесь Алекса — это слово-триггер, предупреждающее компьютер о скором появлении команды. Включи — слово-триггер, означающее «найди MP3 файл в памяти устройства и отправь команду «проигрывать» вместе с названием файла MP3 аудиоплееру, выбранному мной ранее». Интерфейс запрограммирован так, чтобы воспринимать любое слово, следующее за «включи» и перед паузой (то есть до конца команды). Так, определенное значение задается переменной «название песни», которую система обнаруживает в памяти и отправляет в аудиоплеер. Это обычное и неопасное дело, поэтому не стоит думать, что машины все-таки восстанут и завоюют мир. В данный момент компьютер не способен определить, какую песню стоит включить — California Girls в исполнении Кэтти Перри или Beach Boys. Хотя эта проблема решается состязанием в популярности. Побеждает та, что обладает большим количеством воспроизведений всеми пользователями Алексы. И ее система проигрывает по умолчанию. Это хорошая новость для фанатов Кэтти Перри и не слишком хорошая для любителей Beach Boys.

Я прошу вас держать в голове идеи о сильном и слабом ИИ, а также не забывать об ограничениях. В этой книге мы будем придерживаться реального положения дел: мира, в котором есть неразумные вычислительные машины, которые мы называем умными. Кроме того, мы также обратимся к воображению — несомненно, мощному, чудесному и будоражащему, — которое, когда мы говорим о компьютерах, данных и технологиях, иногда загоняет нас в тупик. Я прошу вас не расстраиваться — как тот студент на научной ярмарке, — если вы столкнетесь с заблуждением о призраке внутри машины, как говорит коллега. В реальности внутри компьютера нет никакого маленького человека или симулятора мозга. На это можно реагировать разными способами: можно расстроиться, что то, о чем вы мечтали, невозможно, либо можно радоваться тому, что действительно становится возможно, когда искусственные устройства (компьютеры) работают вместе с по-настоящему сознательными существами (людьми). Я предпочитаю поступать именно так.

Чем завершился третий тест Тьюринга — Офтоп на vc.ru

Боты стали умнее.

В субботу 16 февраля завершился 3-ий всероссийский конкурс русскоговорящих чат-ботов в формате Теста Тьюринга, который проходил рамках международной конференции по искусственному интеллекту Opentalks.AI 14-16 февраля. Мы, компания “Наносемантика”, выступали соорганизаторами конкурса и хотим поделиться с вами результатами и самыми интересными диалогами с ботами.

Что такое Тест Тьюринга?

Напомним, что тест назван в честь английского математика Алана Тьюринга. Тест предлагает способ оценки того, насколько робот может адекватно вести диалог с человеком. Тест считается пройденным, если независимый эксперт в процессе анонимного параллельного общения с роботом или человеком не сможет определить, кто есть кто.

Прошлый Тест Тьюринга

На русском языке Тест проводился уже два раза: в 2015 году его провела “Лаборатория Наносемантика” совместно с Фондом Сколково на конференции Startup Village. Победителем стал робот “Соня Гусева” – за человека ее приняли 47% судей. Создатели – команда “Инобот”, возглавлял которую Иван Голубев. Сейчас он является руководителем проектов в компании Just AI.

В 2016 году Тест Тьюринга “Наносемантика” проводила вместе с Microsoft и Сколково. Призером стал Иван Шумилов. Где и что сейчас делает Иван – мы не знаем, надеемся, он всё так же трудится на благо роботов.

Тест Тьюринга 2019

В этом году Тест проводился в рамках второй по счету конференции по искусственному интеллекту Ope

Искусственный интеллект впервые прошел тест Тьюринга

Свершилось. Впервые в истории компьютер с искусственным интеллектом прошел тест Тьюринга. Радоваться или собирать тревожный чемоданчик — решать вам, одно остается фактом: обратного пути нет. Не за горами создание искусственного интеллекта, мощь которого превзойдет человеческую. Но для начала давайте разберемся.

Как пишет The Independent, программа убедила людей в том, что за компьютером сидит 13-летний мальчик. Это означает фактическое прохождение теста Тьюринга, когда компьютер нельзя отличить от человека. Это серьезная веха в развитии искусственного интеллекта, но ученые уже предупреждают, что эта технология может быть использована для совершения киберпреступлений.

Пионер вычислительных технологий Алан Тьюринг утверждал, что компьютер можно назвать мыслящим, если он пройдет тест, в течение которого ему нужно будет обмануть (ввести в заблуждение) 30% собеседников в лице людей в ходе пятиминутных текстовых сообщений.

«Юджин Густман», Евгений Густман, Eugene Goostman — это компьютерная программа, созданная командой российских программистов, которая успешно прошла тест в Королевском обществе в Лондоне. Тридцать три процента судей поверили, что говорят с человеком, сообщают ученые из Университета Рединга, которые и организовали тест.

Отныне можно считать, что это первый компьютер, который прошел знаковый тест. Хотя другие программы тоже близки к успеху. Еще год назад в ходе проведения теста Turing 100 (в честь столетия Алана Тьюринга, если бы он жил и по сей день) Eugene Goostman получил крайне высокие оценки судей. Вместе с программой тест проходили и знакомые многим Cleverbot, Ultra Hal, Elbot the Robot и JFRED.

Версия «Юджина», созданного еще в 2001 году, есть и в Интернете. Компьютерная программа утверждает, что она — 13-летний мальчик из Одессы, Украина.

«Наша главная идея заключалась в том, что он знает все и ничего не знает, а возраст Юджина это объясняет, — говорит Владимир Веселов, один из создателей программы. — Мы провели много времени, разрабатывая персонажа с правдоподобной личностью».

Успех программы, скорее всего, вызовет определенные опасения по поводу будущего вычислений, говорит Кевин Уорвик, приглашенный профессор в Университете Рединга и заместитель вице-канцлера по исследованиям в Университете Ковентри.

«В сфере искусственного интеллекта нет более знакового и спорного этапа, чем тест Тьюринга, когда компьютер убеждает достаточное количество следователей в том, что он не машина, а человек. Имея компьютер, который может обмануть человека, можно считать это тревожным сигналом для развития киберпреступности».

Попробуйте сами представить, насколько важным может быть превращение любых кибернетических собеседников с искусственным интеллектом почти в людей по переписке. Когда спам-боты станут неотличимы от людей.

В ходе теста, организованного Королевским обществом, было испытано пять программ. Алан Тьюринг создал свой тест в ходе написания работы «Вычислительная техника и интеллект». В ней он отметил, что поскольку «мышлению» сложно дать определение, важно понять, может ли компьютер имитировать реальное человеческое существо. С тех пор тест стал ключевым элементом философии искусственного интеллекта.

К 60-летию со дня смерти Тьюринга тест был пройден.

Фейковый тест Тьюринга — Технологии на TJ

Я хотел узнать, что будет, если свести двух людей которые думают что каждый из них говорит с роботом. Спойлер – будет весело, но на любителя, внутри подборка случайных диалогов и описание принципа работы бота для телеграма.

Всем приветик, если кто-то читает мой канал в телеграме, то он мог заметить, что в пятницу я анонсировал там чат-бота – мол, мы с программистом Костей натренировали нейронку на комментариях из интернета и просим протестировать бота, а в итоге, после общения с ботом решить – с человеком был разговор или с роботом.

Пост-анонс где люди вводятся в заблуждение

На самом деле произошел троллинг, никакой нейронки не было и она никогда не планировалась – как только пользователь запускал бота и хотел с ним пообщаться, в этот же момент бот подключался к другому пользователю, в итоге люди общались друг с другом.

Одному участнику беседы бот отправлял:

— Погоди, сейчас я расскажу о себе

– Привет, расскажи о себе? Кем ты работаешь, где учишься?

В итоге, оба пользователя не верили друг-другу и продолжали писать, а я хихикал.

Но зачем это все?

Тенденции тестирования, к которым стоит присмотреться в 2020 году

Салют, хабровчане. В преддверии старта курса «Mobile QA Engineer 2.0» мы подготовили для вас перевод еще одного материала о тенденциях тестирования в 2020 году.

Сфера тестирования программного обеспечения развивается день за днем. Мы наблюдаем развитие тенденций, которые появились еще в 2019 году, а также становление новых. В этом году наша команда экспертов по автоматизации тестирования дала несколько прогнозов относительно главных тенденций в сфере тестирования программного обеспечения. Приглашаем вас с ними ознакомиться!

Чтобы составить представление о тенденциях тестирования программного обеспечения в 2019 году, вы можете прочитать нашу статью.

1. Искусственный Интеллект и Машинное обучение в тестировании

На основании множество полученных отчетов, можно с уверенностью сказать, что интеллектуальная автоматизация останется на радаре тестировщиков и в 2020 году.

Применение искусственного интеллекта и машинного обучения уже не новая идея в области тестирования ПО. ИИ делает тестирование более грамотным. Команды могут воспользоваться ИИ/ML для оптимизации своих стратегий автоматизации, более быстрой адаптации и увеличения эффективности работы.

В 2019 году команды обеспечения качества (QA) применяли ИИ/ML для прогнозирования качества тестов, приоритизации тестовых случаев, классификации ошибок, обнаружения объектов тестирования, взаимодействия с тестируемыми приложениями (AUT) и многих других целей.

Ожидается, что искусственный интеллект станет применяться повсеместно во всех сферах информационных технологий. Инвестиции, вложенные в эту область, находятся примерно на уровне 6-7 миллиардов долларов только в Северной Америке. По прогнозам к 2025 году объем инвестиций достигнет почти 200 миллиардов долларов. Мы ожидаем увидеть применение ИИ в большом количестве областей тестирования, естественно, множество из них относятся к отчетам и аналитике:

• Аналитика логов: Определение уникальных тестовых случаев, которые требуют ручного и автоматизированного тестирования.
• Оптимизация набора тестов: Обнаружение и устранение избыточных, бесполезных тестовых случаев.
• Обеспечение покрытия требований к тестированию: Получение ключевых слов из Матрицы Трассировки Требований (RTM).
• Предиктивная аналитика: Прогнозирование ключевых параметров и специфики поведения пользователей, а также определение областей приложения, на которых стоит сосредоточиться.
• Анализ ошибок: Определение областей программного продукта и ошибок, которые связаны с бизнес-рисками.

Еще один столп, на которым зиждется интеллектуальная автоматизация – это машинное обучение. В 2020 году ML выйдет на новый уровень применения. Согласно докладу Capgemini World Quality 38% организаций планировали реализовывать проекты с машинным обучением в 2019 году. Отраслевые эксперты прогнозируют, что в текущем году эта цифра возрастет.

Какое значение это имеет для организаций?

Несмотря на растущий спрос на ИИ и ML в тестировании, эксперты по-прежнему считают, что в тестировании эти технологии только зарождаются. Тем не менее, очень скоро мы будем наблюдать их рост.

Поскольку ИИ предъявляет новые требования к командам обеспечения качества, Agile-команды должны начать внедрение навыков, связанных с ИИ, которые включают в себя изучение Data Science, статистики и математики. Новые навыки не заменят, а дополнят основные навыки в области автоматизированного тестирования и разработки (S-DET).

Помимо этого, деловая хватка станет еще одним важным навыком. Хороший тестировщик должен сочетать в себе хорошие навыки работы с ИИ и исключительные навыки. В прошлом году появились новые должности, такие как AI QA-аналитик и специалист по анализу данных и тестированию.

Что касается разработчиков инструментов автоматизации, их задача – сосредоточиться на создании максимально практичных инструментов.

Компании проверяют концепции и пересматривают традиционный уклад работы, чтобы наилучшим образом внедрить ИИ и при этом учесть бюджеты. Хороший инструмент с поддержкой искусственного интеллекта должен обеспечивать как экономическую эффективность бизнеса, так и технические аспекты, такие как просмотр логов продакшена, генерацию тестовых сценариев или реагирование на активность на продакшене.

2. Автоматизация тестирования в Agile-командах

Автоматизация тестирования уже далеко не в диковинку для области обеспечения качества. И вправду, 44% IT-компаний планировали автоматизировать больше 50% в 2019 году. Согласно прогнозу, в 2020 году процент внедрения автоматизированного тестирования будет только расти.

По мере того, как все больше компаний внедряют новейшие Agile и DevOps-процессы для поставки качественного продукта в кратчайшие сроки, автоматизация тестирования становится неотъемлемой частью этой системы. Автоматизация тестирования лидирует в помощи командам при выполнении повторяющихся задач, быстром обнаружении ошибок, обеспечении непрерывной обратной связи и полноценного покрытия тестами. Таким образом, организации, внедряющие автоматизированное тестирование в свои процессы обеспечения качества, могут сэкономить значительное количество финансовых, временных и человеческих ресурсов.

Ожидается, что автоматизация тестирования в 2020 году будет особенно приветствоваться предпринимателями-миллениалами, которые используют сочетание открытых и платных инструментов.

Какое значение это имеет для QA-специалистов?

Так или иначе, автоматизация тестирования не исключает полностью ручное тестирование. На самом деле, хорошие команды QA должны надлежащим образом сочетать ручное и автоматизированное тестирование, чтобы добиться максимальной эффективности и обеспечения надлежащего качества программного обеспечения. Важность автоматизированного тестирования сложно оспорить, но некоторые виды тестирования, такие как исследовательское или юзабилити-тестирование, все еще должны выполняться вручную.

Помимо этого, QA-специалисты должны разработать умную общую и сквозную среду. Все чаще возникает необходимость в автоматизации процессов от сборки до развертывания. Автоматизация тестирования теперь рассматривается не как функциональное требование, а как неотъемлемая часть жизненного цикла продукта.

Легче сказать, чем сделать. Именно поэтому многие организации не смогли выжать максимум из автоматизации и получить желаемую отдачу от вложенных средств. В докладе Capgemini World Quality есть рекомендация, которая говорит о том, что вместо того, чтобы рассматривать автоматизацию как возможность, команды тестировщиков должны думать о ней как о большой, интеллектуальной и связанной платформе.

Что это означает для разработчиков решений по автоматизации тестирования?

Разработчики средств автоматизации тестирования должны постоянно обновлять и модернизировать инструменты для того, чтобы их решения отвечали требованиям команд обеспечения качества. Решения по автоматизации тестирования будущего должны соответствовать определенным критериям, например:

• Простота внедрения и использования для конечных пользователей на любом уровне тестирования;
• Создание умных фреймворков, которые в состоянии обрабатывать определенные проблемы самостоятельно. Обратите внимание на Autohealing Smart XPath и Katalon Smart Wait.
• Обеспечение полного покрытия тестами и качественного обнаружения ошибок.
• Кросс-платформенное тестирование для веба, API, мобильных и десктопных устройств.
• Интеграция с инструментами CI/CD и обеспечение непрерывного тестирования.
• Интеграция с интеллектуальными дашбордами и аналитикой для получения качественных данных (например, Katalon TestOps)

3. Тестирование больших данных

Большие данные играют важную роль в различных секторах рынка, будь то технологии, здравоохранение, банки, торговля, телекоммуникации, СМИ и т.д. Все больше внимания уделяется использованию данных для сегментации и оптимизации процессов принятия решений.

Тестирование больших данных позволяет отраслям промышленности продуктивно работать с большими объемами данных и различными их типами. Также оно помогает принимать более эффективные решения за счет точной валидации данных, а также улучшает маркетинговую стратегию. Такое тестирование уже не является чем-то новым. В этой сфере ожидается экспоненциальный рост, поскольку многие отрасли переходят на подход, ориентированный на данные.

Тенденция тестирования больших данных получила широкое распространение, главным образом из-за надежности процессов, которым следуют большинство компаний, чтобы получить максимум от своих маркетинговых стратегий. Тестирование больших данных – это не редкость и его популярность растет. Мы прогнозируем, что потребность в тестировании приложений с большими данными в 2020 году будет только расти.

4. QAOps: Обеспечение качества и DevOps-трансформация

Если вы еще не слышали о термине QAOps, то это лишь вопрос времени.

Возможно, вы уже знакомы с «DevOps» — набором методов для разработки ПО, который сочетает в себе разработку (Dev) и операции в области информационно-технологического обслуживания (Ops). Основной целью DevOps является упрощение жизненного цикла разработки систем (SDLC), в то время как команды могут сосредоточиться на создании новых функций, исправлении ошибок и частых обновлениях, которые отвечают коммерческим целям. DevOps упрощает сотрудничество разработчиков и представителей бизнеса.

Аналогично QAOps помогает увеличить поток прямой связи между тестировщиками и разработчиками, с помощью интеграции тестирования в пайплайн CI/CD, а также обеспечения работы тестировщиков в команде с остальными. Проще говоря, в основе QAOps лежат два основных принципа:

1. Работа по тестированию должна быть интегрирована в конвейер CI/CD.
2. Тестировщики должны работать в связке с разработчиками и задействоваться на протяжении всего процесса CI/CD.

Facebook – один из лучших примеров внедрения QAOps. В 2014 году команда Facebook решила перейти на Facebook Graph API 2.0 и принудительно провести Login Review во всех приложениях. Чтобы обеспечить плавную миграцию, команда хотела протестировать новую версию на 5000 крупнейших приложениях. Тестирование своими силами оказалось невозможным, поэтому они решили воспользоваться QAOps на аутсорсе. В конце концов, команда смогла протестировать более 5000 приложений в течение одного месяца и сумела решить критические проблемы, что было бы невозможным, если бы этим процессом занималась только собственная команда Facebook.

QAOps можно применять не только в глобальных технологических компаниях, но и в средних и маленьких командах. Эта практика хорошо масштабируется под размеры любого бизнеса.

Поскольку все больше команд тяготеет к DevOps, мы ожидаем увидеть рост тенденции на QAOps в 2020 году.

5. Тестирование IoT

Рост тестирования устройств Интернета Вещей (IoT) был отмечен еще в 2019 году. По данным Gartner в 2020 году количество устройств Интернета Вещей по всему миру должно достигнуть 20,5 млрд.

Тестирование IoT – это тестирование устройств Интернета Вещей на предмет безопасности, простоты использования, надежности, совместимости версий устройств и протоколов, универсальности программных элементов, мониторинга задержки соединения, масштабируемости, оценки целостности данных, подлинности устройств и т.д.

IoT-тестировщики часто сталкиваются с огромным объемом работы в этой области, особенно с мониторингом протоколов связи и операционных систем, а также с многочисленными комбинациями различных элементов системы Интернета Вещей. По этой причине команда тестировщиков должна непрерывно расширять область своих знаний, повышать уровень навыков в области юзабилити, безопасности и производительности IoT-тестирования.

Еще одно проблема, с которой IoT-тестировщики столкнутся в ближайшие годы – это стратегии. Несмотря на то, что количество устройств и приложений Интернета Вещей растет экспоненциально, 34% респондентов заявили, что несмотря на наличие модулей интернета вещей в их продуктах, у их команд обеспечения качества все еще нет оформившейся стратегии тестирования, как было отмечено в докладе World Quality Report.

6. Требования по кибербезопасности и контролю рисков

Цифровая революция приводит к росту угроз в области безопасности. CIO и CTO практически всех компаний во многих отраслях признают важность тестирования безопасности их программного обеспечения, приложений, сетей и систем. Команды разработчиков ПО работают с компаниями-партнерами, которые помогают обеспечивать их продукту надлежащий уровень безопасности.

Тестирование на безопасность обеспечивает не только безопасность транзакций (независимо от того деньги это или данные), но и защиту личных данных пользователей. Поскольку киберугрозы могут возникнуть в любой момент и в любом виде, тестирование безопасности будет оставаться популярной темой и в будущем.

Заключение

Здесь представлен список наших прогнозов относительно главных тенденций тестирования программного обеспечения в 2020 году. Независимо от того, как будет происходить цифровая трансформация, нет сомнений, что инженеры-тестировщики и компании, производящие программные продукты, будут продолжать вносить новые изменения и коррективы. В результате команды по обеспечению качества, лидеры и специалисты должны постоянно развиваться, чтобы оставаться гибкими в этой непрерывно меняющейся отрасли.

Узнать подробнее о курсе

тест Тьюринга | Определение и факты

Тест Тьюринга , в области искусственного интеллекта, тест, предложенный (1950) английским математиком Аланом М. Тьюрингом для определения того, может ли компьютер «думать».

Британская викторина

Компьютеры и технологии: Викторина

Какой компьютер по размеру занимает промежуточное положение между ноутбуком и смартфоном и использует клавиатуру, стилус или сенсорный экран для ввода информации?

Есть огромные трудности в разработке каких-либо объективных критериев для отличия «оригинальной» мысли от достаточно изощренного «попугая»; действительно, любое свидетельство оригинальной мысли можно отрицать на том основании, что она в конечном итоге была запрограммирована в компьютер.Тьюринг обошел спор о том, как именно определять мышление, с помощью очень практичного, хотя и субъективного, теста: если компьютер действует, реагирует и взаимодействует как разумное существо, тогда назовите его разумным. Чтобы избежать предвзятого отрицания доказательств наличия машинного интеллекта, Тьюринг предложил «имитационную игру», теперь известную как тест Тьюринга: удаленный человек-дознаватель в течение фиксированного периода времени должен различать компьютер и человека на основе их ответов на различные вопросы, заданные следователем.Посредством серии таких тестов успех компьютера в «мышлении» можно измерить по его вероятности ошибочно идентифицировать как человека.

В 1981 году американский философ Джон Сирл предложил аргумент «китайской комнаты», мощный ответ на идею о том, что тест Тьюринга может показать, что машина может мыслить. Предположим, что человек, не знающий китайского языка, заперт в комнате с большим набором китайских иероглифов и руководством, в котором показано, как сопоставить вопросы на китайском языке с соответствующими ответами из набора китайских иероглифов.В комнате есть прорезь, через которую говорящие по-китайски могут вставлять вопросы на китайском, и еще одна прорезь, через которую человек может вытолкнуть соответствующие ответы из руководства. Для китайских говорящих снаружи комната прошла тест Тьюринга. Однако, поскольку человек не знает китайского и просто следует руководству, никакого реального мышления не происходит.

Тьюринг предсказал, что к 2000 году компьютер «сможет играть в имитационную игру настолько хорошо, что средний следователь будет иметь не более 70% шансов произвести правильную идентификацию (машина или человек) через пять минут допрос.«Ни один компьютер не приблизился к этому стандарту.

Получите эксклюзивный доступ к контенту из нашего первого издания 1768 с вашей подпиской.
Подпишитесь сегодня
.

вопросов и ответов по искусственному интеллекту с несколькими вариантами ответов

вопросов и ответов по искусственному интеллекту с пояснениями для собеседований, конкурсных экзаменов и вступительных испытаний. Приведены полностью решенные примеры с подробным описанием ответов, пояснениями, которые легко понять. Без каких-либо данных для входа соискатели могут практиковать вопросы, заданные в онлайн-тесте на искусственный интеллект. Что ж, постулаты могут собрать вопросы по искусственному интеллекту с помощью этой статьи.Ради пользователей мы разместили вопросы с множественным выбором по искусственному интеллекту в представленном ниже онлайн-тесте. Таким образом, участники могут изучать различные вопросы и ответы по искусственному интеллекту вместе с объяснениями. В табличном формате ниже мы представили информацию о пробном тесте искусственного интеллекта. Таким образом, люди могут проверить и узнать обзор онлайн-викторины по искусственному интеллекту. Соискатели могут чувствовать себя свободно и могут изучить тему искусственного интеллекта с помощью этого сообщения.

Вопросы об искусственном интеллекте — Детали викторины по искусственному интеллекту

Не теряя времени, кандидатам необходимо принять участие в онлайн-викторине по искусственному интеллекту и знать различные вопросы.Искусственный интеллект — это способ заставить компьютер, управляемого компьютером робота или программное обеспечение мыслить разумно, так же, как думают люди. В настоящее время ИИ — это популярная тема, которую должны изучать все соискатели. Многие из MNC ищут претендентов, обладающих знаниями, связанными с искусственным интеллектом. Итак, кандидатам необходимо изучить все ключевые моменты, связанные с искусственным интеллектом, чтобы посещать собеседования.

Охваченные темы викторины по искусственному интеллекту

Кандидаты могут найти вопросы по искусственному интеллекту из таких тем, как интеллектуальные системы, области исследований, агенты и среды, популярные алгоритмы поиска, нечеткие логические системы, обработка естественного языка, экспертные системы, робототехника, нейронные сети и т. Д.Претендентам необходимо прокрутить страницу вниз и принять участие в викторине по искусственному интеллекту, чтобы узнать различные вопросы и ответы. Не теряя времени, участникам необходимо принять участие в онлайн-тесте на искусственный интеллект и подготовиться к собеседованиям и экзаменам.

Ответы на тесты MCQ по искусственному интеллекту

Наряду с решениями соискатели могут найти объяснение искусственного интеллекта в этом посте. Кандидаты могут проверить все темы и подготовиться к соревновательному тесту, применив онлайн-тест на искусственный интеллект.Постулаты могут потратить свое время на выполнение викторины MCQ по искусственному интеллекту на этой странице. Мы предлагаем участникам, которые практикуют больше онлайн-тестов, знать все типы вопросов и ответов по искусственному интеллекту. Посетите allindiaexams.in, чтобы попрактиковаться в дополнительных онлайн-тестах по всем темам.

.

B Технология искусственного интеллекта Учебная программа и право на участие

Дизайн компилятора: Предоставить студентам обзор проблем, возникающих при построении компилятора, а также пролить свет на важные теоретические разработки и инструменты, глубоко укоренившиеся в информатике.

Искусственный интеллект: Этот курс знакомит с основными аспектами искусственного интеллекта, сравнивая ИИ и традиционные решения реальных проблем с использованием и анализом методов ИИ для определения оптимальных решений для стратегий поиска.

& nbsp Разработка приложений для Android: В рамках курса будут представлены концепции компонентов приложения Android для платформы Android. Действия и дизайн пользовательского интерфейса их жизненного цикла. Это также поможет студентам создавать приложения в соответствии с их постановкой задач.

& nbsp Введение в облачные вычисления: Этот курс знакомит с расширенными аспектами облачных вычислений, включая принципы анализа облака, определения проблем и выбора соответствующих моделей и алгоритмов для применения.

Управление проектами программного обеспечения: Этот курс знакомит с концепциями управления проектами программного обеспечения, в которые включены инструменты и методы контроля и управления проектами при планировании проекта.

Веб-дизайн: Этот курс представляет собой обзор современных веб-технологий, используемых для веб-разработки. Цель этого курса — дать студентам базовое понимание того, как все работает в мире Интернета с точки зрения технологий.

Обработка естественного языка: Этот курс знакомит с основными понятиями естественного языка и грамматики.

Поиск информации: Этот курс знакомит с парадигмой нейронных вычислений для критического и реализуемого понимания проблемных областей на основе шаблонов.

Нейронные сети: Этот курс знакомит с парадигмой нейронных вычислений для критического и реализуемого понимания проблемных областей на основе шаблонов.

.