今天，沒有網際網路的生活是烏托邦。得益於全球資訊網，全球三個最昂貴的品牌：蘋果（2420億美元），谷歌（2070億美元）和微軟（1630億美元）成為領導者。但是僅僅半個世紀之前，整個IT部門還鮮為人知。
1969年10月29日21:00，在位於斯坦福學院和加州大學洛杉磯分校的兩個ARPANET節點之間舉行了第一次通訊會議。人們過著平常的生活，有人在做飯，看電視或只是睡前走路。總的來說，一切都像往常一樣，但是在那個秋天的夜晚，世界永遠改變了。那天，網際網路誕生了。
在本文中，我將向您介紹人工智慧的一種非同尋常的生物技術複合體，這種複合體將在不久的將來創造出來，它將改變每個人的生活，而不僅僅是網際網路。
第四代個人人工智慧（AI）的根本上新的混合系統將能夠將活的人腦和計算機結合在一起。該專案成功完成後，現代文明的經濟和商業格局將發生變化，而且面目全非。在本文中，您將首次學習新的混合AI系統的一些功能。
你自己的人工智慧這不僅是一個新系統，還將出現根本不同的人工智慧（AI）概念。這將是一個為個人（使用者）設計的價格合理，易於使用且最重要的是易於擴充套件的單個人工智慧系統。每個人都可以購買自己的AI汽車，以取代汽車中的計算機，智慧手機，自動駕駛儀等等。普通人的生活以及社會的社會定型觀念將發生巨大變化。
可以在幾分鐘內在網際網路上買賣任何人類的技能，知識和技能。我們習慣於在大學教室裡進行的培訓將成為歷史。許多型別的殘疾將失去其限制因素。從字面上看，人類生活的每一個要素都會改變。
要感覺到新的混合動力系統與現在通常所說的AI或英文AI （人工智慧）有什麼不同，您需要簡要回顧一下這項技術的歷史。起源人工智慧的概念是在1956年達特茅斯學院著名的“達特茅斯研討會”或人工智慧會議之後出現的。儘管機器或人工智慧的各種思想早已存在。實現這種想法的第一個真正嘗試應該被認為是第二次世界大戰期間製造的用於讀取加密訊息的機器。由英國數學家艾倫·圖靈（Alan Turing）建立的機電結構在一定程度上可以稱為弱人工智慧的原型。
第一代。AI-1-精確演算法和技術神經網路最初的想法是建立一種能夠替代人機的機制。在第一階段，應該使用具有有限且預先編寫的一組工作演算法的計算機制來實現。在這個概念的框架內，出現了一種在人工建立的技術神經網路的幫助下建立能夠模擬多個神經連線的機器的想法。這是第一代AI。
第二代AI-2-取代建立嚴格的計算機制，資訊處理成為主要目標在80年代後期，90年代初，出現了一個有關AI的新想法，可以將其稱為第二代。新AI-2系統之間的主要區別在於使用靈活演算法進行資訊處理。我們可以放心地將此概念稱為實施最多的模型。直到最近，大多數開發人員和研究小組都制定了這個方向。靈活演算法的使用變得如此流行，以至包括Google在內的大多數搜尋引擎都遵循這一原理。
第三代AI-3-機器具有學習能力，或者說逐步提高學習成果的能力在21世紀初期，隨著計算能力的增長，出現了所謂的機器學習的新概念。新的人工智慧模型的實質稱為AI-3，其歸結為對與現象和過程相關的資料進行分析，並確定過去做出成功決策的主要趨勢，從而建立當前用於控制和決策的主動演算法。另外，基於該方法，假設可以預測反饋的動態和引數，或來自控制中心的命令響應。簡單來說，該演算法不僅保留了其靈活性，而且還能夠移動約束條件，從而改變了可能的響應範圍。
2000年代後期的突破性思想，AI-3 +或深度學習以及新的-AI-3 ++增強了深度學習應該注意的是，AI-3和AI-3 +的雛形存在於AI-1的階段，但是計算系統的低功耗無法實現真正的結果。在過去的十年中，由於高效能計算系統的廣泛使用，使用巨大的資料庫和多層技術神經網路迫使機器學習並獲得經驗成為可能。此資源密集型過程稱為深度學習或AI-3 +。實際上，它是AI-3的一種高階版本。
要了解AI-3和AI-3 +之間的區別，您需要檢視幾年前由Google建立的即時翻譯系統的工作方式。建立新系統時，Google開發人員完全放棄了自然語言分析演算法，而將其替換為一個更簡單的模型，該模型僅使用對原始語言的現成版本的比較分析。這種新的簡單方法的準確性和效率給人留下了深刻的印象。Google並未揭露和闡明自然語言結構中的邏輯聯絡，而是提出了一種新模型，該模型中的所有過程都遵循黑匣子原理。
DeepMind在建立能夠與任何有經驗的Go玩家平等競爭的AI“ AlphaGo”時使用了類似的技術。AI“ AlfaGo”的創造者走得更遠，建立了一個同時使用兩個神經網路的系統，該系統致力於AI-3 +（深度學習）的原理，其中一個分析了位置，第二個分析了先前遊戲協議中使用的策略。我們將這種方法稱為AI-3 ++或增強型深度學習，它是當今時代最先進的概念。DeepMind公司將繼續基於此原則建立新系統。
接下來會發生什麼？新的混合動力AI-4將是一個根本不同的系統。在其中，活潑的大腦和計算機將成為單一的互補共生。從II-1到II-3 ++列出的所有系統都有其全部功能，它們有一個共同點-它們都是作為單一的電子複合體構建的，這些電子複合體使用複雜性不同的演算法，試圖對收到的請求形成最成功的響應。他們的弱點是它們只能作為一個垂直的系統來工作。
統一性或集中化是人為創造的任何電子計算系統不可抗拒的設計特徵的結果。我們不知道該如何建造。
但是誰說下一個AI-4系統將完全是電子的呢？事實是，我們所知道的唯一真正的智慧是人的大腦，它的工作方式似乎與計算機完全不同。
又為什麼呢因為有大量證據表明，真正的人類智慧不是單一系統，而是雙重複合體，具有經典的共生功能。將神經系統清楚地分為意識活動和反射活動是支援該概念的最重要證據。
下一代人工智慧或AI-4將是生物電子混合動力，其中人的大腦和機器將在單個系統中協同工作。新基礎科學領域這是一個未知的技術和科學領域，在這裡我們將討論圍繞一種新型神經計算機介面構建的與大腦互補的AI系統。
如今，為實現這一想法進行了數種嘗試，其中一個生動的例子就是Neuralink Elon Musk。這些專案的弱點在於它們忽略了人腦的雙重組織系統，因此不瞭解新皮層神經元中神經衝動啟動的反射機制和智力機制之間的差異。
他們認為的單個系統實際上是一個複雜的有組織的共生關係，如果不瞭解其單獨的（組成）元件如何相互作用，就不可能與之建立聯絡。
第二個主要問題是訊號交叉點。基本上，這是正常的電子訊號成為神經衝動的地方，反之亦然。
今天正在創造的美好新世界AI-4是一種混合系統，結合了增強的深度學習和新型的神經計算機介面。
AI-4在單詞的字面意義上不會有訊號轉換點，但是機器和神經組織之間將有如此清晰，快速的通訊，以至於左半球的神經元使用新的介面比通常透過體的方式更容易和更快地將訊號傳輸到右半球。身體。
結果，由於突觸可塑性，人腦的神經元將自己參與與電子計算機元件的介面進行動態互動的結構的形成。而不是單詞和字母-只有緊張的衝動大腦和計算機將能夠直接交換資料，而無需使用諸如語音或字母字元之類的複雜通訊協議。與機器進行互動將比與電子裝置進行互動更加直觀。大腦和計算機將使用一組立即意義的衝動來交換資訊，而無需進行符號解釋。
視覺，聽覺，嗅覺和觸覺將成為感官資訊的次要和延遲流。而且用手的動作通常會變成殘酷的狀態。一段時間後，大腦將能夠無須手或聲音就能執行所有命令功能。計算機系統將失去鍵盤，麥克風和揚聲器。
您的大腦將進行自我搜索，進行調整，從而找到傳播所需命令衝動的機會，但最矛盾的是，隨著時間的流逝，即使如此也將變得多餘。您的個人人工智慧系統將比您更準確，更清楚地瞭解您，您的個性，您的要求和偏好。因此，控制命令將成為例外而不是規則，並且您自己的AI將透過理解您的思想來學習滿足您的所有需求，而不是依靠口頭或手動輸入的單詞和符號。互補性將達到這樣的程度，即使在透過電話交流或與某人虛擬地發簡訊時，您也將永遠無法確定正在討論的人是該人本人還是他的個人人工智慧。
在完全沉默的情況下，閉上眼睛，並且不移動身體的單個肌肉，您將能夠工作，交流，學習新聞甚至獲得性快感。
如果您認為這太棒了，那就不要急著批評。我所寫的一切都將在未來3-4年內發生，因此，如果您現在40歲或更年輕，您將有機會親自了解這個驚人的新世界。