Технологии искусственного интеллекта и машинного обучения перестали быть фантастикой и уже стали частью нашей жизни. Главным драйвером их развития является крупный бизнес: промышленность, ритейл, банковская сфера. Проблемы и специфику внедрения ИИ в России обсудили с компанией «Инфосистемы Джет».
Владимир Молодых Руководитель дирекции по разработке и внедрению программного обеспечения компании «Инфосистемы Джет»
Какое значение имеют технологии искусственного интеллекта сегодня? Какие возможности и в каких областях открывает развитие ИИ для людей?
Об искусственном интеллекте можно говорить как о философском и футурологическом понятии из фильмов о будущем. Но если говорить о реальной жизни, то он подразумевает ту или иную комбинацию методов машинного обучения: когда мы берем большой набор накопленных данных, на его основе с помощью специальной продвинутой математики создаем модель и учим ее решать ту или иную конкретную задачу.
То есть в реальной жизни ИИ применим в тех областях, где есть большой объем накопленных данных. Они бывают разных типов. Когда у вас есть условно три типа данных, то с ними может справиться один аналитик. Но если параметров более тысячи, причем часть из них неструктурированные, то это не поместится в голову ни одного аналитика. В таких случаях человеческий разум при поддержке аналитических инструментов предыдущего технологического уклада не в состоянии нормально всё проанализировать. Он будет упрощать, брать три-четыре ключевых параметра. И вот тогда машинное обучение — то, что является практической реализацией ИИ, — оказывается эффективным.
Почему именно сегодня говорят об ИИ, хотя на первый взгляд и соответствующая математика, и компьютеры были и двадцать лет назад?
Если говорить об узкоспециализированных задачах, то там машинное обучение использовалось и раньше. Есть четыре ключевых фактора, благодаря которым мы можем говорить, что ИИ — это новый глобальный тренд, меняющий мир. Первый — данных стало больше, например, если раньше на производстве были лишь бумажные записи, то теперь на станках стоят собирающие информацию датчики. Второй и третий факторы — это рост вычислительных мощностей плюс развитие соответствующих областей математики. Себестоимость решений снижается: из-за удешевления «железа» теперь не приходится ждать окупаемости проекта на производстве по десять лет. И последнее — постепенно развивается бизнес-практика, появляются специалисты с проектным опытом в этой области.
Почему процесс внедрения ИИ в России идет медленно?
Всё так. Сейчас в России действительно больше говорят об ИИ, чем реально делают. Тема модная, и чтобы отчитаться по ней «наверх», многие объявляют какой-нибудь хакатон и показывают фото в инстаграме. А результата, который меняет бизнес, не появляется. Исходя из нашего опыта, мы видим, что в большинстве крупнейших организаций России ИИ успешно внедряется лишь в 5-7% случаев от того, о чём говорят.
Дело в том, что это новый тип проектов, с которым пока не умеют грамотно работать. Это комплексная история: с помощью машинного обучения одну задачу можно решить достаточно быстро, но это требует значительной перестройки бизнес-процессов. Пример: можно сделать модель индивидуальных рекомендаций для клиентов торговой сети, но если наряду с этим будет работать классический маркетинг, например, акции в стиле «10% скидка на всё», то эти рекомендации работать не будут. Или, например, мы построили модель прогноза брака и выхода из строя машин в автопарке, но, пока эту модель строили, сменился поставщик ГСМ. А это тоже данные, влияющие на модель, — и она рассыпается. То есть организации нужно измениться, чтобы ее процессы соответствовали задачам, которые можно решать с помощью машинного обучения: эффективно выстроить обмен данными между подразделениями и так далее. Это комплекс изменений, которые нужно уметь делать, и нужно быть готовым бороться за него.
Мы пока находимся на стадии генерации рынка, и из-за его новизны возникают сложности. В частности, мы сталкивались с ситуацией на производстве, когда люди думали: «Значит, с браком будем бороться не мы, а какая-то модель ИИ, а мы, получается, не нужны». Мотивация страдала, и вместо помощи люди занимались критикой. Перед руководством, с одной стороны, стоит какой-то специалист по работе с данными из Москвы, а с другой — 45-летний мужик, знающий производство вдоль и поперек, который говорит: «Это работать не будет, а вы ничего не понимаете». И понятно, что в такой ситуации директор чувствует себя не очень уверенно.
В каких отраслях в России чаще всего используют ИИ и почему?
Во-первых, это инновационные интернет-компании. Тот же самый «Яндекс» — там это вообще везде применяется. Если брать крупные отрасли, то на первом месте будет ритейл, а также банки и страховые компании. Но я абсолютно уверен, что самый большой потенциал применения ИИ — в промышленности: это реальные производственные процессы с реальными деньгами и возможностью сокращения себестоимости. Но эта отрасль пока несколько отстает, потому что она консервативнее ритейла, который из-за конкурентной среды должен очень быстро развиваться.
Везде, где есть много данных. Особенно большой эффект будет в промышленности. Критерии — наличие данных и того, что можно оптимизировать. Это могут быть задачи технического обслуживания, ремонта, борьбы с браком, прогнозирования, «цифровых двойников», позволяющих заниматься анализом. Правильнее смотреть не на отрасли, а на тип задач. Если это штучное производство вроде производства истребителей, то здесь для большинства задач просто не будет необходимого объема данных. А если масштабное вроде стального проката или массовой сборки машин, то тут ИИ будет эффективным.
Зачем внедрять ИИ на предприятии?
Предприятие обычно занимается тем, что зарабатывает деньги — а так оно заработает больше. Сегодня производственные процессы шаг за шагом усложняются, появляется всё больше факторов и нюансов. Если раньше весь производственный процесс умещался в голову одного технолога, то теперь он находится за гранью того, что один человек или группа людей может учесть. Соответственно, усложняющийся процесс производства требует новых решений, в частности ИИ и машинного обучения.
Кроме того, на производстве особенно ценны люди, обладающие какими-то уникальными компетенциями. Они могут заболеть, выйти на пенсию, а использование ИИ повышает устойчивость бизнеса относительно человеческого фактора.
С какими самыми распространенными заблуждениями об ИИ вы чаще всего сталкиваетесь?
Заблуждения бывают двух типов. Первый: «Сейчас я возьму специалиста по работе с данными, он мне построит модель, и через пару недель у меня всё полетит». Так не бывает никогда. Другой тип: «Это всё фантастика и байки, а у нас другая жизнь, в которой это всё неприменимо». А истина тут на самом деле где-то посередине.
Есть распространенное мнение, что со временем ИИ сможет полностью заменить людей на производстве и в других отраслях. Вы разделяете его?
В масштабах трех-пяти-десяти лет будут возникать конкретные области, в которых человека будут замещать. Сейчас тестируется беспилотный транспорт, наверняка он будет постепенно заменять водителей, ведь он позволяет снизить аварийность и не платить деньги водителям. Если говорить о бизнесе, то это происходит прямо на глазах. Если раньше человек принимал решения в одиночку, то теперь он это делает при помощи средств машинного обучения или роботизации. Там, где раньше работали сто человек, сейчас может сидеть один технолог, один специалист по data science, а остальное делают машины.
Заменяться в первую очередь будут типовые задачи. Люди, занимающиеся индивидуальными, творческими задачами, пока в безопасности. А в областях, где тысячи сотрудников на одних и тех же позициях работают по регламенту, через три-пять лет их заменит ИИ.
С чего начать процесс внедрения ИИ на предприятии?
Первый шаг — это найти опытную команду, которая понимает, как это делать. Потому что подводных камней здесь уйма, и с ними нужно разбираться. Второй — найти задачи, которые можно решить с пользой для бизнеса, выстроить грамотные, разумные метрики, понять, как это конвертировать в деньги. Ведь быстрый успех — это тоже важно.
Как решить, делать это своими силами или привлекать подрядчика?
Любая компания должна постепенно двигаться к тому, чтобы IT стало для нее не просто поддерживающей функцией, а тем, что помогает зарабатывать деньги. Это значит, что ей нужно растить IT-компетенции, а это процесс небыстрый. Поэтому на стартовом этапе рационально привлечь экспертов и потом вместе с ними определиться, какие области компания должна развивать сама, а в каких полагаться на партнеров.
А как выбрать партнера?
Важно понимать, что тема ИИ комплексная. Нужна команда, которая не только разбирается в аналитической статистике, data science, машинном обучении, но и обладает комплексными компетенциями: начиная проектным управлением и заканчивая умением работать с данными, высоконагруженными системами, очисткой данных. Также важна информационная безопасность, ведь новые типы IT-решений влекут за собой новые IT-угрозы, при этом старые угрозы никуда не деваются. Поэтому нужна команда, которая умеет всё это.
На ваш взгляд, как технологии ИИ изменятся в будущем?
В практическом плане пока важно освоить то, что есть. Если говорить о будущем, мне кажется, технологии будут в первую очередь двигаться в сторону обучения с подкреплением, самообучения, когда система обучает сама себя на основании свежих данных. Но пока это больше теория, чем практика. Когда речь идет об обучении компьютера игре в го, то обучение с подкреплением работает. А в более комплексных практических задачах пока не особо.
Много ли существует площадок по практическому обсуждению проблем ИИ в России?
Форумов разных очень много, и на всех говорят об ИИ. Тема хайповая, тут может получиться как с нанотехнологиями. Видя всё это, мы проводим свой собственный форум Russian Artificial Intelligence Forum (RAIF). В этом году он пройдет уже в третий раз и состоится 22-23 октября в Сколково в рамках международного форума «Открытые инновации». Там мы говорим как раз о практике: какие в этой области есть проблемы, сложности и так далее.
А какова главная тема форума этого года?
В этом году главная тема форума — как «дотолкать» проект ИИ до промышленной эксплуатации, для того чтобы он приносил результат. Также ключевой акцент мы делаем на всех смежных темах. У нас есть секции о big data, информационной безопасности, «железе». У нас собираются математики, программисты, «железячники», специалисты по инфраструктуре и эксплуатации.
Мы говорим о реальной практике, а не о научных проблемах — хотя об этом у нас есть отдельная секция. Но в первую очередь мы собираем людей, которые реализуют проекты ИИ, рассказываем о собственном опыте, указываем на подводные камни. И главное — всегда рассматриваем задачи в комплексе, в разрезе проекта, а не какой-то философии или науки.
В этом году компания «Яндекс» запустила голосового помощника «Алиса». Новый сервис позволяет пользователю прослушивать новости и погоду, получать ответы на вопросы и просто общаться с ботом. «Алиса» иногда дерзит , порой кажется почти разумной и по-человечески саркастичной , но часто не может разобраться, о чём её спрашивают, и садится в лужу.
Всё это породило не только волну шуток, но и новый виток дискуссий о развитии искусственного интеллекта. Новости о том, чего добились умные алгоритмы, сегодня приходят чуть ли не каждый день, а машинное обучение называют одним из самых перспективных направлений, которому можно себя посвятить.
Чтобы прояснить главные вопросы об искусственном интеллекте, мы побеседовали с Сергеем Марковым, специалистом по искусственному интеллекту и методам машинного обучения, автором одной из самых сильных отечественных шахматных программ SmarThink и создателем проекта «XXII век» .
Сергей Марков,
специалист по искусственному интеллекту
Развенчивая мифы об ИИ
так что же такое «искусственный интеллект»?
Понятию «искусственный интеллект» в какой-то мере не повезло. Возникшее изначально в научной среде, оно со временем проникло в фантастическую литературу, а через неё - в поп-культуру, где претерпело целый ряд изменений, обросло множеством интерпретаций и в конце-концов было совершенно мистифицировано.
Именно поэтому мы часто слышим от неспециалистов примерно такие заявления: «ИИ не существует», «ИИ невозможно создать». Непонимание сути исследований, ведущихся в сфере ИИ, легко приводит людей и к другим крайностям - например, современным системам ИИ приписывают наличие сознания, свободной воли и секретных мотивов.
Давайте попробуем отделить мух от котлет.
В науке искусственным интеллектом называют системы, предназначенные для решения интеллектуальных задач.
В свою очередь, интеллектуальная задача - это задача, которую люди решают при помощи собственного интеллекта. Заметим, что в данном случае специалисты сознательно уходят от определения понятия «интеллект», поскольку до появления систем ИИ единственным примером интеллекта был интеллект человеческий, и определить понятие интеллекта на основе единственного примера - то же самое, что пытаться провести прямую через единственную точку. Таких прямых может оказаться сколько угодно много, а значит, спор о понятии интеллекта можно было бы вести столетиями.
«сильный» и «слабый» искусственный интеллект
Системы ИИ делятся на две большие группы.
Прикладной искусственный интеллект (также используют термин «слабый ИИ» или «узкий ИИ», в английской традиции - weak/applied/narrow AI) - это ИИ, предназначенный для решения какой-либо одной интеллектуальной задачи или их небольшого множества. К этому классу относятся системы для игры в шахматы, го, распознавания образов, речи, принятия решения о выдаче или невыдаче банковского кредита и так далее.
В противоположность прикладному ИИ вводят понятие универсального искусственного интеллекта (также «сильный ИИ», по-английски - strong AI/Artificial General Intelligence) - то есть, гипотетического (пока что) ИИ, способного решать любые интеллектуальные задачи.
Часто люди, не зная терминологии, отождествляют ИИ с сильным ИИ, из-за этого и возникают суждения в духе «ИИ не существует».
Сильного ИИ действительно пока не существует. Практически все успехи, которые мы наблюдаем в последнее десятилетие в области ИИ, - это успехи прикладных систем. Эти успехи нельзя недооценивать, так как прикладные системы в ряде случаев способны решать интеллектуальные задачи лучше, чем это делает универсальный человеческий интеллект.
Я думаю, вы заметили, что понятие ИИ - довольно широкое. Скажем, устный счёт - это тоже интеллектуальная задача, и это значит, что любая счётная машина будет считаться системой ИИ. А как насчёт счётов? Абака ? Антикитерского механизма ? Действительно, всё это формально хотя и примитивные, но системы ИИ. Однако обычно, называя какую-то систему системой ИИ, мы тем самым подчёркиваем сложность решаемой этой системой задачи.
Совершенно очевидно, что разделение интеллектуальных задач на простые и сложные - весьма искусственное, и наши представления о сложности тех или иных задач постепенно меняются. Механическая счётная машина была чудом техники в XVII веке, но сегодня людей, с детства сталкивающихся с куда более сложными механизмами, она уже не способна впечатлить. Когда игра машин в го или автомобильные автопилоты уже перестанут удивлять публику, наверняка найдутся люди, которые будут морщиться из-за того, что кто-то будет относить такие системы к ИИ.
«Роботы-отличники»: о способностях ИИ к обучению
Ещё одно забавное заблуждение - всенепременное наличие у систем ИИ способности к самообучению. С одной стороны, это совсем не обязательное свойство систем ИИ: есть множество удивительных систем, не способных самообучаться, но, тем не менее, решающих многие задачи лучше человеческого мозга. С другой стороны, некоторые люди просто не знают того, что самообучение - свойство, которые многие системы ИИ обрели ещё более полусотни лет назад.
Когда в 1999 году я писал свою первую шахматную программу, самообучение уже было совершенно общим местом в этой области - программы умели запоминать опасные позиции, подстраивать под себя дебютные варианты, регулировать стиль игры, подстраиваясь под соперника. Конечно, тем программам было ещё очень далеко до Alpha Zero . Тем не менее, даже системы, обучающиеся поведению на основе взаимодействия с другими системами в ходе экспериментов по так называемому «обучению с подкреплением», уже существовали. Однако по необъяснимой причине некоторые люди до сих пор думают, что способность к самообучению - это прерогатива человеческого интеллекта.
Машинное обучение, целая научная дисциплина, занимается процессами обучения машин решению тех или иных задач.
Существует два больших полюса машинного обучения - обучение с учителем и обучение без учителя.
При обучении с учителем
у машины уже есть некоторое количество условно правильных решений для некоторого набора случаев. Задача обучения в таком случае заключается в том, чтобы научить машину на основе имеющихся примеров принимать правильные решения в других, неизвестных ситуациях.
Другая крайность - обучение без учителя . То есть машину ставят в ситуацию, когда правильные решения неизвестны, имеются только данные в сыром, неразмеченном виде. Оказывается, и в таких случаях можно добиться некоторого успеха. Например, можно научить машину выявлению семантических отношений между словами языка на основе анализа очень большого набора текстов.
Одна из разновидностей обучения с учителем - это обучение с подкреплением (reinforcement learning). Идея заключается в том, что система ИИ выступает в роли агента, помещённого в некоторую модельную среду, в которой она может взаимодействовать с другими агентами, например, с собственными копиями, и получать от среды некоторую обратную связь через функцию вознаграждения. Например, шахматная программа, которая играет сама с собой, постепенно подстраивая свои параметры и тем самым постепенно усиливая собственную игру.
Обучение с подкреплением - довольно широкая область, в ней применяют множество интересных методов, начиная от эволюционных алгоритмов и заканчивая байесовской оптимизацией . Последние достижения в области ИИ для игр как раз связаны с усилением ИИ в ходе обучения с подкреплением.
Риски развития технологий: стоит ли бояться «Судного дня»?
Я не отношусь к числу ИИ-алармистов, и в этом смысле я отнюдь не одинок. Например, создатель стэнфордского курса по машинному обучению Эндрю Ын сравнивает проблему опасности ИИ с проблемой перенаселения Марса.
Действительно, в будущем вполне вероятно, что люди колонизируют Марс. Также вероятно, что рано или поздно на Марсе может возникнуть проблема перенаселения, но не совсем понятно, почему мы должны заниматься этой проблемой уже сейчас? Согласны с Ыном и Ян ЛеКун - создатель свёрточных нейронный сетей, и его шеф Марк Цукерберг, и Йошуа Беньо - человек, во многом благодаря исследованиям которого современные нейронные сети способны решать сложные задачи в области обработки текстов.
Чтобы изложить мои взгляды на эту проблему, потребуется, вероятно, несколько часов, поэтому остановлюсь только на основных тезисах.
1. НЕЛЬЗЯ ОГРАНИЧИВАТЬ РАЗВИТИЕ ИИ
Алармисты рассматривают риски, связанные с потенциальным разрушительным воздействием ИИ, при этом игнорируя риски, связанные с попыткой ограничить или даже остановить прогресс в этой области. Технологическое могущество человечества возрастает чрезвычайно быстрыми темпами, что приводит к эффекту, который я называю «удешевлением апокалипсиса».
150 лет назад при всём желании человечество не могло нанести невосполнимого урона ни биосфере, ни себе как виду. Для реализации катастрофического сценария 50 лет назад необходимо было бы сконцентрировать всю технологическую мощь ядерных держав. Завтра для воплощения в жизнь глобальной техногенной катастрофы может хватить и небольшой горстки фанатиков.
Наша технологическая мощь растёт куда быстрее, чем способность человеческого интеллекта эту мощь контролировать.
Если на смену человеческому интеллекту с его предрассудками, агрессией, заблуждениями и ограниченностью не придёт система, способная принимать более взвешенные решения (будь то ИИ или, что я считаю более вероятным, технологически улучшенный и объединённый с машинами в единую систему человеческий интеллект), нас может ждать глобальная катастрофа.
2. создание сверхинтеллекта принципиально невозможно
Существует идея о том, что ИИ будущего всенепременно будет сверхинтеллектом, превосходящим людей даже сильнее, чем люди превосходят муравьёв. Боюсь в данном случае разочаровать и технологических оптимистов - наша Вселенная содержит целый ряд фундаментальных физических ограничений, которые, по всей видимости, сделают создание сверхинтеллекта невозможным.
Например, скорость передачи сигнала ограничена скоростью света, а на планковских масштабах появляется неопределённость Гейзенберга. Отсюда вытекает первый фундаментальный предел - предел Бремерманна, вводящий ограничения на максимальную скорость вычислений для автономной системы заданной массы m.
Другой предел связан с принципом Ландауэра , в соответствии с которым существует минимальное количество теплоты, выделяемое при обработке 1 бита информации. Слишком быстрые вычисления вызовут недопустимый разогрев и разрушение системы. В действительности, современные процессоры от лимита Ландауэра отделяет менее чем тысячекратное отставание. Казалось бы, 1000 - это довольно много, однако ещё одна проблема заключается в том, что многие интеллектуальные задачи относятся к классу сложности EXPTIME. Это означает, что время, необходимое для их решения, является экспоненциальной функцией от размерности задачи. Ускорение системы в несколько раз даёт лишь константный прирост «интеллекта».
В общем, есть очень серьёзные основания полагать, что сверхинтеллектуального сильного ИИ не получится, хотя, конечно, уровень человеческого интеллекта вполне может быть превзойдён. Насколько это опасно? Скорее всего, не очень.
Представьте себе, что вы внезапно начали думать в 100 раз быстрее остальных людей. Значит ли это, что вы легко будете способны уговорить любого прохожего отдать вам свой кошелёк?
3. мы беспокоимся совсем не о том
К сожалению, в результате спекуляций алармистов на страхах публики, воспитанной на «Терминаторе» и знаменитом HAL 9000 Кларка и Кубрика, происходит смещение акцентов в сфере безопасности ИИ в сторону анализа маловероятных, но эффектных сценариев. При этом реальные опасности ускользают из виду.
Любая достаточно сложная технология, претендующая на то, чтобы занять важное место в нашем технологическом ландшафте, безусловно приносит с собой специфические риски. Множество жизней было погублено паровыми машинами - на производстве, на транспорте и так далее - прежде чем были выработаны эффективные правила и меры по обеспечению безопасности.
Если говорить о прогрессе в области прикладного ИИ, можно обратить внимание на связанную с ним проблему так называемого «Цифрового тайного суда» . Всё больше и больше прикладных систем ИИ принимает решения по вопросам, затрагивающим жизнь и здоровье людей. Сюда относятся и медицинские диагностические системы, и, например, системы, принимающие в банках решения о выдаче или невыдаче кредита клиенту.
В то же время структура используемых моделей, наборы используемых факторов и другие детали процедуры принятия решения скрыты коммерческой тайной от человека, чья судьба находится на кону.
Используемые модели могут основывать свои решения на мнениях учителей-экспертов, допускавших систематические ошибки или имевших те или иные предрассудки - расовые, гендерные.
ИИ, обученный на решениях таких экспертов, будет добросовестно воспроизводить эти предрассудки в своих решениях. В конце концов эти модели могут содержать в себе специфические дефекты.
Этими проблемами сейчас мало кто занимается, поскольку, конечно, SkyNet, развязывающий ядерную войну, это, безусловно, куда более зрелищно.
Нейросети как «горячий тренд»
С одной стороны, нейронные сети - это одна из самых старинных моделей, применяющихся для создания систем ИИ. Появившиеся изначально в результате применения бионического подхода , они довольно быстро убежали от своих биологических прототипов. Исключением тут являются только импульсные нейронные сети (впрочем, пока не нашедшие широкого применения в индустрии).
Прогресс последних десятилетий связан с развитием технологий глубокого обучения - подхода, при котором нейронные сети собирают из большого количество слоёв, каждый из которых построен на основе определённых регулярных паттернов.
Помимо создания новых нейросетевых моделей важный прогресс был также достигнут в области технологий обучения. Сегодня нейронные сети учат уже не при помощи центральных процессоров компьютеров, а с использованием специализированных процессоров, способных быстро производить матричные и тензорные вычисления. Наиболее распространённый на сегодняшний день вид таких устройств - видеокарты. Впрочем, активно ведётся разработка ещё более специализированных устройств для обучения нейросетей.
В целом, безусловно, нейронные сети на сегодняшний день, - это одна из основных технологий в области машинного обучения, которой мы обязаны решению многих задач, ранее решавшихся неудовлетворительно. С другой стороны, конечно, нужно понимать, что нейронные сети не являются панацеей. Для некоторых задач они - далеко не самый эффективный инструмент.
Так насколько умны нынешние роботы на самом деле?
Всё познаётся в сравнении. На фоне технологий 2000-го года нынешние достижения выглядят настоящим чудом. Всегда найдутся люди, любящие побрюзжать. 5 лет назад они вовсю трындели о том, что машины никогда не выиграют у людей в го (ну или, по крайней мере, выиграют очень нескоро). Говорили о том, что машина никогда не сможет нарисовать с нуля картину, в то время как сегодня люди практически неспособны отличать картины, созданные машинами, от картин неизвестных им художников. В конце прошлого года машины научились синтезировать речь, практически неотличимую от человеческой, а в последние годы от музыки, создаваемой машинами, не вянут уши.
Посмотрим, что будет завтра. Я смотрю на эти области применения ИИ с большим оптимизмом.
Перспективные направления: где начать погружение в сферу ИИ?
Я бы посоветовал постараться на хорошем уровне освоить один из популярных нейросетевых фреймворков и один из популярных в области машинного обучения языков программирования (наиболее популярна на сегодняшний день связка TensorFlow + Python).
Овладев этими инструментами и имея в идеале крепкую базу в области математической статистики и теории вероятностей, следует направить свои усилия в ту сферу, которая будет наиболее интересна лично вам.
Интерес к предмету работы - один из самых важных ваших помощников.
Потребность в специалистах по машинному обучению существует в самых разных областях - в медицине, в банковском деле, в науке, на производстве, поэтому сегодня хорошему специалисту предоставлен как никогда широкий выбор. Потенциальные преимущества любой из этих отраслей мне представляются несущественными по сравнению с тем, что работа будет приносить вам удовольствие.
Искусственный интеллект - это способность цифрового компьютера или управляемого компьютером робота выполнять задачи, обычно связанные с разумными существами. Термин часто применяется к проекту развития систем, наделенных интеллектуальными процессами, характерными для человека, такими как способность рассуждать, обобщать или учиться на прошлом опыте. Кроме того, определение понятия ИИ (искусственный интеллект) сводится к описанию комплекса родственных технологий и процессов, таких как, например, машинное обучение, виртуальные агенты и экспертные системы. Говоря простыми словами, ИИ - это грубое отображение нейронов в мозге. Сигналы передаются от нейрона к нейрону и, наконец, выводятся - получается числовой, категориальный или генеративный результат. Это можно проиллюстрировать на таком примере. если система делает снимок кошки и обучена распознавать, кошка это или нет, первый слой может идентифицировать общие градиенты, которые определяют общую форму кошки. Следующий слой может идентифицировать более крупные объекты, такие как уши и рот. Третий слой определяет более мелкие объекты (например, усы). Наконец, основываясь на этой информации, программа выведет «да» или «нет», чтобы сказать, является ли это кошкой или нет. Программисту не нужно «говорить» нейронам, что это те функции, которые они должны искать. ИИ изучил их сам по себе, тренируясь на многих изображениях (как с кошками, так и без кошек).
Что такое искусственный интеллект?
Описание искусственного нейрона
Искусственный нейрон - это математическая функция, задуманная как модель биологических нейронов, нейронной сети. Искусственные нейроны - элементарные единицы в искусственных нейросетях. Искусственный нейрон получает один или несколько входов и суммирует их, чтобы произвести выход или активацию, представляющую потенциал действия нейрона, который передается вдоль его аксона. Обычно каждый вход анализируется отдельно, и сумма передается через нелинейную функцию, известную как функция активации, или передаточная функция.
Когда началось исследование ИИ?
В 1935 году британский исследователь А.М. Тьюринг описал абстрактную вычислительную машину, которая состоит из безграничной памяти и сканера, перемещающегося вперед и назад по памяти, символ за символом. Сканер считывает то, что он находит, записывая дальнейшие символы. Действия сканера диктуются программой инструкций, которая также хранится в памяти в виде символов. Самая ранняя успешная программа ИИ была написана в 1951 году Кристофером Стрейчи. В 1952 году эта программа могла играть с человеком в шашки, удивляя всех своими способностями предсказывать ходы. В 1953 году Тьюринг опубликовал классическую раннюю статью о шахматном программировании.
Отличие искусственного интеллекта от естественного
Интеллект можно определить как общую умственную способность к рассуждению, решению проблем и обучению. В силу своей общей природы интеллект интегрирует когнитивные функции, такие как восприятие, внимание, память, язык или планирование. естественный интеллект отличает осознанное отношение к миру. Мышление человека всегда эмоционально окрашено, и его нельзя отделить от телесности. Кроме того, человек - существо социальное, поэтому на мышление всегда влияет социум. ИИ не имеет отношения к эмоциональной сфере и социально не ориентирован.
Как сравнить человеческий и компьютерный интеллекты?
Сравнить мышление человека с искусственным интеллектом можно исходя из нескольких общих параметров организации мозга и машины. Деятельность компьютера, как и мозга, включает четыре этапа: кодирование, хранение, анализ данных и выдачу результата. Кроме того, мозг человека и ИИ могут самообучаться в зависимости от данных, полученных из окружающей среды. Также человеческий мозг и машинный интеллект решают проблемы (или задачи), используя определенные алгоритмы.
У компьютерных программ есть IQ?
Нет. Показатель IQ связан с развитием интеллекта человека в зависимости от возраста. ИИ в чем-то превышает некоторые человеческие способности, например может удерживать в памяти огромное количество цифр, но это не имеет отношения к IQ.
Что такое тест Тьюринга?
Алан Тьюринг разработал эмпирический тест, который показывает, способна ли программа уловить все нюансы поведения человека до такой степени, что человек не сможет определить, с кем именно он общается - с ИИ или с живым собеседником. Тьюринг предложил, чтобы сторонний наблюдатель оценивал разговор между человеком и машиной, которая отвечает на вопросы. Судья не видит, кто именно отвечает, но знает, что один из собеседников - ИИ. Разговор ограничен только текстовым каналом (компьютерная клавиатура и экран), поэтому результат не зависит от способности машины отображать слова как человеческую речь. В случае, если программе удается обмануть человека, считается, что она эффективно справилась с тестом.Символьный подход
Символьный подход к ИИ - совокупность всех методов исследования искусственного интеллекта, основанных на высокоуровневых символических (читаемых человеком) представлениях о задачах, логике и поиске. Символьный подход широко применялся в исследованиях ИИ в 1950–80-х годах. Одной из популярных форм символьного подхода являются экспертные системы, использующие сочетание определенных правил производства. Производственные правила связывают символы в логические связи, которые подобны алгоритму If-Then. Экспертная система обрабатывает правила, чтобы сделать выводы и определить, какая дополнительная информация ей нужна, то есть какие вопросы задавать, используя удобочитаемые символы.
Логический подход
Термин «логический подход» предполагает апеллирование к логике, размышлениям, решению задач с помощью логических шагов. Логики еще в XIX веке разработали точные обозначения для всех видов объектов в мире и отношений между ними. К 1965 году существовали программы, которые могли решить любую логическую задачу (пик популярности данного подхода пришелся на конец 1950–70-х годов). Сторонники логического подхода в рамках логического искусственного интеллекта надеялись выстроить на таких программах (в частности, записанных на языке Prolog) интеллектуальные системы. Однако у такого подхода два ограничения. Во-первых, нелегко взять неформальное знание и изложить его в формальных терминах, которые требуются для обработки ИИ. Во-вторых, есть большая разница между решением проблемы в теории и ее решением на практике. Даже проблемы с несколькими сотнями фактов могут исчерпать вычислительные ресурсы любого компьютера, если у него нет каких-либо указаний относительно того, какие рассуждения надо использовать в первую очередь.
Агентно-ориентированный подход
Агент - это то, что действует (от лат. agere, «делать»). Конечно, все компьютерные программы что-то делают, но ожидается, что компьютерные агенты будут делать больше: работать автономно, воспринимать сигналы окружающей среды (с помощью специальных датчиков), адаптироваться к изменениям, создавать цели и выполнять их. Рациональный агент - это тот, кто действует так, чтобы достичь наилучшего ожидаемого результата.
Гибридный подход
Предполагается, что этот подход, который стал популярным в конце 80-х, работает наиболее эффективно, так как представляет собой сочетание символьных и нейронных моделей. Гибридный подход увеличивает когнитивные и вычислительные возможности машины.
Рынок технологий искусственного интеллекта
Ожидается, что рынок к 2025 году вырастет до 190,61 млрд долларов, при ежегодном темпе прироста - 36,62%. На рост рынка влияют такие факторы, как внедрение облачных приложений и сервисов, появление больших массивов данных и активный спрос на интеллектуальных виртуальных помощников. Однако экспертов, разрабатывающих и внедряющих технологии ИИ, пока немного, и это сдерживает рост рынка. Системам, созданным на основе ИИ, необходима интеграция и техническая поддержка при обслуживании.
Процессоры для ИИ
Современные задачи ИИ требуют мощных процессоров, которые могут обрабатывать огромные массивы данных. Процессоры должны иметь доступ к большим объемам памяти, также устройству необходимы высокоскоростные каналы передачи данных.В России
В конце 2018 года в России запустили серию серверов «Эльбрус-804», показывающих высокую производительность. Каждый из компьютеров оснащен четырьмя восьмиядерными процессорами. С помощью данных устройств можно выстроить вычислительные кластеры, они позволяют работать с приложениями и базами данных.
Мировой рынок
Драйверами и лидерами рынка являются две корпорации - Intel и AMD, производители самых мощных процессоров. Intel традиционно концентрируется на выпуске машин с более высокой тактовой частотой, AMD ориентирована на постоянное увеличение числа ядер и обеспечение многопоточной производительности.
Национальная концепция развития
Национальные стратегии развития ИИ уже утвердили три десятка стран. В октябре 2019 года проект Национальной стратегии развития ИИ должен быть принят в России. Предполагается, что в Москве будет введен правовой режим, облегчающий разработку и внедрение технологий ИИ.
Исследования в сфере ИИ
Вопросы, что такое искусственный интеллект и как он работает, волнуют ученых разных стран уже не одно десятилетие. Госбюджет США ежегодно направляет 200 млн долларов на исследования. В России за 10 лет - с 2007-го по 2017-й - было выделено около 23 млрд рублей. Разделы по поддержке исследований в сфере ИИ станут важной частью концепции национальной стратегии. В скором времени в России откроются новые научные центры, а также будет продолжена разработка инновационного ПО для ИИ.
Стандартизация в области ИИ
Нормы и правила в области ИИ в России находятся в процессе постоянной доработки. Предполагается, что в конце 2019 - начале 2020 года будут утверждены национальные стандарты, которые сейчас разрабатывают лидеры рынка. Параллельно формируется План национальной стандартизации на 2020 год и далее. В мире работает стандарт «Искусственный интеллект. Концепция и терминология», и в 2019 году эксперты начали разрабатывать его русифицированную версию. Документ должен быть утвержден в 2021 году.
Влияние искусственного интеллекта
Внедрение ИИ неразрывно связано с научно-техническим прогрессом, и сферы применения расширяются с каждым годом. Мы сталкиваемся с этим каждый день в жизни, когда крупная розничная сеть в интернете рекомендует нам какой-то товар или, только открыв компьютер, мы видим рекламу фильма, который как раз хотели посмотреть. Эти рекомендации основаны на алгоритмах, анализирующих то, что купил или смотрел потребитель. За этими алгоритмами стоит искусственный интеллект.
Риск для развития человеческой цивилизации - есть ли он?
Илон Маск считает, что развитие ИИ может угрожать человечеству и результаты могут оказаться страшнее, чем применение ядерного оружия. Стивен Хокинг, британский ученый, опасается, что люди могут создать искусственный интеллект, обладающий сверхразумом, который может нанести вред человеку.На экономику и бизнес
Проникновение технологии ИИ во все сферы экономики увеличит к 2030 году объем глобального рынка услуг и товаров на 15,7 трлн долларов. США и Китай пока лидеры с точки зрения всевозможных проектов в сфере ИИ. Развитые страны - Германия, Япония, Канада, Сингапур - также стремятся реализовать все возможности. Многие страны, экономика которых растет умеренными темпами, такие как Италия, Индия, Малайзия, развивают сильные стороны в конкретных областях применения ИИ.
На рынок труда
Глобальное влияние ИИ на рынок труда будет идти по двум сценариям. Во-первых, распространение некоторых технологий будет приводить к увольнению большого количества людей, так как выполнение многих задач возьмут на себя компьютеры. Во-вторых, в связи с развитием технического прогресса специалисты в сфере ИИ будут очень востребованы во многих отраслях.
Предвзятость ИИ
Предвзятость системы ИИ, вероятно, станет все более распространенной проблемой, поскольку искусственный интеллект выходит из лабораторий в реальный мир. Исследователи опасаются, что без надлежащей подготовки по оценке данных и выявлению потенциала предвзятости в данных уязвимые группы общества могут пострадать или их права будут ущемлены. До сих пор у исследователей нет данных, не будут ли угрожать человечеству системы, построенные на основе машинного обучения.
Сферы применения
Искусственный интеллект и его области применения претерпевают трансформацию. Определение Weak AI («слабый ИИ») используется, когда речь идет о реализации узких задач в медицинской диагностике, электронных торговых платформах, управлении роботами. Тогда как Strong AI («сильный ИИ») исследователи определяют как интеллект, перед которым ставятся глобальные задачи, как если бы их ставили перед человеком.
Использование в целях обороны и в военном деле
К 2025 году показатель продаж соответствующих сервисов, программного обеспечения и оборудования в глобальном масштабе поднимется до 18,82 млрд долларов, а ежегодный рост рынка составит 14,75%. ИИ применяется для агрегации данных, в биоинформатике, при обучении войск, в оборонном секторе.В образовании
Многие школы включают в образовательный курс информатики ознакомительные уроки по ИИ, а университеты широко применяют технологии больших данных. Некоторые программы контролируют поведение учащихся, оценивают тесты и эссе, распознают ошибки в произношении слов и предлагают варианты исправления.
Также существуют онлайн-курсы по искусственному интеллекту. Например, у образовательного портала .
В бизнесе и торговле
В ближайшие пять лет у ведущих ретейлеров появятся мобильные приложения, которые будут работать с цифровыми помощниками, такими как Siri, чтобы упростить процесс совершения покупок. ИИ позволяет зарабатывать огромные суммы в интернете. Один из примеров - Amazon, который постоянно анализирует потребительское поведение и совершенствует алгоритмы.
Где можно учиться по теме #искусственный интеллект
В электроэнергетике
ИИ помогает прогнозировать генерацию и спрос на энергоресурсы, снижать потери, предотвращает кражи ресурсов. В электроэнергетике использование ИИ при анализе статистических данных помогает выбрать наиболее выгодного поставщика или автоматизировать обслуживание клиентов.
В производственной сфере
Согласно опросу McKinsey, проведенному среди 1300 руководителей, 20% предприятий уже применяют ИИ. Недавно компания «Моссельпром» внедрила ИИ у себя на производстве в цеху упаковки. Используется способность ИИ к распознаванию изображения. Камера фиксирует все действия работника, сканируя штрих-код, нанесенный на одежду, и отправляет данные в компьютер. Количество совершенных операций напрямую влияет на оплату труда сотрудника.
В пивоварении
Carlsberg использует машинное обучение для отбора дрожжей и расширения ассортимента. Технология реализуется на базе цифровой облачной платформы.В банковской сфере
Потребность в надежной обработке данных, развитие мобильных технологий, доступность информации и распространение программного обеспечения с открытым исходным кодом делают ИИ востребованной технологией в банковском секторе. Все больше банков привлекают заемные средства с помощью компаний-разработчиков мобильных приложений. Новые технологии улучшают обслуживание клиентов, и, как предсказывают аналитики, уже через пять лет ИИ в банках будет принимать большинство решений самостоятельно.
На транспорте
Развитие технологий ИИ - драйвер транспортной отрасли. Мониторинг состояния дорог, обнаружение пешеходов или объектов в неположенных местах, автономное вождение, облачные сервисы в автомобилестроении - лишь немногие примеры применения ИИ на транспорте.
В логистике
Возможности ИИ позволяют компаниям более эффективно прогнозировать спрос и выстраивать цепи поставок с минимальными затратами. ИИ помогает сократить количество используемых транспортных средств, необходимых для перевозки, оптимизировать время доставки, снизить эксплуатационные расходы транспорта и складских помещений.
На рынке предметов и услуг роскоши
Люксовые бренды также обратились к цифровым технологиям, чтобы анализировать потребности клиентов. Одна из задач, которая ставится перед разработчиками в этом сегменте, - управление эмоциями клиентов и влияние на них. Dior уже адаптирует ИИ для управления взаимодействием клиента и бренда с помощью чат-ботов. Люксовые бренды будут конкурировать в будущем, и решающим будет уровень персонализации, которого они смогут достичь с помощью ИИ.
В госуправлении
Государственные аппараты многих стран пока не готовы к вызовам, которые спрятаны в технологиях ИИ. Согласно прогнозам экспертов, многие из существующих правительственных структур и процессов, которые развивались в течение последних нескольких столетий, вероятно, станут неактуальными в ближайшем будущем.
В криминалистике
Разные подходы ИИ применяются для выявления преступников в общественных местах. В некоторых странах, например в Голландии, полиция использует ИИ для расследования сложных преступлений. Цифровая криминалистика - развивающаяся наука, которая требует интеллектуального анализа огромных объемов очень сложных наборов данных.В судебной системе
Разработки в области искусственного интеллекта помогут кардинально изменить судебную систему, сделать ее более справедливой и свободной от коррупции. Одними из первых ИИ в судебной системе стал применять Китай. Можно предположить, что роботы-судьи со временем смогут оперировать большими данными из хранилищ государственных служб. Машинный интеллект анализирует огромное количество данных, и он не испытывает эмоции, как судья-человек. ИИ может оказать огромное влияние на обработку информации и сбор статистики, а также прогнозировать возможные правонарушения исходя из анализа данных.
В спорте
Применение ИИ в спорте стало обычным явлением в последние годы. Спортивные команды (бейсбол, футбол и т.д.) анализируют индивидуальные данные о производительности игроков, учитывая разные факторы при подборе. ИИ может предсказать будущий потенциал игроков, анализируя технику игры, физическое состояние и другие данные, а также оценить их рыночную стоимость.
В медицине здравоохранении
Эта сфера применения стремительно развивается. ИИ используется в диагностике заболеваний, клинических исследованиях, при разработке лекарств и при создании медицинских страховок. Кроме того, сейчас наблюдается бум инвестирования в многочисленные медицинские приложения и устройства.
Анализ поведения граждан
Наблюдение за поведением граждан широко применяется в сфере безопасности, в том числе отслеживается поведение на сайтах (в социальных сетях) и в мессенджерах. Например, в 2018 году китайским ученым удалось выявить 20 тысяч потенциальных самоубийц и оказать им психологическую помощь. В марте 2018 года Владимир Путин поручил активизировать действия государственных органов по борьбе с негативным воздействием деструктивных движений в социальных сетях.В развитии культуры
Алгоритмы ИИ начинают генерировать художественные произведения, которые сложно отличить от созданных человеком. ИИ предлагает людям творческих профессий множество инструментов для воплощения замыслов. Именно сейчас меняется понимание роли художника в широком смысле, так как ИИ дает массу новых методов, но и ставит перед человечеством много новых вопросов.
Живопись
Искусство издавна считалось исключительной сферой человеческого творчества. Но оказалось, что машины могут сделать гораздо больше в творческой сфере, чем люди могут себе представить. В октябре 2018 года Christie’s продал первую картину, созданную ИИ, за 432 500 долларов. Использовался алгоритм генеративной состязательной сети, который анализировал 15 000 портретов, созданных между XV и XX веком.
Музыка
Разработано несколько музыкальных программ, которые используют ИИ для создания музыки. Как и в других областях, ИИ в этом случае также имитирует умственную задачу. Заметной особенностью является способность алгоритма ИИ учиться на основе полученной информации, такой как технология компьютерного сопровождения, которая способна слушать и следовать за человеком-исполнителем. ИИ также управляет так называемой интерактивной композиционной технологией, в которой компьютер сочиняет музыку в ответ на выступление живого музыканта. В начале 2019 года Warner Music заключила первый в истории контракт с исполнителем - алгоритмом Endel. По условиям контракта, в течение года нейросеть Endel выпустит 20 уникальных альбомов.
Фотография
ИИ быстро меняет наше представление о фотографии. Всего через пару лет большинство достижений в этой сфере будут ориентированы на ИИ, а не на оптику или сенсоры, как раньше. Прогресс в технологии фотографии впервые не будет связан с физикой и создаст совершенно новый способ фотомышления. Уже сейчас нейросеть распознает малейшие изменения при моделировании лиц в фоторедакторах.
Видео: замена лиц
В 2015 году Facebook начала тестировать на сайте технологию DeepFace. В 2017 Reddit-юзер DeepFakes придумал алгоритм, позволяющий создавать реалистичные видео с заменой лица, используя нейросети и машинное обучение.
СМИ и литература
В 2016 году ИИ Google, проанализировав 11 тысяч неизданных книг, начал писать свои первые литературные произведения. Исследователи Facebook AI Research в 2017 году придумали систему нейросетей, которая умеет писать стихи на любую тему. В ноябре 2015 года направление подготовки автоматических текстов открыла российская компания «Яндекс».
Игры го, покер, шахматы
В 2016 году ИИ обыграл человека в го (игра, в которой более 10 100 вариантов). В шахматах суперкомпьютер победил человека-игрока из-за возможности хранения в памяти когда-либо сыгранных людьми ходов и программирования новых на 10 шагов вперед. В покер сейчас играют боты, хотя раньше считалось, что компьютер почти невозможно обучить играть в эту карточную игру. С каждым годом разработчики все более совершенствуют алгоритмы.Распознавание лиц
Технология распознавания лиц применяется как для фото-, так и видеопотоков. Нейронные сети выстраивают векторный, или «цифровой», шаблон лица, далее происходит сравнение этих шаблонов внутри системы. Она находит опорные точки на лице, которые определяют индивидуальные характеристики. Алгоритм вычисления характеристик различен для каждой из систем и является главным секретом разработчиков.
Для дальнейшего развития и применения ИИ необходимо обучать прежде всего человека
Сергей Ширкин
Декан факультета Искусственного интеллекта
Технологии искусственного интеллекта в таком виде, в каком они применяются сейчас, существуют около 5–10 лет, но для того, чтобы их применить, как это ни странно, требуется большое количество людей. Соответственно, основные расходы в сфере искусственного интеллекта - это расходы на специалистов. Тем более что почти все базовые технологии искусственного интеллекта (библиотеки, фреймворки, алгоритмы) бесплатны и находятся в открытом доступе. Одно время найти специалистов по машинному обучению было практически невозможным делом. Но сейчас, во многом благодаря развитию MOOC (англ. Massive Open Online Course, массовый открытый онлайн-курс) их становится больше. Высшие образовательные учреждения тоже поставляют специалистов, но и им часто приходится доучиваться на онлайн-курсах.
Сейчас искусственный интеллект вполне может распознать, что человек задумал сменить работу, и может предложить ему соответствующие онлайн-курсы, многие из которых можно проходить, имея в наличии лишь смартфон. А это означает, что заниматься можно даже находясь в пути - например, по дороге на работу. Одним из первых таких проектов был онлайн-ресурс Coursera, но позже появилось много подобных образовательных проектов, каждый из которых занимает определенную нишу в онлайн-образовании.
Нужно понимать, что ИИ, как и любая программа, - это прежде всего код, то есть определенным образом оформленный текст. Этот код нуждается в развитии, обслуживании и совершенствовании. К сожалению, само собой это не происходит, без программиста код не может «ожить». Поэтому все страхи о всемогуществе ИИ не имеют оснований. Программы создаются под строго определенные задачи, они не обладают чувствами и устремлениями подобно человеку, они не совершают действий, которые в них не заложил программист.
Можно сказать, что в наше время ИИ обладает лишь отдельными навыками человека, хотя и может в быстроте их применения опережать среднестатистического человека. Правда, на выработку каждого такого навыка тратятся многочасовые усилия тысяч программистов. Самое большое, на что пока способен ИИ - автоматизировать некоторые физические и умственные операции, освобождая тем самым людей от рутины.
Несет ли применение ИИ какие-то риски? Скорее сейчас существует риск не разглядеть возможность применения технологий искусственного интеллекта. Многие компании осознают это и пытаются развиваться сразу в нескольких направлениях в расчете на то, что какое-то из них может «выстрелить». Показателен пример интернет-магазинов: сейчас на плаву остались только те, кто осознал необходимость применения ИИ, когда это еще не было в тренде, хотя вполне можно было «сэкономить» и не приглашать непонятно зачем нужных математиков-программистов.
Перспектива развития искусственного интеллекта
Компьютеры теперь могут делать многое из того, что раньше могли делать только люди: играть в шахматы, распознавать буквы алфавита, проверять орфографию, грамматику, распознавать лица, диктовать, говорить, выигрывать игровые шоу и многое другое. Но скептики упорствуют. Как только удается автоматизировать очередную человеческую способность, скептики говорят, что это лишь еще одна компьютерная программа, а не пример самообучающегося ИИ. Технологии ИИ только находят широкое применение и имеют огромный потенциал роста во всех сферах. Со временем человечество будет создавать все более мощные компьютеры, которые будут все более совершенствоваться в развитии ИИ.
Является ли целью ИИ поместить человеческий разум в компьютер?
Существует только приблизительное понимание того, как работает человеческий мозг. Пока далеко не все свойства разума возможно имитировать с помощью ИИ.
Сможет ли ИИ достичь человеческого уровня интеллекта?
Ученые стремятся к тому, чтобы ИИ мог решать еще больше разнообразных задач. Но о достижении уровня человеческого интеллекта говорить преждевременно, так как мышление не сводится только к одним алгоритмам.
Когда искусственный интеллект сможет достичь уровня человеческого мышления?
На данном этапе накопления и анализа информации, который сейчас достигнут человечеством, ИИ далек от человеческого мышления. Однако в будущем могут возникнуть прорывные идеи, которые повлияют на резкий скачок в развитии ИИ.
Может ли компьютер стать интеллектуальной машиной?
Часть любой сложной машины - это компьютерная система, и тут возможно говорить только об интеллектуальных компьютерных системах. Сам компьютер не обладает интеллектом.
Есть ли связь между скоростью и развитием интеллекта у компьютеров?
Нет, скорость отвечает только за некоторые свойства интеллекта. Самой по себе скорости обработки и анализа информации недостаточно, чтобы появился интеллект.
Возможно ли создать детскую машину, которая могла бы развиваться с помощью чтения и самообучения?
Это обсуждается исследователями уже почти сто лет. Вероятно, идея когда-нибудь будет реализована. На сегодня программы ИИ не обрабатывают и не используют столько информации, сколько могут делать дети.
Как связаны с ИИ теория вычислимости и вычислительная сложность?
Теория вычислительной сложности фокусируется на классификации вычислительных задач в соответствии с присущей им сложностью и связывании этих классов друг с другом. Вычислительная задача - это задача, решаемая компьютером. Задача вычисления разрешима механическим применением математических шагов, таких как алгоритм.
Заключение
Искусственный интеллект уже оказал огромное влияние на развитие нашего мира, что было невозможно предсказать еще столетие назад. «Умные» телефонные сети маршрутизируют звонки более эффективно, чем любой человек-оператор. Автомобили строятся на беспилотных заводах автоматизированными роботами. Искусственный интеллект интегрируется в самые обычные бытовые предметы, например в пылесос. Механизмы ИИ до конца не изучены, но эксперты прогнозируют, что развитие ИИ еще более приблизится к развитию человеческого мозга уже в ближайшие годы.
Для книги «Архитекторы интеллекта: вся правда об искусственном интеллекте от его создателей» писатель и футурист Мартин Форд взял интервью у 23 самых выдающихся исследователей в области ИИ, включая CEO DeepMind Демиса Хассабиса, руководителя Google AI Джеффа Дина и ИИ-директора в Стэнфорде Фей-Фей Ли. Каждого из них Форд спросил, в каком году вероятность создания сильного ИИ составит не менее 50%.
Из 23 человек ответили 18, и только двое из них согласились на публикацию предсказаний под своим именем. Интересно, что они дали самые экстремальные ответы: Рэй Курцвейл, футуролог и директор по инженерным разработкам в Google, назвал 2029 год, а Родни Брукс, робототехник и соучредитель iRobot, - 2200. Остальные догадки расположились между этими двумя полюсами, среднее значение - 2099 год, то есть через 80 лет.
Форд говорит, что эксперты стали называть более отдаленные даты - в опросах прошлых лет они заявляли, что сильный ИИ может появиться примерно через 30 лет.
«Вероятно, существует некоторая корреляция между тем, насколько вы дерзки или оптимистичны, и тем, насколько вы молоды», - добавил писатель, отметив, что нескольким его собеседникам было за 70, и они пережили взлеты и падения ИИ. «После работы над этой проблемой в течение десятилетий, возможно, вы становитесь немного более пессимистичными», - считает он.
Форд также указал, что эксперты высказывают разные мнения о способе появления ИИ общего назначения - одни считают, что для этого достаточно имеющихся технологий, другие же категорически с этим не согласны.
Некоторые исследователи утверждают, что большинство инструментов уже готовы, а теперь требуются просто время и усилия. Их оппоненты убеждены, что для создания сильного ИИ все еще не достает многих фундаментальных открытий. По словам Форда, ученые, чья работа касалась глубокого обучения, склонны думать, что в будущем прогресс будет достигнут с использованием нейронных сетей - рабочей лошадки современного ИИ. Те, кто имеет опыт работы в других областях ИИ, считают, что для построения его сильной версии потребуются дополнительные методы наподобие символической логики.
«Некоторые люди из лагеря глубокого обучения очень пренебрежительно относятся к идее напрямую разработать что-то вроде здравого смысла в ИИ. Они думают, что это глупо. Один из них сказал, что это все равно что пытаться засунуть кусочки информации прямо в мозг», - говорит Форд.
Все опрошенные отметили ограничения существующих ИИ-систем и ключевые навыки, которые им еще предстоит освоить, в том числе трансферное обучение, когда знания в одной области применяются к другой, и обучение без наставника, когда системы узнают новое без участия человека. Подавляющее большинство современных методов машинного обучения полагаются на данные, размеченные людьми, что является серьезным препятствием для их развития.
Интервьюируемые также подчеркнули абсолютную невозможность делать прогнозы в области, подобной ИИ, где ключевые открытия начинают работать в полную мощь только спустя десятилетия после их обнаружения.
Стюарт Рассел, профессор Калифорнийского университета в Беркли, автор одного из основополагающих учебников по ИИ, указал, что технологии для создания сильного ИИ, «не имеют ничего общего с большими данными или более мощными машинами».
«Я всегда рассказываю историю из ядерной физики. Точка зрения, высказанная Эрнестом Резерфордом 11 сентября 1933 года, заключалась в том, что энергию из атомов извлечь нельзя. Однако на следующее утро Лео Силард прочитал речь Резерфорда, разозлился и изобрел ядерную цепную реакцию, опосредованную нейтронами! Таким образом, предсказание Резерфорда было опровергнуто примерно через 16 часов. Точно так же совершенно бессмысленно делать точные прогнозы в области ИИ», - сказал Рассел.
Исследователи также не сошлись в оценке потенциальной опасности ИИ. Ник Бостром, оксфордский философ и автор книги «Искусственный интеллект: Этапы. Угрозы. Стратегии» и фаворит Илона Маска, утверждает, что ИИ представляет собой большую угрозу для человечества, чем изменение климата. Он и его сторонники считают, что одной из самых больших проблем в этой области является обучение ИИ человеческим ценностям.
«Дело не в том, что ИИ возненавидит нас за порабощение или что внезапно возникнет искра сознания, и он взбунтуется. Скорее, он будет очень старательно преследовать цель, которая отличается от нашего истинного намерения», - сказал Бостром.
Большинство респондентов заявили, что вопрос об угрозе ИИ крайне абстрактен по сравнению с такими проблемами, как экономический спад и использование передовых технологий в войне. Барбара Грос, профессор в области ИИ в Гарварде, внесшая весомый вклад в область языковой обработки, сказала, что проблемы этики сильного ИИ в основном «отвлекают».
«У нас есть ряд этических проблем, связанных с существующим ИИ. Думаю, что не стоит отвлекаться от них из-за пугающих футуристических сценариев», - считает она.
По словам Форда, подобные споры можно назвать самым важным итогом его опроса: они показывают, что в такой сложной области, как искусственный интеллект, нет простых ответов. Даже самые именитые ученые не могут прийти к единому мнению в фундаментальных проблемах этой области знания.
