ГИД ПО ИСКУССТВЕННОМУ ИНТЕЛЛЕКТУ

Опубликовано:

Хотя суперинтеллектуальным алгоритмам у всех вокруг хлеб отнять не удастся, они учатся быстрее, чем когда-либо, выполняя любые задания, начиная от медицинской диагностики и заканчивая раздачей рекламных листовок.

Искусственный интеллект чрезмерно разрекламирован – ну вот, мы это и сказали. Данный факт также необычайно важен.

Суперинтеллектуальные алгоритмы существуют отнюдь не для того, чтобы оккупировать все вакансии или стереть человечество с лица земли. Однако в последнее время программы стали значительно «умнее». Именно поэтому вы можете пообщаться с друзьями по айфону Х на языке идеограмм и смайликов с помощью Animoji от Apple, скрывшись за маской анимационной какашки, или попросить свой смарт-динамик заказать побольше бумажных полотенец.

Вложение промышленными компаниями значительных инвестиций в развитие искусственного интеллекта уже меняет нашу жизнь и гаджеты, а также готовит плацдарм для будущего, центральное место в котором будет отведено искусственному интеллекту.

Наблюдающаяся на данный момент во всех сферах шумиха вокруг искусственного интеллекта была спровоцирована научными открытиями в такой отрасли, как машинное обучение. Эта подобласть информатики включает в себя «обучение» компьютеров выполнению заданий, основываясь на примерах, а не полагаясь на программирование руками человека. Благодаря так называемой технике глубокого обучения данный подход стал намного мощнее. Спросить хотя бы Ли Седола (Lee Sedol), владельца 18 международных титулов в игре с глубоким стратегическим содержанием – го. В 2016 году он потерпел жесткое поражение, разыграв партию с программой под названием AlphaGo.

Для большинства из нас наиболее очевидными результатами совершенствования искусственного интеллекта являются новые искусно сделанные гаджеты и функциональные возможности, такие как смарт-динамики, или же свойство разблокировки вашего айфона с помощью функции распознавания лица. Однако искусственный интеллект стремится также преобразить и другие сферы нашей жизни, одной из которых является здравоохранение. В больницах Индии тестируют программу, которая проверяет снимки сетчатки глаза на симптомы диабетической ретинопатии, состояния, которое часто диагностируется слишком поздно, чтобы предотвратить потерю зрения. Машинное обучение крайне важно для проектов, связанных с автономным вождением, поскольку позволяет транспортному средству улавливать то, что его окружает.

Есть факты, указывающие на то, что искусственный интеллект может сделать нас счастливее и здоровее. Однако в то же время существует причина, по которой следует проявлять осторожность. Инциденты, при которых алгоритмы разжигали или усиливали социальную предвзятость на фоне расовой или половой принадлежности свидетельствуют о том, что вооруженное искусственным интеллектом будущее не будет лучше по умолчанию.

Зарождение искусственного интеллекта

Насколько нам известно, в начале своей истории искусственный интеллект был проектом, реализованным во время каникул. Преподаватель Дартмутского колледжа Джон Маккарти (John McCarthy) ввел этот термин летом 1956 года, когда пригласил небольшую группу ученых провести несколько недель, размышляя над тем, как заставить машины использовать речь и совершать подобные действия. Он возлагал большие надежды на прорыв в изобретении машин с уровнем интеллекта, подобным человеческому. «Мы считаем, что можно достичь значительных успехов», – писал он со своими коллегами, – «если летом над этим совместно поработает хорошо подобранная группа ученых».

Этим надеждам не суждено было сбыться, и позднее Маккарти признал, что его замысел был чересчур оптимистичным. Однако это собрание ученых умов помогло исследователям, мечтающим о создании разумных машин, объединиться и сформировать соответствующую область науки.

Сначала работа была сосредоточена вокруг решения довольно абстрактных математических и логических проблем. Однако незадолго после этого искусственный интеллект начал показывать обнадеживающие результаты в отношении выполнения большего количества человеческих задач. В конце 1950х годов Артур Самуэль (Arthur Samuel) создал программы, которые научились играть в шашки. В 1962 году одна из них выиграла у профессионала. В 1967 году программа под названием Dendral продемонстрировала на макете химических образцов свою способность повторять процесс расшифровки данных масс-спектрометра, подобно тому, как это делают химики.

По мере того, как развивалась сфера искусственного интеллекта, разрабатывались и разные стратегии создания более «умных» машин. Некоторые исследователи пытались преобразовать человеческие знания в код или предложить правила выполнения заданий таких, как понимание языка. Другие воодушевлялись важностью обучения машин до уровня человеческого и животного разума. Они сконструировали системы, которые со временем могли все лучше выполнять какие-либо задания, вероятно, путем моделирования процесса развития или обучения на примерах. Таким образом, данная отрасль проходила в своем развитии этап за этапом, а компьютеры осваивали все больше задач, которые ранее могли выполнять исключительно люди.

Глубокое обучение, сила, стимулирующая сегодня резкий подъем сферы искусственного интеллекта, – это возрождение одной из наиболее давних идей, связанных с искусственным интеллектом. Эта методика предполагает свободное пропускание данных через цифровую паутину, подобную по своему функционалу работе клеток мозга и известную как искусственные нейронные сети. По мере того, как сеть обрабатывает обучающие данные, между элементами этой сети устанавливаются связи, вследствие чего появляется возможность интерпретировать последующие данные.

Вскоре после собрания в Дартмутском колледже искусственные нейронные сети стали широко известны в области искусственного интеллекта. Например, заполняющий данными участки своей памяти нейрокомпьютер «Марк 1», созданный в 1958 году и основанный на понятии перцептрона (одной из первых моделей нейросетей) научился различать геометрические фигуры, и был представлен в газете «Нью-Йорк таймс» как «Дитя ЭВМ, произведенное на свет для того, чтобы читать и становиться умнее». Однако популярность нейронных сетей сошла на нет, начиная с 1969 года, когда вышла авторитетная книга, соавтором которой являлся сотрудник Массачусетского технологического института Марвин Минский, предположивший, что такие сети не могут быть очень мощными.

Его мнение разделяли не все, и поэтому в течение нескольких десятилетий ученые поддерживали методику глубокого обучения на плаву. Их убеждения оправдались в 2012 году, когда после проведения ряда экспериментов было продемонстрировано, что нейронные сети, напичканные большим объемом данных, а также мощные компьютерные микросхемы могут обеспечить машинам новые возможности восприятия.

В результате исследователи Торонтского университета сокрушили своих соперников на ежегодном конкурсе, во время которого машине было дано задание распределить картинки по категориям. Помимо этого ученые из IBM, Microsoft и Google объединились с целью публикации результатов, демонстрирующих, что глубокое обучение может, помимо прочего, способствовать значительному улучшению точности распознания речи. Компании, занимающиеся информационными технологиями, судорожно начали нанимать на работу всех специалистов по вопросам глубокого обучения, которых только могли найти.

Будущее искусственного интеллекта

Даже если завтра искусственный интеллект застопорится в своем развитии, не думайте, что больше не услышите о том, как он меняет мир.

Для поддержки своего основного бизнеса, суть которого состоит в целевой рекламе или прогнозировании вашей очередной покупки, большие информационно-технологические компании, среди которых Google, Microsoft и Amazon, аккумулировали много из того, на что способен искусственный интеллект, а также впечатляющие компьютерные массивы.

Помимо этого они начали пытаться зарабатывать, приглашая специалистов со стороны для ведения проектов по разработке искусственного интеллекта на базе их сетей, что поможет стимулировать развитие таких сфер, как здравоохранение и национальная безопасность. Модернизация оборудования с искусственным интеллектом, увеличение количества слушателей на курсах по машинному обучению, а также проекты по машинному обучению с открытым исходным кодом – все это также будет способствовать более быстрому проникновению искусственного интеллекта в другие отрасли.

А тем временем потребители могут ожидать оснащения все большего количества гаджетов и сервисов элементами искусственного интеллекта. В частности Google и Amazon делают ставку на то, что благодаря совершенствованию сферы машинного обучения их виртуальные помощники и смарт-динамики станут более функциональными. А, например, у Amazon есть устройства с камерами, объектив которых направлен и на их владельцев, и на окружающий мир.

Исходя из коммерческих перспектив, грядет время исследователей искусственного интеллекта. Количество лабораторий, изучающих методы создания более «умных» машин, возросло, а их финансирование значительно улучшилось. Вместе с тем работы предстоит еще немало: несмотря на недавнее стремительное развитие сферы искусственного интеллекта и бурные прогнозы относительно его ближайшего будущего, машины все еще остаются во многом беспомощными. Они не могут понять языковых нюансов, рассуждений на основе здравого смысла, а также освоить новые навыки на одном-двух примерах. Программам с искусственным интеллектом нужно будет этому научиться, если они хотят приблизиться к многогранному, адаптируемому и креативному человеческому разуму. По словам одного из основоположников глубокого обучения и сотрудника компании Google Джеффри Хинтона (Geoff Hinton) для того, чтобы продвинуться в решении этой проблемы необходимо будет переосмыслить некоторые принципы данной отрасли.

По мере того, как системы с искусственным интеллектом будут становиться более функциональными, к ним небезосновательно будут прикованы пристальные взгляды. Правительство часто некорректно и втайне от всех использует программное обеспечение в таких сферах, как уголовное судопроизводство, а такие корпорации, как Facebook начали сталкиваться с недостатками собственных алгоритмов, призванных улучить жизнь пользователей. Более совершенный искусственный интеллект может стать причиной возникновения проблем и похуже, например, путем увековечивания исторически сложившихся предрассудков и стереотипов относительно женщин и людей с темным цветом кожи. Сегодня цивилизованное общество и даже представители самой отрасли высоких технологий изучают нормы и правила касательно безопасности и этики работы с искусственным интеллектом. Чтобы пожинать плоды создания машин с более высоким уровнем IQ, нам необходимо больше о них узнать.

КЛЮЧЕВЫЕ МОМЕНТЫ В ИСТОРИИ РАЗВИТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1956 г.

В рамках исследовательского проекта, посвященного разработке искусственного интеллекта и реализованного летом в Дартмутском колледже, было введено название новой области науки, в центре внимания которой оказалось создание программного обеспечения, схожего по своему «разуму» с человеком.

1965 г.

В Массачусетском технологическом институте Джозеф Вейценбаум (Joseph Weizenbaum) создает первого виртуального собеседника, программу Элиза, которая позиционирует себя как психотерапевта.

1975 г.

Разработанная в Стэнфордском университете с целью расшифровки химических анализов программа Meta-Dendral с помощью компьютера делает первые открытия, подлежащие публикации в реферируемом журнале.

1987 г.

В ходе реализации научного проекта во главе с Эрнстом Дикманнсом (Ernst Dickmanns) оснащенная двумя камерами и несколькими компьютерами фура марки Mercedes, самостоятельно проезжает 20 км по немецкому шоссе со скоростью, превышающей 55 миль в час.

1997 г.

Компьютер Deep Blue компании IBM одержал победу в шахматной игре над Гарри Каспаровым.

2004 г.

Пентагон организовывает в пустыне Мохаве гонки автомобилей-роботов – Darpa Grand Challenge, – и это становится катализатором развития автономного автомобилестроения.

2012 г.

Исследователи узкоспециальной области науки под названием «глубокое обучение» стимулируют проявление общей заинтересованности в развитии искусственного интеллекта, демонстрируя, что реализация их идей может способствовать более точному распознаванию речи и образов.

2016 г.

Программа AlphaGo, созданная дочерней компанией Google – DeepMind, – обыграла в го чемпиона мира.

  

РАСШИФРОВКА ТЕРМИНОВ, ИМЕЮЩИХ ОТНОШЕНИЕ К ИСКУССТВЕННОМУ ИНТЕЛЛЕКТУ

Искусственный интеллект

Технология разработки компьютеров, способных выполнять задания, для реализации которых зачастую необходим человеческий разум.

Машинное обучение

Использование данных или опыта с целью совершенствования процесса составления компьютерами прогнозов и выполнения каких-либо задач.

Глубокое обучение

Методика машинного обучения, при которой данные пропускаются через саморегулирующуюся цифровую паутину, подобную по своему функционалу нейронам мозга.

Обучение с учителем

Метод машинного обучения, предполагающий демонстрацию помеченных программных данных, таких как фотографии, в качестве примеров.

Обучение без учителя

Обучение, осуществляемое просто на основе опыта, полученного при работе с данными или контакте с окружающим миром, без предоставления примеров. В мире людей такой способ обучения встречается часто, тогда как в мире машин в большинстве случаев не практикуется. Пока.

Обучение с подкреплением

Один из способов машинного обучения, при котором программа экспериментирует с разными действиями, чтобы узнать, как добиться максимальных результатов в виртуальном мире, например, набрать очки в игре.

Общий искусственный интеллект

Пока еще несуществующее программное обеспечение, которое демонстрирует способность адаптироваться к разной среде и разным задачам, подобно тому, как это делает человек, а также применять приобретенные таким образом навыки к другим задачам и в другой среде.

Автор: Том Симонайт (Tom Simonite)

Источник: wired.com