Вестник цифровой трансформации CIO.RU

На пути к истинному искусственному интеллекту
На пути к истинному искусственному интеллекту




13:30 06.03.2018  |  0 Комментариев | Эндрю Оливер | 1393 просмотров



Первые исследователи в области искусственного интеллекта шли не тем путем, но сегодня мы наблюдаем явный прогресс в области машинной интуиции, неконтролируемого обучения и креативности.

Те, кто родился в 1960-х годах и смотрел хорошую научную фантастику, наверное, чувствуют некоторое разочарование. Никаких лунных колоний, ховербордов, летающих автомобилей. Те же, кто родился позже, вероятно, вполне счастливы, ведь их мечта о растворении в собственном смартфоне почти осуществилась. Можно сказать, что идея Тьюринга об общем искусственном интеллекте (artificial general intelligence, AGI) обретает вполне конкретные, хотя и не очень масштабные очертания.

Что же такое AGI? По сути это очередной этап развития искусственного интеллекта.

Искусственный интеллект позволяет не обладающему разумом компьютеру выполнять то, что делает человек, на основе анализа больших объемов данных. Задачи классификации, кластеризации и выдачи рекомендаций решаются алгоритмически. При внимательном рассмотрении мы видим, что искусственный интеллект – это не более чем простая математика.

Появление AGI означает, что компьютер обретает способность решать в принципе любую интеллектуальную задачу, подвластную человеку, и даже общаться на естественном языке, как это делают люди.

Идея не нова. Хотя сам термин AGI появился лишь в 1987 году, первоначальное представление об искусственном интеллекте в основном совпадало с тем, что понимается под AGI сегодня. Ранние исследователи думали, что AGI (тогда это называлось просто искусственным интеллектом) гораздо ближе к реальному воплощению, чем было на самом деле. В 60-е годы появление AGI прогнозировалось уже через двадцать лет. Так что Артур Кларк со своей «Космической одиссеей 2001 года» был весьма консервативен.

Основная проблема состояла в том, что ранние исследователи начали движение сверху вниз. Если начинать с реализации причинно-следственных связей и продвигаться вниз к инстинктам, то разума вы не получите, и научить компьютер «думать», основываясь на такой методологии, нельзя. Сегодняшние исследователи продвигаются по большей части снизу вверх.

Разумеется, нам предстоит преодолеть массу препятствий на пути к созданию AGI. Ключевой вопрос лежит в области интуиции. Машинное обучение и глубинное обучение требуют огромных объемов данных для решения задач, которые человек способен решать, располагая значительно меньшими ресурсами. Наш мозг совершает интуитивные скачки. И хотя эти скачки представляют собой набор догадок и проверок, они не соответствуют машинному эквиваленту модельной закалки, которую зачастую высмеивают, сравнивая с «кипячением океана».

Человеческий мозг в отличие от «машинного» пропускает многие этапы, и человеку, чтобы успешно решать задачи, не требуется обрабатывать 10 тыс. строк данных. На самом деле обработка 10 тыс. строк данных мало чем может помочь органическому компьютеру (которым является мозг), поскольку дендриты не растут так быстро, а мозг запрограммирован на то, чтобы забывать детали.

Если AGI решит проблему интуиции, компьютеры смогут решать те же задачи, пропуская детали. Именно так Google AlphaZero побеждает нынешнего чемпиона по шахматам – компьютерную программу Stockfish.

Другой ключевой вопрос связан с неконтролируемым обучением. Как заметил один из исследователей, «компьютерам нужно стать похожими на детей». В настоящее время большая часть машинного обучения основывается на «ложечном вскармливании» данными и решении задач по конкретному алгоритму. Люди учатся не так. Ребенок сует в рот все подряд, полагаясь на свои ощущения и наблюдая за тем, что происходит при выполнении тех или иных действий. Компьютеры так не поступают.

Еще одна проблема заключается в том, что компьютеры не особо креативны и не могут похвастать чувством юмора. Слышали ли вы о попытках IBM Watson пошутить? В лучшем случае этот компьютер ищет что-нибудь в Интернете, и получается не очень смешно.

Многое из происходящего в области глубинного и машинного обучения связано с тем, что называют механикой бытия, или распознаванием объектов. (У Facebook в этой области имеется интересное программное обеспечение с открытым кодом — платформа Detectron.) Ведь прежде чем компьютеры станут похожи на детей, им предстоит научиться распознавать находящуюся перед ними бутылку. И надо сказать, в деле распознавания достигнут огромный прогресс.

Предположительно, все движется к технологической сингулярности или, возможно, Скайнету. К утопической идее о том, что сверхинтеллект поднимет общество на новую ступень. Конечно, есть разные мнения о том, каким будет это возвышение. Некоторые желают загрузить ваш мозг в компьютер и достичь таким образом бессмертия. Другие хотят «скрестить» людей с вычислительными устройствами, чтобы они меньше отличались друг от друга.

С чего же начать разработчику? Подобно ребенку, выберите для себя что-нибудь интересное и поиграйтесь с этим. Возможно, вам захочется поиграть с Detectron от Facebook и что-нибудь обнаружить. Возможно – проанализировать характер использования своего телефона или ноутбука и запрограммировать его на выдачу каких-нибудь рекомендаций. Для всего этого есть чудесные ресурсы на Udemy, Edx и Coursera. Можно посоветовать последовать примеру Карлоса Переса из компании Medium. Достигнем ли мы сингулярности? Без понятия! Но ясно одно: революция искусственного интеллекта идет полным ходом.

– Andrew C. Oliver. Artificial general intelligence (AGI): The steps to true AI. InfoWorld. FEB 22, 2018


Теги: Автоматизация предприятий Большие данные Искусственный интеллект Машинное обучение
На ту же тему: