Штучний інтелект в 2019 році: вже Термінатор чи ще ні?

Існує забавне психологічне явище: повторюйте будь-яке слово досить багато раз, і в кінцевому підсумку воно втратить будь-який сенс, перетвориться в мокру ганчірку, в фонетичне ніщо. Для багатьох з нас фраза «штучний інтелект» давно втратила сенс. ІІ зараз всюди в технологіях, він живить все, від телевізора до зубної щітки, але означає зовсім не те, що повинен. Так бути не повинно.

Штучний інтелект: добро чи зло

У той час як фраза «штучний інтелект»,безперечно, зловживання при застосуванні, ця технологія робить більше, ніж будь-коли - і хорошого, і поганого. Вона використовується в охороні здоров'я і бойових діях; допомагає людям писати музику і книги; оцінює вашу кредитоспроможність і покращує фотографії, зроблені вашим телефоном. Коротше кажучи, вона приймає рішення, які впливають на ваше життя, подобається вам це чи ні.

Може бути важко погодитися з тим хайп ігаласом, з якими ІІ обговорюють технокомпанія і рекламодавці. Взяти, наприклад, зубну щітку Genius X від Oral-B, одне з багатьох пристроїв, представлених на виставці CES в цьому році, які рекламували передбачувані здатності ІІ. Але при найближчому розгляді стане зрозуміло, що щітка просто дає вам зворотний зв'язок про те, чистите ви зуби протягом необхідної кількості часу і в потрібних місцях. Є кілька хитромудрих датчиків, що дозволяють визначити, де у вас в роті щітка, але називати її штучним інтелектом - це маячня, не більше того.

Галас породжує непорозуміння. Преса може роздути і перебільшити будь-яке дослідження, наклеївши зображення Термінатора на будь-яку невиразну історію з ІІ. Часто це призводить до плутанини на тему того, що таке штучний інтелект. Це може бути непроста тема для неспеціалістів, і люди часто помилково пов'язують сучасний ІІ з тією версією, з якою вони найкраще знайомі: науково-фантастичне уявлення свідомого комп'ютера, який у багато разів розумніший людини. Експерти називають цей конкретний образ ІІ загальним штучним інтелектом, і якщо ми коли-небудь зможемо створити щось подібне, це буде дуже нескоро. До тих пір перебільшення можливостей, інтелекту чи здібностей системи ІІ ніяк не допоможе процесу.

Набагато краще говорити про «машинному навчанні», ане про штучний інтелект. Це підполе штучного інтелекту, яке включає в себе майже всі методи, які надають найбільший вплив на світ в даний час (включаючи те, що називається глибоким навчанням). У цій фразі немає містики «ІІ», але вона більш корисна для пояснення того, що робить ця технологія.

Як працює машинне навчання? За останні кілька років ми з вами мали можливість прочитати десятки пояснень, і найважливіша відмінність, яке я знайшов для себе, лежить прямо в назві: машинне навчання - це все, що дозволяє комп'ютерам навчатися самостійно. Але що воно означає насправді - набагато більший питання.

Давайте почнемо з проблеми. Скажімо, ви хочете створити програму, яка може розпізнавати кішок. Ви можете написати її старомодним чином, запрограмувавши очевидні правила, на зразок «у ​​кішок гострі вушка» і «кішки пухнасті». Але що зробить програма, коли ви покажете їй зображення тигра? Програмування кожного правила буде займати багато часу, при цьому вам доведеться пояснювати безліч різних концепцій на зразок «пухнастості» і «плямистості». Краще дозволити машині вчити себе. Таким чином, ви даєте їй величезну колекцію фотографій кішок і вона переглядає їх, щоб знайти свої власні шаблони в побачене. Спочатку вона з'єднує точки, здебільшого випадково, але ви перевіряєте її знову і знову, зберігаючи кращі версії. І з часом вона починає досить добре визначати, що таке кішка і що кішкою не є.

Поки все передбачувано. Насправді, ви, ймовірно, читали подібне пояснення раніше - вибачте за це. Важливо інше. Якими будуть побічні ефекти навчання системи, приймаючої рішення, на зразок цієї?

Найбільша перевага цього методу - самеочевидне: вам ніколи не доведеться програмувати цю систему. Звичайно, ви будете багато працювати, удосконалюючи принципи обробки даних системою, поки вона буде знаходити більш розумні способи добування інформації, але ви не будете говорити системі, що їй потрібно шукати. Це означає, що вона зможе знайти закономірності, які люди взагалі можуть пропустити або навіть не задумаються про них. І оскільки все, що потрібно програмі, це дані - 1 і 0 - її можна навчати виконувати найрізноманітніші завдання, тому що світ буквально кишить даними. З молотком машинного навчання в вашій руці, цифровий світ буде сповнений цвяхів, готових до приведення в дію.

Але тепер подумаємо про недоліки. Якщо не ви навчаєте комп'ютер, звідки вам знати, як він приймає рішення? Системи машинного навчання не можуть пояснити своє мислення, а це означає, що ваш алгоритм може працювати добре по неправильним причин. Точно так же, оскільки все, що знає комп'ютер, це дані, які ви їм надаєте він може виробити упереджене ставлення до речей, або може бути добре тільки у вузьких задачах, які схожі на дані, які він бачив раніше. У ньому немає здорового глузду, який ви могли б очікувати від людини. Ви можете створити кращу в світі програму розпізнавання кішок, але вона ніколи не розповість вам, що кошенята не можуть їздити на мотоциклах або що кішку з великою ймовірністю назвуть «Кощій Безсмертний» або «Олексій Толстой».

Навчання комп'ютерів вчитися самостійно - цеблискучий трюк. І як і всі трюки, цей включає хитрості. У системах ШІ є розум, якщо ви хочете його так назвати. Але це не органічний розум, і він не грає за тими ж правилами, що і люди. З таким же успіхом можна запитати: наскільки розумна книга? Який досвід закодований в сковороді?

Де ж ми зараз знаходимося, з нашим штучнимінтелектом? Після багатьох років заголовків, трезвонящіх про чергове великому прориві (який ще не відбувся, та й заголовки не вщухають), деякі експерти приходять до висновку, що ми досягли деякого плато. Але це не заважає прогресу. Що стосується досліджень, існує величезна кількість можливостей для вивчення з уже доступним нам знанням, а що стосується продукту, ми побачили тільки верхівку алгоритмічного айсберга.

Кай-Фу Лі, венчурний капіталіст і колишнійдослідник штучного інтелекту, описує поточний момент як «епоху впровадження» - коли технологія починає «вихлюпуватися з лабораторії в світ». Бенедикт Еванс порівнює машинне навчання з реляційними базами даних, на яких в 90-х було зроблено цілий статок і які змінили цілі галузі, але це буде настільки буденно, що вам стане нудно, якщо ваш погляд замутнен величчю кіношного штучного інтелекту. Зараз ми знаходимося на тому етапі, коли ІІ повинен стати нормальним, звичним. Дуже скоро машинне навчання буде в кожному з нас і ми перестанемо звертати на нього уваги.

Але поки цього не сталося.

На поточний момент, штучний інтелект -машинне навчання - це все ще щось нове, що часто залишається незрозумілим або недостатньо вивченим. Але в майбутньому він стане настільки звичним і буденним, що ви перестанете його помічати.

А поки пропонуємо помітити наш канал з новинами і підписатися на нього.