Машинное обучение — это важно

Машинное обучение для людей

В 2015 г. компания Google обучила ИИ—бота, который мог не только вполне убедительно вести беседу с людьми для технической поддержки, но и обсуждать вопросы морали, выражать свое мнение и отвечать на общие вопросы, связанные с конкретными фактами (рис. 1).

Рис. 1. Пример беседы с ИИ-ботом, созданным Google

В том же году компания Deep Mind разработала бот, который в 49 играх Atari набрал очков больше, чем люди, причем на входе бот получал только пиксели и счет в игре. Вскоре после этого, в 2016 г., компания Deep Mind превзошла свое же собственное достижение, создав новый передовой игровой алгоритм под названием A3C.

В то же время компьютерной системе AlphaGo удалось победить одного из лучших игроков в го (рис. 2). Это совершенно выдающееся достижение, ведь еще двадцать лет назад машина научилась обыгрывать человека в шахматы, но выиграть у человека в го машине не удавалось. Многие мастера игры в го не могли понять, как же машина сможет постичь все тонкости и всю многогранность этой древней китайской игры—стратегии: в игре 10¹⁷⁰ возможных положений костей (для сравнения: атомов во вселенной всего 10⁸⁰).

Рис. 2. Ли Сидол, профессиональный игрок в го, после поражения анализирует свою игру с AlphaGo.

Фото из журнала The Atlantic

В марте 2017 г. компания OpenAI разработала боты, способные создавать свой собственный язык для того, чтобы на нем вести коммуникацию между собой и благодаря этому быстрее добиваться общей цели. Несколько позже компания Facebook сообщила о том, что успешно тестирует ботов, которые могут договариваться и даже врать.

11 августа 2017 г. компания OpenAI навсегда оставила свой след в истории благодаря тому, что созданный ею бот, играя в Dota 2 один на один с самыми крутыми профессиональными геймерами, одержал над ними верх (рис. 3).

Рис. 3. Полную версию этого матча в рамках международного состязания The International 2017 между геймером Денди и ботом OpenAI можно посмотреть на YouTube

Многие современные технологии работают на основе искусственного интеллекта. Например, при посещении какого—нибудь местного ресторанчика на Тайване можно просто навести камеру телефона на меню, и как по мановению волшебной палочки увидеть на экране текст на своем родном языке. Все благодаря приложению для перевода Google Translate (рис. 4).

Рис. 4. Google Translate может в режиме реального времени наложить перевод прямо на изображение меню благодаря сверхточной нейронной сети

Сегодня ИИ используется для того, чтобы составлять основанные на данных доказательной медицины планы лечения раковых больных, быстро проводить анализ результатов медицинских исследований, что поможет пациенту быстрее попасть к нужному специалисту, а также для того, чтобы проводить научные исследования по поиску новых лекарственных препаратов.

Достаточно смелое сравнение использует лондонская компания BenevolentAI (скриншот раздела о компании About Us на их сайте 2017 г. показан на рис. 5). Перевести этот текст можно так: «Только представьте, что ученый сможет помнить все бесчисленное множество статей по биологии, химии, медицине и т. д., которые он когда—либо читал… он бы совершал открытия ежесекундно. Только представьте, какими темпами развивалась бы наука».

Рис. 5. Смелое заявление компании BenevolentAI

Правоприменительные органы используют системы визуального распознавания и системы обработки естественного языка при анализе записей с камер наблюдения. На марсоходе Curiosity ИИ использовали для того, чтобы в автономном режиме аппарат мог с высокой точностью определить, какие образцы горной породы и почвы следует взять для анализа.

В повседневной жизни мы все чаще видим, что задачи, которые прежде выполнял человек, стали выполнять машины. Поэтому не стоит удивляться, если в следующий раз, когда вы позвоните на стойку регистрации в отеле и попросите зубную пасту, вам ее принесет маленький робот—доставщик.

Семантическое дерево: ИИ и машинное обучение

«Небольшой совет: важно воспринимать знания как некое семантическое дерево, у которого есть ствол и ветки, то есть некие фундаментальные принципы, которые необходимо знать, и лишь потом переходить к изучению листочков — деталей», — отмечает Илон Маск, Reddit AMA.

Машинное обучение — это одна из областей разработки ИИ (рис. 6), которая занимается тем, как компьютер может учиться на собственном опыте для того, чтобы лучше осуществлять мыслительную деятельность, планирование, принимать решения и предпринимать действия.

Рис. 6. Машинное обучение и ИИ: сопоставление

Такая область информатики, как ИИ, предполагает изучение тех устройств, которые могут воспринимать окружающий мир, составлять планы и принимать решения для достижения определенных целей. Основы этой области знаний включают такие дисциплины, как математика, логика, философия, теория вероятности, лингвистика, нейробиология и теория принятия решений. Многие сферы работают с ИИ, например компьютерное видение, робототехника, машинное обучение и обработка естественного языка.

Машинное обучение является одним из направлений в ИИ. Задача машинного обучения заключается в том, чтобы компьютеры могли учиться самостоятельно. Алгоритмы машинного обучения позволяют выделять закономерности в имеющихся данных, строить модели, которые могли бы объяснять происходящие события и прогнозировать их согласно очевидно выраженным заранее запрограммированным правилам и моделям.

Эффект ИИ: что можно считать настоящим «искусственным интеллектом»?

Нет точного определения, какие технологии можно считать технологиями ИИ. Более того, трактовка термина меняется с течением времени. Обычно говорят об ИИ в тех случаях, когда машины реализуют задачи, которые прежде традиционно выполнял человек. Интересно, что после того, как компьютеру удается освоить решение той или иной задачи, люди, как правило, начинают говорить, что для ее выполнения и не нужен был интеллект. Такое обес­ценивание достижений ИИ известно как эффект ИИ.

Например, когда созданный IBM суперкомпьютер Deep Blue в 1997 г. победил легендарного шахматиста Гарри Каспарова, люди стали говорить о том, что это всего лишь использование «грубой силы», а об «интеллекте» тут и речи нет. Памела Маккордок писала: «Такова судьба у искусственного интеллекта: каждый раз, когда кому—то удается обучить компьютер что—то делать, например играть в шашки, решать простые, но достаточно нетривиальные задачи, раздается целый хор голосов, сомневающихся, что это можно называть мышлением».

Возможно, только что—то доселе невиданное люди готовы считать «искусственным интеллектом».

«ИИ — это все то, чего еще не было раньше», — считает Дуглас Хоштадтер.

Следуя такой логике, можно ли калькулятор считать технологией ИИ? Наверное, в каком—то смысле да. А автомобили с самоуправлением? На данный момент да. Но в будущем, возможно, к ним уже станут относиться иначе. Вы запускаете новый крутой чат—бот, который автоматизирует блок—схему, можно ли его считать частью ИИ? Почему бы и нет.

Сильный ИИ навсегда изменит наш мир. Чтобы понять, каким образом, стоит начать именно с изучения машинного обучения.

Технологии, о которых мы говорили выше, являются примерами искусственного интеллекта узкого назначения (ANI), который может эффективно выполнять некую определенную узконаправленную задачу.

Тем временем продолжается работа, благодаря которой закладываются основы для создания искусственного интеллекта общего назначения (AGI), интеллекта, сравнимого с человеческим. Такой тип ИИ также называют сильным ИИ. ИИ общего назначения — это искусственный интеллект, способный успешно выполнять те интеллектуальные задачи, которые может выполнять человек, в том числе учиться, планировать и принимать решения в условиях неопределенности, общаться на естественном языке, шутить, манипулировать людьми, торговать акциями и перепрограммировать самого себя.

И это последнее умение особенно важно. Если нам удастся создать такую систему искусственного интеллекта, которая сможет совершенствовать саму себя, это приведет к рекурсивному самосовершенствованию, и оно, в свою очередь, через много десятилетий или всего через день вызовет так называемый интеллектуальный взрыв.

«Сверхразумная машина — это такая машина, которая по своим интеллектуальным способностям может превзойти любого, даже самого умного человека. Поскольку проектирование машин является одним из видов интеллектуальной деятельности, сверхразумная машина могла бы создавать еще более совершенные машины; тогда, несомненно, произошел бы «интеллектуальный взрыв», и по своим интеллектуальным способностям человек стал бы сильно отставать от машины. Значит, сверхразумная машина никогда не должна быть создана. Или создана только при том условии, что она будет настолько покорна, что сама расскажет людям, как собой управлять», — рассуждает Ирвинг Гуд (1965).

Подобное явление описывают понятием «технологическая сингулярность». Этот термин был заимствован из общей теории относительности, где существует понятие гравитационной сингулярности, которая возникает в центре черной дыры и представляет собой бесконечно плотную одномерную точку, где известные нам законы физики начинают нарушаться.

Мы не можем узнать и увидеть, что происходит за горизонтом событий черной дыры, ведь она не выпускает попавший в нее свет. Примерно такая же ситуация наблюдается и с ИИ: если мы добьемся того, что ИИ начнет рекурсивно улучшать сам себя, предсказать, чем это обернется в будущем, невозможно. Представим, что человека создали мыши. Могут ли мыши заранее знать, что этот самый человек сделает с их мышиным миром? Они создали человека, чтобы он помогал им доставать сыр, но всегда ли человек будет согласен это делать?

Институт будущего человечества (Future of Humanity Institute) провел опрос среди исследователей, занимающихся ИИ, о том, как они оценивают сроки создания ИИ общего назначения. Согласно результатам опроса, «с вероятностью 50% можно говорить о том, что ИИ превзойдет возможности людей через 45 лет». Мы разговаривали с рядом очень здравомыслящих специалистов—практиков, работающих в области ИИ. Мнения относительно того, когда ИИ превзойдет нас по способностям, разошлись — кто—то называл более продолжительный срок (причем некоторые вообще ответили, что не произойдет никогда), а кто—то говорил о пугающе коротком сроке вплоть до пары лет (рис. 7).

Рис. 7. Изображение из книги Р. Курцвейла «The Singularity Is Near» («Сингулярность близко»), опубликованной в 2005 году. Сейчас таких плакатов, на которых написано, что умеет делать только человек, было бы гораздо меньше

День, когда появится искусственный сверхразум (ASI), более продвинутый, чем человеческий, может стать самым прекрасным или самым трагическим днем для человечества. Это сопряжено со сложностью определения потенциальных желаний ИИ таким образом, чтобы к людям у машины всегда сохранялось дружелюбное отношение.

И хотя невозможно предугадать, что уготовано нам в будущем, в одном можно быть совершенно уверенным: пришло время, чтобы начать разбираться в том, что собой представляет машинное мышление. Для того чтобы отойти от абстракций кабинетной философии и разумно выстраивать дорожные карты и политику в отношении ИИ, мы должны разбираться в том, как машины видят мир, чего они «хотят», какие могут возникать ошибки и какие могут быть причины отказа системы, могут ли у машины быть причуды, вызванные ее темпераментом. Все это необходимо изучать, как мы изучаем психологию и нейробиологию для того, чтобы понимать, как мыслит человек, как он принимает решения, совершает те или иные поступки, что и почему чувствует.

ИИ порождает очень непростые вопросы, от ответов на которые зависит очень много и которые потребуют нашего пристального внимания в ближайшие годы.

Как бороться с тенденцией ИИ закреплять системные ошибки, очевидные в существующих наборах данных? Что мы должны делать с разногласиями, возникающими среди ведущих специалистов относительно потенциальных рисков и преимуществ, которые несет с собой искусственный интеллект? Какие технологические подходы к обучению ИИ—систем тому, как они должны вести себя, самые много­обещающие? Как трансформируется осознание того, что у человека есть цель в жизни, если у него не будет работы?

Машинное обучение — это неотъемлемая часть разработки ИИ общего назначения, а также то, что уже сейчас существенно влияет на все отрасли экономики и промышленности и на наши жизни. Именно поэтому мы считаем, что очень важно понимать основы машинного обучения хотя бы на базовом концептуальном уровне.