Состояние искусственного интеллекта в 2019 году
Повторите слово много раз, и оно потеряет первоначальный смысл. Для многих из нас словосочетание «искусственный интеллект» уже давно означает гораздо более широкое понятие — ИИ сейчас присутствует практически во всех технологиях, и управляет всем — от телевизора до зубной щетки. Тем не менее, сам термин практически потерял свое значение.
Однако этого нельзя сказать о самой технологии, которая постоянно развивается — хорошо это или плохо. Искусственный интеллект используется в здравоохранении, помогает людям писать музыку и книги, проверяет наши анкеты, выносит решение о кредитоспособности и корректирует фотографии с телефонов. Другими словами, эта технология принимает решения, влияющие на нашу жизнь, хотим мы этого или нет.
Абстрагироваться от ажиотажа и шумихи, которые создают технологические компании и рекламные агентства вокруг ИИ, очень непросто. Возьмем, к примеру, зубную щетку Oral-B Genius X — одно из множества устройств, представленных в этом году на конференции CES. Производители щетки громко заявляют о ее основанных на ИИ возможностях. Однако изучив повнимательнее пресс-релиз, мы поймем, что это всего лишь информация о том, чистим ли мы зубы достаточное количество времени и в нужном направлении. Да, в щетку встроены умные сенсоры, сообщающие, в каком месте ротовой полости находится зубная щетка, однако называть это искусственным разумом — просто глупо.
Другую проблему представляет неправильное понимание технологии. Хвалебные статьи в прессе могут сильно приукрасить продукт, назвав инновационной технологией любое имеющее хоть отдаленное отношение к ИИ решение. Очень часто это сопровождается непониманием того, что именно представляет собой искусственный интеллект. Для людей несведущих это может представлять достаточно серьезную проблему, и они могут объединять современный ИИ с более знакомой им версией — представление о компьютере, во много раз более умном, чем человек. Специалисты называют этот особый вид ИИ общим искусственным интеллектом, однако, если что-то подобное когда-нибудь и будет создано, это произойдет очень не скоро. А до тех пор вряд ли кому-то поможет преувеличение возможностей или интеллекта систем ИИ.
Таким образом, сейчас предпочтительнее говорить о «машинном обучении», нежели об искусственном интеллекте. Технология «машинного обучения» представляет собой раздел ИИ, охватывающий множество методов, которые оказывают большое влияние на сегодняшний мир (в том числе так называемое глубокое обучение). Это словосочетание не несет в себе мистики ИИ, но более точно объясняет возможности технологии.
Каким образом функционирует машинное обучение? Существует множество определений этой технологии, но одно из наиболее точных описывает ее как предоставление компьютерам возможности самостоятельно обучаться. Но что заключается в этом определении?
Начнем с проблем. Представим, что нам нужно создать программу, способную распознавать кошек (по какой-то непонятной причине программы всегда используют котиков). Можно попробовать сделать это знакомым способом, запрограммировав явно выраженные правила, такие как «у кошек острые уши» и «кошки пушистые». Однако как поведет себя программа, если мы покажем ей картинку с изображением тигра? Чтобы ввести в программу все необходимые правила, понадобится очень много времени, кроме того, нам потребуется дать определение всем видам сложных моделей, таких как «пушистость» и «острота». Гораздо проще позволить машине обучаться самостоятельно. Системе выдается большое количество фотографий, которые она просматривает, определяя собственные закономерности увиденного. Она устанавливает взаимосвязи, поначалу большей частью случайно, однако в результате постоянных тестирований остаются наиболее оптимальные варианты. Со временем машина очень точно научится определять то, что является, а что не является кошкой.
Объяснение процесса не содержит ничего нового, однако на самом деле важно не только понимать смысл, но и подумать о том, что он подразумевает. Каковы побочные эффекты существования подобной принимающей решения системы?
Главное преимущество метода очевидно — отпадает необходимость программирования. Конечно, придется выполнять большое количество обновлений, оптимизировать процесс обработки информации системой и находить более удобные способы усваивания этой информации, однако системе не нужно говорить, что именно ей искать. То есть машина может замечать закономерности, на которые может не обратить внимания человек. А поскольку программе нужны только данные — единицы и нули — ее можно обучить огромному количеству заданий, ведь современный мир переполнен этими данными. Если представить, что машинное обучение — это молоток, то цифровой мир полон гвоздей, готовых быть забитыми на свои места.
Тем не менее, не стоит забывать и о недостатках. Если компьютер обучаем не мы, как узнать, каким образом он принимает решения? Системы машинного обучения не могут объяснить своего образа мыслей, следовательно, алгоритм может использоваться не в самых лучших целях. Кроме того, поскольку компьютеру известны только данные, которые в него загрузили, у него может сформироваться неправильное представление о мире или он может оказаться способным выполнять только узкие задания, похожие на просмотренные ранее данные. Машина не обладает здравым смыслом, присущим человеку. Можно создать лучшую в мире программу распознавания котиков, но она никогда не расскажет, что котикам не следует ездить на мотоциклах и не определит подходящее для кошки имя.
Научить компьютеры обучаться самостоятельно — блестящее решение. И, так же как любое решение, оно подразумевает некоторые компромиссы. Да, в системах ИИ присутствует интеллект. Однако он не является врожденным и играет по своим правилам. Это то же самое, что спрашивать: «Насколько умна эта книга?» или: «Каким опытом обладает сковорода?»
Так на каком этапе сейчас находится развитие искусственного интеллекта? В течение нескольких лет (и до сих пор) заголовки новостей обещали нам очередной технологический прорыв, однако сейчас некоторые эксперты считают, что мы достигли определенного рубежа. Тем не менее, это вовсе не означает, что развитие технологии остановилось. С научной точки зрения, существует большое количество направлений для изучения внутри существующих знаний, а с точки зрения продукта, пока мы видем только верхушку алгоритмического айсберга.
Венчурный капиталист и бывший исследователь ИИ Кай-Фу Ли (Kai-Fu Lee) описывает сегодняшнее состояние технологии как «эпоху реализации» — время, когда технология начинает «выходить из лаборатории в реальный мир». Другой специалист, Бенедикт Эванс (Benedict Evans) сравнивает машинное обучение с реляционными базами данных — видом корпоративного ПО, завоевавшим популярность в 90-е годы и кардинальным образом трансформировавшим многие отрасли. Оба ученых сходятся на мнении, что мы подошли к тому моменту, когда ИИ начинает становиться обычным явлением. «В конечном итоге почти все будет основано на машинном обучении, и это никого не будет удивлять», — говорит Эванс. И он прав, однако мы пока этого не достигли.
Пока искусственный интеллект — машинное обучение — все еще что-то новое, зачастую необъяснимое и недостаточно изученное, однако в будущем эта технология войдет в нашу жизнь настолько, что мы перестанем ее замечать.
Источник
Полный текст статьи читайте на Компьютерра
