1 марта 2019

Искусственный интеллект: миф и реальность

Константин Иванов

По материалам theverge.com

Каждый из нас когда-нибудь сталкивался с психологическим феноменом: возьмите любое слово и повторяйте его почаще, и в конце концов оно потеряет свою значимость, попросту превратится в последовательность букв. И для многих из нас сочетание слов «искусственный интеллект» постигла именно такая судьба. ИИ мозолит нам глаза повсюду, где присутствует техника: от телевизоров до зубных щеток, и в то же время еще никогда выражение «искусственный интеллект» не было настолько обесцененным.

Так быть не должно.

Что характерно, пока само обозначение «искусственный интеллект» безусловно, без сомнения используется неправильным образом, сама технология распространяется как никогда ранее, как с благими, так и с дурными целями – как в здравоохранении, так и в вооружениях. ИИ помогает людям создавать музыку и книги, исследует ваше резюме, оценивает вашу кредитную историю, наконец, обрабатывает фотографии, снятые на ваш телефон. В общем, он принимает решения, которые влияют на вашу жизнь, хотите вы этого или нет.

Трудно привыкнуть ко всей этой шумихе, которую создают вокруг ИИ технологические компании и рекламщики. Возьмем, к примеру, зубную щетку  от Oral-B Genius X, одно из множества устройств, представленных в этом году на CES и, по заявлениям создателей, обладающих способностями искусственного интеллекта. Но если углубиться в чтение пресс-релиза, то окажется, что щетка всего-то обеспечивает вас нехитрой информацией о том, достаточно ли долго и в правильных ли местах вы чистите зубы. Да, в девайс встроены умные сенсоры, которые делают свое дело, определяя, где именно у вас во рту находится щетка. Но называть это искусственным интеллектом?..

А там, где стихает рекламный шум, там возникает непонимание. Пресса занята своими «исследованиями», а каждую мутную историю с участием искусственного интеллекта неизменно сопровождает картинка с Терминатором. И часто это все вводит в заблуждение даже относительно того, что вообще такое искусственный интеллект. Для дилетантов это сложные материи, и в головах людей часто сливается современный вариант искусственного интеллекта и версия, которая наиболее им знакома: обладающий сознанием компьютер из фантастического произведения, который во много раз умнее человека. Эксперты, в свою очередь, называют такое явление «сильным искусственным интеллектом», и если нам когда-либо удастся создать что-то подобное, это случится в далеком будущем. А до того момента мы так и будем преувеличивать разумность и способности искусственного интеллекта.

И потому больше смысла в том, чтобы говорить о машинном обучении, а не об ИИ. Это раздел искусственного интеллекта, и он включает в себя практически все методы, которые оказывают значительное влияние на нашу нынешнюю жизнь (в том числе и то, что называется глубокое обучение). У этого термина нет мистического обаяния понятия «искусственный интеллект», но он гораздо полезнее, когда требуется объяснить, как работает технология.

Как работает машинное обучение? За последние несколько лет появилось множество объяснений, но самое исчерпывающее кроется в самом термине: машинное обучение – это то, что дает компьютерам возможность обучаться самостоятельно. А вот что это значит – гораздо более важный вопрос.

Начнем с постановки задачи. Допустим, вам надо создать программу, которая должна распознавать кошек (именно кошек по какой-то причине). Можно сделать это старомодным способом, программируя четкие правила, такие как «у кошек заостренные уши» и «кошки пушистые». Но как отреагирует программа на картинку с тигром? Программирование каждого критерия очень затратно по времени, и вам требуется определять каждый из этих критериев, такой как «заостренность» и «пушистость». Гораздо лучше позволить машине учиться самой. Вы снабжаете ее большим количеством фотографий кошек, и она их просматривает в поисках закономерностей в том, что она видит. Вначале машина соединяет точки практически случайным образом, но вы пробуете снова и снова, сохраняя лучшие результаты. И со временем ей все лучше удается определять, что является кошкой, а что нет.

Предсказуемое объяснение, не так ли? Наверняка вы уже читали подобное, так что простите великодушно. Но ведь важно не только прочитать, но и понять смысл. Какими могут быть последствия обучения системы, принимающей решения, таким образом?

Итак, самое большое преимущество данного метода является и самым очевидным: вам не требуется, по сути, его программировать. Конечно, вам нужно проделать массу работы, улучшая то, как система обрабатывает данные, и находить более умные способы усвоения этой информации, но вы не указываете системе, что искать. А это значит, она может находить пути, о которых человеческий разум может и не подозревать или не думать об этом в первую очередь. Все, что нужно программе, это данные – единицы и нули – и потому ее можно научить чему угодно, ведь современный мир наполнен данными. Условно говоря, если представить машинное обучение в виде молотка, можно сказать, что в цифровом мире полно гвоздей, которые готовы к тому, чтобы быть забитыми в нужных местах.

Но давайте подумаем и об издержках. Если вы не обучаете компьютер в явном виде, то как вы узнаете, как он принимает решения? Системы машинного обучения не могут объяснить, как они думают, и потому ваш алгоритм может хорошо работать в плохих целях. Аналогично, поскольку все, что есть у компьютера, это те данные, что вы ему предоставили, у него может возникнуть искаженное видение мира, или он может быть полезен только для узкого круга задач, которые похожи на то, что ему уже приходилось делать ранее. У машины нет здравого смысла, которого мы ожидаем от человека.  Вы можете создать лучшую в мире программу для распознавания кошек, но она никогда не скажет вам, что котята неспособны водить мотоциклы.

Научить компьютер учиться самостоятельно – это отличный способ упростить жизнь, но как любое упрощение, он несовершенен. Да, в системах ИИ есть разум, если вам нравится так его называть, но это не органический разум, и он не живет по человеческим законам. Спросите себя: насколько умна книга? Каким опытом обладает сковорода?

Итак, где мы находимся на сегодняшний день в области искусственного интеллекта? После долгих лет, когда заголовки обещали новый огромный прорыв (они и сейчас это делают), ряд экспертов решили, что мы достигли чего-то вроде плато. Но это не помеха прогрессу. С точки зрения науки, уже существующие у нас знания предполагают множество путей развития. А с точки зрения применения в продуктах, мы видим только верхушку «алгоритмического айсберга».

Кай-Фу Ли, венчурный капиталист и в прошлом исследователь ИИ, описывает нынешнюю ситуацию как «эпоху внедрения», когда технология начинает «выплескиваться из лабораторий в мир». Бенедикт Эванс, еще один специалист по венчурным стратегиям, сравнивает машинное обучение с реляционными базами данных, типом  корпоративного ПО, которое взлетело в 90-е и изменило всю индустрию, но сейчас стало настолько обыденным, что заявление о его революционности вызовет удивление у читателя. То, на что указывают оба, сводится к тому, что мы живем в момент, когда ИИ быстро станет нормой. «Очевидно, практически все будет иметь где-то внутри машинное обучение, и никого это не будет беспокоить», — говорит Эванс.

Он прав, но мы еще этого не достигли. Здесь и сейчас искусственный интеллект – то есть машинное обучение – все еще является чем-то новым, необъяснимым или недостаточно неизученным. Однако технология меняет мир вокруг нас, чтобы в будущем стать настолько обыденной, что мы перестанем ее замечать.