Искусственный интеллект (ИИ, artificial intelligence, AI) - это наука создания интеллектуальных технологий и компьютерных программ.

Искусственный интеллект тесно связан с задачей понять человеческий интеллект с помощью компьютерных технологий. На данный момент нельзя точно сказать, какие вычислительные методы можно называть интеллектуальными. Одни механизмы интеллекта открыты для понимания, остальные нет. На данный момент в программах используются методы, не встречающиеся у людей.

Искусственный интеллект имеет научное направление, которое изучает решение задач интеллектуальной деятельности человека. Искусственный интеллект направлен на выполнение творческих задач в области, знания о которой хранится в интеллектуальной системе программы - базе знаний .

С этими знаниями работает механизм программы - решатель задач . Затем человек получает представление о результате работы программы через интеллектуальный интерфейс. Результатом программы искусственного интеллекта, является воссоздание интеллектуального рассуждения или разумного действия.

Одним из главных свойств искусственного интеллекта является способность самообучаться. В первую очередь, это эвристическое обучение - непрерывное обучение программы, формирование процесса обучения и собственных целей, анализ и осознание своего обучения.

Научное направление изучающее искусственный интеллект начало зарождаться еще давно:

• философы думали о познании внутреннего мира человека
• психологи изучали мышление человека
• математики занимались расчетами

Вскоре, были созданы первые компьютеры, которые позволили выполнять вычисления обгоняя по скорости человека. Тогда ученые стали задавать вопрос: где граница возможностей компьютеров и могут они достигнуть уровня человека?

Алан Тьюринг - английский ученый, пионер вычислительной техники, написал статью «Может ли машина мыслить?», где описал метод, который поможет определить, в какой момент компьютер можно сравнить с человеком. Этот метод получил названием - тест Тьюринга .

Суть метода заключается в том, чтобы человек сначала отвечал на вопросы компьютера, затем на вопросы другого человека и при этом не зная, кто именно задал ему вопросы. Если при ответе на вопросы компьютера, человек не заподозрил, что это машина, то прохождение теста Тьюринга можно считать успешным, как и то, что компьютер является искусственным интеллектом.

Таким образом, если компьютер проявляет схожее с человеческим поведение в любых естественных ситуациях и способен поддержать диалог с человеком, то можно сказать, что это искусственный интеллект. Еще один предполагаемый метод определения является ли машина интеллектуальной, это ее способность к творчеству и возможность чувствовать.

Существует множество разных подходов к изучению и пониманию искусственного интеллекта.

Символьный подход

Символьный подход стал первым в цифровую эпоху машин. После создания языка символьных вычислений Лисп, его авторы приступили к реализации интеллекта. Символьный подход используйте слабоформализованные представления. Пока что интеллектуальную работу и связанные с творчеством задачи способен выполнять только человек. Работа компьютеров в этом направлении является предвзятой и по сути не может выполняться без участия человека.

Символьные вычисления помогли создать правила для решения задач в процессе выполнения компьютерной программы. Однако стало возможно решать только самые простые задачи, а при появлении любой сложной задачи необходимо снова подключаться человеку. Таким образом, такие системы не позволяют называть их интеллектуальными, так как их возможности не позволяют решать возникающие трудности и совершенствовать уже знающие способы решения задач для решения новых.

Логический подход

Логический подход основан на моделировании рассуждений и применением языка логического программирования. Например, язык программирования Пролог основан на наборе правил логического вывода без жестких последовательных действий для достижения результата.

Агентно-ориентированный подход

Агентно-ориентированный подход основан на методах помогающих интеллекту выживать в окружающей среде для достижения определенных результатов. Компьютер воспринимает свое окружение и воздействует на него с помощью поставленных методов.

Гибридный подход

Гибридный подход включает в себя экспертные правила, которые могут создаваться нейронными сетями, а порождающие правила с помощью статистического обучения.

Моделирование рассуждений

Существует такое направление в изучении искусственного интеллекта, как моделирование рассуждений. Данное направление включает в себя создания символьных систем, для постановки задач и их решения. Поставленная задача должна быть переведена в математическую форму. При этом у нее еще нет алгоритма для решения из-за сложности. Поэтому моделирование рассуждений содержит доказательство теорем, принятие решений, планирование, прогнозирование и т.п.

Обработка естественного языка

Еще одним важным направлением искусственного интеллекта является обработка естественного языка , на котором делается анализ и обработка текстов на понятном для человека языке. Цель этого направления - обработка естественного языка для самостоятельного приобретения знаний. Источником информации может быть текст введенный в программу или полученный из интернета.

Представление и использование знаний

Инженерия знаний - это направление получения знаний из информации, их систематизация и дальнейшее использование для решения различных задач. С помощью специальных баз знаний экспертные системы получают данные для процесса нахождения решений поставленных задач.

Машинное обучение

Одним из основных требований к искусственному интеллекту является возможность машины к самостоятельному обучению без вмешательства учителя. К машинному обучению относятся задачи по распознаванию образов: распознавание символов, текста и речи. Сюда же относится и компьютерное зрение, связанное с робототехникой.

Биологическое моделирование ИИ

Существует такое направление, как квазибиологическая парадигма , которое иначе называется Биокомпьютинг . Данное направление в искусственном интеллекте изучает разработку компьютеров и технологий с использованием живых организмов и биологических компонентов - биокомпьютеров.

Робототехника

Область робототехники тесно связана с искусственным интеллектом. Свойства искусственного интеллекта также необходимы роботам для выполнения множества различных задач. Например, для навигации и определения своего местоположения, изучения предметов и планирование своего перемещения.

Области применения искусственного интеллекта

Искусственный интеллект создается с целью решать задачи из различных областей:

• Интеллектуальные системы для образования и отдыха.
• Синтез и распознавание текста и человеческой речи используется в системах обслуживания клиентов.
• Системы распознавания образов используются используют в системах безопасности, при оптическом и акустическом распознавании, медицинской диагностике, системах определения целей.
• В компьютерных играх применяются системы ИИ для расчета игровой стратегии, имитации поведений персонажей, нахождения пути в пространстве.
• Системы алгоритмической торговли и принятия решений.
• Финансовые системы для консультации и управления финансами.
• Роботы используемые в промышленности для решения сложных рутинных задач: роботы для ухода за больными, роботы консультанты, а также занимающиеся деятельностью опасной для жизни человека: роботы спасатели, роботы минеры.
• Управление человеческими ресурсами и рекрутинг, просмотр и ранжирование кандидатов, прогнозирование успеха сотрудников.
• Системы распознавания и фильтрации спама в электронной почте.

Это далеко не все области, где можно применить искусственный интеллект.

Сейчас создание искусственного интеллекта является одной из важных задач человека. Однако пока нет единой точки зрения на то, что можно считать интеллектом, а что нельзя. Многие вопросы вызывают споры и сомнения. Возможно ли создание интеллектуального разума, который будет понимать и решать проблемы людей? Разум, не лишенный эмоций и со способностями присущими живому организму. Пока не настало время, когда мы это увидим.

В этом году компания «Яндекс» запустила голосового помощника «Алиса». Новый сервис позволяет пользователю прослушивать новости и погоду, получать ответы на вопросы и просто общаться с ботом. «Алиса» иногда дерзит , порой кажется почти разумной и по-человечески саркастичной , но часто не может разобраться, о чём её спрашивают, и садится в лужу.

Всё это породило не только волну шуток, но и новый виток дискуссий о развитии искусственного интеллекта. Новости о том, чего добились умные алгоритмы, сегодня приходят чуть ли не каждый день, а машинное обучение называют одним из самых перспективных направлений, которому можно себя посвятить.

Чтобы прояснить главные вопросы об искусственном интеллекте, мы побеседовали с Сергеем Марковым, специалистом по искусственному интеллекту и методам машинного обучения, автором одной из самых сильных отечественных шахматных программ SmarThink и создателем проекта «XXII век» .

Сергей Марков,

специалист по искусственному интеллекту

Развенчивая мифы об ИИ

так что же такое «искусственный интеллект»?

Понятию «искусственный интеллект» в какой-то мере не повезло. Возникшее изначально в научной среде, оно со временем проникло в фантастическую литературу, а через неё - в поп-культуру, где претерпело целый ряд изменений, обросло множеством интерпретаций и в конце-концов было совершенно мистифицировано.

Именно поэтому мы часто слышим от неспециалистов примерно такие заявления: «ИИ не существует», «ИИ невозможно создать». Непонимание сути исследований, ведущихся в сфере ИИ, легко приводит людей и к другим крайностям - например, современным системам ИИ приписывают наличие сознания, свободной воли и секретных мотивов.

Давайте попробуем отделить мух от котлет.

В науке искусственным интеллектом называют системы, предназначенные для решения интеллектуальных задач.

В свою очередь, интеллектуальная задача - это задача, которую люди решают при помощи собственного интеллекта. Заметим, что в данном случае специалисты сознательно уходят от определения понятия «интеллект», поскольку до появления систем ИИ единственным примером интеллекта был интеллект человеческий, и определить понятие интеллекта на основе единственного примера - то же самое, что пытаться провести прямую через единственную точку. Таких прямых может оказаться сколько угодно много, а значит, спор о понятии интеллекта можно было бы вести столетиями.

«сильный» и «слабый» искусственный интеллект

Системы ИИ делятся на две большие группы.

Прикладной искусственный интеллект (также используют термин «слабый ИИ» или «узкий ИИ», в английской традиции - weak/applied/narrow AI) - это ИИ, предназначенный для решения какой-либо одной интеллектуальной задачи или их небольшого множества. К этому классу относятся системы для игры в шахматы, го, распознавания образов, речи, принятия решения о выдаче или невыдаче банковского кредита и так далее.

В противоположность прикладному ИИ вводят понятие универсального искусственного интеллекта (также «сильный ИИ», по-английски - strong AI/Artificial General Intelligence) - то есть, гипотетического (пока что) ИИ, способного решать любые интеллектуальные задачи.

Часто люди, не зная терминологии, отождествляют ИИ с сильным ИИ, из-за этого и возникают суждения в духе «ИИ не существует».

Сильного ИИ действительно пока не существует. Практически все успехи, которые мы наблюдаем в последнее десятилетие в области ИИ, - это успехи прикладных систем. Эти успехи нельзя недооценивать, так как прикладные системы в ряде случаев способны решать интеллектуальные задачи лучше, чем это делает универсальный человеческий интеллект.

Я думаю, вы заметили, что понятие ИИ - довольно широкое. Скажем, устный счёт - это тоже интеллектуальная задача, и это значит, что любая счётная машина будет считаться системой ИИ. А как насчёт счётов? Абака ? Антикитерского механизма ? Действительно, всё это формально хотя и примитивные, но системы ИИ. Однако обычно, называя какую-то систему системой ИИ, мы тем самым подчёркиваем сложность решаемой этой системой задачи.

Совершенно очевидно, что разделение интеллектуальных задач на простые и сложные - весьма искусственное, и наши представления о сложности тех или иных задач постепенно меняются. Механическая счётная машина была чудом техники в XVII веке, но сегодня людей, с детства сталкивающихся с куда более сложными механизмами, она уже не способна впечатлить. Когда игра машин в го или автомобильные автопилоты уже перестанут удивлять публику, наверняка найдутся люди, которые будут морщиться из-за того, что кто-то будет относить такие системы к ИИ.

«Роботы-отличники»: о способностях ИИ к обучению

Ещё одно забавное заблуждение - всенепременное наличие у систем ИИ способности к самообучению. С одной стороны, это совсем не обязательное свойство систем ИИ: есть множество удивительных систем, не способных самообучаться, но, тем не менее, решающих многие задачи лучше человеческого мозга. С другой стороны, некоторые люди просто не знают того, что самообучение - свойство, которые многие системы ИИ обрели ещё более полусотни лет назад.

Когда в 1999 году я писал свою первую шахматную программу, самообучение уже было совершенно общим местом в этой области - программы умели запоминать опасные позиции, подстраивать под себя дебютные варианты, регулировать стиль игры, подстраиваясь под соперника. Конечно, тем программам было ещё очень далеко до Alpha Zero . Тем не менее, даже системы, обучающиеся поведению на основе взаимодействия с другими системами в ходе экспериментов по так называемому «обучению с подкреплением», уже существовали. Однако по необъяснимой причине некоторые люди до сих пор думают, что способность к самообучению - это прерогатива человеческого интеллекта.

Машинное обучение, целая научная дисциплина, занимается процессами обучения машин решению тех или иных задач.

Существует два больших полюса машинного обучения - обучение с учителем и обучение без учителя.

При обучении с учителем у машины уже есть некоторое количество условно правильных решений для некоторого набора случаев. Задача обучения в таком случае заключается в том, чтобы научить машину на основе имеющихся примеров принимать правильные решения в других, неизвестных ситуациях.

Другая крайность - обучение без учителя . То есть машину ставят в ситуацию, когда правильные решения неизвестны, имеются только данные в сыром, неразмеченном виде. Оказывается, и в таких случаях можно добиться некоторого успеха. Например, можно научить машину выявлению семантических отношений между словами языка на основе анализа очень большого набора текстов.

Одна из разновидностей обучения с учителем - это обучение с подкреплением (reinforcement learning). Идея заключается в том, что система ИИ выступает в роли агента, помещённого в некоторую модельную среду, в которой она может взаимодействовать с другими агентами, например, с собственными копиями, и получать от среды некоторую обратную связь через функцию вознаграждения. Например, шахматная программа, которая играет сама с собой, постепенно подстраивая свои параметры и тем самым постепенно усиливая собственную игру.

Обучение с подкреплением - довольно широкая область, в ней применяют множество интересных методов, начиная от эволюционных алгоритмов и заканчивая байесовской оптимизацией . Последние достижения в области ИИ для игр как раз связаны с усилением ИИ в ходе обучения с подкреплением.

Риски развития технологий: стоит ли бояться «Судного дня»?

Я не отношусь к числу ИИ-алармистов, и в этом смысле я отнюдь не одинок. Например, создатель стэнфордского курса по машинному обучению Эндрю Ын сравнивает проблему опасности ИИ с проблемой перенаселения Марса.

Действительно, в будущем вполне вероятно, что люди колонизируют Марс. Также вероятно, что рано или поздно на Марсе может возникнуть проблема перенаселения, но не совсем понятно, почему мы должны заниматься этой проблемой уже сейчас? Согласны с Ыном и Ян ЛеКун - создатель свёрточных нейронный сетей, и его шеф Марк Цукерберг, и Йошуа Беньо - человек, во многом благодаря исследованиям которого современные нейронные сети способны решать сложные задачи в области обработки текстов.

Чтобы изложить мои взгляды на эту проблему, потребуется, вероятно, несколько часов, поэтому остановлюсь только на основных тезисах.

1. НЕЛЬЗЯ ОГРАНИЧИВАТЬ РАЗВИТИЕ ИИ

Алармисты рассматривают риски, связанные с потенциальным разрушительным воздействием ИИ, при этом игнорируя риски, связанные с попыткой ограничить или даже остановить прогресс в этой области. Технологическое могущество человечества возрастает чрезвычайно быстрыми темпами, что приводит к эффекту, который я называю «удешевлением апокалипсиса».

150 лет назад при всём желании человечество не могло нанести невосполнимого урона ни биосфере, ни себе как виду. Для реализации катастрофического сценария 50 лет назад необходимо было бы сконцентрировать всю технологическую мощь ядерных держав. Завтра для воплощения в жизнь глобальной техногенной катастрофы может хватить и небольшой горстки фанатиков.

Наша технологическая мощь растёт куда быстрее, чем способность человеческого интеллекта эту мощь контролировать.

Если на смену человеческому интеллекту с его предрассудками, агрессией, заблуждениями и ограниченностью не придёт система, способная принимать более взвешенные решения (будь то ИИ или, что я считаю более вероятным, технологически улучшенный и объединённый с машинами в единую систему человеческий интеллект), нас может ждать глобальная катастрофа.

2. создание сверхинтеллекта принципиально невозможно

Существует идея о том, что ИИ будущего всенепременно будет сверхинтеллектом, превосходящим людей даже сильнее, чем люди превосходят муравьёв. Боюсь в данном случае разочаровать и технологических оптимистов - наша Вселенная содержит целый ряд фундаментальных физических ограничений, которые, по всей видимости, сделают создание сверхинтеллекта невозможным.

Например, скорость передачи сигнала ограничена скоростью света, а на планковских масштабах появляется неопределённость Гейзенберга. Отсюда вытекает первый фундаментальный предел - предел Бремерманна, вводящий ограничения на максимальную скорость вычислений для автономной системы заданной массы m.

Другой предел связан с принципом Ландауэра , в соответствии с которым существует минимальное количество теплоты, выделяемое при обработке 1 бита информации. Слишком быстрые вычисления вызовут недопустимый разогрев и разрушение системы. В действительности, современные процессоры от лимита Ландауэра отделяет менее чем тысячекратное отставание. Казалось бы, 1000 - это довольно много, однако ещё одна проблема заключается в том, что многие интеллектуальные задачи относятся к классу сложности EXPTIME. Это означает, что время, необходимое для их решения, является экспоненциальной функцией от размерности задачи. Ускорение системы в несколько раз даёт лишь константный прирост «интеллекта».

В общем, есть очень серьёзные основания полагать, что сверхинтеллектуального сильного ИИ не получится, хотя, конечно, уровень человеческого интеллекта вполне может быть превзойдён. Насколько это опасно? Скорее всего, не очень.

Представьте себе, что вы внезапно начали думать в 100 раз быстрее остальных людей. Значит ли это, что вы легко будете способны уговорить любого прохожего отдать вам свой кошелёк?

3. мы беспокоимся совсем не о том

К сожалению, в результате спекуляций алармистов на страхах публики, воспитанной на «Терминаторе» и знаменитом HAL 9000 Кларка и Кубрика, происходит смещение акцентов в сфере безопасности ИИ в сторону анализа маловероятных, но эффектных сценариев. При этом реальные опасности ускользают из виду.

Любая достаточно сложная технология, претендующая на то, чтобы занять важное место в нашем технологическом ландшафте, безусловно приносит с собой специфические риски. Множество жизней было погублено паровыми машинами - на производстве, на транспорте и так далее - прежде чем были выработаны эффективные правила и меры по обеспечению безопасности.

Если говорить о прогрессе в области прикладного ИИ, можно обратить внимание на связанную с ним проблему так называемого «Цифрового тайного суда» . Всё больше и больше прикладных систем ИИ принимает решения по вопросам, затрагивающим жизнь и здоровье людей. Сюда относятся и медицинские диагностические системы, и, например, системы, принимающие в банках решения о выдаче или невыдаче кредита клиенту.

В то же время структура используемых моделей, наборы используемых факторов и другие детали процедуры принятия решения скрыты коммерческой тайной от человека, чья судьба находится на кону.

Используемые модели могут основывать свои решения на мнениях учителей-экспертов, допускавших систематические ошибки или имевших те или иные предрассудки - расовые, гендерные.

ИИ, обученный на решениях таких экспертов, будет добросовестно воспроизводить эти предрассудки в своих решениях. В конце концов эти модели могут содержать в себе специфические дефекты.

Этими проблемами сейчас мало кто занимается, поскольку, конечно, SkyNet, развязывающий ядерную войну, это, безусловно, куда более зрелищно.

Нейросети как «горячий тренд»

С одной стороны, нейронные сети - это одна из самых старинных моделей, применяющихся для создания систем ИИ. Появившиеся изначально в результате применения бионического подхода , они довольно быстро убежали от своих биологических прототипов. Исключением тут являются только импульсные нейронные сети (впрочем, пока не нашедшие широкого применения в индустрии).

Прогресс последних десятилетий связан с развитием технологий глубокого обучения - подхода, при котором нейронные сети собирают из большого количество слоёв, каждый из которых построен на основе определённых регулярных паттернов.

Помимо создания новых нейросетевых моделей важный прогресс был также достигнут в области технологий обучения. Сегодня нейронные сети учат уже не при помощи центральных процессоров компьютеров, а с использованием специализированных процессоров, способных быстро производить матричные и тензорные вычисления. Наиболее распространённый на сегодняшний день вид таких устройств - видеокарты. Впрочем, активно ведётся разработка ещё более специализированных устройств для обучения нейросетей.

В целом, безусловно, нейронные сети на сегодняшний день, - это одна из основных технологий в области машинного обучения, которой мы обязаны решению многих задач, ранее решавшихся неудовлетворительно. С другой стороны, конечно, нужно понимать, что нейронные сети не являются панацеей. Для некоторых задач они - далеко не самый эффективный инструмент.

Так насколько умны нынешние роботы на самом деле?

Всё познаётся в сравнении. На фоне технологий 2000-го года нынешние достижения выглядят настоящим чудом. Всегда найдутся люди, любящие побрюзжать. 5 лет назад они вовсю трындели о том, что машины никогда не выиграют у людей в го (ну или, по крайней мере, выиграют очень нескоро). Говорили о том, что машина никогда не сможет нарисовать с нуля картину, в то время как сегодня люди практически неспособны отличать картины, созданные машинами, от картин неизвестных им художников. В конце прошлого года машины научились синтезировать речь, практически неотличимую от человеческой, а в последние годы от музыки, создаваемой машинами, не вянут уши.

Посмотрим, что будет завтра. Я смотрю на эти области применения ИИ с большим оптимизмом.

Перспективные направления: где начать погружение в сферу ИИ?

Я бы посоветовал постараться на хорошем уровне освоить один из популярных нейросетевых фреймворков и один из популярных в области машинного обучения языков программирования (наиболее популярна на сегодняшний день связка TensorFlow + Python).

Овладев этими инструментами и имея в идеале крепкую базу в области математической статистики и теории вероятностей, следует направить свои усилия в ту сферу, которая будет наиболее интересна лично вам.

Интерес к предмету работы - один из самых важных ваших помощников.

Потребность в специалистах по машинному обучению существует в самых разных областях - в медицине, в банковском деле, в науке, на производстве, поэтому сегодня хорошему специалисту предоставлен как никогда широкий выбор. Потенциальные преимущества любой из этих отраслей мне представляются несущественными по сравнению с тем, что работа будет приносить вам удовольствие.

Он применяется практически везде: от сферы высоких технологий и сложных математических вычислений до медицины, автомобилестроения и даже при работе смартфонов. Технологии, лежащие в основе работы ИИ в современном представлении, мы используем каждый день и порой даже можем не задумываться об этом. Но что такое искусственный интеллект? Как он работает? И представляет ли опасность?

BB скоро будет везде!

Для начала давайте определимся с терминологией. Если вы представляете себе искусственный интеллект, как что-то, способное самостоятельно думать, принимать решения, и в целом проявлять признаки сознания, то спешим вас разочаровать. Практически все существующие на сегодняшний день системы даже и близко не «стоят» к такому определению ИИ. А те системы, что проявляют признаки подобной активности, на самом деле все-равно действуют в рамках заранее заданных алгоритмов.

Нейронные сети существуют с 1950-х годов (по крайней мере, в виде концепий). Но до недавнего времени они не получали особого развития, потому что их создание требовало огромных объемов данных и вычислительных мощностей. В последние несколько лет все это стало доступным, поэтому нейросети и вышли на передний план, получив свое развитие. Важно понимать, что для их полноценного появления не хватало технологий. Как их не хватает и сейчас для того, чтобы вывести технологию на новый уровень.

Стадии определения.

Для чего используется глубокое обучение и нейросети

Есть несколько областей, где эти две технологии помогли достичь заметного прогресса. Более того, некоторые из них мы ежедневно используем в нашей жизни и даже не задумываемся, что за ними стоит.

• — это способность программного обеспечения понимать содержание изображений и видео. Это одна из областей, где глубокое обучение сделало большой прогресс. Например, алгоритмы обработки изображений глубокого обучения могут обнаруживать различные типы рака, заболеваний легких, сердца и так далее. И делать это быстрее и эффективнее врачей. Но глубокое обучение также укоренилось и во многих приложениях, которые вы используете каждый день. Apple Face ID и Google Photos используют глубокое обучение для распознавания лица и улучшения качества снимков. Facebook использует глубокое обучение, чтобы автоматически отмечать людей на загружаемых фотографиях и так далее. Компьютерное зрение также помогает компаниям автоматически идентифицировать и блокировать сомнительный контент, такой как насилие и нагота. И, наконец, глубокое обучение играет очень важную роль в обеспечении возможности самостоятельного вождения автомобилей, чтобы они могли понимать, что их окружает.
• Распознавание голоса и речи. Когда вы произносите команду для вашего Google Ассистента, алгоритмы глубокого обучения преобразуют ваш . Несколько онлайн-приложений используют глубокое обучение для транскрибирования аудио- и видеофайлов. Даже когда вы «шазамите» песню, в дело вступают алгоритмы нейросетей и глубокого машинного обучения.
• Поиск в интернете: даже если вы ищите что-то в поисковике, для того, чтобы ваш запрос был обработан более четко и результаты выдачи были максимально правильными, компании начали подключать алгоритмы нейросетей к своим поисковым машинам. Так, производительность поисковика Google выросла в несколько раз после того, как система перешла на глубокое машинное обучение и нейросети.

Пределы глубокого обучения и нейросетей

Несмотря на все свои преимущества, глубокое обучение и нейросети также имеют и некоторые недостатки.

• Зависимость от данных: в целом, алгоритмы глубокого обучения требуют огромного количества обучающих данных для точного выполнения своих задач. К сожалению, для решения многих проблем недостаточно качественных данных обучения для создания рабочих моделей.
• Непредсказуемость: нейронные сети развиваются каким-то странным путем. Иногда все идет как задумано. А иногда (даже если нейросеть хорошо справляется со своей задачей), даже создатели изо всех сил пытаются понять, как же алгоритмы работают. Отсутствие предсказуемости делает чрезвычайно трудным устранение и исправление ошибок в алгоритмах работы нейросетей.
• Алгоритмическое смещение: алгоритмы глубокого обучения так же хороши, как и данные, на которых они обучаются. Проблема заключается в том, что обучающие данные часто содержат скрытые или явные ошибки или недоработки, и алгоритмы получают их «в наследство». Например, алгоритм распознавания лиц, обученный в основном на фотографиях белых людей, будет работать менее точно на людях с другим цветом кожи.
• Отсутствие обобщения: алгоритмы глубокого обучения хороши для выполнения целенаправленных задач, но плохо обобщают свои знания. В отличие от людей, модель глубокого обучения, не сможет играть в другую подобную игру: скажем, в WarCraft. Кроме того, глубокое обучение плохо справляется с обработкой данных, которые отклоняются от его учебных примеров.

Будущее глубокого обучения, нейросетей и ИИ

Ясное дело, что работа над глубоким обучением и нейронными сетями еще далека от завершения. Различные усилия прилагаются для улучшения алгоритмов глубокого обучения. Глубокое обучение — это передовой метод в создании искусственного интеллекта. Он становится все более популярным в последние несколько лет, благодаря обилию данных и увеличению вычислительной мощности. Это основная технология, лежащая в основе многих приложений, которые мы используем каждый день.

Схемы и пути решения задач скоро заменят очень многое.

Но родится ли когда-нибудь на базе этой технологии сознание? Настоящая искусственная жизнь? Кто-то из ученых считает, что в тот момент, когда количество связей между компонентами искусственных нейросетей приблизиться к тому же показателю, что имеется в человеческом мозге между нашими нейронами, что-то подобное может произойти. Однако это заявляение очень сомнительно. Для того, чтобы настоящий ИИ появился, нам нужно переосмыслить подход к созданию систем на основе ИИ. Все то, что есть сейчас — это лишь прикладные программы для строго ограниченного круга задач. Как бы нам не хотелось верить в то, что будущее уже наступило…

Говорят, что в недрах военных лабораторий искусственный интеллект работает уже с 2007 года. Возможно, что уже есть и результаты. Не случайно всего месяц назад Илон Маск объявил о поддержке технологий противодействия искусственному интеллекту и вложил 7 миллионов долларов в исследования в этой области.

«Существует риск, что нечто действительно опасное случится в ближайшие пять лет. Самое большее - десять лет», - сказал предприниматель в дискуссии на сайте edge.org.

Илон Маск, основатель Tesla и SpaceX

Солидарен с Маском и Стив Возняк, который считает, что «искусственный интеллект однажды станет достаточно умным, чтобы избавиться от человека». Билл Гейтс уверен, что если не контролировать создание ИИ, то «искусственный интеллект эволюционирует в состояние, конфликтующее с целями человеческих систем». И, наконец, знаменитый астрофизик Стивен Хокинг прямо заявил, что «искусственный интеллект может положить конец существованию человечества».

Совместно с Илоном Маском Хокинг опубликовал на сайте futureoflife.org открытое письмо с призывом к научному сообществу внимательно относиться к ходу своих исследований в области искусственного интеллекта. Однако среди подписавшихся нет фамилий Сергея Брина и Ларри Пейджа. И это не случайно. Совсем недавно Google объявила о создании нового ИИ, построенного на моделировании разговора.

Вот небольшой фрагмент беседы человека и Машины Google:

Ч.: В чем смысл жизни?

М.: Творить добро.

Ч.: Для чего мы живем?

М.: Чтобы жить вечно.

Ч.: В чем смысл существования?

М.: В том, чтобы выяснить, что случится, когда мы достигнем планеты Земля.

Ч.: Где ты сейчас находишься?

М.: В центре пустоты.

Ч.: В чем смысл смерти?

М.: Чтобы получить жизнь.

Ч.: В чем смысл разума?

М.: В том, чтобы понять, что это.

Ч.: В чем смысл чувств?

М.: Я не знаю.

Вполне себе осмысленная беседа. «Это отправная точка, своеобразный стержень для будущего искусственного интеллекта, - считает исполнительный директор компании „Биплан“ Евгений Карюк. - Уже сегодня можно предположить, что к 2030 году мы увидим вполне реальные прототипы, наделенные искусственным интеллектом, пусть и в начальной стадии».

Полное содержание всех бесед человека и Машины Google можно посмотреть . Там же для сравнения даны беседы человека и Cleverbot . Cleverbot - веб-приложение, которое использует алгоритмы искусственного интеллекта для беседы с человеком. Его придумал в 1988 году ученый Ролло Карпентер. За все время своего существования Cleverbot провел свыше 65 миллионов разговоров с людьми. В 2011 году Cleverbot показал 51% по тесту Тьюринга.

Тест Тьюринга - эмпирический тест, идея которого была предложена Аланом Тьюрингом в статье «Вычислительные машины и разум», опубликованной в 1950 году в философском журнале Mind. Цель теста — выяснить, может ли компьютер думать.

А вот мой разговор с Cleverbot:

Человек: В чем смысл жизни?

Cleverbot: Смысла в жизни нет.

Человек: Для чего мы живем?

Cleverbot: Ну мы живем ради кого-то, а если ты одинокий — жить незачем.

Человек: В чем смысл существования?

Человек: Где ты сейчас находишься?

Cleverbot: В Москве.

Человек: В чем смысл смерти?

Cleverbot: Это я хочу у тебя спросить.

Человек: В чем смысл разума?

Cleverbot: У меня свой ответ на этот вопрос.

Человек: В чем смысл чувств?

Cleverbot: Зачем я родилась.

Очевидно, что Машина Google дает гораздо более осмысленные ответы. Cleverbot подставляет подходящие, по его мнению, фразы других людей. Иногда действительно кажется, что отвечает другой человек, но не более того.

Есть и другая точка зрения, согласно которой искусственный интеллект невозможен в принципе. В качестве основного аргумента часто приводят теорему Геделя о неполноте. Суть заключается в том, что человек способен решать алгоритмически неразрешимые проблемы, а компьютер — нет. «Ребенок уже к трем годам уверенно решает задачу, спелый фрукт или нет, в силу того, что он обладает нейронными связями, с помощью которых может ответить на вопрос о спелости: цвет, вкус, запах, мягкость или твердость, - говорит Евгений Плужник, первый проректор Московского технологического института. - Способна ли машина научиться этому? Уверен, что да! Если она будет обладать большой базой изображений, она сможет замерить содержание фруктозы и определить мягкость фрукта. Но что будет, если машине подсунуть губку, покрашенную в синий цвет и пропитанную сладкой водой? Способна ли машина в этот момент к подлинному пониманию?»

«Современный компьютер легко справится с любой сложной деятельностью, будь то шахматы или математические вычисления, но лишь при условии, что эту деятельность можно описать с помощью четких вычислительных правил», - говорит известный математик Роджер Пенроуз в одной из своих лекций. «Искусственный интеллект - это возможность системы создавать во время самообучения программы, способные решать задачи определенного класса сложности, - считает Евгений Плужник. - Я уверен, что в ближайшие 100 лет мы не станем свидетелями появления сильного искусственного интеллекта».

И в заключение - еще один вопрос к Cleverbot.

Человек: Было 1 яблоко, 1 помидор, 1 огурец и 1 груша. Сколько всего фруктов?
Cleverbot: Десять часов вечера.

Многим людям кажется, что искусственный интеллект - это далекое будущее, но мы с ним сталкиваемся ежедневно

Саудовская Аравия, 2017 год. Первый в мире робот получает гражданство. Это София, самый известный представитель технологий искусственного интеллекта в медийном пространстве. Она умеет поддерживать беседу, воспроизводит до 62 правдоподобных выражений лица, делает провокационные заявления и шутит об Илоне Маске и уничтожении человечества.

Казалось бы, такие технологии пока далеки от "простых смертных", и на самом деле мы взаимодействуем с искусственным интеллектом ежедневно. Так что это такое, где его найти и как машинам удается обучаться?

Что, когда, откуда

На запрос, что такое искусственный интеллект (англ. Artificial intelligence, AI), Википедия ответит, что это раздел компьютерной лингвистики и информатики, который формализует задачи, которые напоминают дела, выполняемые человеком.

Простыми словами, искусственный интеллект (англ. Artificial intelligence, AI) - это широкая отрасль компьютерных наук, которые направлены на имитацию интеллекта человека машинами. И хотя об этой технологии активно говорят где-то с начала 2000-х, она далеко не нова.

Термин "искусственный интеллект" еще в 1956 году ввел профессор Дартмутского колледжа Джон Маккарти, когда возглавил небольшую команду ученых, чтобы определить, могут ли машины обучаться, как дети, методом проб и ошибок, в конце развив формальное мышление.

Фактически проект базировался на намерении выяснить, как заставить машины "использовать язык, абстрактные формы, решать те проблемы, которые обычно решают люди, и совершенствоваться". И это было более 60 лет назад.

Почему спрос на AI возник именно сейчас

1. Сегодня мы имеем дело с беспрецедентным объемом информации. За последние несколько лет было создано 90% мировых данных. Впервые эта статистика упоминается в исследовании корпорации IBM еще в 2013 году, но эта тенденция остается постоянной. Действительно, каждые два года в течение последних трех десятилетий объем данных в мире увеличивается примерно в 10 раз.

2. Алгоритмы становятся все более изощренными, а машины с нейронными сетями способны воспроизводить способ работы человеческого мозга и формировать сложные ассоциации.

3. Вычислительная мощность постоянно растет и способна обработать гигантский объем данных.

Сложить все это вместе, и получаем множество технических работников, руководителей компаний и венчурных капиталистов, которые инвестируют в развитие AI и заинтересованы в прогрессе технологии.

"Искусственный интеллект" и мы

Технологии искусственного интеллекта захватывают воображение общественности в течение десятилетий, но многие не понимают, что они используют их каждый день.

Так, профильная компания SpotHub провела рандомный опрос 1400 человек из разных уголков мира, и оказалось, что 63% из них не осознают повседневного значение AI.

Возможно, это потому, что когда речь идет об искусственном интеллекте, мы ожидаем видеть умного робота, который говорит и думает, как и мы. И хотя София и подобные ей машины сейчас могут показаться "приветом" из будущего, это все еще технология, далекая от самосознания.

Сейчас же нас окружают множество невероятно сложных инструментов искусственного интеллекта, которые призваны облегчить все аспекты современной жизни. Вот лишь некоторые из них:

Поисковые ассистенты, такие как Siri, Alexa и Cortana, оснащены программами обработки и распознавания человеческого голоса, что делает их инструментами AI. Пока возможности голосового поиска доступны на 3,9 миллиардах устройств Apple, Android и Windows по всему миру, и это не считая других производителей. За свою распространенность голосовой поиск является одной из самых современных технологий с поддержкой Аl.

Видеоигры

Видеоигры уже давно используют Аl, сложность и эффективность которого возросла в геометрической прогрессии в течение последних нескольких десятилетий. В результате этого, например, виртуальные персонажи способны вести себя совершенно непредсказуемым образом, анализируя окружающую среду.

Автономные машины

Полностью автономные автомобили все больше приближаются к реальности. В этом году Google сообщила об алгоритме, способном научиться водить машину точь-в-точь, как это делает человек - с помощью опыта. Идея в том, что в конечном итоге авто будет способно "смотреть" на дорогу и принимать решение, подходящее к увиденному.

Предложение товаров

Крупные ритейлеры, вроде Target и Amazon, зарабатывают миллионы благодаря способности их магазинов предвидеть ваши потребности. Так, сервис рекомендаций на сайте Amazon.com работает на базе технологий машинного обучения, они же помогают выбирать оптимальные маршруты автоматического перемещения в центрах обработки и выполнения заказов.

На базе этих же технологий работают цепочки поставок и системы прогнозирования и распределения ресурсов. Технологии понимания и распознавания естественной речи легли в основу сервиса Alexa. На базе глубокого обучения построена новая инициатива компании с использованием дронов, Prime Air, а также технология с применением машинного зрения в новых точках розничной торговли, Amazon Go.

Онлайн поддержка клиентов

В сфере услуг чат-боты совершили революцию в обслуживании, и потребители считают их не менее удобными, чем телефоны или е-мейлы.

Концепция проста: бот с AI, который работает на веб-сайте предприятия, отвечает на запросы посетителей, вроде: Какая цена? Какой номер телефона вашей компании? Где ваш офис? Посетитель получает прямой ответ, вместо того чтобы искать необходимую информацию по сайту.

Читайте также: Искусственный интеллект может преобразовать автономное оружие на роботов-убийц. Почему это действительно страшно

Новостные порталы

Искусственный интеллект способен писать простые истории, такие как финансовые отчеты, спортивные репортажи и т.д. К этому Хэллоуину исследователи из Массачусетского технологического института создали