Коли буде створено перший штучний інтелект? Чи існує штучний інтелект насправді Коли штучний інтелект зможе досягти рівня людського мислення

Для книги «Архітектори інтелекту: вся правда про штучний інтелект від його творців» письменник і футурист Мартін Форд взяв інтерв'ю у 23 найвидатніших дослідників в галузі ШІ, включаючи CEO DeepMind Деміса Хассабіса, керівника Google AI Джеффа Діна і ІІ-директора в Стенфорді Фей- фей Лі. Кожного з них Форд запитав, в якому році ймовірність створення сильного ІІ складе не менше 50%.

З 23 чоловік відповіли 18, і тільки двоє з них погодилися на публікацію прогнозів під своїм ім'ям. Цікаво, що вони дали самі екстремальні відповіді: Рей Курцвейл, футуролог і директор з інженерних розробок в Google, назвав 2029 рік, а Родні Брукс, робототехніки та співзасновник iRobot, - 2200. Решта здогади розташувалися між цими двома полюсами, середнє значення - 2099 рік , тобто через 80 років.

Форд говорить, що експерти стали називати більш віддалені дати - в опитуваннях минулих років вони заявляли, що сильний ІІ може з'явитися приблизно через 30 років.

«Ймовірно, існує певна кореляція між тим, наскільки ви зухвалі або оптимістичні, і тим, наскільки ви молоді», - додав письменник, зазначивши, що кільком його співрозмовникам було за 70, і вони пережили злети і падіння ІІ. «Після роботи над цією проблемою протягом десятиліть, можливо, ви стаєте трохи більш песимістичними», - вважає він.

Форд також вказав, що експерти висловлюють різні думки про спосіб появи ІІ загального призначення - одні вважають, що для цього достатньо наявних технологій, інші ж категорично з цим не згодні.

Деякі дослідники стверджують, що більшість інструментів вже готові, а тепер потрібні просто час і зусилля. Їх опоненти переконані, що для створення сильного ІІ все ще не дістає багатьох фундаментальних відкриттів. За словами Форда, вчені, чия робота стосувалася глибокого навчання, схильні думати, що в майбутньому прогрес буде досягнутий з використанням нейронних мереж - робочої конячки сучасного ІІ. Ті, хто має досвід роботи в інших областях ІІ, вважають, що для побудови його сильною версією будуть потрібні додаткові методи на кшталт символічною логіки.

«Деякі люди з табору глибокого навчання дуже зневажливо ставляться до ідеї безпосередньо розробити щось на зразок здорового глузду в ІІ. Вони думають, що це нерозумно. Один з них сказав, що це все одно що намагатися засунути шматочки інформації прямо в мозок », - каже Форд.

Всі опитані відзначили обмеження існуючих ІІ-систем і ключові навички, які їм ще належить освоїти, в тому числі трансферне навчання, коли знання в одній області застосовуються до іншої, і навчання без наставника, коли системи дізнаються нове без участі людини. Переважна більшість сучасних методів машинного навчання покладаються на дані, розмічені людьми, що є серйозною перешкодою для їх розвитку.

Беруть інтерв'ю також підкреслили абсолютну неможливість робити прогнози в області, подібної ІІ, де ключові відкриття починають працювати на повну потужність тільки через десятиліття після їх виявлення.

Стюарт Рассел, професор Каліфорнійського університету в Берклі, автор одного з основоположних підручників по ІІ, вказав, що технології для створення сильного ІІ, «не мають нічого спільного з великими даними або більш потужними машинами».

«Я завжди розповідаю історію з ядерної фізики. Точка зору, висловлена \u200b\u200bЕрнестом Резерфордом 11 вересня 1933 року, полягала в тому, що енергію з атомів витягти не можна. Однак наступного ранку Лео Силард прочитав промову Резерфорда, розлютився і винайшов ядерну ланцюгову реакцію, опосередковану нейтронами! Таким чином, прогноз Резерфорда було спростовано приблизно через 16 годин. Точно так же абсолютно безглуздо робити точні прогнози в області ІІ », - сказав Рассел.

Дослідники також не зійшлися в оцінці потенційної небезпеки ІІ. Нік Бострем, оксфордський філософ і автор книги «Штучний інтелект: Етапи. Загрози. Стратегії »і фаворит Ілона Маска, стверджує, що ІІ являє собою велику загрозу для людства, ніж зміна клімату. Він і його прихильники вважають, що однією з найбільших проблем в цій галузі є навчання ІІ людським цінностям.

«Справа не в тому, що ІІ зненавидить нас за поневолення або що раптово виникне іскра свідомості, і він збунтується. Швидше, він буде дуже старанно переслідувати мету, яка відрізняється від нашого істинного наміри », - сказав Бострем.

Більшість респондентів заявили, що питання про загрозу ІІ вкрай абстрактний у порівнянні з такими проблемами, як економічний спад і використання передових технологій в війні. Барбара Грос, професор в галузі ШІ в Гарварді, яка зробила вагомий внесок в область мовної обробки, сказала, що проблеми етики сильного ІІ в основному «відволікають».

«У нас є ряд етичних проблем, пов'язаних з існуючим ІІ. Думаю, що не варто відволікатися від них через лякаючі футуристичних сценаріїв », - вважає вона.

За словами Форда, подібні суперечки можна назвати найважливішим підсумком його опитування: вони показують, що в такій складній галузі, як штучний інтелект, немає простих відповідей. Навіть найвідоміші вчені не можуть прийти до єдиної думки в фундаментальних проблемах цієї області знання.

Технології штучного інтелекту і машинного навчання перестали бути фантастикою і вже стали частиною нашого життя. Головним драйвером їх розвитку є великий бізнес: промисловість, ритейл, банківська сфера. Проблеми та специфіку впровадження ІІ в Росії обговорили з компанією «Інфосистеми Джет».

Володимир МолодихКерівник дирекції з розробки та впровадження програмного забезпечення компанії «Інфосистеми Джет»

Яке значення мають технології штучного інтелекту сьогодні? Які можливості та в яких галузях відкриває розвиток ІІ для людей?

Про штучний інтелект можна говорити як про філософському і футурологічним понятті з фільмів про майбутнє. Але якщо говорити про реальному житті, То він має на увазі ту чи іншу комбінацію методів машинного навчання: коли ми беремо великий набір накопичених даних, на його основі за допомогою спеціальної просунутої математики створюємо модель і вчимо її вирішувати ту чи іншу конкретну задачу.

Тобто в реальному житті ІІ застосуємо в тих областях, де є великий обсяг накопичених даних. вони бувають різних типів. Коли у вас є умовно три типи даних, то з ними може впоратися один аналітик. Але якщо параметрів більше тисячі, причому частина з них неструктуровані, то це не поміститься в голову жодного аналітика. У таких випадках людський розум за підтримки аналітичних інструментів попереднього технологічного укладу не в змозі нормально все проаналізувати. Він буде спрощувати, брати три-чотири ключові параметри. І ось тоді машинне навчання - то, що є практичною реалізацією ІІ, - виявляється ефективним.

Чому саме сьогодні говорять про ІІ, хоча на перший погляд і відповідна математика, і комп'ютери були і двадцять років тому?

Якщо говорити про вузькоспеціалізовані завдання, то там машинне навчання використовувалося і раніше. Є чотири ключові чинники, завдяки яким ми можемо говорити, що ІІ - це новий глобальний тренд, який змінює світ. Перший - даних стало більше, наприклад, якщо раніше на виробництві були лише паперові записи, то тепер на верстатах стоять збирають інформацію датчики. Другий і третій фактори - це зростання обчислювальних потужностей плюс розвиток відповідних галузей математики. Собівартість рішень знижується: через здешевлення «заліза» тепер не доводиться чекати окупності проекту на виробництві по десять років. І останнє - поступово розвивається бізнес-практика, з'являються фахівці з проектним досвідом в цій галузі.

Чому процес впровадження ІІ в Росії йде повільно?

Все так. Зараз в Росії дійсно більше говорять про ІІ, ніж реально роблять. Тема модна, і щоб відзвітувати по ній «наверх», багато оголошують якийсь хакатон і показують фото в інстаграме. А результату, який змінює бізнес, не з'являється. Виходячи з нашого досвіду, ми бачимо, що в більшості найбільших організацій Росії ІІ успішно впроваджується лише в 5-7% випадків від того, про що говорять.

Справа в тому, що це новий тип проектів, з яким поки не вміють грамотно працювати. Це комплексна історія: за допомогою машинного навчання одну задачу можна вирішити досить швидко, але це вимагає значної перебудови бізнес-процесів. Приклад: можна зробити модель індивідуальних рекомендацій для клієнтів торгової мережі, але якщо поряд з цим буде працювати класичний маркетинг, наприклад, акції в стилі «10% знижка на все», то ці рекомендації не працюватимуть. Або, наприклад, ми побудували модель прогнозу шлюбу і виходу з ладу машин в автопарку, але, поки цю модель будували, змінився постачальник ПММ. А це теж дані, що впливають на модель, - і вона розсипається. Тобто організації потрібно змінитися, щоб її процеси відповідали завданням, які можна вирішувати за допомогою машинного навчання: ефективно вибудувати обмін даними між підрозділами і так далі. Це комплекс змін, які потрібно вміти робити, і потрібно бути готовим боротися за нього.

Ми поки знаходимося на стадії генерації ринку, і через його новизни виникають складності. Зокрема, ми стикалися з ситуацією на виробництві, коли люди думали: «Значить, з браком будемо боротися не ми, а якась модель ІІ, а ми, виходить, не потрібні». Мотивація страждала, і замість допомоги люди займалися критикою. Перед керівництвом, з одного боку, стоїть якийсь фахівець по роботі з даними з Москви, а з іншого - 45-річний мужик, знає виробництво уздовж і поперек, який говорить: «Це працювати не буде, а ви нічого не розумієте». І зрозуміло, що в такій ситуації директор відчуває себе не дуже впевнено.

В яких галузях в Росії найчастіше використовують ІІ і чому?

По-перше, це інноваційні інтернет-компанії. Той же самий «Яндекс» - там це взагалі скрізь застосовується. Якщо брати великі галузі, то на першому місці буде ритейл, а також банки та страхові компанії. Але я абсолютно впевнений, що найбільший потенціал застосування ІІ - в промисловості: це реальні виробничі процеси з реальними грошима і можливістю скорочення собівартості. Але ця галузь поки дещо відстає, тому що вона більш консервативним рітейлу, який через конкурентного середовища повинен дуже швидко розвиватися.

Скрізь, де є багато даних. Особливо великий ефект буде в промисловості. Критерії - наявність даних і того, що можна оптимізувати. Це можуть бути завдання технічного обслуговування, ремонту, боротьби з браком, прогнозування, «цифрових двійників», що дозволяють займатися аналізом. Правильніше дивитися не на галузі, а на тип завдань. Якщо це штучне виробництво на кшталт виробництва винищувачів, то тут для більшості завдань просто не буде необхідного обсягу даних. А якщо масштабне начебто сталевого прокату або масової складання машин, то тут ІІ буде ефективним.

Навіщо впроваджувати ІІ на підприємстві?

Як правило, суб'єкт займається тим, що заробляє гроші - а так воно заробить більше. Сьогодні виробничі процеси крок за кроком ускладнюються, з'являється все більше факторів і нюансів. Якщо раніше весь виробничий процес вміщувався в голову одного технолога, то тепер він знаходиться за межею того, що одна людина або група людей може врахувати. Відповідно, усложняющийся процес виробництва вимагає нових рішень, зокрема ІІ і машинного навчання.

Крім того, на виробництві особливо цінні люди, що володіють якимись унікальними компетенціями. Вони можуть захворіти, вийти на пенсію, а використання ІІ підвищує стійкість бізнесу щодо людського фактора.

З якими найпоширенішими помилками про ІІ ви найчастіше стикаєтеся?

Хибні уявлення заважають бувають двох типів. Перший: «Зараз я візьму фахівця по роботі з даними, він мені побудує модель, і через пару тижнів у мене все полетить». Так не буває ніколи. Інший тип: «Це все фантастика і байки, а у нас інше життя, в якій це все не застосовується». А істина тут насправді десь посередині.

Є поширена думка, що з часом ІІ зможе повністю замінити людей на виробництві та в інших галузях. Ви поділяєте його?

У масштабах трьох-п'яти-десяти років будуть виникати конкретні області, в яких людини будуть заміщати. Зараз тестується безпілотний транспорт, напевно він буде поступово замінювати водіїв, адже він дозволяє знизити аварійність і не платити гроші водіям. Якщо говорити про бізнес, то це відбувається прямо на очах. Якщо раніше людина приймала рішення в поодинці, то тепер він це робить за допомогою засобів машинного навчання або роботизації. Там, де раніше працювали сто чоловік, зараз може сидіти один технолог, один фахівець з data science, а інше роблять машини.

Замінюватися в першу чергу будуть типові завдання. Люди, що займаються індивідуальними, творчими завданнями, поки в безпеці. А в областях, де тисячі співробітників на одних і тих же позиціях працюють за регламентом, через три-п'ять років їх замінить ІІ.

З чого почати процес впровадження ІІ на підприємстві?

Перший крок - це знайти досвідчену команду, яка розуміє, як це робити. Тому що підводних каменів тут сила-силенна, і з ними потрібно розбиратися. Другий - знайти завдання, які можна вирішити з користю для бізнесу, вибудувати грамотні, розумні метрики, зрозуміти, як це конвертувати в гроші. Адже швидкий успіх - це теж важливо.

Як вирішити, робити це своїми силами або залучати підрядника?

Будь-яка компанія повинна поступово рухатися до того, щоб IT стало для неї не просто підтримує функцією, а тим, що допомагає заробляти гроші. Це означає, що їй потрібно ростити IT-компетенції, а це процес нешвидкий. Тому на стартовому етапі раціонально залучити експертів і потім разом з ними визначитися, які галузі компанія повинна розвивати сама, а в яких покладатися на партнерів.

А як вибрати партнера?

Важливо розуміти, що тема ІІ комплексна. Потрібна команда, яка не тільки розбирається в аналітичній статистикою, data science, машинному навчанні, але і володіє комплексними компетенціями: починаючи проектним управлінням і закінчуючи вмінням працювати з даними, високонавантажених системами, очищенням даних. Також важлива інформаційна безпека, адже нові типи IT-рішень тягнуть за собою нові IT-загрози, при цьому старі загрози нікуди не діваються. Тому потрібна команда, яка вміє все це.

На ваш погляд, як технології ІІ зміняться в майбутньому?

У практичному плані поки важливо освоїти те, що є. Якщо говорити про майбутнє, мені здається, технології будуть в першу чергу рухатися в бік навчання з підкріпленням, самонавчання, коли система навчає сама себе на підставі свіжих даних. Але поки це більше теорія, ніж практика. Коли мова йде про навчання комп'ютера грі в го, то навчання з підкріпленням працює. А в більш комплексних практичних завданнях поки не особливо.

Чи багато існує майданчиків щодо практичного обговорення проблем ІІ в Росії?

Форумів різних дуже багато, і на всіх говорять про ІІ. Тема хайповая, тут може вийти як з нанотехнологіями. Бачачи все це, ми проводимо свій власний форум Russian Artificial Intelligence Forum (RAIF). У цьому році він пройде вже втретє і відбудеться 22-23 жовтня в Сколково в рамках міжнародного форуму «Відкриті інновації». Там ми говоримо якраз про практику: які в цій області є проблеми, складності і так далі.

А яка головна тема цьогорічного форуму?

Цього року головна тема форуму - як «дотолкать» проект ІІ до промислової експлуатації, для того щоб він приносив результат. Також ключовий акцент ми робимо на всіх суміжних темах. У нас є секції про big data, інформаційної безпеки, «залізі». У нас збираються математики, програмісти, «железячнікі», фахівці з інфраструктури та експлуатації.

Ми говоримо про реальну практику, а не про наукові проблеми - хоча про це у нас є окрема секція. Але в першу чергу ми збираємо людей, які реалізують проекти ІІ, розповідаємо про власний досвід, вказуємо на підводні камені. І головне - завжди розглядаємо завдання в комплексі, в розрізі проекту, а не якийсь філософії або науки.

Факти ICTV розповідають, чому не існує штучного інтелекту, як кавова машина використовує ваші особисті дані і чи витіснять коли-небудь роботи людей.

Гонконгська компанія Hanson Robotics чергу створювала робота для допомоги людям похилого віку в будинках для людей похилого віку. Зовнішність Софії моделювали за подібністю до актриси Одрі Хепберн.

Але Софія - не штучний інтелект.

Факти ICTV в рамках Київського міжнародного економічного форуму поспілкувалися з Наталею Космину, дослідницею штучного інтелекту Массачусетського технологічного інституту.

Вона пояснила, що таке Софія, чому штучного інтелекту не існує і як навчитися обережно використовувати особисті дані.

Популярність Софії обумовлена \u200b\u200bїї схожістю з справжньої людини - робот гуманоидного типу. Але насправді це лише алгоритм завдань, який спроектували інженери:

Це лише певний набір алгоритмів - їх можна вбудувати в гуманоїдного робота, можна вбудувати в робота, який схожий на собаку, а можна "засунути" в цю пляшку з водою (сміється - Авт.). І це буде такий же робот, як і Софія, але на вигляд як банку з водою.

У Софії немає справжніх емоцій. Все, що вона робить, запрограмоване в ній певним алгоритмом. Щось на зразок чату бота. Погодьтеся, Siri також може жартувати і розмовляти з вами.

І коли Софія жартує - це не більше ніж помилка системи. Коли її запитали, як подолати корупцію в Україні - вона зависла. Ми зрозуміли це як відповідь. Нібито, навіть штучний інтелект не в змозі вирішити проблему корупції.

Такі маленькі смішні казуси - звичайна помилка. Система не в змозі зрозуміти і обробити ту інформацію, яку ви запросили, - пояснює Наталя.

Софія - не більше ніж набір алгоритмів. Вона запрограмована спілкуватися з людьми і це їй вдається. Так само, як роботи компанії Boston dynamic запрограмовані рухатися.

Потрібно дуже правильно називати такі системи просто алгоритмами. Софія - це дуже хороша група зібраних разом алгоритмів, в даному випадку в одному роботі. Вони дозволяють роботу рухатися, розмовляти і реагувати.

Штучного інтелекту не існує

Якщо Софія - це всього лише набір певних завдань, то що ж штучний інтелект? У фільмах ми звикли бачити комп'ютерні програми, які здатні заполонити світ і знищити людство.

Найбільший недолік штучного інтелекту в тому, що його не існує. Іноді зручніше назвати річ "штучний інтелект", ніж пояснювати, що це. Зараз є алгоритми. Вони дуже добре розвинені під вирішення однієї або двох проблем максимум. Штучного інтелекту як такого немає. Ми ще дуже далекі від нього, - розповідає дослідниця.

На щастя, або навпаки, робота, який би був розумніший людини, не існує. Людина здатна виконувати велика кількість задач і швидко вчитися, пояснює Наталя.

Роботи ж можуть виконувати тільки одну-дві задачі. Більш того, щоб вчитися, вони потребують дуже великих обсягів інформації і багато часу. І це - проблема.

Ми дуже далекі від роботів, які будуть мислити. Зараз потрібно займатися нашим мисленням. У нас з вами великі проблеми - мозок дуже лімітований в ресурсах.

Роботи обробляють ваші дані

Конфіденційність стає розкішшю. І її далеко не всі можуть собі дозволити. Для того, щоб вчитися, робіт треба велика кількість інформації. І беруть вони її у вас. До речі, ваша кавоварка теж в якомусь сенсі робот. І їй теж потрібні дані.

Наталія пояснює, як це працює:

Я в своїх системах використовую дані з гаджетів. Мені не потрібно йти в "хмара", не потрібно з'єднання з інтернетом. У деяких випадках система працює по-іншому - дані передаються через Bluetooth або WiFi на комп'ютер, на комп'ютері відбувається вся обробка даних і передається системі, якої ми хочемо керувати.

Але чи знаєте ви, ваші дані беруть машини? Відсоток людей, які читають угоду користування, дуже малий. Легше просто натиснути кнопку "згоден".

Не завжди системи і додатки працюють прозоро, іноді користувачі не розуміють, що вони віддають, можливо нічого натомість не отримують, навіть сервісу.

Навіть Марк Цукерберг заклеює камеру і мікрофон на своєму комп'ютері. Щоб ваші дані не використовували, важливо навчитися ними правильно розпоряджатися.

Косьміна розповідає, працюючи з людьми, вони дотримуються жорсткого етичного протоколу. Якщо людину не влаштовує, вона може відмовитися від дослідження:

Ми чітко говоримо, які дані будуть використані, або фотографуємо ми або знімаємо відео, беремо біометричні дані, скільки років ці дані будуть зберігатися і хто має до них доступ.

На жаль, не всі системи мають такі чіткі протоколи.

Роботи vs люди

Ще в 2016 році у Великобританії розробили систему Optellum, яка діагностує у людини рак легенів. Для того, щоб навчити робота, вчені зібрали найбільшу в світі базу даних пацієнтів з пухлинами. І стартап в кінці кінців закрили. Робот не зміг виявляти захворювання так само ефективно, як молодий лікар.

А в Японії роботів вже активно використовують в сфері обслуговування. Робот з легкістю поселить вас в готель, просканує документи, видасть ключ і навіть приготує млинці на сніданок.

З одного боку, роботи займають робочі місяця людей і це проблема. Але з іншого - з'являються нові можливості.

Навіть забираючи роботу, ми можемо створювати нову. Роботів теж потрібно вчити. Ми можемо створити робочі місця, де люди будуть відчувати себе більш зайнятими. Вони все одно будуть допомагати людям і будуть продовжувати працювати в сфері обслуговування.

І хоча наука з кожним днем \u200b\u200bвпевнено крокує вперед, людина ще не створила робота, який би перевершив її. Можливо це на краще. Маск впевнений, що штучний інтелект призведе до третьої світової війни.

Втім, роботизовані системи здатні полегшувати людині життя - вони готують каву, підказують як діяти в ситуації, водять нас машини.

Борис Кобринський, доктор медичних наук, завідувач лабораторією Інституту сучасних інформаційних технологій в медицині Фіц ІУ РАН, професор Російського національного дослідницького медичного університету ім. Н. І. Пирогова.

- У чому відмінність інтелекту штучного і людського? Чи справедливо взагалі називати ІІ інтелектом?

Природний інтелект характеризується численними функціями. Частина з них реалізується в системах ШІ, але головною відмінністю природного інтелекту від штучного є здатність синтезувати нові знання, виявляти невідомі закономірності. Штучний інтелект - це встояв термін, проте пов'язаний з не зовсім точним перекладом з англійської. Artificial Intelligence означає «уміння міркувати розумно». Створювані на цій основі системи більш коректно називати системами з елементами штучного інтелекту.

- Чи можна говорити, що штучний інтелект - не більше ніж знаряддя людського?

Навряд чи варто говорити в такому формулюванні. Інтелектуальні системи є консультативними або асистуючими в прийнятті рішень людиною.

Було б важливо дати читачеві популярний опис математичного апарату, на якому працює ІІ. І що він собою являє з точки зору чисто технічної: просто потужні суперкомп'ютери? Або потрібні якісь спеціальні засоби і пристрої?

Більшість систем ІІ з самого початку спиралися на математичний апарат, а на логіку з використанням засобів для діалогу з користувачем на природній мові (логіко-лінгвістичні системи), чого не вміли попередні обчислювальні системи. В даний час гібридні інтелектуальні системи включають поряд з логікою також і різні математичні методи аналізу. Але обов'язковим для інтелектуальних систем є база знань, яка містить формалізовані знання для конкретної області, для чого використовуються різні мови представлення знань. Для роботи цих систем використовуються звичайні комп'ютери. Суперкомп'ютери лише дозволяють прискорити обробку даних, що важливо для динамічних систем реального часу - наприклад, в управлінні двигунами космічного корабля і суттєво, наприклад, для прогнозів погоди. Винятком є \u200b\u200bнейромережі, в яких здійснюється математична обробка введеної інформації, проте відсутня аргументація і логіка рішень, відсутні база знань предметної області та пояснення висунутих гіпотез (рішень). Але нейросетевой підхід - це технологія, що імітує певною мірою роботу мозку, точне уявлення про яку поки залишається відкритим.

Ми не розуміємо (за великим рахунком), як працює мозок людини. А повністю чи зараз зрозуміло, як працює ІІ? Або вже з'явилися такі як би чорні ящики, де відбувається щось невизначене?

Повноцінні інтелектуальні системи, як уже зазначено вище, характеризуються як раз тим, що користувач отримує пояснення висунутих системою гіпотез як в процесі їх розгляду, так і по завершенні роботи (остаточна гіпотеза). Чорними ящиками є нейромережі, які не видають пояснень.

Є жарт, що ІІ на відому шкільну риторику «а якщо все стрибнуть з п'ятого поверху, ти теж стрибнеш?» відповість: «так». Наскільки це жарт? Які взагалі когнітивні можливості штучного інтелекту, чи будуть вони коли-небудь можна порівняти з людськими?

Роботів навчають по-різному, але є підхід, заснований на навчанні на прикладах. Якщо його використовувати, то теоретично можна було б домогтися, щоб робот не в жарт стрибав з будь-якого поверху. Але він розіб'ється і більше не стрибне. У той же час когнітивні здібності систем на основі ІІ ростуть. Але зважена оцінка говорить про те, що штучний інтелект не зможе зрівнятися з природним, по крайней мере, у винаході нового. Ми не знаємо, як людина винайшла колесо, аналогів якого в природі немає. Як навчити подібного ІІ. Нове знання виникає в мозку далеко не кожної людини.

Тепер більш практичне питання: в яких сферах ІІ надійно замінить людський? Де у нього буде перевага? Де він ніколи не зрівняється з людиною? Наприклад, чи є шанс, що він впорається з одного з відкритих проблем математики - скажімо, доведе алгебраїчну незалежність чисел π і е?

ІІ здатний швидко перебирати різні варіанти, Він може замінити людський або забезпечити допомогу людині в багатьох областях з відомим або зрозумілим підходом до прийняття рішень: в аналізі даних з урахуванням різноманітних зв'язків, у виборі оптимальних рішень, у моніторингу ситуацій та управлінні; роботи можуть виконувати різні роботи (у важких умовах, в будинку, на виробництві, в охороні здоров'я та ін.). Інтелектуальні системи підтримки прийняття рішень будуть помічниками людей. Роботи замінять їх у багатьох роботах, де можна побудувати алгоритми дій людини. Можливо, що і в математиці, при доведенні теорем, ІІ зможе в перспективі вирішувати складні завдання. Але знову мушу зазначити, що йому буде недоступно відкривати принципово нові напрямки в науці.

- Чи можливі спільноти штучних інтелектів? Взаємодопомога і усвідомлення спільних інтересів?

Так, спільноти представників ІІ і їх взаємодопомога можливі. Це розвиток сьогоднішніх многоагентних систем - віртуальних спільнот інтелектуальних агентів, кожен з яких взаємодіє з іншим, і є агенти вищого рівня, координатори і спостерігачі, що забезпечують зміна програми взаємодії інтелектуальних агентів.

- Чи з'являться у штучного інтелекту творчі здібності? Натхнення?

Якщо під творчістю розуміти розвиток відомого, то так, якщо створення зовсім невідомого раніше, то немає. Натхнення слід віднести до останнього. А ось асоціативні зв'язки вже мають місце в системах ШІ.

- Зокрема, лікарську інтуїцію, про яку у вас є роботи, може замінити ІІ?

Інтелектуальні системи, засновані на експертних знаннях висококваліфікованих лікарів, що володіють інтуїцією і образним мисленням, можуть включати інтуїтивні уявлення у тому випадку, коли їх вдається витягти для формування бази знань. Мій досвід показує, що цього можна досягти при груповому витягу знань за рахунок розтину лікарської інтуїції одного експерта шляхом запитань до інших експертів при вмілому управлінні дискусією.

Конкуренція штучних інтелектів - Країнова або на рівні компаній - наскільки вона жорстка? Яке місце Росії в гонці ІІ?

В явному вигляді конкуренції між країнами немає. Може бути, можна говорити про вчених, які стежать за роботами один одного. На рівні компаній це пов'язано з отриманням фінансових коштів на розробку і / або на отримання прибутку по закінчених робіт. У Росії період 70-х - початку 90-х років минулого століття супроводжувався створенням великої кількості систем і цікавими теоретичними розробками. Подальше недофінансування робіт в цій галузі призвело до спаду. Хоча роботи не зупинилися. Розглядаючи як приклад медицину, доводиться відзначити, що, незважаючи на неодноразові заяви про необхідність таких систем, їх фінансування практично відсутнє, за винятком робіт за грантами в системі РАН. Позитивними прикладами в цій області можуть служити розробки Федерального дослідного центру «Інформатика і управління» РАН (інтелектуальна система в області здоров'язбереження, орієнтована на управління ризиками при інфаркті міокарда, інсульті та депресії, і інтелектуальні системи автоматизованої підтримки медичних досліджень, реалізовані на основі ДСМ-методу автоматичного породження гіпотез) та Інституту автоматики і процесів управління ДВО РАН (діагностика хвороб травлення і інші, реалізовані на основі онтологій).

- Опишіть, будь ласка, які загрози несе з собою розвиток ІІ.

Мені видається неправильним говорити про загрози штучного інтелекту. Небезпека може нести застосування штучного інтелекту в пристроях, що працюють поруч з людьми або замінюють персонал, наприклад в лікарнях. Недооблік факторів, які можуть призводити до травм оточуючих, слід розглядати як основну загрозу в даний час і в майбутньому. Це стосується і автопілотів, і систем контролю різних виробничих процесів, забезпечення функціонування так званих розумних лікарень.

«Лос-Анджелес, листопад 2019». Якщо з датою прибуття в 2015 рік Марті Макфлая з «Назад в майбутнє» з якоїсь причини сталося багато накладок і фальстартів, то фендом «Того, що біжить по лезу» виявився більш дисциплінованим: на початку листопада 2019 го як по команді стрічки соцмереж занурилися в ностальгію по тепер уже ретровзгляду на наше сьогодення, яким воно могло б бути. Білборди «Атарі» і незграбні інтерфейси, дощова Каліфорнія, повернення зачісок і суконь з сорокових - ну і, звичайно, андроїди, майже неможливо відрізнити від людей. Незважаючи на багато упущення в прогнозі майбутнього, «Той, що біжить по лезу» дуже вірно відбив той постійно наростаючий за останні років сорок дискомфорт, що характеризує ставлення людини і обчислювальних машин (що багато в чому і визначає неубутних актуальність фільму). Звідки ми насправді знаємо, що ми розумніші комп'ютера? Як жити, коли тебе цілком замінює технологія? Що якщо нас всіх можна звести до алгоритмів?

Питання, ще не так давно лежали в умоглядною площині, стають максимально приземленими: недавно стало відомо, що компанія Тимура Бекмамбетова Screenlife Technologies знаходиться в активній фазі розробки російськомовного синтезатора голосу Vera Voice (подібні технології, що дозволяють нейромережі «говорити» голосом знаменитостей англійською, вже існують і використовуються).

Без роботи ризикують залишитися не тільки актори: нейромережі вже вміють писати прості тексти, генерувати візерунки і мелодії, вести цілком осмислені діалоги, комунікувати з іншими нейросетями. У найближчі роки багатьом з нас доведеться серйозно замислюватися над зміною професії і над тим, наскільки велику частину свого життя ми готові віддати на відкуп штучного інтелекту. На щастя, до осмислення цих питань нас дуже добре підготувала популярна наука, популярна філософія і в цілому поп-культура XIX, XX і XXI століть: страх перед машиною-творцем - це, здається, природний стан людини і багато технологічні досягнення в рівній мірі підживлювали його і допомагали його подолати.

1811

Зростаюча механізація виробництва тканин і текстильних виробів призводить до падіння доходу англійських ткачів і вязальщиков (на їх негаразди накладається загальне падіння добробуту в країні в зв'язку з наполеонівськими війнами). У Ноттингемшире, де зосереджено багато подібних виробництв, змовники ночами зустрічаються на торфовищах і планують руйнівні атаки на верстати; потім ця практика поширюється по всій Англії. Своїм духовним ватажком вони вважають нікого Неда ЛАДДЯ - героя, згодом опинилася міфічним, але дав руху луддитів назву. В діях руху злилися воєдино невдоволення економічним становищем і падінням рівня якості товарів, страх перед неминучим настанням майбутнього і криза екзистенції - все те, що характеризує і нинішній страх перед штучним інтелектом. Слово «неолуддіт» до сих пір використовується як страшне лайку, в якому стверджується, що співрозмовник недалекий і неосвічений, - при цьому про неіллюзорно класових причини повстання вважають за краще не згадувати.

1837

Чарльз Беббідж описує аналітичну машину - перший комп'ютер, що володіє повнотою по Тьюрингу (тобто подібний всім сучасним комп'ютерам). Беббідж в результаті не зміг роздобути достатньо грошей, щоб спорудити свій механізм, так що він не побудований по вихідним схемам і до цього дня. Це не завадило Аді Лавлейс в 1843 році придумати першу сучасну програму, яка могла б працювати на такому комп'ютері, і таким чином стати першимпрограммісткой в \u200b\u200bісторії.

1902

Розглядаючи артефакти, виявлені на затонулому поруч з островом Антикітери давньоримському кораблі, археолог Валеріос Стаіс звертає увагу на один з «каменів»: всередині нього знаходяться шестерінки. Стаіс передбачає, що механізм призначався для передбачення затемнень і положення небесних тіл, Але йому ніхто не вірить: інші артефакти на кораблі датовані приблизно I століттям до нашої ери, і до 1902 року ніяких астрономічних механізмів тієї епохи ніхто не знаходив. Про механізм забувають до середини п'ятдесятих років XX століття, коли кілька вчених підтверджують його природу і датування. З тих пір так званий Антикітерський механізм, який можна порівняти за складністю з пристроями XIV століття нашої ери, став для когось символом невіри людства у власні здібності, а для кого-то - знаком про візит інопланетян. Як би там не було, механізм показує, що математичне і механічне мислення дуже високого рівня було доступно нашим далеким предкам - і вони передавали частину його машинам. Легенди про оживаючих статуях з давньогрецьких і давньоєгипетських міфів знаходять плоть і підживлюють конспірологію штучного інтелекту.

1920

Виходить п'єса чеського драматурга Карела Чапека R.U.R. (Rossumovi Univerzální Roboti), вона ж «Універсальні роботи Россум». Спираючись на античні міфи про автоматонах, на легенду про Прометея, на юдейську концепцію гальмові, на теорію Семюела Батлера про еволюцію свідомості у машин і, зрозуміло, на головного літературного попередника всіх оповідань про розумних механізмах - роман Мері Шеллі «Франкенштейн», - Чапек майже одноосібно придумує сучасну художню концепцію «робота», штучного напіврозумні слуги (справедливості заради, у Чапека це організми, а не механізми). Дуже характерно, що перша ж історія про роботів закінчується повним знищенням людства. У 1923 році вийде перша постановка на англійському, а слово з простим слов'янським корінням закріпиться в більшості мов світу. Крім того, блискучі металеві костюми з фільму Фріца Ланга «Метрополіс» 1927 року, створеного з явною оглядкою на R.U.R., на довгі роки визначать зовнішній вигляд більшості роботів на екрані.

1942

Хімік, популяризатор науки і великий письменник Айзек Азімов в оповіданні «Хоровод» формулює базові принципи не тільки існування штучного інтелекту, а й написання сюжетів про нього. Вони відомі як «Три закони робототехніки»:

1. Робот не може заподіяти шкоду людині або своєю бездіяльністю допустити, щоб людині було завдано шкоди.
2. Робот повинен коритися всім наказам, які дає людина, крім тих випадків, коли ці накази суперечать Першому Закону.
3. Робот повинен піклуватися про свою безпеку в тій мірі, в якій це не суперечить Першому або Другому Законам.

Деконструкція законів Азімова в науковій фантастиці активно почалася вже в 1950-ті, коли «робот-вбивця» став тропом у фільмах категорії Б, поступово перекочувала і в високобюджетні кінокартини. Сучасні історії про штучний інтелект або повністю ігнорують ці закони, або модифікують їх так, щоб уможливити існування войовничих роботів. Незважаючи на це, фахівці в галузі штучного інтелекту і зараз продовжують орієнтуватися на технооптімістіческіе і просціентістскіе позиції Азімова.

1950

Як стверджує фізик Едвін Томпсон Джейнс в своїй книзі «Теорія ймовірності: Логіка науки», в 1948 році математика і фізика Джона фон Неймана на лекції запитали, чи може машина думати, на що він в запалі відповів наступне: «Ви стверджуєте, що є речі , які машина не може виконати. Якщо ви мені вкажете точно, що ж саме не здатна зробити машина, я завжди зможу побудувати таку машину, яка зможе зробити саме ось це! » Ніби коментуючи це висловлювання, два роки по тому математик, програміст і герой війни Алан Тьюринг в статті пропонує одну з ключових концепцій штучного інтелекту - тест Тьюринга, активно використовується і до цього дня (нехай і в модифікованому вигляді, нехай і його критика звучить все активніше) . Відрізнити комп'ютер від людини Тьюринг пропонував такий спосіб: поставити запитання (виключно письмово) і отримати відповідь як від людини, так і від машини. Якщо людина, яка отримує відповіді на свої питання, не може зрозуміти, де йому відповідає людина, а де - штучний розум, то тест пройдено. Сцени, засновані на проходженні або непроходження тесту Тьюринга, є в кількох дюжинах науково-фантастичних фільмів, романів і серіалів. Відмінний «тест Войта-Кампф» з «Того, що біжить по лезу» фактично є варіацією тесту Тьюринга, де слідчий ставить ключові питання і стежить за реакцією підозрюваного. Як і в багатьох інших випадках, негативний результат тесту призводить до агресії і жорстокості.

1956

У Дартмутського коледжу проходить конференція, де вперше офіційно використано словосполучення "штучний інтелект" . Майже всі її учасники на довгі роки вперед визначають не тільки моду в кібернетиці, що розвилася з сумнівною новомодної області сорокових в повноцінну науку, а й конкретно в розробці штучного розуму. Так, Марвін Мінський консультував Артура Кларка при написанні сценарію фільму «2001» - одного з найвідоміших сюжетів про штучний інтелект, навмисному вбивати людей (в честь Марвіна названий і один з персонажів, Віктор Камінський).

1957

Психолог Френк Розенблат, впевнений в тому, що машини можна навчати так само, як тварин, тестує самонавчальний електронний механізм Перцептрон - перший прототип нейромережі. У шістдесяті і сімдесяті піонерські праці Розенблатта були частково висміяні і забуті - в тому числі вищезазначеним Мінським. Деякі експерти вважають, що ігнорування нейромереж як концепції ускладнило розвиток штучного інтелекту на роки, а то й десятиліття: в поп-культуру нейромережі повноцінно увійшли тільки в 2010-і, коли на ринки вийшли самообучающиеся графічні додатки і чат-боти.

1965

Джозеф Вейценбаум створює ELIZA - першого чат-бота в сучасному розумінні. Програма ELIZA, названа на честь героїні «Пігмаліона» Елайзи Дулітл, була в стані вести повноцінний діалог з досить великим набором фраз і дотриманням граматики англійської мови. Незважаючи на явні досягнення, роботи над подібними проектами були згодом закриті в цілому ряді дослідницьких інститутів: до кінця шістдесятих виявилося, що початкові прогнози про швидкість розвитку штучного інтелекту були надто оптимістичними (мовляв, успіхи в «розгадки» заснованих на логіці настільних ігор - все, на що варто сподіватися ІІ в найближчі роки). На впливовість ELIZA це втім не вплинуло: схожий інтерфейс Джордж Лукас використовував у своїй дебютній полнометражке «THX 1138», а екран з вибором діалогових опцій став джерелом натхнення для цілого ряду ранніх відеоігор, включаючи, скажімо, Zork. Безпосередньо сходить до ELIZA і генеалогія голосових асистентів (які теж часто носять «жіночі» імена: Алекса, Кортан, Аліса).

1980

На ринку з'являються перші Лісп-машини - спеціальні комп'ютери, пристосовані для експертних систем, здатних аналізувати велику кількість даних і видавати можливий варіант рішення для конкретної ситуації. Фактично це перше масове застосування концепції big data в повсякденному житті: Експертні системи працювали зі швидкістю, принципово неможливою для людей, які аналізують ту ж кількість сигналів. Системи заробили в медицині, кризовий менеджмент, боротьбі з катастрофами, аналізі безпеки виробництв і так далі. Гроші повертаються в штучний інтелект: тепер в ньому зацікавлені не тільки військові відомства і великі уряду, а й приватні компанії. Логічним чином великим хітом в 1983 році стає фільм-катастрофа про поламаної експертної системі - «Військові ігри» (паніка з приводу людських життів, Що довіряють, комп'ютерів, перетинається з панікою з приводу зайвого захоплення відеоіграми).

1986

Група Ернста Дікманс в Баварії проводить перші тести повністю автономних автомобілів, що використовують технології аналізу зображень, що надходять на відеокамери, - але тільки на спеціально підготовлених трасах.

Уже в 1995 році автомобіль Дікманс був здатний доїхати від Мюнхена до датського Оденсе і назад, розвиваючи на автобані швидкість до 175 км / ч. У дев'яності передбачення безпілотного майбутнього були набагато більш райдужними, ніж зараз: зокрема, стартапи на кшталт Uber розраховували на масове впровадження безпілотних автомобілів вже на початку 2020-х. Однак перешкоди в відеораспознаваніі все ще існують: в 2018 році була зареєстрована перша смерть пішохода під колесами автономного автомобіля (і це був якраз автомобіль, що належить Uber).

У тому ж 1986 році виходить останній сезон серіалу Knight Rider про розумне автомобілі, що бореться зі злочинністю спільно з дуже популярним в Німеччині Девід Хассельхофф.

1997

Перша половина дев'яностих - епоха кіберпанку в книгах, кіно і відеоіграх. Відповідно, сюжети про поневолення людства роботами і комп'ютерами стають абсолютним мейнстрімом (починаючи приблизно з «Термінатора-2», де головний антагоніст - це обретшая самосвідомість військова нейросеть Skynet). У новинах теж можна почути апокаліптичні ноти - особливо в обговоренні перемоги суперкомп'ютера Deep Blue над Гаррі Каспаровим. Шахи довгий час були священним Граалем штучного інтелекту: якщо перемагати людини в нарди ІІ навчився ще в 1979 році, а програма, успішно грає в шашки, стала першим прикладом штучного інтелекту в історії (в залежності від визначення це датується або 1952 або 1956 роком) , то шахи, що відрізняються більшою варіативністю і непередбачуваністю (а також цілком собі виступаючі як символ інтелектуальності як такої), не давалося комп'ютера досить довго. Але і це пройшло: фотографії сумного Каспарова обійшли всі ЗМІ.

1998

Невеликий, але дуже настирливий бум роботів-іграшок (в першу чергу схожих на гремлінів Furby і хай-тек-собак Aibo). Іграшки можна програмувати в повноцінному розумінні цього слова, але вони дійсно навчаються (в разі Фёрбі - мови, в разі Айбо - рухам) і починають виконувати команди. Це збігається зі зміною парадигми в зображенні ІІ в кіно: роботи більше не вороги і не чудовиська (і навіть не комічні персонажі в дусі «Короткого замикання»). Мелодраматичні «Двохсотрічна людина» і «Штучний інтелект» дружно переосмислює і перепрідумивают роль роботів в суспільстві як повноцінних учасників, нехай і зі своїми особливостями: повернутися до концепції «доброго слуги» безпосередньо вже ніяк не вийде. Ну, по крайней мере, з тими роботами, які нагадують людей або тварин: що трапився трохи пізніше бум роботів-пилососів показує, що під час відсутності антропо- і зооморфизма ми все ще відчуваємо обмежену емпатію до роботам.

2001

виходить фільм (Мультфільм? Заставка до гри, але без гри?) Final Fantasy: The Spirits Within, срежісcірованний творцем однойменної серії РПГ Хіронобу Сакагуті і як і раніше вважається одним з кращих прикладів того, що таке «зловісна долина» (коли штучне зображення людини занадто сильно схоже на нього, щоб не брати до уваги це абстракцією, але недостатньо сильно, щоб прийняти зображення за жива істота). Фільм розорить киноотдел компанії Square, але подарує нам цікаву дискусію про природу «цифровий актриси» Акі Росс і її постерах в бікіні (всі ці обговорення об'єктивації 3D-моделей отримають нову силу в 2010-х, з великим поширенням VR-порнографії і питаннями прав роботів на недоторканність).

2007

«Першою віртуальної групою» часто називають Gorillaz, але це все ж приклад класичних музикантів, прихованих за мультиплікаційним фасадом. Хацуне Міку (ім'я можна перевести, як «перший звук майбутнього») - це вже зовсім інша справа: співачка, якій нібито немає і, строго кажучи, бути не може. Перший і найвідоміший з вокалоід, японських плагінів для синтезу голосу, володіє мультиплікаційним аватаром, власними піснями і значною фан-базою. Це, звичайно, не перший прецедент співаючого комп'ютера (крім іншого, тут варто згадати великий російський проект 386 DX і його кавери на гітарну класику), але найвідоміший і найбільш значимий: в цей момент продюсери по всьому світу різко зрозуміли, що замінити можна не тільки творців мелодій, а й співаків.

2012

Один з хедлайнерів найважливішого мейнстримового фестивалю Coachella - голограма (ну, точніше, відеопроекція). Чи не фігурально, а цілком буквально: убитий в 1996 році Тупак Шакур «воскрес» в спільному концерті з Снупом Доггом і Доктором Дре (потім вони навіть планували поїхати в тур, але в підсумку Дре вирішив, що це зайве). Сумнівне з етичної точки зору «воскресіння» Тупака призвело до повернення його альбомів у чарти і прискоренню вдосконалення подібних технологій: вже в який вийшов в 2016 році фільмі «Ізгой-один» померлий в 1994 році Пітер Кушинг, відновлений у вигляді 3D-моделі, грав досить значиму роль.

Далі - більше: в 2020 році повинен вийти фільм «У пошуках Джека», де одну з головних ролей грає Джеймс Дін, який загинув у 1955 році. Тим часом заснований в Росії стартап Replika продовжує роботу над створенням нейромереж, здатних імітувати мовні та лексичні особливості загиблих людей.

2018

Виходить FakeApp, перша комерційна програма для домашнього виготовлення так званих діпфейков, де голос або особа однієї людини поєднуються з тілом та обличчям іншої людини, так що на екрані можна спостерігати відеогібрід, аналог вищезгаданого «цифрового воскресіння» або перетворення однієї особи до іншої. Зрозуміло, в першу чергу ця технологія використовується для виготовлення підробленої порнографії зі знаменитостями (за деякими підрахунками, це більш ніж 95% всіх діпфейков). Тут як тут і банківські махінації з відео і голосом, а заодно і фальшиві відео, що порочать політичних опонентів (одне таке відео, зі спікером Ненсі Пелосі, ретвітнул офіційний акаунт Дональда Трампа). Буквально про це останні кілька років говорить Славой Жижек: «Для мене головне питання - і це питання без відповіді - як подібні технології вплинуть на наше сприйняття самих себе. Чи будемо ми сприйматися як вільні живі істоти - чи ж нами будуть керувати цифрові автомати. І ключовий момент полягає в наступному: ми навіть можемо не впізнати, що вони нами керують ».