Kad tiks radīts pirmais mākslīgais intelekts? “Mākslīgais intelekts nespēs līdzināties dabiskajam intelektam, izgudrojot jaunas lietas Kā tas ir būt mākslīgajam intelektam

Mākslīgais intelekts, viena no aizraujošākajām 20. gadsimta fantastikas tēmām, sper neticamus soļus. Mēs pastāvīgi lietojam AI ikdienā, bieži vien to nezinot. Tomēr arī mūsdienās mākslīgais intelekts nepamet zinātniskās fantastikas romānu lappuses un kino ekrānus. Daži autori zīmē šausmīgus cilvēces attēlus, ko paverdzinājusi mašīna, savukārt citi, gluži pretēji, redz mākslīgo intelektu kā uzticamu cilvēka palīgu un draugu.

Kur ir patiesība un kas īsti ir mākslīgais intelekts? Vai tas kādreiz pārspēs cilvēka prāta iespējas? Vai arī tas jau ir noticis? GeekBrains ir gatavs atbildēt uz populārākajiem jautājumiem par mākslīgo intelektu un tā izmantošanas perspektīvām.

Kas ir mākslīgais intelekts?

Mākslīgais intelekts (saīsināti kā AI) ir neskaidrs jēdziens, un tam joprojām nav vispārpieņemtas definīcijas. 20. gadsimta vidū, kad šis termins pirmo reizi tika minēts Dartmutas seminārā, autori tam piešķīra nozīmi, kas būtiski atšķīrās no mūsdienu. Tad zinātnieki uzskatīja, ka mākslīgais intelekts ir sistēma, kas spēs pārtulkot tekstus no vienas valodas uz otru, atpazīt objektus no fotoattēla vai video, notvert izrunāto frāžu nozīmi un adekvāti uz tām reaģēt. Pašreizējais AI var to visu! Bet vai varam uzskatīt, ka mērķi ir sasniegti un mākslīgais intelekts jau ir radīts?

Daži zinātnieki veido sarežģītas teorijas filozofijas un datorzinātnes krustpunktā, mēģinot noteikt, kas ir AI un kādām sistēmas īpašībām ir jābūt, lai to uzskatītu par saprātīgu. Neiedziļinoties detaļās, varam teikt, ka inteliģence tiek definēta kā spēja mācīties, saprast un pielietot zināšanas praksē. Tāpēc arī mums ir tiesības sagaidīt spēju mācīties no mākslīgā intelekta, realizēt savas zināšanas un tās izmantot. Ar pirmo un pēdējo uzdevumu mūsdienu AI veicas diezgan labi!

Kad sākās AI izstrāde?

1956. gada vasarā Dartmutā zinātnieki pulcējās uz semināru par mākslīgo intelektu (tur formulēts termins), un jau nākamajā gadā parādījās pirmā mākslīgā neironu tīkla perceptrona koncepcija. 1960. gadā Frenks Rozenblats, pamatojoties uz šo koncepciju, izveidoja Mark-1 datoru. Pasaulē pirmais neirodators tika iemācīts atpazīt latīņu alfabēta burtus. Bet 60. gadu tehnoloģiju nepilnības un procesu sarežģītība neļāva tehnoloģiju ienest pie prāta, un tās izstrādātājs drīz vien nomira. Neirodatori tika aizmirsti uz 20 gadiem.

Tikai astoņdesmitajos gados neironu tīklu jēdzieni atkal sāka uztvert nopietni. Tehnoloģija jau bija pietiekami jaudīga, un kritiķu bija mazāk: viedā elektronika ātri guva panākumus. Tas, kas pirms divām desmitgadēm šķita kā sapnis, sāka izskatīties diezgan reāls un sasniedzams. Tomēr bija vajadzīgi vēl 20 gadi, lai atrastu pareizās pieejas neironu tīklu apmācībai. Tikai 2000. gadu vidū zinātnieki atrada pareizo ceļu, un mākslīgie neironu tīkli sāka savu uzvaras gājienu apkārt planētai.

Bet pirms to panākumu aprakstīšanas apskatīsim, kā šie tīkli darbojas.

Mākslīgā neirona apraksts

Mākslīgie neironu tīkli tika izveidoti kā cilvēka smadzeņu matemātisks modelis. Lai to izdarītu, zinātniekiem Vorenam Makkulokam un Valteram Pitsam bija jāizstrādā cilvēka smadzeņu teorija.

Tajā atsevišķi neironi ir dzīvas šūnas ar sarežģītu struktūru. Katram neironam ir dendriti – sazaroti procesi, kas var apmainīties ar signāliem ar citiem neironiem caur sinapsēm, kā arī viens aksons – lielāks process, kas atbild par impulsu pārraidi no neirona. Daļa sinapšu ir atbildīga par neirona ierosmi, daļa - par inhibīciju. No kādiem signāliem un caur kādiem sinaptiskajiem savienojumiem nonāks neirona "ievadā", būs atkarīgi arī impulsi, ko tas nodos citiem neironiem.

Mākslīgajam neironam nav nepieciešams fizisks nesējs. Kopumā tā ir matemātiska funkcija. Tās uzdevums ir saņemt informāciju (piemēram, signālus no daudziem citiem mākslīgiem neironiem), apstrādāt to noteiktā veidā un pēc tam dot rezultātu "aksonam" - izvadei. Mākslīgā tīklā neironus parasti iedala trīs veidos:

• ievade - katrs no šiem neironiem kā ievadi saņem sākotnējās informācijas elementu (piemēram, vienu attēla punktu, ja tīkls atpazīst fotogrāfijas);
• starpposma - procesa informācija;
• izvade - dod rezultātu (atpazīstot fotogrāfiju, rezultāts var būt attēlotā objekta identifikators).

Pats neironu tīkls ir izveidots slāņos, piemēram, pīrāgs. Vienā no ārējiem slāņiem ir ieejas neironi, otrā ir izejas neironi, un starp tiem var atrasties viens vai vairāki starpposma neironi. Katrs starpposma tīkla neirons ir savienots ar vairākiem neironiem no diviem apkārtējiem slāņiem. Saziņa starp neironiem tiek nodrošināta, izmantojot svarus - skaitliskās vērtības, kuras katrs neirons aprēķina, pamatojoties uz datiem, kas saņemti no iepriekšējā tīkla slāņa.

Radot mākslīgos neironu tīklus, zinātnieki koncentrējās uz cilvēka smadzeņu uzbūvi. Tāpēc cilvēka radīto neironu uzvedības principi nemaz tik ļoti neatšķiras no īstiem, dzīviem. Varbūt prāts, kas var attīstīties uz šādu neironu tīklu bāzes, būs tuvs cilvēka prātam?

Atšķirība starp mākslīgo intelektu un dabisko

Jautājums par to, kā AI atšķiras no dabiskā intelekta, patiesībā ir vairāk filozofisks nekā stingri zinātnisks. Un būtība nav pat tajā, ka mēs nevaram iedomāties, kā izskatīsies (vai neizskatīsies) mākslīgi radīts prāts. Mēs vienkārši spējam iedomāties jebko – un zinātniskās fantastikas rakstnieki to ir pierādījuši daudzas reizes. Fakts ir tāds, ka neviens mākslīgais intelekts, kas pastāv mūsdienās, nav sasniedzis pietiekami augstu attīstības līmeni, lai līdzvērtīgi konkurētu ar cilvēkiem.

Pastāv viedoklis, ko 80. gados pauda filozofs Džons Sērls. Viņš izdomāja terminus "spēcīgs AI" un "vājš AI". Spēcīgs mākslīgais intelekts, pēc zinātnieka domām, var apzināties sevi un domāt kā cilvēks. Vājākie to nevar.

Mūsdienu AI, ja Sērls tos klasificē, ir acīmredzami vājas, jo nevienai no tām vēl nav radusies pašapziņa. Mūsu mākslīgie neironu tīkli atpazīst sejas un zīmē dīvainus, neticamus attēlus, lasa ar roku rakstītu tekstu un pat pievieno dzeju, taču tie tika radīti tikai šiem nolūkiem. Neviens no šiem neironu tīkliem nespēj mainīt savas domas un izvēlēties sev citu “specialitāti”. Viņi dara tikai to, kam ir apmācīti, un savā ziņā var uzskatīt, ka viņi ir ieprogrammēti šo uzdevumu veikšanai. Viņiem nav īstas izpratnes par to, kas slēpjas aiz šīm lietām. Sērls apgalvoja, ka spēcīga AI izveide būtībā nav iespējama.

Cits filozofs Huberts Dreifuss arī uzskatīja, ka datorsistēmas nekad nevar salīdzināt ar cilvēku - jo savā racionālajā darbībā viņš paļaujas ne tikai uz iegūtajām zināšanām, bet arī uz empīrisko pieredzi. Datoriem tas pēc definīcijas nepieder - tāpēc viņiem nav lemts attīstīt savu prātu.

Taču šie pašpārliecinātie paziņojumi tika izteikti laikā, kad neironu tīkli tikai spēra savus pirmos soļus. Šodien, raugoties uz viņu mācību panākumiem, nav grūti noticēt AI realitātei, kas var kļūt līdzvērtīga personai vai pat viņu pārspēt.

Kā salīdzināt cilvēka un datora intelektu?

Pagaidiet, kā mēs vispār varam noteikt, vai mākslīgais intelekts ir sasniedzis cilvēka līmeni vai nē?

Var pieņemt, ka viens no kritērijiem ir jūtu un emociju klātbūtne, kā arī radošums. Ja mašīna sāktu piedzīvot bailes vai mīlestību, ja tā pēkšņi nolemtu uzrakstīt dzejoli vai uzzīmēt attēlu – vai tā nebūtu saprāta izpausme?

Diezgan iespējams. Tomēr arī dzīvniekiem un putniem ir jūtas. Tajā pašā laikā mēs bieži atbildam uz jautājumu par viņu saprātīgumu (īpaši viņu prāta vienlīdzību ar cilvēku) noliedzoši. Turklāt jūtas var ieprogrammēt – vairumā gadījumu tās ir reakcija uz konkrētiem ārējiem stimuliem. Visbeidzot, mums vienkārši nav datu par to, vai datori kādreiz spēs izjust emocijas, kas salīdzināmas ar cilvēka emocijām. Bet vai viņu jūtām jābūt tādām kā mūsu?

Varbūt uzticamāks kritērijs ir pašapziņa? Ja iekārta jautā: "Kas es esmu?" - tas ir racionalitātes parādīšanās brīdis? Bet pašapziņa ir arī dzīvniekiem. Tajā pašā laikā lielākā daļa cilvēku ir diezgan spējīgi dzīvot savu dzīvi, neiedziļinoties dziļos filozofiskos jautājumos.

Vai ir precīzākas un stingrākas metodes intelektu salīdzināšanai? Galu galā ir IQ koeficients, ar kuru jūs varat novērtēt cilvēka garīgās spējas. Kāpēc to neizmantot automašīnai?

Vai datorprogrammām ir IQ?

Intelekta mērīšana pat cilvēkiem ir neticami sarežģīta - jūs nevarat pievienot lineālu kognitīvajām un garīgajām spējām. Turklāt IQ nav absolūts rādītājs, bet gan relatīvs. Daži zinātnieki parasti uzskata, ka IQ testi mēra nevis intelektu kā tādu, bet gan spēju izturēt šādus testus. To var trenēt un iegūt izcilu rezultātu – bet intelekts, protams, nemainīsies. Tātad IQ ir nekas vairāk kā skaitlis, kas ir saistīts ar intelektu, bet nevar dot tam objektīvu novērtējumu.

Dažos IQ testos dominē uzdevumi novērošanai vai loģikai, citos - kombinatorikai, citos - matemātiskajai domāšanai. Rezultāts būs atkarīgs no tā, kas cilvēkam tiek dots vieglāk un kurā viņš ir kompetentāks. Svarīgs ir pārbaudījumu nokārtošanas ātrums un uzdevumu specializācija.

AI var arī “apmācīt”, lai atrisinātu noteiktas problēmas, un mašīnai būs nepieciešams daudz mazāk laika, lai pabeigtu IQ testu nekā cilvēkam. Tātad neironu tīkls spēs iekrāt punktus, kas izciliem cilvēkiem nav iedomājami, taču tajā pašā laikā tas nespēs atbildēt uz vienkāršākajiem jautājumiem, kuriem nebija sagatavots treniņu laikā.

Tātad, vai ir kādi kritēriji, pēc kuriem var objektīvi spriest par mašīnu inteliģenci? Viens no pirmajiem pētniekiem, kas mēģināja tos izstrādāt, bija slavenais britu matemātiķis Alans Tjūrings.

Kas ir Tjūringa tests?

1950. gadā Tjūrings publicēja rakstu "Computing Machines and the Mind", kurā viņš apsprieda teorētisko iespēju domāt mašīnās. Šis nebija pirmais pētījums par mākslīgā intelekta tēmu un pat ne pirmais šāda veida Tjūringa darbs, taču tieši tas kļuva par sākumpunktu nopietnām zinātniskām diskusijām un strīdiem.

Tjūrings sāka ar definīcijām, lai noskaidrotu jautājumu par to, vai mašīna spēj domāt, kas viņam šķita pārāk neskaidrs. Kādu auto tu domā? Ko vispār nozīmē “domāt”?.. Bija acīmredzams, ka šāds jautājums sākotnēji nes iracionālu graudu, kas neļautu uz to sniegt pareizu atbildi. Zinātnieka pārdomu rezultāts bija Tjūringa tests - eksperiments, kurā cilvēks ("tiesnesis") tiek aicināts sazināties ar diviem sarunu biedriem: cilvēku un datoru. Tiesneša uzdevums ir saprast, kurš ir kurš. Ja rezultātā viņš nav pārliecināts, kurš no viņa sarunu biedriem ir programma, vai kļūdījies novērtējumā, tiek uzskatīts, ka iekārta ir izturējusi pārbaudi.

Tjūringa testa būtība nav radīt “krāpnieku mašīnu”, kas var izlikties par cilvēku. Tas palīdz pārliecināties, ka konkrētai mašīnai vai programmai ir grūti atšķirt prātu no cilvēka. Šādu Tjūringa datoru sauca par "inteliģentu" - šī definīcija ir vairāk nekā 60 gadus veca, un tā joprojām ir aktuāla.

AI procesori

AI tehnoloģijas neaprobežojas tikai ar programmatūras risinājumiem. Mūsdienās tiek aktīvi izstrādātas elektroniskās mikroshēmas, kurās AI atbalsts ir iebūvēts aparatūras līmenī. Šāda veida mikroprocesorus sauc par neironu procesoriem. Tos izmanto bezpilota transportlīdzekļos un lidmašīnās (dronos), industriālajos robotos un automātos, kā arī specializētu uzdevumu risināšanai – balss vai attēla atpazīšanai, veidojot meklētājprogrammas un mašīntulkus.

Starp šādām ierīcēm ir Google Tensor Processing Unit (TPU), kas īpaši izstrādāts mašīnmācīšanās sistēmām. Šī ierīce vēl nav pieejama pārdošanā: tikai pati Google to izmanto, lai optimizētu meklēšanas rezultātus un apstrādātu fotoattēlus. TPU darbojas ar 8 bitu skaitļiem (kas ir ārkārtīgi mazs precīziem aprēķiniem), un tam ir nedaudz vairāk par duci instrukciju (citiem mūsdienu procesoriem var būt simtiem). Bet tas neliedz tensoru procesoram efektīvi veikt aprēķinus, kas saistīti ar mākslīgo intelektu un neironu tīkliem. Procesors strauji attīstās – Google katru gadu izlaiž jaunu versiju.

Tensor procesors Google Tensor Processing Unit 3.0 (TPU)

Ir arī citas līdzīgu mikroshēmu izstrādes. Daudzi no tiem ir ļoti specializēti: piemēram, tie ir paredzēti, lai paātrinātu AI programmas datora redzei.

Mākslīgā intelekta tehnoloģiju tirgus

Mākslīgā intelekta tehnoloģijas tiek izmantotas gandrīz visās cilvēka darbības jomās, tāpēc mākslīgajam intelektam ir liela nākotne. Produktu, kuros izmanto AI, tirgus strauji aug.

Pasaules tirgus

Tiek prognozēts, ka līdz 2022. gadam AI tirgus sasniegs 52 miljardus USD. Varbūt tas nav tik liels rādītājs - piemēram, datorspēļu tirgus tajā pašā gadā pārsniegs 130 miljardus, un viedtālruņu tirgus jau 2018. gadā bija 10 reizes lielāks - 520 miljardi.

Bet AI tirgus parāda vēl nebijušu augsta izaugsme- saskaņā ar dažām aplēsēm tas katru gadu palielinās par aptuveni 30% (līdzīgi rādītāji spēlēm un viedtālruņiem - aptuveni 5%). Ja šāds tehnoloģiju ieviešanas temps turpināsies vēl dažus gadus, mēs varam sagaidīt, ka drīzumā mākslīgais intelekts būs burtiski visur.

Pasaules lielākie IT uzņēmumi: Google, IBM, Intel, Nvidia sniedz savu ieguldījumu AI attīstībā. Amerikas Savienotās Valstis, Ķīna un Apvienotā Karaliste ir vadošās.

Krievijā

Ja 2017. gadā Krievijā bija tikai daži desmiti projektu, kas izmantoja AI, tad 2018. gadā to jau ir simtiem. Eksperti prognozē, ka līdz 2020. gadam tirgus sasniegs 28 miljardus rubļu (apmēram 450 miljonus dolāru). Jaunās tehnoloģijas visaktīvāk tiek izmantotas finanšu sektorā, kā arī telekomunikācijās, mazumtirdzniecībā un enerģētikā. Daži uzņēmumi nolīgst speciālistu komandas, kas nodarbojas tikai ar AI sistēmu izstrādi un ieviešanu.

Neskatoties uz to, ka tirgus izaugsme kopumā ir pat straujāka nekā pasaulē, pastāv problēmas. Galvenā problēma ir mašīnmācības speciālistu trūkums. Tātad, ir pienācis laiks sākt studēt AI, lai iegūtu pieprasītu specialitāti un labi apmaksātu darbu.

Mākslīgā intelekta ietekme uz darba tirgu

Jau šobrīd ir jomas, kurās AI var aizstāt cilvēkus. Piemēram, lietojumprogrammas var atbildēt uz vienkāršiem jautājumiem pa tālruni vai tērzēt ar klientiem. Tas ļauj optimizēt zvanu centru operatoru slodzi un pat samazināt viņu darbinieku skaitu.

Ražošanā AI spēj vadīt automatizāciju un rūpnieciskos robotus. Mākslīgais neironu tīkls, kas pastāvīgi uzrauga dažādu sensoru darbību, spēs ātrāk nekā cilvēks reaģēt uz ārkārtas situāciju un veikt pareizos pasākumus – izslēgt konveijeru vai apturēt mehānismus. Daudzos gadījumos šādas sistēmas var iepriekš paredzēt problēmas un novērst ārkārtas situācijas.

AI piespiedīs cilvēkus pamest darbu. Tas ir lētāk un pieļauj mazāk kļūdu. Viņš neprot būt slinks, vilcināties un tusēties Facebook, viņam nav vajadzīga atpūta, miegs un atvaļinājums, viņš neskumst un nenogurst. Ideāls strādnieks.

Pirmkārt, mākslīgie neironu tīkli aizstās cilvēku ikdienas darbību veikšanā, uzņemsies sarežģītus aprēķinus, risku novērtēšanu, informācijas vākšanu, situāciju modelēšanu pēc noteiktiem parametriem. AI var izmantot bīstamās un bīstamās nozarēs.

Bet cilvēki joprojām būs vajadzīgi tur, kur roboti ilgi nespēs ar viņiem konkurēt. Un tas nav tikai par radošumu. Līdz šim mākslīgais intelekts spēj veikt tikai ļoti specializētus uzdevumus, kuriem tas ir apmācīts, tāpēc tie var aizstāt cilvēkus tādā pašā mērā, kā kalkulators var aizstāt matemātiku. Tajā pašā laikā mākslīgā intelekta tehnoloģiju attīstība paver milzīgu darba tirgu speciālistiem, kas saistīti ar mašīnmācību un intelektuālā aprīkojuma apkopi.

Kur tiek izmantots AI?

Īsāk sakot – gandrīz visur!

Nav palicis tik daudz cilvēku darbības jomu, kuras AI tehnoloģijas nemaz neietekmē. Apsveriet tikai vissvarīgākās jomas, kurās AI jau tiek izmantota.

AI internetā

Ikreiz, kad sakāt "Ok Google" vai "Hey Siri", jūs runājat ar mākslīgo intelektu savā viedtālrunī. Viņš spēj atpazīt viņam adresēto runu mikrofona signālā. Tas ieraksta jūsu jautājumu un pārsūta to uz Google vai Apple serveriem. Tur korpusam ir pievienots otrs AI, kas atpazīst runu un pārvērš jautājumu datoram saprotamā formātā. Un tad trešais meklē atbildi milzu datubāzēs. Visbeidzot, atbilde tiek atgriezta viedtālrunī, kur AI, kas ģenerē cilvēka balsi, to izrunā jūsu vietā. Un tas viss sekundes daļā.

AI transportā un loģistikā

Iespaidīgs mākslīgo neironu tīklu pielietojums ir bezpilota transportlīdzekļi. Pēdējās desmitgades laikā daudzi autoražotāji ir uzņēmušies tādas automašīnas izstrādi, kas spētu patstāvīgi pārvietoties pa ceļiem - General Motors, Nissan, BMW, Honda, Volkswagen, Audi, Volvo, kā arī Google un Tesla. Droni vēl nav kļuvuši par masveida parādību mūsu pilsētu ielās, taču tie nepārprotami progresē.

Amazon ir izstrādājusi ideju par preču un pasta piegādi, izmantojot dronus, kopš 2013. gada. Pirmo reizi sūtījums pie saņēmēja ar bezpilota lidaparātu nonāca 2016. gada decembrī. Dažos reģionos pārtiku, medikamentus un pat pārnēsājamos defibrilatorus piegādā ar droniem. Sistēma vēl nav perfekta, taču tā turpina attīstīties. Diemžēl bezpilota lidaparāti var kalpot arī nelegāliem mērķiem: ir dokumentēti gadījumi, kad aizliegtu priekšmetu nogādāšana cietumos, izmantojot dronus, kā arī dronu izmantošana narkotiku pārvadāšanai.

AI finansēs

Finanšu sektorā mākslīgais intelekts tiek izmantots, lai prognozētu riskus un atklātu krāpšanu. MasterCard Corporation, kas izveidoja starptautisko maksājumu sistēmu, lēmumu izlūkošanas pakalpojumu ieviesa pirms vairākiem gadiem. Tas ir paredzēts, lai palielinātu īstu darījumu apstiprināšanas precizitāti un samazinātu viltus maksājumu noraidīšanas iespējamību - tā ir kļūdaina iebūvētās drošības sistēmas darbība, kas neļauj veikt pareizu darījumu, kas tiek sajaukta ar krāpniecisku. Šādas kļūdas kaitē gan pārdevējam, kurš zaudē klientu, gan pircējam, kurš nesaņem preci. Zaudējumi ir pat lielāki nekā krāpšanas radītie zaudējumi.

Sistēma, kas darbojas mākslīgā neironu tīklā, izmanto informāciju no vairākiem avotiem, lai uzreiz novērtētu, cik “normāls” ir darījums. Tiek ņemta vērā ne tikai pārdevēja uzticamība un darījumu vēsture, bet pat pircējam tipiskais pirkums un viņa atrašanās vieta, kā arī diennakts laiks. Tas viss palīdz uzticamāk aizsargāt cilvēkus no krāpšanas un samazināt viltus pozitīvus rezultātus.

AI medicīnā

Veselības aprūpē mākslīgais intelekts galvenokārt attīstās slimību diagnostikas jomā. Mākslīgie neironu tīkli ir iemācījušies atpazīt vēža audzējus rentgena staros, datortomogrāfijā, mamogrāfijā un MRI. Pieredzējušam ārstam attēla izpēte aizņem apmēram 20 minūtes, bet neironu tīkliem - dažas sekundes. Tādējādi pacients gandrīz acumirklī var uzzināt pārbaudes rezultātus. Īpaši patīkami, ka Krievijā tiek veiktas šādas norises.

Diagnostikas AI var atklāt ne tikai vēzi, bet arī Alcheimera slimības, pneimonijas un citu slimību agrīnās stadijas.

Aizsardzībā un militārajās lietās

2018. gadā kļuva zināms, ka ASV armija izstrādā AI, kas, izmantojot termovizoru, spēj atpazīt cilvēku sejas tumsā un pat cauri sienām. Paredzams, ka tehnoloģija palīdzēs identificēt bandu līderus kara zonās.

Vēl viens AI - ALPHA - tika izveidots, lai kontrolētu bezpilota iznīcinātājus un veiktu gaisa kaujas. Vienā no cīņām uz simulatoriem uzvarēja dators, vienlaikus kontrolējot četras lidmašīnas pret diviem cilvēku pretiniekiem.

Tiek izstrādātas arī tanku tēmēšanas sistēmas, kas spēj pamanīt maskētos mērķus.

Militāri rūpnieciskajā kompleksā mākslīgais intelekts palīdzēs uzlabot valstu aizsardzības spējas, taču tas var kļūt arī par terora ieroci.

Uzņēmējdarbībā un tirdzniecībā

Mazumtirdzniecībā AI rada revolūciju. Mākslīgie neironu tīkli uzlabo servisa kvalitāti un nodrošina individuālu pieeju katram patērētājam. Viedās tehnoloģijas atklāj krāpšanos ar bankas kartēm, sniedz personiskus padomus un palīdz izvēlēties pareizo produktu.

Saskaņā ar TAdviser datiem vairāk nekā trešdaļu no visiem mazumtirdzniecības ieņēmumiem 2018. gadā radīja uz AI balstīti ieteikumi!

AI sportā

Šeit AI tehnoloģijas tiek izmantotas, lai prognozētu maču rezultātus – šādas sistēmas veido UBS, Commerzbank un Microsoft. Tiek ņemta vērā komandas un atsevišķu spēlētāju pieredze. Dažkārt pareģojumi izrādās patiesi, taču nereti mākslīgais intelekts tiek nopietni nepareizi aprēķināts. Cilvēciskais faktors spēj atspēkot jebkādas prognozes.

AI kultūrā

Mašīna nevar būt radoša, jo tai nav iztēles! Vai arī joprojām var?

Savādi, mākslīgie neironu tīkli spēj parādīt radošumu un pat sasniegt noteiktus augstumus kultūras jomā.

Mūzika

Kā skanētu flauta, ja tā būtu sitāra? Google NSynth Super sintezators izmanto neironu tīklu, lai radītu pilnīgi jaunas skaņas, kuru pamatā ir dažādi instrumenti.

Alise, kas izstrādāta Popgun startup ietvaros, prot "spēlēties līdzi" ar cilvēku, radot muzikālas improvizācijas. Amerikāņu dziedātāja Taryn Southern izdevusi albumu sadarbībā ar Amper neironu tīklu. Un Endel projekts spēj radīt kompozīcijas, kas atbilst lietotāja noskaņojumam, nospiežot pogu.

Glezna

DeepDream neironu tīkls tika izveidots, koncentrējoties uz sejas atpazīšanu, un tas parādīja sirreālistiskas gleznošanas spēju. Izstrādātāji ir atvēruši vietni, kurā ikviens var izveidot pārsteidzošu audeklu sadarbībā ar AI. Neironu tīkls krāso attēlus dažādos stilos.

Tiesa, viņa joprojām nezina, kā izdomāt sižetus - viņa lūdz cilvēka palīdzību.

Video

Ar Google un Facebook izstrādātā AI palīdzību ir iespējams “piespiest” cilvēku uz ekrāna izrunāt jebkurus vārdus, attēlot visu emociju gammu. Un var būt grūti atšķirt šādus video no īstiem. Neironu tīkli var pat aizstāt vienu aktieri ar citu filmētā filmā. Un tas paver iespējas ne tikai filmu veidotājiem, bet arī viltojumu radītājiem.

Literatūra

Neironu tīkls no Facebook var rakstīt dzeju, lieliski saglabājot izmēru un ritmu, izvēloties labus atskaņas. Lasītājiem tikai pusi no laika izdevās atpazīt datora ģenerētas rindas, bet AI dzejnieki ir tālu no īstiem dzejniekiem. Mašīna vēl nav iemācījusies nodot emocijas un piešķirt jēgu poētiskiem darbiem.

Yandex arī uzsāka Autopoet, kas izveidoja dzejoļus no lietotāju meklēšanas vaicājumiem. Dažus nav iespējams izlasīt, nesmaidot. Grūti noticēt, ka tos veidoja neironu tīkls, kam nav humora izjūtas!

Un uzņēmums Narrative Science ir izstrādājis elektronisko žurnālistu. Pagaidām AI rakstītie raksti saturiski ir vienkārši, taču uzņēmuma vadība nākotnē raugās ar optimismu un uzskata, ka līdz 2025. gadam līdz pat 90% no internetā esošajiem tekstiem tiks rakstīti, izmantojot mašīninteliģenci.

2016. gadā programma Diena, kad dators raksta romānu bija Hoši Šiniči japāņu literārās balvas finālists. Šo darbu gandrīz pilnībā radīja mākslīgais intelekts.

Spēles

IN Datorspēles neironu tīkli tiek izmantoti, lai kontrolētu pretiniekus un spēļu robotus. Bet AI var arī iemācīt spēlēt "ekrāna otrā pusē" - tas ir, lasīt vizuālo informāciju no ekrāna un kontrolēt spēles varoni, kā to dara cilvēks.

2016. gadā pat notika Doom čempionāts starp AI. Un Deep-Q-Network sistēma ir apmācīta spēlēt klasiskās Atari arkādes mašīnas. Bieži vien tas parāda līdz pat 30% augstākus rezultātus nekā pieredzējuši spēlētāji.

20. gadsimtā tika uzskatīts, ka mākslīgo intelektu var uzskatīt par spēcīgu un pietiekami attīstītu, kad tas spēj pārspēt pasaules šaha čempionu. Datori šo posmu izturēja jau sen – tālajā 1997. gadā Deep Blue uzvarēja Gariju Kasparovu (un tā bija algoritmiska programma, nevis mākslīgais intelekts).

Pēc tam sabiedrības uzmanība pievērsās sarežģītākām taktiskām spēlēm, piemēram, go. Gājiena aprēķināšanas sarežģītība šeit ir par vienu pakāpi augstāka nekā šahā, tāpēc izveidojiet algoritmus, kas sakārtotu iespējamie varianti, gandrīz neiespējami. Bet apmācītiem neironu tīkliem izdevās tikt galā ar šo spēli. Jau 2015. gadā Google izstrādātais AlphaGo tīkls uzvarēja mačā pret profesionālu Go spēlētāju.

Mākslīgā intelekta attīstības perspektīvas

Zinātniskie AI pētījumi tiek veikti jau vairāk nekā pusgadsimtu, taču joprojām ne visi saprot tehnoloģijas būtību. Fantāzijas romānos un filmās rakstnieki un režisori attēlo, cik bīstams var būt mākslīgais intelekts. Un daudziem ideja par mākslīgo intelektu veidojas šādā veidā.

Racionāli atbildēsim uz jautājumiem, kas saistīti ar AI attīstības tālajām perspektīvām.

AI mērķis ir ievietot cilvēka prātu datorā?

Nē, tas nav. Pat teorētiski šāda situācija nav tik maz ticama. Mākslīgie neironu tīkli tiek veidoti cilvēka smadzeņu tēlā, kaut arī ļoti vienkāršotā veidā. Varbūt kādreiz izdosies skenēt visas dzīva cilvēka smadzeņu sekcijas, izveidot viņa neironu un sinaptisko savienojumu "karti" un reproducēt tās kopiju datorā. No šāda kopēta neironu tīkla var sagaidīt ne tikai saprātīgu uzvedību - tas burtiski būs cilvēka dubultnieks, spēs sevi realizēt, pieņemt lēmumus un veikt darbības kā viņš. Pat atmiņas tiek kopētas. Teorētiski šādu neironu tīklu būs iespējams ievietot mākslīgā ķermenī (robotā), un tad cilvēks - viņa apziņas kopija - varēs dzīvot gandrīz mūžīgi.

Praksē veikt šādu pārsūtīšanu būs neticami grūti: nav tehnoloģiju, kas ļautu “nolasīt” dzīvas smadzenes un izveidot tās “karti”. Un mēs joprojām esam ļoti tālu no mākslīga neironu tīkla izveides, kas būtu tikpat spēcīgs kā smadzenes.

Vai AI mērķis ir sasniegt cilvēka intelekta līmeni?

AI mērķis ir palīdzēt cilvēkiem un uzņemties sarežģītus vai rutīnas uzdevumus. Lai to izdarītu, viņam nav jāuztur sarunas par filozofiskām tēmām vai jākomponē dzejoļi.

Tomēr, ja mākslīgais intelekts kādu dienu spēs sasniegt cilvēka domāšanas līmeni, tas būs pagrieziena punkts civilizācijai. Mēs iegūsim praktisku un inteliģentu palīgu – un varam pamatoti lepoties, ka tas ir mūsu roku darbs.

Kad mākslīgais intelekts sasniegs cilvēka līmeni?

Mēs veiksmīgi izveidojam salīdzinoši mazus neironu tīklus, kas spēj atpazīt balsi vai apstrādāt attēlu. Nevienam mākslīgajam intelektam vēl nav tāda pati plastiskums kā mūsu smadzenēm.

Cilvēks šodien var spēlēt mūziku un rīt sākt programmēt C++ valodā – pateicoties neticamajai smadzeņu sarežģītībai. Tajā ir 86 miljardi neironu un neskaitāmi sinaptiskie savienojumi starp tiem.

Mākslīgie neironu tīkli joprojām ir tālu no šiem rādītājiem: tajos ir no vairākiem tūkstošiem līdz miljoniem neironu. Neironu tīklu lielumam ir tehniski ierobežojumi: pat superdatori nevar “izvilkt” neironu tīklu, kas ir salīdzināms ar cilvēka smadzenēm. Nemaz nerunājot par to, ka viņas apmācība būs nenozīmīgs uzdevums.

Vai datoru ātrums ļauj tiem būt inteliģentiem?

Intelekta “jauda” nav saistīta ar aprēķinu ātrumu, bet gan ar neironu tīkla sarežģītību. Cilvēka smadzenes joprojām ir pārākas par jebkuru mākslīgo neironu tīklu, neskatoties uz to, ka procesu ātrums tajās ir ievērojami mazāks nekā datoros.

Mākslīgie neironu tīkli sastāv no atsevišķiem neironiem, kas ir sagrupēti slāņos. Abi ārējie slāņi kalpo kā "ievade", kurai tiek piegādāta sākotnējā informācija, un "izeja", no kuras tiek nolasīts rezultāts. Starp tiem var atrasties no viena līdz vairākiem desmitiem vai pat simtiem neironu starpslāņu. Turklāt katrs slāņa neirons ir saistīts ar daudziem citiem iepriekšējā un nākamajā slānī.

Jo sarežģītāks ir tīkls, jo vairāk slāņu un neironu tajā ir, jo vairāk liela mēroga un nopietnu uzdevumu tas var veikt.

Vai neironu tīkls var attīstīties dabiski?

Apskatīsim, vai ir iespējams, ka AI varēs piedzīvot un mācīties dabiski, tāpat kā bērns. Cilvēka prātu veido daudzi faktori. Informāciju par ārējo pasauli saņemam caur uztveres orgāniem – vērojot, pieskaroties, pagaršojot. Mijiedarbojoties ar vidi, mēs iegūstam dzīves pieredzi, zināšanas par pasaules īpašībām, sociālās prasmes. Mūsu smadzenes nepārtraukti pilnveidojas un fiziski mainās, veidojot jaunus sinaptiskus savienojumus un “pumpējot” esošos.

Ja mēs spēsim izveidot pietiekami daudz neironu tīklu kompleksu, lai tas varētu attīstīties šādā veidā, un aprīkot to ar "sajūtu orgāniem" - videokameru, mikrofonu un tamlīdzīgi -, iespējams, pēc kāda laika tas spēs iegūt "dzīves pieredzi" ". Bet tas ir tālās nākotnes jautājums.

Vai pastāv risks cilvēku civilizācijai?

Ar jaunajām tehnoloģijām saistītie riski vienmēr pastāv. Jautājums ir, kas tie ir.

Var izrādīties, ka mākslīgie neironu tīkli, sasnieguši noteiktu slieksni, sasniegs efektivitātes “plato” un tālāk neattīstīsies. Vai arī viņi neattaisnos uz sevi liktās cerības, ja izrādīsies, ka AI principā nespēj tikt galā ar vienas vai citas klases uzdevumiem, piemēram, radošu raksturu. Tā rezultātā var tikt zaudētas darbaspēka izmaksas un finanšu ieguldījumi.

Tomēr, ja ar risku mēs domājam cilvēka izraisītas katastrofas vai mašīnu sacelšanos - pagaidām tas mūs neapdraudēs. runājot vienkāršā izteiksmē, mūsdienu neironu tīkli nespēj vērsties pret radītājiem - tāpat kā smadzeņu neironi, kas kontrolē rokas kustību, nespēj apzināties sevi kā cilvēku un sist pa savu ķermeni.

Tomēr mums jāatceras, ka AI ir mūsu izgudrojums. Mēs tās izstrādājam, veidojam, apmācām, ieliekam “domas”. Tas nozīmē, ka arī mēs esam atbildīgi par viņu uzvedību.

Ceturtā revolūcija

Neatkarīgi no tā, kā mēs jūtamies pret mākslīgo intelektu, mums būs jāpieņem fakts, ka tas jau pastāv. Atteikties no tā nozīmē spert soli atpakaļ attīstībā. Galu galā AI ir svarīga mūsu progresa sastāvdaļa. Daudzi zinātnieki ceturtās industriālās revolūcijas sākumu saista ar mākslīgajiem neironu tīkliem un paziņo par gaidāmo jauna ēra- kad mums blakus parādās cilvēka radīts prāts, vienmēr gatavs palīdzēt.

Viss jaunais ir biedējošs un neuzticīgs - tā ir normāla cilvēka reakcija, un daudzi cilvēki ir piesardzīgi pret AI. Tikai slinks zinātniskās fantastikas rakstnieks nerunāja par šausmām, ko mums nesīs mākslīgais intelekts. Bet par katru tehnoloģisko jauninājumu savā laikā rakstīja līdzīgas lietas. Cilvēki baidījās no tvaika lokomotīvēm, jo ​​tās "izbiedētu govis, saindēs putnus ar dūmiem, un, braucot ar ātrumu virs 15 jūdzēm stundā, pasažieri tiktu saplosīti gabalos". Iespējams, arī pēcnācēji pasmiesies par mūsu bailēm, par kurām viņi uzzina no 20. un 21. gadsimta filmām un grāmatām.

Mākslīgais intelekts ir digitālā datora vai datora vadīta robota spēja veikt uzdevumus, kas parasti saistīti ar jūtas būtnes. Šis termins bieži tiek attiecināts uz tādu sistēmu izstrādes projektu, kas ir apveltītas ar cilvēkiem raksturīgiem intelektuāliem procesiem, piemēram, spēju spriest, vispārināt vai mācīties no pagātnes pieredzes. Turklāt AI (mākslīgā intelekta) jēdziena definīcija ir samazināta līdz saistītu tehnoloģiju un procesu kopuma aprakstam, piemēram, mašīnmācībai, virtuālajiem aģentiem un ekspertu sistēmām. Vienkārši izsakoties, AI ir neapstrādāts smadzeņu neironu attēlojums. Signāli tiek pārraidīti no neirona uz neironu un visbeidzot tiek izvadīti - tiek iegūts skaitlisks, kategorisks vai ģeneratīvs rezultāts. To var ilustrēt ar šādu piemēru. ja sistēma uzņem kaķa attēlu un ir apmācīta atpazīt, vai tas ir kaķis vai nē, pirmais slānis var identificēt vispārējos gradientus, kas nosaka kaķa vispārējo formu. Nākamais slānis var identificēt lielākus objektus, piemēram, ausis un mutes. Trešais slānis nosaka mazākus objektus (piemēram, ūsas). Visbeidzot, pamatojoties uz šo informāciju, programma izdrukās "jā" vai "nē", lai noteiktu, vai tas ir kaķis vai nē. Programmētājam nav "jāstāsta" neironiem, ka tās ir tās funkcijas, kuras tiem vajadzētu meklēt. AI tos apguva pats, apmācot daudzus attēlus (gan ar kaķiem, gan bez tiem).

Kas ir mākslīgais intelekts?

Mākslīgā neirona apraksts

Mākslīgais neirons ir matemātiska funkcija, kas iecerēta kā bioloģisko neironu modelis, neironu tīkls. Mākslīgie neironi ir mākslīgo neironu tīklu elementāras vienības. Mākslīgais neirons saņem vienu vai vairākus ievades datus un summē tos, lai iegūtu izvadi vai aizdegšanos, kas atspoguļo neirona darbības potenciālu, kas tiek pārraidīts pa tā aksonu. Parasti katra ievade tiek analizēta atsevišķi un summa tiek nodota caur nelineāru funkciju, kas pazīstama kā aktivizācijas funkcija vai pārsūtīšanas funkcija.

Kad sākās AI izpēte?

1935. gadā britu pētnieks A.M. Tjūrings aprakstīja abstraktu skaitļošanas mašīnu, kas sastāv no bezgalīgas atmiņas un skenera, kas pārvietojas uz priekšu un atpakaļ pa atmiņu, rakstzīmi pēc rakstzīmes. Skeneris nolasa atrasto, rakstot turpmākās rakstzīmes. Skenera darbības nosaka instrukciju programma, kas arī tiek saglabāta atmiņā kā simboli. Agrāko veiksmīgo AI programmu 1951. gadā uzrakstīja Kristofers Štrahejs. 1952. gadā šī programma varēja spēlēt dambreti ar cilvēku, pārsteidzot visus ar spēju paredzēt gājienus. 1953. gadā Tjūrings publicēja klasisku agrīnu rakstu par šaha programmēšanu.

Atšķirība starp mākslīgo intelektu un dabisko

Intelektu var definēt kā vispārējo garīgo spēju spriest, risināt problēmas un mācīties. Savas vispārējās būtības dēļ intelekts integrē kognitīvās funkcijas, piemēram, uztveri, uzmanību, atmiņu, valodu vai plānošanu. dabiskais intelekts izceļas ar apzinātu attieksmi pret pasauli. Cilvēka domāšana vienmēr ir emocionāli iekrāsota, un to nevar atdalīt no fiziskuma. Turklāt cilvēks ir sociāla būtne, tāpēc sabiedrība vienmēr ietekmē domāšanu. AI nav nekāda sakara ar emocionālā sfēra un nav sociāli orientēts.

Kā salīdzināt cilvēka un datora intelektu?

Cilvēka domāšanu var salīdzināt ar mākslīgo intelektu, pamatojoties uz vairākiem vispārīgiem smadzeņu un mašīnu organizācijas parametriem. Datora darbība, tāpat kā smadzenes, ietver četrus posmus: kodēšanu, uzglabāšanu, datu analīzi un rezultāta izdošanu. Turklāt cilvēka smadzenes un AI var paši mācīties atkarībā no datiem, kas saņemti no vides. Arī cilvēka smadzenes un mašīnu intelekts risina problēmas (vai uzdevumus), izmantojot noteiktus algoritmus.

Vai datorprogrammām ir IQ?

Nē. IQ ir saistīts ar cilvēka intelekta attīstību atkarībā no vecuma. AI dažos veidos pārsniedz dažas cilvēka spējas, piemēram, tas var saglabāt atmiņā milzīgu skaitu skaitļu, taču tam nav nekāda sakara ar IQ.

Kas ir Tjūringa tests?

Alans Tjūrings izstrādāja empīrisku testu, kas parāda, vai programma spēj notvert visas cilvēka uzvedības nianses tādā mērā, ka cilvēks nevar noteikt, ar ko tieši viņš komunicē – ar AI vai dzīvu sarunu biedru. Tjūrings ieteica ārējam novērotājam novērtēt sarunu starp cilvēku un mašīnu, kas atbild uz jautājumiem. Tiesnesis neredz, kurš tieši atbild, bet zina, ka viens no sarunu biedriem ir AI. Saruna ir ierobežota tikai ar teksta kanālu (datora tastatūru un ekrānu), tāpēc rezultātu neietekmē mašīnas spēja atveidot vārdus kā cilvēka runu. Ja programmai izdodas cilvēku maldināt, tiek uzskatīts, ka tā ir efektīvi tikusi galā ar pārbaudījumu.

Simboliska pieeja

Simboliskā pieeja AI ir visu mākslīgā intelekta izpētes metožu kopums, kas balstās uz augsta līmeņa simboliskiem ( cilvēkam lasāms) idejas par uzdevumiem, loģiku un meklēšanu. Simboliskā pieeja tika plaši izmantota mākslīgā intelekta pētījumos 1950. un 80. gados. Viens no populāras formas simboliskā pieeja ir ekspertu sistēmas, kas izmanto noteiktu ražošanas noteikumu kombināciju. Ražošanas noteikumi saista simbolus loģiskās attiecībās, kas ir līdzīgas algoritmam If-Ten. Ekspertu sistēma apstrādā noteikumus, lai izdarītu secinājumus un noteiktu, kāda papildu informācija tai ir nepieciešama, tas ir, kādus jautājumus uzdot, izmantojot cilvēkam salasāmus simbolus.

loģiska pieeja

Termins "loģiskā pieeja" nozīmē apelāciju pie loģikas, spriešanas, problēmu risināšanu ar loģisku soļu palīdzību. Loģiķi jau 19. gadsimtā izstrādāja precīzus apzīmējumus visu veidu objektiem pasaulē un to savstarpējām attiecībām. Līdz 1965. gadam bija programmas, kas varēja atrisināt jebkuru loģisku problēmu (šīs pieejas popularitātes maksimums bija 1950. gadu beigās un 70. gados). Loģiskās pieejas atbalstītāji loģiskā mākslīgā intelekta ietvaros cerēja uz šādām programmām (īpaši Prolog valodā rakstītām) veidot inteliģentas sistēmas. Tomēr šai pieejai ir divi ierobežojumi. Pirmkārt, nav viegli iegūt neformālas zināšanas un iekļaut tās formālos noteikumos, kas nepieciešami AI apstrādei. Otrkārt, pastāv liela atšķirība starp problēmas risināšanu teorētiski un risināšanu praksē. Pat problēmas ar dažiem simtiem faktu var izsmelt jebkura datora skaitļošanas resursus, ja tam nav norādes par to, kuru argumentāciju izmantot vispirms.

Uz aģentiem balstīta pieeja

Aģents ir kaut kas, kas darbojas (no latīņu agere, “darīt”). Protams, visas datorprogrammas kaut ko dara, bet no datoraģentiem tiek gaidīts vairāk: strādāt autonomi, uztvert vides signālus (izmantojot īpašus sensorus), pielāgoties izmaiņām, radīt mērķus un tos izpildīt. Racionāls aģents ir tas, kurš rīkojas tā, lai sasniegtu vislabāko gaidīto rezultātu.

Hibrīda pieeja

Tiek pieņemts, ka šī pieeja, kas kļuva populāra 80. gadu beigās, darbojas visefektīvāk, jo tā ir simbolisku un neironu modeļu kombinācija. Hibrīda pieeja palielina iekārtas kognitīvās un skaitļošanas iespējas.

Mākslīgā intelekta tehnoloģiju tirgus

Paredzams, ka tirgus līdz 2025. gadam pieaugs līdz 190,61 miljardam ASV dolāru, un gada pieauguma temps būs 36,62%. Tirgus izaugsmi ietekmē tādi faktori kā mākoņa aplikāciju un pakalpojumu ieviešana, lielo datu masīvu parādīšanās un aktīvs pieprasījums pēc viedajiem virtuālajiem palīgiem. Tomēr joprojām ir maz ekspertu, kas izstrādā un ievieš AI tehnoloģijas, un tas bremzē tirgus izaugsmi. Ar AI darbināmām sistēmām ir nepieciešams integrācijas un uzturēšanas atbalsts.

AI procesori

Mūsdienu AI uzdevumiem ir nepieciešami jaudīgi procesori, kas spēj apstrādāt milzīgus datu apjomus. Procesoriem ir jābūt pieejamam lielam atmiņas apjomam, turklāt ierīcei ir nepieciešamas arī ātrdarbīgas datu saites.

Krievijā

2018. gada beigās Krievijā tika uzsākta Elbrus-804 serveru sērija, kas uzrādīja augstu veiktspēju. Katrs no datoriem ir aprīkots ar četriem astoņu kodolu procesoriem. Izmantojot šīs ierīces, jūs varat izveidot skaitļošanas klasterus, tie ļauj strādāt ar lietojumprogrammām un datu bāzēm.

Pasaules tirgus

Vadītāji un tirgus līderi ir divas korporācijas - Intel un AMD, jaudīgāko procesoru ražotāji. Intel tradicionāli ir koncentrējies uz mašīnu ar lielāku takts frekvenci, AMD ir vērsta uz nepārtrauktu kodolu skaita palielināšanu un daudzpavedienu veiktspējas nodrošināšanu.

Valsts attīstības koncepcija

Trīs desmiti valstu jau ir apstiprinājušas nacionālās stratēģijas mākslīgā intelekta attīstībai. 2019. gada oktobrī Krievijā būtu jāpieņem Nacionālās stratēģijas AI attīstībai projekts. Tiek pieņemts, ka Maskavā tiks ieviests tiesiskais režīms, lai veicinātu mākslīgā intelekta tehnoloģiju izstrādi un ieviešanu.

AI izpēte

Jautājumi par to, kas ir mākslīgais intelekts un kā tas darbojas, satrauc zinātniekus dažādas valstis nu jau vairāk nekā desmit gadus. ASV valdība pētniecībai katru gadu piešķir 200 miljonus dolāru. Krievijā 10 gadiem - no 2007. līdz 2017. gadam - tika piešķirti aptuveni 23 miljardi rubļu. Sadaļas par mākslīgā intelekta pētniecības atbalstīšanu kļūs par nozīmīgu nacionālās stratēģijas koncepcijas sastāvdaļu. Tuvākajā nākotnē Krievijā tiks atvērti jauni pētniecības centri, un turpināsies inovatīvas AI programmatūras izstrāde.

AI standartizācija

Normas un noteikumi mākslīgā intelekta jomā Krievijā tiek nepārtraukti pilnveidoti. Tiek pieņemts, ka 2019. gada beigās - 2020. gada sākumā tiks apstiprināti nacionālie standarti, kurus tagad izstrādā tirgus līderi. Paralēli tiek veidots Nacionālais standartizācijas plāns 2020. gadam un turpmākajam gadam. Standarts “Mākslīgais intelekts. Jēdziens un terminoloģija”, un 2019. gadā eksperti sāka izstrādāt tā rusificēto versiju. Dokuments jāapstiprina 2021. gadā.

Mākslīgā intelekta ietekme

AI ieviešana ir nesaraujami saistīta ar zinātnes un tehnikas progresu, un katru gadu tā piemērošanas joma paplašinās. Mēs ar to saskaramies katru dienu dzīvē, kad liela mazumtirdzniecības ķēde internetā iesaka mums kādu preci vai atverot datoru, ieraugām reklāmu par filmu, kuru vienkārši gribējām noskatīties. Šie ieteikumi ir balstīti uz algoritmiem, kas analizē, ko patērētājs iegādājās vai skatījās. Aiz šiem algoritmiem slēpjas mākslīgais intelekts.

Vai pastāv risks cilvēka civilizācijas attīstībai?

Elons Masks uzskata, ka mākslīgā intelekta attīstība varētu apdraudēt cilvēci un rezultāti varētu būt sliktāki nekā kodolieroču izmantošana. Britu zinātnieks Stīvens Hokings baidās, ka cilvēki ar superinteliģentu var radīt mākslīgo intelektu, kas var kaitēt cilvēkam.

Par ekonomiku un biznesu

AI tehnoloģiju iekļūšana visās ekonomikas jomās līdz 2030. gadam palielinās globālā pakalpojumu un preču tirgus apjomu par 15,7 triljoniem USD. ASV un Ķīna joprojām ir līderi visu veidu projektos AI jomā. Visas iespējas cenšas realizēt arī attīstītās valstis – Vācija, Japāna, Kanāda, Singapūra. Daudzas mēreni augošas ekonomikas, piemēram, Itālija, Indija, Malaizija, attīsta stiprās puses īpašos AI lietojumos.

Uz darba tirgu

AI globālā ietekme uz darba tirgu notiks pēc diviem scenārijiem. Pirmkārt, dažu tehnoloģiju izplatība novedīs pie liela skaita cilvēku atlaišanas, jo datori pārņems daudzus uzdevumus. Otrkārt, pateicoties tehnoloģiskā progresa attīstībai, AI speciālisti būs ļoti pieprasīti daudzās nozarēs.

AI neobjektivitāte

AI sistēmas novirze, visticamāk, kļūs par arvien izplatītāku problēmu, jo AI pāriet no laboratorijas īstā pasaule. Pētnieki bažījas, ka bez pienācīgas apmācības datu novērtēšanā un datu aizsprieduma potenciāla identificēšanas neaizsargātajām sabiedrības grupām var tikt nodarīts kaitējums vai viņu tiesības. Līdz šim pētniekiem nav datu par to, vai uz mašīnmācības bāzes veidotās sistēmas apdraudēs cilvēci.

Lietojumprogrammas

Mākslīgais intelekts un tā pielietojumi piedzīvo transformāciju. Vāja AI ("vājš AI") definīcija tiek izmantota, ja mēs runājam par šauru uzdevumu ieviešanu medicīniskajā diagnostikā, elektroniskajās tirdzniecības platformās, robotu vadībā. Savukārt Spēcīgo AI (“spēcīgo AI”) pētnieki definē kā intelektu, kas saskaras ar globāliem uzdevumiem, it kā tie būtu noteikti cilvēkam.

Aizsardzība un militārā izmantošana

Līdz 2025. gadam saistīto pakalpojumu, programmatūras un aparatūras pārdošanas apjoms pasaulē pieaugs līdz 18,82 miljardiem ASV dolāru, un gada tirgus pieaugums būs 14,75%. AI tiek izmantots datu apkopošanai, bioinformātikai, militārām mācībām un aizsardzības sektoram.

Izglītībā

Daudzas skolas savā datorzinātņu programmā iekļauj AI ievadkursus, un universitātes plaši izmanto lielo datu tehnoloģijas. Dažas programmas uzrauga skolēnu uzvedību, vērtē pārbaudes darbus un esejas, atpazīst izrunas kļūdas un iesaka labojumus.

Ir arī tiešsaistes kursi par mākslīgo intelektu. Piemēram, plkst izglītības portāls.

Uzņēmējdarbībā un tirdzniecībā

Nākamo piecu gadu laikā vadošajiem mazumtirgotājiem būs mobilās lietotnes, kas sadarbosies ar digitālajiem palīgiem, piemēram, Siri, lai atvieglotu iepirkšanos. AI ļauj nopelnīt milzīgas naudas summas internetā. Viens piemērs ir Amazon, kas pastāvīgi analizē patērētāju uzvedību un uzlabo algoritmus.

Kur es varu uzzināt par #mākslīgo intelektu

Enerģētikas nozarē

AI palīdz prognozēt enerģijas resursu ražošanu un pieprasījumu, samazināt zaudējumus un novērst resursu zādzību. Elektroenerģētikas nozarē AI izmantošana statistikas datu analīzē palīdz izvēlēties ienesīgāko piegādātāju vai automatizēt klientu apkalpošanu.

Ražošanas sektorā

Saskaņā ar McKinsey aptauju, kurā piedalījās 1300 vadītāju, 20% uzņēmumu jau izmanto AI. Nesen Mosselprom ieviesa AI savā ražošanā iepakošanas cehā. Izmanto AI spēju atpazīt attēlu. Kamera fiksē visas darbinieka darbības, skenējot uz apģērba uzdrukāto svītrkodu un nosūta datus uz datoru. Veikto darījumu skaits tieši ietekmē darbinieka atalgojumu.

Alus darīšanā

Carlsberg izmanto mašīnmācīšanos, lai atlasītu raugu un paplašinātu tā klāstu. Tehnoloģija tiek ieviesta uz digitālās mākoņu platformas bāzes.

Banku jomā

Nepieciešamība pēc uzticamas datu apstrādes, mobilo tehnoloģiju attīstība, informācijas pieejamība un atvērtā pirmkoda programmatūras izplatība padara AI par pieprasītu tehnoloģiju banku sektorā. Arvien vairāk banku piesaista līdzekļus, izmantojot mobilo lietotņu izstrādes uzņēmumus. Jaunās tehnoloģijas uzlabo klientu apkalpošanu, un analītiķi prognozē, ka piecu gadu laikā banku mākslīgais intelekts lielāko daļu lēmumu pieņems pats.

Par transportu

AI tehnoloģiju attīstība ir transporta nozares virzītājspēks. Ceļu stāvokļa uzraudzība, gājēju vai objektu noteikšana nepareizās vietās, autonomā braukšana, mākoņpakalpojumi automobiļu nozarē ir tikai daži piemēri AI izmantošanai transportā.

Loģistikā

AI jauda ļauj uzņēmumiem labāk prognozēt pieprasījumu un rentablāk veidot piegādes ķēdes. AI palīdz samazināt transportēšanai nepieciešamo transportlīdzekļu skaitu, optimizēt piegādes laikus un samazināt transporta un uzglabāšanas telpu ekspluatācijas izmaksas.

Luksusa preču un pakalpojumu tirgū

Luksusa zīmoli ir pievērsušies arī digitālajam, lai analizētu klientu vajadzības. Viens no izaicinājumiem, ar ko saskaras izstrādātāji šajā segmentā, ir klientu emociju pārvaldīšana un ietekmēšana. Dior jau pielāgo AI, lai pārvaldītu klientu un zīmola mijiedarbību, izmantojot tērzēšanas robotus. Luksusa zīmoli konkurēs nākotnē, un personalizācijas līmenis, ko tie var sasniegt, izmantojot AI, būs noteicošais.

Valsts pārvaldē

Daudzu valstu valsts aparāti vēl nav gatavi tiem izaicinājumiem, kas slēpjas AI tehnoloģijās. Eksperti prognozē, ka daudzas no esošajām valdības struktūrām un procesiem, kas attīstījušies dažu pēdējo gadsimtu laikā, visticamāk, tuvākajā nākotnē kļūs nenozīmīgi.

Kriminālistikā

Noziedznieku identificēšanai tiek izmantotas dažādas AI pieejas sabiedriskās vietās. Dažās valstīs, piemēram, Nīderlandē, policija izmanto mākslīgo intelektu, lai izmeklētu sarežģītus noziegumus. Digitālā kriminālistika ir jauna zinātne, kas prasa iegūt milzīgu daudzumu ļoti sarežģītu datu kopu.

Tiesu sistēmā

Notikumi mākslīgā intelekta jomā palīdzēs radikāli mainīt tiesu sistēmu, padarīt to godīgāku un brīvāku no korupcijas. Viens no pirmajiem AI tiesu sistēmā sāka izmantot Ķīnu. Var pieņemt, ka robotu tiesneši galu galā varēs darboties ar lielajiem datiem no sabiedrisko pakalpojumu krātuvēm. Mašīninteliģence analizē milzīgu datu apjomu, un tā nepiedzīvo emocijas kā cilvēka tiesnesis. AI var būtiski ietekmēt informācijas apstrādi un statistikas vākšanu, kā arī iespējamo pārkāpumu prognozēšanu, pamatojoties uz datu analīzi.

Sportā

AI pielietošana sportā pēdējos gados ir kļuvusi par ierastu lietu. Sporta komandas (beisbols, futbols utt.) analizē atsevišķu spēlētāju snieguma datus, atlasē ņemot vērā dažādus faktorus. AI var paredzēt spēlētāju nākotnes potenciālu, analizējot spēles tehniku, fizisko stāvokli un citus datus, kā arī novērtēt to tirgus vērtību.

Veselības aprūpes medicīnā

Šī pielietojuma joma strauji pieaug. AI tiek izmantota slimību diagnostikā, klīniskajā izpētē, zāļu izstrādē un veselības apdrošināšanā. Turklāt tagad ir vērojams investīciju uzplaukums daudzās medicīnas lietojumprogrammās un ierīcēs.

Iedzīvotāju uzvedības analīze

Iedzīvotāju uzvedības novērošana tiek plaši izmantota drošības jomā, tostarp uzraudzīt uzvedību tīmekļa vietnēs (in sociālajos tīklos) un kurjeros. Piemēram, 2018. gadā Ķīnas zinātniekiem izdevās identificēt 20 tūkstošus potenciālo pašnāvību un nodrošināt viņiem psiholoģiskā palīdzība. 2018. gada martā Vladimirs Putins uzdeva pastiprināt valsts struktūru rīcību, lai cīnītos pret destruktīvo kustību negatīvo ietekmi sociālajos tīklos.

Kultūras attīstībā

AI algoritmi sāk ģenerēt mākslas darbus, kurus ir grūti atšķirt no cilvēku radītajiem. AI piedāvā radošiem cilvēkiem daudzus rīkus ideju atdzīvināšanai. Šobrīd mainās izpratne par mākslinieka lomu plašā nozīmē, jo AI sniedz daudz jaunu metožu, bet arī uzdod daudz jaunu jautājumu cilvēcei.

Glezna

Māksla jau sen tiek uzskatīta par ekskluzīvu cilvēka radošuma sfēru. Taču izrādās, ka mašīnas radošajā jomā spēj paveikt daudz vairāk, nekā cilvēki saprot. 2018. gada oktobrī Christie's pārdeva pirmo mākslīgā intelekta gleznu par 432 500 USD. Tika izmantots ģeneratīvs sacīkstes tīkla algoritms, kas analizēja 15 000 portretu, kas izveidoti no 15. līdz 20. gadsimtam.

Mūzika

Ir izstrādātas vairākas mūzikas programmas, kas izmanto AI mūzikas radīšanai. Tāpat kā citās jomās, AI šajā gadījumā arī simulē garīgu uzdevumu. Ievērojama iezīme ir AI algoritma spēja mācīties no saņemtās informācijas, piemēram, datora izsekošanas tehnoloģijas, kas spēj klausīties un sekot cilvēka izpildītājam. AI vada arī tā saukto interaktīvo komponēšanas tehnoloģiju, kurā dators komponē mūziku, reaģējot uz dzīvā mūziķa uzstāšanos. 2019. gada sākumā Warner Music parakstīja pirmo līgumu ar izpildītāju — Endel algoritmu. Saskaņā ar līguma nosacījumiem Endel neironu tīkls gada laikā izdos 20 unikālus albumus.

Fotoattēls

AI strauji maina veidu, kā mēs domājam par fotogrāfiju. Tikai pēc pāris gadiem lielākā daļa sasniegumu šajā jomā būs vērsti uz AI, nevis uz optiku vai sensoriem, kā iepriekš. Pirmo reizi fotografēšanas tehnoloģiju sasniegumi nebūs saistīti ar fiziku un radīs pilnīgi jauns veids fotodomāšana. Pat tagad neironu tīkls atpazīst mazākās izmaiņas, modelējot sejas fotoattēlu redaktoros.

Video: sejas maiņa

2015. gadā Facebook vietnē sāka testēt DeepFace tehnoloģiju. 2017. gadā Reddit lietotājs DeepFakes nāca klajā ar algoritmu, lai izveidotu reālistiskus sejas apmaiņas videoklipus, izmantojot neironu tīklus un mašīnmācīšanos.

Mediji un literatūra

2016. gadā Google AI pēc 11 000 nepublicētu grāmatu analīzes sāka rakstīt savus pirmos literāros darbus. Facebook AI Research pētnieki 2017. gadā nāca klajā ar neironu tīklu sistēmu, kas var rakstīt dzeju par jebkuru tēmu. 2015. gada novembrī automātisko tekstu sagatavošanas virzienu atklāja Krievijas uzņēmums Yandex.

Spēlējiet spēles, pokeru, šahu

2016. gadā AI pārspēja cilvēku Go (spēle ar vairāk nekā 10 100 opcijām). Šahā superdators uzvarēja cilvēku spēlētāju, jo spēja saglabāt atmiņā cilvēku izspēlētās kustības un ieprogrammēt jaunas 10 soļus uz priekšu. Tagad pokeru spēlē boti, lai gan agrāk tika uzskatīts, ka datoru apmācīt spēlēt šo kāršu spēli ir gandrīz neiespējami. Katru gadu izstrādātāji arvien vairāk uzlabo algoritmus.

Sejas atpazīšana

Sejas atpazīšanas tehnoloģija tiek izmantota gan fotoattēlu, gan video straumēm. Neironu tīkli izveido vektoru jeb “digitālo” sejas veidni, pēc tam šīs veidnes tiek salīdzinātas sistēmā. Viņa atrod sejā atskaites punktus, kas nosaka individuālās īpašības. Raksturlielumu aprēķināšanas algoritms katrai sistēmai ir atšķirīgs un ir galvenais izstrādātāju noslēpums.

AI tālākai attīstībai un pielietošanai nepieciešams apmācīt, pirmkārt, cilvēku

Sergejs Širkins

Mākslīgā intelekta fakultātes dekāns

Mākslīgā intelekta tehnoloģijas tādā formā, kādā tās tiek izmantotas tagad, pastāv jau aptuveni 5-10 gadus, taču, lai tās pielietotu, dīvainā kārtā ir nepieciešams liels skaits cilvēku. Attiecīgi galvenās izmaksas mākslīgā intelekta jomā ir speciālistu izmaksas. Turklāt gandrīz visas mākslīgā intelekta pamattehnoloģijas (bibliotēkas, ietvari, algoritmi) ir bezmaksas un ir publiski pieejamas. Savulaik mašīnmācības ekspertu atrašana bija gandrīz neiespējama. Taču tagad, lielā mērā pateicoties MOOC (eng. Massive Open Online Course, massive open online course) attīstībai, to ir vairāk. augstāks izglītības iestādēm apgādā arī speciālistus, taču bieži vien viņiem mācības jāpabeidz tiešsaistes kursos.

Tagad mākslīgais intelekts var labi atpazīt, ka cilvēks plāno mainīt darbu, un var piedāvāt viņam atbilstošus tiešsaistes kursus, no kuriem daudzus var apgūt tikai ar viedtālruni. Un tas nozīmē, ka jūs varat trenēties pat ceļā – piemēram, pa ceļam uz darbu. Viens no pirmajiem šādiem projektiem bija tiešsaistes resurss Coursera, taču vēlāk parādījās daudzi līdzīgi projekti. izglītības projekti, no kuriem katrs ieņem noteiktu nišu tiešsaistes izglītībā.

Jums jāsaprot, ka AI, tāpat kā jebkura programma, galvenokārt ir kods, tas ir, teksts, kas izstrādāts noteiktā veidā. Šis kods ir jāattīsta, jāuztur un jāuzlabo. Diemžēl tas nenotiek pats no sevis, bez programmētāja kods nevar “atdzīvoties”. Tāpēc visas bažas par AI visvarenību ir nepamatotas. Programmas ir radītas stingri definētiem uzdevumiem, tām nav jūtu un tieksmju kā cilvēkam, tās neveic darbības, kuras programmētājs tajās nav veicis.

Var teikt, ka mūsdienās mākslīgajam intelektam piemīt tikai individuālas cilvēka prasmes, lai gan tās pielietošanas ātrumā var apsteigt vidusmēra cilvēku. Tiesa, katras šādas prasmes attīstīšanai tiek pavadītas tūkstošiem programmētāju pūļu. Visvairāk, ko AI spēj līdz šim, ir automatizēt dažas fiziskas un garīgas darbības, tādējādi atbrīvojot cilvēkus no rutīnas.

Vai AI izmantošana rada kādus riskus? Drīzāk tagad pastāv risks neredzēt iespēju izmantot mākslīgā intelekta tehnoloģijas. Daudzi uzņēmumi to apzinās un cenšas attīstīties vairākos virzienos vienlaikus, cerot, ka kāds no tiem var "izšaut". Ilustratīvs piemērs ir tiešsaistes veikali: tagad virs ūdens palika tikai tie, kas saprata nepieciešamību izmantot AI, kad tas vēl nebija modē, lai gan bija pilnīgi iespējams “ieekonomēt” un bez iemesla nepieaicināt nepieciešamos matemātiķus-programmētājus. .

Mākslīgā intelekta attīstības perspektīva

Datori tagad var veikt daudzas lietas, ko agrāk varēja darīt tikai cilvēki: spēlēt šahu, atpazīt alfabēta burtus, pārbaudīt pareizrakstību, gramatiku, atpazīt sejas, diktēt, runāt, uzvarēt spēļu pārraides un daudz ko citu. Bet skeptiķi neatlaidīgi. Kad cilvēka spējas ir automatizētas, skeptiķi saka, ka tā ir tikai vēl viena datorprogramma, nevis pašmācības AI piemērs. AI tehnoloģijas tiek tikai plaši izmantotas, un tām ir milzīgs izaugsmes potenciāls visās jomās. Laika gaitā cilvēce radīs arvien jaudīgākus datorus, kas AI attīstībā tiks arvien vairāk uzlaboti.

Vai AI mērķis ir ievietot cilvēka prātu datorā?

Ir tikai aptuvena izpratne par to, kā darbojas cilvēka smadzenes. Līdz šim ne visas prāta īpašības var atdarināt, izmantojot AI.

Vai AI var sasniegt cilvēka intelekta līmeni?

Zinātnieki cenšas nodrošināt, lai AI varētu atrisināt vēl daudzveidīgākas problēmas. Taču runāt par cilvēka intelekta līmeņa sasniegšanu ir pāragri, jo domāšana neaprobežojas tikai ar vienu algoritmu.

Kad mākslīgais intelekts var sasniegt cilvēka domāšanas līmeni?

Šajā informācijas uzkrāšanas un analīzes posmā, ko tagad ir sasniegusi cilvēce, mākslīgais intelekts ir tālu no cilvēka domāšanas. Tomēr nākotnē var rasties revolucionāras idejas, kas ietekmēs strauju lēcienu AI attīstībā.

Vai dators var kļūt par inteliģentu mašīnu?

Jebkuras sarežģītas mašīnas sastāvdaļa ir datorsistēma, un šeit var runāt tikai par viedajām datorsistēmām. Pats dators nav inteliģents.

Vai ir saistība starp ātrumu un intelekta attīstību datoros?

Nē, ātrums ir atbildīgs tikai par dažām intelekta īpašībām. Pats par sevi informācijas apstrādes un analīzes ātrums nav pietiekams, lai parādītos inteliģence.

Vai ir iespējams izveidot bērnu mašīnu, kas varētu attīstīties lasot un pašmācības ceļā?

Par to pētnieki runā jau gandrīz simts gadus. Iespējams, ideja kādreiz tiks īstenota. Mūsdienās AI programmas neapstrādā un neizmanto tik daudz informācijas, cik to spēj bērni.

Kā aprēķināšanas teorija un skaitļošanas sarežģītība ir saistītas ar AI?

Aprēķinu sarežģītības teorija koncentrējas uz skaitļošanas problēmu klasificēšanu pēc to raksturīgās sarežģītības un šo klašu saistīšanu savā starpā. Aprēķinu problēma ir problēma, ko atrisina dators. Aprēķinu uzdevums ir atrisināms, mehāniski pielietojot matemātiskos soļus, piemēram, algoritmu.

Secinājums

Mākslīgais intelekts jau ir atstājis milzīgu ietekmi uz mūsu pasaules attīstību, ko nebija iespējams paredzēt pat pirms gadsimta. Viedtālruņu tīkli maršrutē zvanus efektīvāk nekā jebkurš operators. Automašīnas bezpilota rūpnīcās būvē automatizēti roboti. Mākslīgais intelekts tiek integrēts visizplatītākajos sadzīves priekšmetos, piemēram, putekļu sūcējā. AI mehānismi nav pilnībā izprasti, taču eksperti prognozē, ka AI attīstība tuvākajos gados pietuvosies vēl tuvāk cilvēka smadzeņu attīstībai.

Mākslīgais intelekts un mašīnmācīšanās tehnoloģijas vairs nav zinātniskā fantastika un jau ir kļuvušas par mūsu dzīves sastāvdaļu. Galvenais to attīstības virzītājspēks ir lielais bizness: rūpniecība, mazumtirdzniecība, banku darbība. Ar Jet Infosystems tika pārrunātas AI ieviešanas problēmas un specifika Krievijā.

Vladimirs MolodihsJet Infosystems Programmatūras izstrādes un ieviešanas direktorāta vadītājs

Kāda mūsdienās ir mākslīgā intelekta tehnoloģiju nozīme? Kādas iespējas un kādās jomās AI attīstība paver cilvēkiem?

Par mākslīgo intelektu kā filozofisku un futuroloģisku koncepciju varam runāt no filmām par nākotni. Bet, ja runājam par īsta dzīve, tad tas nozīmē vienu vai otru mašīnmācīšanās metožu kombināciju: kad mēs ņemam lielu uzkrāto datu kopu, uz tā pamata, izmantojot īpašu progresīvu matemātiku, mēs izveidojam modeli un iemācām to atrisināt konkrētu problēmu.

Tas ir, reālajā dzīvē AI ir piemērojams jomās, kurās ir liels uzkrāto datu apjoms. Tie ir dažāda veida. Ja jums nosacīti ir trīs datu veidi, viens analītiķis var tos apstrādāt. Bet, ja parametru ir vairāk nekā tūkstotis un daži no tiem ir nestrukturēti, tad tas nevienam analītiķim neiederēsies. Šādos gadījumos cilvēka prāts, ko atbalsta iepriekšējās tehnoloģiskās kārtības analītiskie instrumenti, nespēj visu normāli analizēt. Tas vienkāršos, ņems trīs vai četrus galvenos parametrus. Un tieši tad mašīnmācība – kāda ir AI praktiskā ieviešana – izrādās efektīva.

Kāpēc mūsdienās tiek runāts par AI, lai gan no pirmā acu uzmetiena attiecīgā matemātika un datori pastāvēja pirms divdesmit gadiem?

Ja mēs runājam par ļoti specializētiem uzdevumiem, tad mašīnmācība tur ir izmantota iepriekš. Ir četri galvenie faktori, kuru dēļ mēs varam teikt, ka AI ir jauna globāla tendence, kas maina pasauli. Pirmais ir tas, ka ir vairāk datu, piemēram, ja agrāk ražošanā bija tikai papīra ieraksti, tad tagad uz mašīnām ir sensori, kas apkopo informāciju. Otrais un trešais faktors ir skaitļošanas jaudas pieaugums, kā arī atbilstošo matemātikas jomu attīstība. Risinājumu izmaksas ir samazinātas: "dzelzs" izmaksu samazināšanās dēļ tagad nav jāgaida uz projekta atmaksāšanos ražošanā desmit gadus. Un visbeidzot, pamazām attīstās uzņēmējdarbības prakse, parādās speciālisti ar projektu pieredzi šajā jomā.

Kāpēc AI ieviešanas process Krievijā norit lēni?

Tas ir tā. Tagad Krievijā par mākslīgo intelektu runā vairāk nekā patiesībā. Tēma ir modē, un, lai par to ziņotu “līdz augšai”, daudzi izsludina kādu hakatonu un rāda fotogrāfijas Instagram. Un rezultāts, kas maina biznesu, neparādās. Balstoties uz mūsu pieredzi, redzam, ka lielākajā daļā Krievijas lielāko organizāciju mākslīgais intelekts tiek veiksmīgi ieviests tikai 5-7% gadījumu no tā, par ko viņi runā.

Fakts ir tāds, ka šis ir jauna veida projekts, ar kuru viņi joprojām nezina, kā kompetenti strādāt. Šis ir sarežģīts stāsts: ar mašīnmācības palīdzību vienu uzdevumu var atrisināt diezgan ātri, taču tas prasa būtisku biznesa procesu pārstrukturēšanu. Piemērs: jūs varat izveidot individuālu ieteikumu modeli mazumtirdzniecības ķēdes klientiem, bet, ja kopā ar to darbojas klasiskais mārketings, piemēram, akcijas stilā “10% atlaide visam”, tad šie ieteikumi nedarbosies. Vai, piemēram, uzbūvējām modeli autoparka automašīnu defektu un bojājumu prognozēšanai, bet, kamēr šis modelis tika būvēts, mainījās degvielas piegādātājs. Un tie ir arī dati, kas ietekmē modeli - un tas sabrūk. Tas ir, organizācijai ir jāmainās, lai tās procesi atbilstu uzdevumiem, kurus var atrisināt, izmantojot mašīnmācīšanos: efektīvi veidot datu apmaiņu starp departamentiem utt. Šis ir izmaiņu kopums, kas jums jāspēj veikt, un jums jābūt gatavam par to cīnīties.

Mēs joprojām esam tirgus ģenerēšanas stadijā, un tā novitātes dēļ rodas grūtības. Jo īpaši mēs saskārāmies ar situāciju ražošanā, kad cilvēki domāja: "Tātad, ne mēs cīnīsimies par laulību, bet gan kaut kāds AI modelis, un mēs, izrādās, neesam vajadzīgi." Motivācija cieta, un tā vietā, lai palīdzētu cilvēkiem, kas nodarbojas ar kritiku. Vadības priekšā no vienas puses ir kāds datu speciālists no Maskavas, no otras 45 gadus vecs vīrietis, kurš pārzina ražošanu no iekšpuses un ārpuses, kurš saka: “Tas nedarbosies, bet jūs neko nesaprotu." Un skaidrs, ka šādā situācijā režisors nejūtas īpaši pārliecināts.

Kuras Krievijas nozares visbiežāk izmanto AI un kāpēc?

Pirmkārt, tie ir inovatīvi interneta uzņēmumi. Tas pats "Yandex" - tur to parasti izmanto visur. Ja ņemam lielās nozares, tad pirmajā vietā būs mazumtirdzniecība, kā arī bankas un apdrošināšanas kompānijas. Taču esmu pilnīgi pārliecināts, ka lielākais mākslīgā intelekta potenciāls ir rūpniecībā: tie ir reāli ražošanas procesi ar reālu naudu un iespēju samazināt izmaksas. Bet šī nozare vēl nedaudz atpaliek, jo ir konservatīvāka par mazumtirdzniecību, kurai konkurences vides dēļ jāattīstās ļoti strauji.

Visur, kur ir daudz datu. Īpaši liels efekts būs rūpniecībā. Kritēriji – datu pieejamība un ko iespējams optimizēt. Tie var būt apkopes, remonta, cīņas pret laulībām, prognozēšanas, "digitālo dvīņu" uzdevumi, kas ļauj veikt analīzi. Pareizāk ir skatīties nevis uz zariem, bet gan uz uzdevumu veidu. Ja šī ir gabala ražošana, piemēram, kaujas lidmašīnu ražošana, tad lielākajai daļai uzdevumu vienkārši nebūs nepieciešamā datu apjoma. Un, ja tas ir liela mēroga, piemēram, velmēts tērauds vai automašīnu masveida montāža, tad AI šeit būs efektīvs.

Kāpēc ieviest AI uzņēmumā?

Uzņēmums parasti nodarbojas ar naudas pelnīšanu - un tādā veidā tas nopelnīs vairāk. Mūsdienās ražošanas procesi soli pa solim kļūst sarežģītāki, kļūst arvien vairāk faktoru un nianšu. Ja agrāk viss ražošanas process ietilpa viena tehnologa galvā, tad tagad tas ir pāri vienam cilvēkam vai cilvēku grupai. Attiecīgi arvien sarežģītākajam ražošanas procesam ir nepieciešami jauni risinājumi, jo īpaši AI un mašīnmācīšanās.

Turklāt cilvēki ar dažām unikālām kompetencēm ir īpaši vērtīgi ražošanā. Viņi var saslimt, doties pensijā, un mākslīgā intelekta izmantošana palielina uzņēmuma noturību attiecībā pret cilvēcisko faktoru.

Kādi ir visizplatītākie maldīgie priekšstati par AI, ar kuriem jūs visbiežāk saskaraties?

Maldi ir divu veidu. Pirmkārt: "Tagad es paņemšu datu speciālistu, viņš man uzbūvēs modeli, un pēc pāris nedēļām viss lidos līdzi." Tas nekad nenotiek. Cits veids: "Tas viss ir daiļliteratūra un pasakas, bet mums ir cita dzīve, kurā tas viss nav piemērojams." Un patiesība patiesībā ir kaut kur pa vidu.

Pastāv plaši izplatīts uzskats, ka ar laiku mākslīgais intelekts spēs pilnībā aizstāt cilvēkus ražošanā un citās nozarēs. Vai jūs dalāties ar to?

Trīs, piecu, desmit gadu mērogā radīsies konkrētas jomas, kurās cilvēks tiks nomainīts. Patlaban tiek pārbaudīti bezpilota transportlīdzekļi, kas, iespējams, pamazām nomainīs vadītājus, jo tas ļauj samazināt negadījumu skaitu un izvairīties no naudas maksāšanas autovadītājiem. Ja runājam par biznesu, tad tas notiek mūsu acu priekšā. Ja agrāk cilvēks lēmumus pieņēma viens, tad tagad viņš to dara ar mašīnmācības vai robotikas palīdzību. Kur agrāk strādāja simts cilvēku, tagad tur var būt viens tehnologs, viens datu zinātnieks, bet pārējo dara mašīnas.

Pirmkārt, tiks aizstāti tipiski uzdevumi. Cilvēki, kas nodarbojas ar individuāliem, radošiem uzdevumiem, šobrīd ir droši. Un jomās, kur tūkstošiem darbinieku vienādos amatos strādā saskaņā ar noteikumiem, pēc trim līdz pieciem gadiem viņus nomainīs AI.

Kā uzsākt AI ieviešanas procesu uzņēmumā?

Pirmais solis ir atrast pieredzējušu komandu, kas saprot, kā to izdarīt. Jo šeit ir daudz slazdu, un ar tām ir jātiek galā. Otrais ir atrast uzdevumus, kurus var atrisināt biznesa labā, izveidot kompetentus, saprātīgus rādītājus, saprast, kā to pārvērst naudā. Galu galā arī ātri panākumi ir svarīgi.

Kā jūs izlemjat, vai to darīt pašam vai nolīgt darbuzņēmēju?

Jebkuram uzņēmumam pakāpeniski jāvirzās uz to, lai IT kļūtu ne tikai par atbalsta funkciju, bet gan par kaut ko tādu, kas palīdz nopelnīt. Tas nozīmē, ka viņai ir jāattīsta IT kompetences, un tas nav ātrs process. Tāpēc sākotnējā posmā ir racionāli piesaistīt ekspertus un pēc tam kopā ar viņiem izlemt, kurās jomās uzņēmumam pašam jāattīstās un kurās jāpaļaujas uz partneriem.

Kā izvēlēties partneri?

Ir svarīgi saprast, ka AI tēma ir sarežģīta. Mums ir vajadzīga komanda, kas ne tikai izprot analītisko statistiku, datu zinātni, mašīnmācīšanos, bet tai ir arī sarežģītas kompetences: no projektu vadības līdz spējai strādāt ar datiem, augstas slodzes sistēmām un datu tīrīšanu. Svarīga ir arī informācijas drošība, jo jauna veida IT risinājumi rada jaunus IT draudus, savukārt vecie draudi nepazūd. Tāpēc mums ir vajadzīga komanda, kas to visu var paveikt.

Kā, jūsuprāt, AI tehnoloģija mainīsies nākotnē?

Praktiskā ziņā, lai gan ir svarīgi apgūt to, kas ir. Ja runājam par nākotni, man šķiet, ka tehnoloģija galvenokārt virzīsies uz pastiprinošo mācīšanos, pašmācību, kad sistēma sevi apmācīs, pamatojoties uz svaigiem datiem. Bet pagaidām tā ir vairāk teorija nekā prakse. Kad runa ir par datora mācīšanu spēlēt Go, pastiprināšanas mācības darbojas. Un sarežģītākās praktiskās problēmās, ne tik tālu.

Vai Krievijā ir daudz platformu praktiskai diskusijai par AI problēmām?

Ir daudz dažādu forumu, un visi runā par AI. Tēma ir ažiotāža, te var izrādīties kā ar nanotehnoloģiju. To visu redzot, mēs rīkojam savu Krievijas mākslīgā intelekta forumu (RAIF). Šogad tas notiks jau trešo reizi un norisināsies 22.-23.oktobrī Skolkovā starptautiskā foruma Open Innovations ietvaros. Tur mēs runājam tikai par praksi: kādas ir problēmas šajā jomā, grūtības utt.

Kas ir galvenā tēmašī gada forums?

Šogad foruma galvenā tēma ir par to, kā AI projektu “nobīdīt” līdz komerciālai darbībai, lai tas nestu rezultātus. Mēs arī koncentrējamies uz visām saistītajām tēmām. Mums ir sadaļas par lielajiem datiem, informācijas drošību, aparatūru. Mēs pulcējam matemātiķus, programmētājus, aparatūras speciālistus, infrastruktūras un ekspluatācijas speciālistus.

Mēs runājam par reālu praksi, nevis zinātniskām problēmām - lai gan mums par to ir atsevišķa sadaļa. Bet vispirms mēs pulcējam cilvēkus, kas īsteno AI projektus, runā par savu pieredzi, norāda uz slazdiem. Un pats galvenais, mēs vienmēr izskatām uzdevumus kompleksā, projekta kontekstā, nevis kaut kādu filozofiju vai zinātni.

Boriss Kobrinskis, medicīnas zinātņu doktors, Medicīnas Moderno informācijas tehnoloģiju institūta laboratorijas vadītājs, FRC IU RAS, Krievijas Nacionālās pētniecības medicīnas universitātes profesors. N. I. Pirogovs.

Kāda ir atšķirība starp mākslīgo intelektu un cilvēka intelektu? Vai ir pat godīgi saukt par AI inteliģenci?

Dabisko intelektu raksturo daudzas funkcijas. Dažas no tām ir ieviestas AI sistēmās, taču galvenā atšķirība starp dabisko intelektu un mākslīgo intelektu ir spēja sintezēt jaunas zināšanas un identificēt nezināmus modeļus. Mākslīgais intelekts ir vispāratzīts termins, tomēr tas ir saistīts ar ne visai precīzu tulkojumu no angļu valodas. Mākslīgais intelekts nozīmē "spēju saprātīgi spriest". Uz šī pamata izveidotās sistēmas pareizāk sauc par sistēmām ar mākslīgā intelekta elementiem.

– Vai var teikt, ka mākslīgais intelekts nav nekas vairāk kā cilvēka instruments?

Diez vai ir vērts runāt šādā formulējumā. Inteliģentās sistēmas ir padomdevējas vai palīdz personai pieņemt lēmumus.

Būtu svarīgi sniegt lasītājam populāru matemātiskā aparāta, uz kura darbojas AI, aprakstu. Un ko tas pārstāv no tīri tehniskā viedokļa: tikai jaudīgus superdatorus? Vai arī jums ir nepieciešami īpaši instrumenti un ierīces?

Jau no paša sākuma lielākā daļa AI sistēmu balstījās nevis uz matemātisko aparātu, bet gan uz loģiku, izmantojot līdzekļus dialogam ar lietotāju dabiskajā valodā (loģiski-lingvistiskās sistēmas), kas nebija iespējams iepriekšējām skaitļošanas sistēmām. Pašlaik hibrīdās inteliģentās sistēmas līdztekus loģikai ietver dažādas matemātiskās analīzes metodes. Taču zināšanu bāze ir obligāta viedām sistēmām, kas satur formalizētas zināšanas konkrētai jomai, kurai tiek izmantotas dažādas zināšanu attēlošanas valodas. Lai darbinātu šīs sistēmas, tiek izmantoti parastie datori. Superdatori ļauj tikai paātrināt datu apstrādi, kas ir svarīgi dinamiskām reāllaika sistēmām - piemēram, kosmosa kuģa dzinēju vadīšanā un ir būtiski, piemēram, laika prognozēm. Izņēmums ir neironu tīkli, kuros tiek veikta ievadītās informācijas matemātiskā apstrāde, bet nav argumentācijas un lēmumu loģikas, nav mācību priekšmeta zināšanu bāzes un izvirzīto hipotēžu (risinājumu) skaidrojuma. Bet neironu tīkla pieeja ir tehnoloģija, kas zināmā mērā imitē smadzeņu darbu, kuras patiesā izpratne joprojām ir atklāta.

Mēs nesaprotam (kopumā), kā darbojas cilvēka smadzenes. Vai tagad ir pilnībā saprotams, kā darbojas AI? Vai arī tādas melnās kastes jau ir parādījušās, kur notiek kaut kas nenoteikts?

Pilnvērtīgas viedās sistēmas, kā jau minēts iepriekš, raksturo tieši tas, ka lietotājs saņem sistēmas izvirzīto hipotēžu skaidrojumu gan to izskatīšanas procesā, gan pēc darba pabeigšanas (galīgā hipotēze). Melnās kastes ir neironu tīkli, kas nesniedz paskaidrojumus.

Ir joks, ka AI reaģē uz labi zināmo skolas retoriku "ja visi lēks no piektā stāva, vai jūs arī lēksit?" atbildēs "jā". Cik daudz tas ir joks? Kādas vispār ir mākslīgā intelekta kognitīvās iespējas, vai tās kādreiz būs salīdzināmas ar cilvēka?

Robotus māca dažādos veidos, taču ir pieeja, kuras pamatā ir mācīšanās pēc piemēra. Ja to izmantotu, tad teorētiski būtu iespējams panākt, ka robots nopietni izlēca no jebkura stāva. Bet viņš salūzīs un vairs nelēks. Tajā pašā laikā uz AI balstītu sistēmu kognitīvās iespējas pieaug. Taču līdzsvarots novērtējums liecina, ka mākslīgo intelektu nevarēs salīdzināt ar dabisko intelektu, vismaz jauna izgudrošanā. Mēs nezinām, kā cilvēks izgudroja riteni, kuram dabā nav analogu. Kā apmācīt šādu AI. Jaunas zināšanas nerodas katra cilvēka smadzenēs.

Tagad praktiskāks jautājums: kādās jomās AI droši aizstās cilvēku? Kur viņam būs priekšrocības? Kur viņu nekad nevar salīdzināt ar vīrieti? Piemēram, vai ir kāda iespēja, ka viņš atrisinās kādu no atklātajām matemātikas problēmām – teiksim, pierādīs skaitļu ϖ un e algebrisko neatkarību?

AI spēj ātri atkārtot dažādas iespējas, tas var aizstāt cilvēku vai sniegt palīdzību cilvēkam daudzās jomās ar zināmu vai saprotamu pieeju lēmumu pieņemšanai: datu analīzē, ņemot vērā daudzveidīgās attiecības, optimālu risinājumu izvēlē, situāciju uzraudzībā un vadīšanā; roboti var veikt dažādus darbus (sarežģītos apstākļos, mājās, darbā, veselības aprūpē utt.). Inteliģentas lēmumu atbalsta sistēmas palīdzēs cilvēkiem. Roboti tos aizstās daudzos darbos, kur varēsit izveidot algoritmus cilvēku darbībām. Iespējams, ka matemātikā, pierādot teorēmas, AI nākotnē spēs atrisināt sarežģītas problēmas. Bet atkal jāatzīmē, ka viņam būs nepieejami atklāt fundamentāli jaunus zinātnes virzienus.

– Vai ir iespējamas mākslīgā intelekta kopienas? Savstarpēja palīdzība un kopīgu interešu apzināšanās?

Jā, ir iespējamas AI pārstāvju kopienas un viņu savstarpēja palīdzība. Tā ir mūsdienu vairāku aģentu sistēmu attīstība – intelektuālo aģentu virtuālās kopienas, no kurām katra mijiedarbojas ar citu, un ir augstāka līmeņa aģenti, koordinatori un novērotāji, kas nodrošina izmaiņas viedo aģentu mijiedarbības programmā.

– Vai mākslīgajam intelektam būs Radošās prasmes? Ietekmēt?

Ja ar radošumu saprotam zināmā attīstību, tad jā, ja līdz šim pilnīgi nezināma radīšana, tad nē. Ietekme jāpiešķir pēdējam. Bet asociatīvās saites jau notiek AI sistēmās.

- Konkrēti, vai AI var aizstāt medicīnisko intuīciju, par kuru jums ir darbs?

Inteliģentas sistēmas, kuru pamatā ir augsti kvalificētu ārstu pieredze ar intuīciju un figurālā domāšana, var ietvert intuitīvus attēlojumus, ja tos var iegūt, lai izveidotu zināšanu bāzi. Mana pieredze liecina, ka to var panākt, mācoties grupā, pieskaroties viena eksperta medicīniskajai intuīcijai, jautājot citiem ekspertiem ar prasmīgu diskusiju vadību.

Mākslīgā intelekta konkurence - valsts vai uzņēmumu līmenī - cik smaga tā ir? Kāda ir Krievijas vieta AI sacīkstēs?

Nav acīmredzamas konkurences starp valstīm. Varbūt jūs varat runāt par zinātniekiem, kuri seko viens otra darbam. Uzņēmuma līmenī tas ir saistīts ar līdzekļu iegūšanu attīstībai un/vai peļņas no paveiktā darba. Krievijā pagājušā gadsimta 70. gadu - 90. gadu sākuma periodu pavadīja daudzu sistēmu izveide un interesanta teorētiskā attīstība. Sekojošais nepietiekamais finansējums darbam šajā jomā izraisīja lejupslīdi. Lai gan darbs nav apstājies. Izskatot medicīnu kā piemēru, jāatzīmē, ka, neskatoties uz vairākkārtējiem apgalvojumiem par šādu sistēmu nepieciešamību, tām praktiski nav finansējuma, izņemot darbu pie grantiem RAS sistēmā. pozitīvi piemēriŠajā jomā Krievijas Zinātņu akadēmijas Federālā pētniecības centra "Datorzinātne un kontrole" attīstība (inteliģenta sistēma veselības taupīšanas jomā, kas vērsta uz miokarda infarkta, insulta un depresijas risku pārvaldību, kā arī inteliģentas sistēmas automatizēts medicīniskās izpētes atbalsts, kas īstenots, pamatojoties uz JSM automātiskās hipotēžu ģenerēšanas metodi) un Krievijas Zinātņu akadēmijas Tālo Austrumu filiāles Automatizācijas un vadības procesu institūts (gremošanas slimību diagnostika un citi, kas īstenoti, pamatojoties uz ontoloģijām ).

- Lūdzu, aprakstiet, kādus draudus AI attīstība rada.

Man šķiet nepareizi runāt par mākslīgā intelekta draudiem. Briesmas var būt mākslīgā intelekta izmantošana ierīcēs, kas darbojas cilvēku tuvumā vai aizstāj personālu, piemēram, slimnīcās. To faktoru nenovērtēšana, kas var radīt ievainojumus citiem, jāuzskata par galveno draudu tagad un nākotnē. Tas attiecas arī uz dažādām autopilotiem un vadības sistēmām ražošanas procesiem, nodrošinot tā saukto viedo slimnīcu darbību.

Automašīnas pirkšana sākas ar atslēgu piekariņa iegādi.
No autora personīgajiem aforismiem

Kā cilvēki atšķiras no mašīnām ar mākslīgo intelektu? Viena no ne pārāk parastajām atbildēm uz uzdoto jautājumu ir empātija. Ja tulkojam Oksfordas vārdnīcā doto empātijas definīciju angliski, tas izklausās šādi: empātija ir spēja garīgi identificēt sevi ar citu personu vai novēroto objektu (vai pilnībā tos izprast). Tas atbilst parastajai Vikipēdijas definīcijai: “Empātija (grieķu ἐν — “iekšā” + grieķu πάθος — aizraušanās, ciešanas, jūtas) ir apzināta empātija pret citas personas pašreizējo emocionālo stāvokli, nezaudējot sajūtu par tā ārējo izcelsmi. pieredze. " Piekrītu, tas ir ļoti raksturīga kas atšķir cilvēkus no ieprogrammētas mašīnas. Šī tēma tehniskajā literatūrā ir maz skarta, un es gribētu pie tās pakavēties sīkāk, it īpaši, ņemot vērā AI problēmas, tas šķiet svarīgi.

Ekskluzīvu iespēju izmantot materiālus par šo tēmu tulkojumā krievu valodā raksta autoram sniedza Džeisons Millers, Microsoft mārketinga vadītājs EMEA reģionā un savulaik LinkedIn publicējis rakstu “Can a machine have empathy?”. ("Vai mašīna var izrādīt empātiju?"). Mums bija neliela diskusija par šo tēmu, kuras laikā atklājās, ka mūsu uzskati par problēmu un AI nekontrolētas izstrādes un izmantošanas riskiem sakrīt. Viņi tagad cenšas mākslīgo intelektu pārvērst par sava veida prātu, proti, apveltīt to ar tīri cilvēciskām iezīmēm – tādu pašu empātiju, ko Džeisons Millers novērtēja pēc tā izmantošanas iespējām mārketingā. Pēc šī raksta autora domām, empātijas iespējamā pielietojuma joma ir daudz plašāka. Piekrītu, daudz patīkamāk ir komunicēt ar draudzīgu industriālo robotu, kas sadarbojas, ja vari ar viņu pārmīt dažus vārdus un pajokot, viņš tevi satiek laipns vārds un, novērtējot jūs ar sensoriem (viņam tie joprojām ir), izvēlas atbilstošu uzvedības modeli. Tas ir daudz labāk, nekā vienkārši ķerties pie darba ar “gudru” iekšpusi, bet stulbi dūkojošu mehānismu ārpusē. Un, ja šī ir mājvieta, kaut arī programmatūra, palīgs vai personīgais asistents - nav ko teikt.

Runājot par empātiju, pagājušā gada maijā I/O izstrādātāju konferencē Google demonstrēja savu jauno Duplex sistēmu. Viņa ir ar AI darbināma virtuālā asistente, kas spēj veikt tālruņa zvanus, lai optimāli organizētu sava "priekšnieka" grafiku. Publika vēroja, kā Duplex veica pasūtījumus restorānā un rezervēja matu griezumus frizētavā. Viņi pārsteigti smējās, kad sarunas gaitā viņš acīmredzot pārliecināja otrā telefona līnijas galā esošo cilvēku, ka runā ar cilvēku, nevis kādu programmu. Šeit mēs varam ņemt vērā mūsu psiholoģiju: raksta autors novēroja līdzīgu parādību, kad viņš izstrādāja un veidoja 80. gados. prototips sekretārs-informators (ko vēlāk sauca par automātisko atbildētāju). Toreiz gandrīz visi cilvēki mēģināja sarunāties ar šo prototipu, jo zvanot dzirdēja cilvēka runas ierakstu.

Duplex demonstrācija izraisīja dzīvu diskusiju sociālajos medijos, vienlaikus palielinot to interese Jautāt. Vai mākslīgās sistēmas spēja saprast un nosūtīt sarunvalodas signālus tā, lai mašīna varētu iemācīties empātiju? Šis ir viens no svarīgākajiem jautājumiem mainīgajās debatēs par AI, tā lomu sabiedrībā un to, cik lielā mērā tas iefiltrēsies vietējos cilvēku laukos.

Kad Džeisons Millers uzdeva šo jautājumu LinkedIn auditorijai, viņš saņēma trīs ļoti atšķirīgus atbilžu veidus, un šīs atbildes palīdz izprast AI nākotni. Tie sniedz labu priekšstatu par to, ko profesionāļi domā par AI iespējām, kā arī par to, kā šīs AI iespējas var izmantot.

Pirmā atbilde ir "jā, mašīna var iemācīties empātiju" vai "jā, jo AI galu galā spēs darīt visu, ko spēj cilvēka smadzenes." Ir apgalvots, ka empātiju var ieprogrammēt līdzīgi kā mūsu uztveri. Šīs teorijas atbalstītājiem mēs esam mašīnas, un mūsu smadzenes ir ļoti labs dators, pat kvantu dators, bet, tāpat kā parasts dators, ar atbilstošu programmēšanu.

Otrā atbilde ir nē, tā nevar, jo empātija ir unikāla cilvēka īpašība, nevis mašīna, ko var piedzīvot. Un vai viņa vispār var kaut ko just? Lai gan Ava no filmas "Ex Machine", kas tika ņemta par piemēru AI attīstībai, vismaz izrādīja empātiju un veiksmīgi to izmantoja. Ja pievēršamies citiem piemēriem, tad filmā “Her”, Spike Jonze režisētajā un sacerētajā amerikāņu fantāzijas melodrāmā 2013, kas ir nozīmīgs no mūsu aplūkotā viedokļa, šīs kvalitātes nozīmīgums ir ļoti labi redzams. jo filma pilnībā uzbūvēta uz tās un tai trūkst AI fiziskā iemiesojuma, kas tiek pasniegts Samantas neironu tīkla formā (pēc filmas "OSes"). Empātija ļauj ne tikai “sajust sevi”, bet arī lielākā vai mazākā mērā sajust kāda cita sāpes, pārdzīvojumus un kāda cita emocijas. Mēs nesaprotam apziņas organizāciju cilvēkos, nemaz nerunājot par spēju mākslīgi radīt šo apziņu ar pienācīgu pārbaudi (autentifikācija, tehniskajā valodā).

Trešā atbilde ir īpaši intriģējoša. Tā pat nav atbilde, bet drīzāk jautājums: ja šķiet, ka mašīnai piemīt empātija, vai ir nozīme tam, vai šī empātija ir patiesa vai nē? Funkcionāli nav nekādas atšķirības: vai šī mašīna spēj izjust tādas pašas emocijas kā mēs, vai vienkārši iegūst šīs emocijas no signāliem, ko tai sūta paši cilvēki vai tās sensori, attīsta atbilstošāko reakciju, reakciju. Iedomājieties, ka mēs nevaram pateikt, vai empātija ir patiesa, jo dziļi mācošs robots ir iemācījies mūsu sejas izteiksmes un uzvedības modeli — vai tad mēs joprojām varam skatīties uz robotu kā uz mašīnu?

Tas ir tālu no viegla jautājuma. Vai atšķirība starp īstu un "mākslīgo" empātiju ir svarīga? Šeit raksta autora viedoklis sakrīt ar Džeisona Millera atbildi – jā, tā ir. Ja atgriežamies pie filmas "Ex machine": Ava to veiksmīgi nodemonstrēja, un Kālebs, kā saka, nokļuva kā vistas kāpostu zupā, to negaidot. Varbūt, ja viņa nebūtu bijusi meitenes tēlā, kas īpaši radīta viņa vēlmēm, viss būtu savādāk. Vīriešiem mēs uzticamies daudz mazāk un, no mūsu viedokļa, nepatīkami, ārēji vēl vairāk, tāpēc tā izstrādātājs Ņūtons šeit ņēma vērā šo faktu. Un filmā “Viņa” Teodors, sākot ar asistenta funkciju izmantošanu, vienkārši iemīlēja sievietes balsi, kas viņam aizstāja dzīvo saziņu.

Rīsi. 1.

Izredzes izmantot mākslīgo intelektu kā palīgu parasti ir raksturīgas - ņemiet, piemēram, to pašu ārkārtīgi negatīvo, ja ne naidīgo, ko uztvēra Īlons Masks Sofija, kurš 2017. gada oktobrī kļuva par Saūda Arābijas subjektu un pirmo robotu, kurš saņēma valsts pilsonību. jebkura valsts (1. att.).

Bet atgriežoties pie sākotnējā jautājuma: vai mašīna spēj kādam just līdzi? Šis ir viens no tiem jautājumiem, kas nākotnē var mainīties. Protams, mašīna nevar izjust empātiju pēc definīcijas, tas viss ir atkarīgs no empātijas un mašīnas definīcijas.

Mašīnas nevar sevi garīgi identificēt ar cilvēkiem, jo ​​tas, kas notiek mūsu cilvēka prātā, ietver lietas, kuras mašīna nekad nevar piedzīvot pati, neatkarīgi no tā, cik attīstīti un dziļi būtu tās analītiskie procesi un maņu uztvere. Kad mēs apspriežam AI lomu sabiedrībā, ir svarīgi skaidri saprast, kāpēc lietas ir tā, kā tās ir. Pat ja mēs paši īsti nesaprotam. CNBC žurnālists Endrjū Ross Sorkins preses konferencē Sofijai jautāja: "Vai robotiem ir prāts un pašapziņa?" Uz ko viņa atbildēja šādi: "Un ļaujiet man jums atbildēt, kā jūs zināt, ka esat cilvēks?".

Mašīna var pienākt mums tuvāk, bet raksta autoram (un ne tikai viņam) šķiet, ka tā nekad nespēs pilnībā aptvert cilvēku. Mūsu apziņā ir daudz vairāk nekā tikai racionālas zināšanas un loģiskā domāšana. Faktiski šī spēja domāt racionāli ir vairuma citu mūsu apziņas aspektu blakusprodukts, nevis mūsu smadzeņu kontrolējošais spēks. Mūsu apzināto dzīvi virza tas, kā mēs uztveram pasauli caur savām maņām. Tā ir redzes, skaņas, taustes, garšas un smaržas kombinācija, ko neviena mašīna nekad nevar izjust tādā pašā veidā.

Cilvēka apziņu virza arī mūsu spēcīgie bioloģiskie impulsi un vajadzības. Neviena mašīna nekad nejutīs, ko nozīmē būt izsalkušam vai izslāpušam. Patiesībā neviena mašīna nespēs, kā filmā "Viņa", just līdzi un aizsniegt roku citai mašīnai vai cilvēkam, un to nemotivēs mīlestības tieksme un visas emocijas, kas pavada šo cilvēka dabisko procesu. . Atgādiniet, kā filmā automašīna sāka flirtēt ar daudziem cilvēkiem vienlaikus un nesaprata, kāpēc Teodoru tas aizvainoja.

Turklāt kāda signalizācija var būt automašīnai? Neviena mašīna nebaidās no vientulības, pazaudēt jumtu virs galvas un neizjūt spēcīgu ievainojamību, ko izraisa bailes par savu fizisko drošību, ja vien tā “nejūt” jaudas kritumu energosistēmā vai nepieļaujamu temperatūras paaugstināšanos, ja tā ir fizisks objekts ar AI. Tātad viņas atbilde žurnālistei Sofijai ir nepareiza, neirologs Antonio Damasio ierosina šo problēmu atrisināt šādi: "Mēs neesam domājošas mašīnas, kas jūt, drīzāk mēs varam sajust mašīnas, kas domā."

Visbeidzot, mūsu apziņu veido kolektīvais prāts un kultūras atmiņa, kas radusies mūsu civilizācijas attīstības laikā. Mēs esam mūsu kopīgo emociju un jutekļu pieredzes, kas tika nodotas no paaudzes paaudzē un atspoguļotas vēsturē, kolektīvās uzkrāšanās produkts daudzu tūkstošu gadu garumā. Sarunas, vispārīgi joki, sarkasms, simbolika ir neticami smalki psiholoģiski signāli. Tas pats kolektīvais prāts attīsta ētiku un vērtības, kurām mēs visi varam instinktīvi vienoties, pat ja tās nav loģiski pamatotas. Ja ticēt preses ziņām, lai gan tas izskatās pēc kārtējā viltus, tad Stenfordas universitātē mēģina iemācīt AI jokot un attīsta ar savdabīgu humora izjūtu apveltītu neironu tīklu. Pēc izstrādātāju domām, uzdevums izrādījās grūts, jo AI darbojas pēc noteikta algoritma, un tas izslēdz improvizāciju. Līdz šim secinājums ir neapmierinošs: jūs nevarat padarīt AI smieklīgu, pat ja augšupielādējat visus pasaules jokus un anekdotes neironu tīklā.

Nekas cits nesazinās kā cilvēki — un cilvēki nesazinās ne ar ko citu tā, kā mēs savā starpā sazināmies. Tas ir svarīgi, jo vienīgais veids, kā iegūt daļu mūsu kolektīvajā intelektā, ir mijiedarboties ar cilvēku. Ja mēs nesadarbojamies ar mašīnām tāpat kā ar citiem cilvēkiem, šī kolektīvā pieredze un inteliģence viņiem vienkārši nav pieejama. Viņi nav daļa no mūsu empātiskās sistēmas. Jā, mums var būt žēl mūsu "mīļotā" datora, varbūt mēs to pat neizmetīsim. Raksta autors saglabāja savu pirmo - uz AMD 133 MHz procesora ar 500 MB HDD, kas pirkts par pasakainu deviņdesmitajiem gadiem. 750 $. Bet es nesvinu viņa dzimšanas dienu, nepavadu laiku pieliekamajā un man ar viņu nav nostalģisku sarunu: “Vai atceries, kā mēs bijām DOOM II ...”. Lai gan mums ir mīļākās lietas, mums ar tām nav emocionālas saiknes, mums ir tikai saikne ar notikumiem, kas saistās ar noteiktām lietām (atcerieties skaisto dziesmu “From Suvenirs To Suvenirs”, ko izpildīja Demis Russos). Citādi tas jau ir fetišisms - nedzīvu materiālo objektu pielūgšana, kam tiek piedēvētas pārdabiskas īpašības, vai psihisks traucējums, bet šajā gadījumā ir darīšana ar asociācijām.

Kad cilvēki runā par cilvēka smadzenēm, kas darbojas kā dators vai AI mācās kā cilvēks, viņi runā tēlaini. To var uzskatīt par daļu no senas tradīcijas uzminēt, kā darbojas mūsu smadzenes un kāda patiesībā ir mūsu apziņa. Ikreiz, kad mēs izgudrojam jauna tehnoloģija, pastāv liels kārdinājums to izmantot kā analoģiju smadzeņu darbībai. Kad mēs izgudrojām elektrību, mēs sākām runāt par elektriskajām strāvām smadzenēs. Kad parādījās telegrāfs, nolēmām, ka arī smadzenes sūta diskrētus signālus. Daudzu cilvēku pārliecība, ka cilvēka smadzenes darbojas kā dators (un tāpēc vispirms ir loģiska mašīna), ir tikai mūsu minējums. Mēs īsti nezinām, kā darbojas smadzenes, kā šis darbs tiek tulkots mūsu apziņā un kur, kā tas tiek glabāts. Mēs redzam noteiktu aktivitāti un rezultātu, ko mums izdevās modelēt neironu tīklos, bet mēs neredzam un nesaprotam pašu procesu.

Redzot mijiedarbības, izdarām secinājumus, bet varbūt esam nonākuši situācijā, kad nolemjam, ka tarakāns, kuram tika norautas kājas, pārstāj dzirdēt, jo no klauvēšanas vairs neaizbēg. Iespējams, ka mums, ja mēs velkam analoģiju ar datoru, mums ir tikai noteikts interfeiss, parole un pieteikšanās, lai piekļūtu savai "datu bāzei", kas glabājas noteiktā mākonī, un mēs izmantojam ātrās piekļuves tehnoloģiju, kas joprojām nav zināma. mums. Kāpēc ne? No tehniskā viedokļa tas ir pilnīgi loģiski. Varbūt tāpēc mēs dažkārt iegūstam informāciju, kā mums šķiet, no kāda cita dzīves, tā izskatās pēc mūsu sistēmas "bug". Ir maz ticams, ka, izstrādājot pašreizējo AI teoriju, mēs pat daļēji atkārtojām cilvēka smadzenes. Pat tas, ko mēs saucam par neironu tīkliem, ir tikai šķietamība, kas balstās uz mūsu pašreizējo izpratni (2. attēls).

Rīsi. 2.

Šo iemeslu dēļ mēs varam piekrist otrajam viedoklim, t.i., apgalvojumam, ka mašīna var izjust empātiju, taču šīs teorijas trūkums ir tāds, ka mēs reducējam cilvēka smadzeņu un apziņas milzīgās noslēpumainās darbības līdz kaut kam saprotamam, reproducēt un atdarināt ar loģikas vadītu mašīnu. Nav tā, ka mēs pārvērtējam AI iespējas, bet gan par zemu, cik sarežģītas ir mūsu pašu iespējas.

Tas mūs atgriež pie cita jautājuma: vai ir nozīme tam, ka "mākslīgā empātija" nav patiesa empātija, kaut arī tā mijiedarbojas ar mums tādā pašā veidā? To ir ļoti svarīgi saprast, lai neiekristu strupceļā kārtējos maldos – ka dators vai programma ir sācis domāt. Sekas var būt bēdīgas, mēs jau tik daudz ložmetējiem esam atdevuši, nolemjot, ka viņi tam ir pietiekami “gudri”. Kur ir robeža starp to, ko mēs saucam par AI, un reālo intelektu? Mums šķiet, ka tas slēpjas emocionalitātē. Turpināsim ar saprotamu empātijas piemēru.

Mākslīgā empātija darbojas, novērojot, mācoties, reaģējot un atkārtojot signālus, ko cilvēki sūta. Attīstoties padziļinātai AI apguvei un spējai strādāt ar arvien lielākām datu kopām, programmas to darīs arvien labāk un radīs empātijas izskatu (vai tēlu). Tomēr patiesa empātija ietver daudz vairāk nekā tikai emocionālu signālu novērošanu un reaģēšanu uz tiem neatkarīgi no tā, cik daudz no šīm norādēm jums ir jāstrādā. Kāpēc? Jo signāli, ko cilvēki sūta, ir tikai niecīga daļa no tā, ko viņi patiesībā piedzīvo. Mēs visi esam daudz vairāk nekā summa, ko citi cilvēki par mums domā, skatoties, ko mēs darām un sakām. Mums ir spējas, emocijas, atmiņas un pieredze, kas ietekmē mūsu uzvedību, ne vienmēr parādoties ārpusē. Tiem jābūt intuitīviem, pat ja tie netiek pamanīti. Piemērs: bieži vien fotogrāfijā vai portretā neatpazīstam sevi vai labi (tieši labi) pazīstamu cilvēku, bet pārējais - bez problēmām. Ar portretu lietu var izskaidrot filozofiski - "ar objektīvās realitātes subjektīvo uztveri". Ar “objektīvu” fotogrāfiju iemesls ir tāds, ka tas dod mums izķertu momentu, un mēs sevi un pazīstamus cilvēkus uztveram kā kompleksu, pārējā gadījumā mums ir pietiekami daudz korelācijas, kas ir tas, ko mūsu smadzenes ir labas.

Lietas kļūst sarežģītākas, kad mašīnas sāk pieņemt lēmumus, kuriem ir nopietnas sekas, un bez emocionālā konteksta un kopīgām vērtībām, ko cilvēki izmanto šādos gadījumos. Šī bija viena no galvenajām tēmām rakstā, ko Henrijs A. Kisindžers nesen rakstīja par AI ietekmi uz Atlantijas okeānu. Ņemiet, piemēram, bezpilota transportlīdzekli, kuram nenovēršamas avārijas gadījumā ir jāizlemj, vai nogalināt vecāku vai bērnu. Vai šāda iekārta kādreiz spēs izskaidrot cilvēkiem, kāpēc tā veic noteiktas izvēles? Un, ja nav prasīts attaisnot mašīnas darbības ar cilvēciskām sekām un no cilvēciskā viedokļa, kas tad notiks ar mūsu ētikas un taisnīguma sistēmu? Kā jūs to ievietojat automašīnā? Galu galā, tad mums vajadzēs atmest savas emocijas un nostāties mašīnas pusē, skatīties uz pasauli ar tās acīm. Vai mēs esam uz to spējīgi?

Šāds process būtu vieglāks un vienkāršāks, ja mākslīgo empātiju aizstātu ar cilvēku. AI var atdarināt cilvēku mijiedarbību, taču ar daudz šaurāku izpratni par notiekošo nekā mēs. Mums tas ir jāpatur prātā, izvēloties lomu, kāda AI būtu jāuzņemas procesu vai stratēģiju pārvaldībā. Empātijai, par kuru mēs runājām šajā raksta daļā saistībā ar automašīnu, ir ļoti nozīmīga loma. Varbūt tāpēc viņi cenšas robota-asistentiem piešķirt cilvēcisku izskatu un patīkamu balsi (pseidozinātniskās filmās viņi pat ēd nez kāpēc un ne tikai).

Izstrādājot raksta pirmajā daļā minētās spēļu sistēmas, kurās autors piedalījās ne tikai kā elektroniskās aizpildīšanas izstrādātājs, bet arī kā dizainers un viens no ideologiem, saskārāmies ar šādu problēmu. Otra no mūsu mašīnām, un tas jau bija 100% robots (kā gaidīts, zumēja un griezās), strādāja efektīvāk nekā "dzīvie" dīleri, nepieļāva kļūdas un deva lielāku ekonomisko efektu. Taču populārāks bija jauktais variants – daži spēlētāji izvēlējās "dzīvu" dīleru, kura uzdevums bija tikai pasmaidīt un izvilkt kārti no kurpes (spēļu kāršu izplatītājs uz spēļu galda). Šajā gadījumā darbojās empātija, kuras mūsu pilnībā robotizētajai sistēmai, tāpat kā sistēmai ar nejaušu karšu ģeneratoru, a priori nepiemita.

Google Duplex sistēma var izskatīties tā, it kā tai piemīt empātija, taču šī empātija ir stingri ierobežota ar to, kas attiecas uz konkrēto uzdevumu. Piemēram, galdiņa rezervēšana restorānā. Duplex nav apmācīts atklāt emocijas ārpus noteiktā algoritma vai pārkārtot savu uzvedību, pamatojoties uz konkrētu situāciju. Ja cilvēka balss otrā tālruņa līnijas galā izklausās nedraudzīgi un nervozi, vai Duplex var ar viņu sazināties? Vai viņš var atrast veidu, kā iekarot cilvēku un likt viņam nomierināties? Vai viņš restorāna sastrēgumstundā var ubagot, lai atrastu brīvu galdiņu? Cilvēku saziņa ir daudz vairāk nekā tikai efektīva informācijas apmaiņa, un tieši šeit reālas un mākslīgas empātijas izmantošanas sekas kļūst īpaši nozīmīgas.

Ja fundamentālos stratēģiskos lēmumus nodosim AI, tad ar tā līdzdalību saražotā galaprodukta vērtības definīcija (pretējā gadījumā, kam šis AI vispār vajadzīgs?) apbrīnojamā ātrumā samazināsies. Taču pastāv risks, ka mākslīgais intelekts ignorē citus elementus, kas dažādos veidos ietekmē cilvēka apziņu, spēlējot uz cilvēka dvēseles stīgām, kā to darīja tā pati Ava no “Ex Machine”, lai sasniegtu skaidru mērķi.

Cilvēka intelekts ir tik spēcīgs, jo tas neaprobežojas tikai ar racionālu domāšanu. Apziņas elementi ļauj mums tikt galā ar apkārtējās pasaules neparedzamību un nenoteiktību. Tie ļauj mums pieņemt lēmumus, pamatojoties uz kopīgām vērtībām un motivāciju, kas rezonē kolektīvi, un zināt, kas ir pareizi, pat nenoskaidrojot, kāpēc tā ir. Empātiskais cilvēka intelekts spēj piedzīvot piedzīvoto, lai būtu skumjš vai laimīgs – un tas ļauj šīm jūtām ietekmēt tā spriedumus un uzvedību ar citiem. Mašīna to nevarētu izdarīt pat tad, ja tā vēlētos, jo tā drīzāk ir mūsu civilizācijas produkts. Citās civilizācijās viss varētu būt citādāk - piemēram, nebūtu nekas slikts, ja "no lielas cieņas" ēstu savu veidu, piemēram, Vladimirs Visockis: "Kas ēd bez sāls un bez sīpoliem, tas ir stiprs, drosmīgs, tas būs labi...".

Lai mašīna kļūtu inteliģenta, mums tai ir jāpiešķir vērtību modeļi. Kuru? Mēs zinām savu mērogu un redzam mēģinājumus to ieviest mākslā - literatūrā un kino, bet ko no tā mēs varam dot jau “domājošai” mašīnai? Mūsuprāt, nekas. Kā viņai izaudzēt labā un ļaunā atziņas koku un kādus augļus tam vajadzētu nest? Ja mēs ejam pa šo ceļu, tas mūs novedīs pie īstas konfrontācijas, mašīnām būs sava filozofija, reliģija utt. Vienīgais, ar ko mums paveicas, ir baušļi, bet par to mēs runāsim šī raksta pēdējā daļā. raksts..