Как работает икусственный интеллект?

Стоит только начать разговор об угрозах и опасностях искусственного интеллекта, как сразу же представляется Skynet и терминаторы, марширующие по грудам черепов или сцены из «Матрицы» с человеческими инкубаторами на службе у машин. Давайте попробуем разобраться, что из себя представляет искусственный интеллект и насколько реален «бунт роботов».

Что из себя представляет искусственный интеллект?

В фильмах и фантастической литературе под искусственным интеллектом обычно понимают компьютерные программы или компьютеры, обладающие самосознанием, свободой воли и тому подобное. Но как это часто бывает — такое представление несколько оторвано от действительности.

В реальности под искусственным интеллектом или интеллектуальными системами сейчас подразумевают компьютерные системы способные принимать решения на основе неполных данных, эвристически, а также системы имитирующие те или иные функции человеческого интеллекта (распознавание образов, обработка естественной речи и т.п.).

На чём основаны системы искусственного интеллекта?

Все системы искусственного интеллекта основаны на четырёх «китах»:

• Статистика
• Оценочные функции
• Деревья решений
• Аппаратное обеспечение

Статистика — ядро практически всех систем искусственного интеллекта. Более того — статистика во многом определяет и то. как работает наш с вами интеллект. Например, вы смотрите на небо и видите, что оно затянуто грозовыми тучами. Ваш мозг «думает»: «Хм... последние 100 раз, когда я видел такие тучи, начиналась гроза. Поищу-ка я укрытие».

Аналогичным образом работает ИИ. К примеру возьмём известный голосовой помощник Siri. 100 человек записали, как они произносят слово «Привет». В результате мы получили 100 уникальных аудиофайлов, которые сохраняются в базе данных и тоже самое делается со множеством иных слов. Затем, когда новый человек произносит слово «Привет», Siri, используя скрытую марковскую модель, сравнивает основные атрибуты звуковых волн того, что вы сказали с аналогичными показателями звуковых волн, хранящихся в её базе данных, и приходит к выводу, что то, что вы произнесли по большинству показателей больше всего напоминает слово «Привет». И Siri вам отвечает.

Более того, ваш «Привет» — это тоже уникальный звуковой файл, который сохраняется в базах Siri и затем используется для распознавания речи других людей. Так Siri «учится» и начинает хорошо узнавать разные акценты, произношения и т.п.

Пример очень упрощённый, Siri и подобные системы устроены гораздо сложнее, но он должен дать представление о том, как это работает.

Оценочные функции

Как работают автономные автомобили? К примеру, если такому авто нужно доехать из точки А в точку Б процесс выглядит следующим образом:

С помощью Google Maps, GPS и подобных сервисов автомобиль получает информацию о собственном местоположении, пробках и строит оптимальный маршрут. Пока тут нет ничего интеллектуального. Задача о поиске кратчайшего пути занятна, но довольно тривиальна и современные алгоритмы решают её за доли секунды.

Затем каждую микросекунду автомобиль собирает информацию о том, что находится вокруг и принимает решение о том, что ему делать. Для принятия решения используются так называемые оценочные функции. Простые оценочные функции закладываются в ИИ на этапе разработки (к примеру «на красный нужно остановиться», или «включить поворотники перед поворотом»).

При этом информация о каждом принятом автомобилем решении и его последствиях записывается в базе данных и используется при принятии новых решений. Оценочные функции для сложных и нестандартных ситуаций не являются незыблемыми, а основываются на предыдущих принятых решениях.

Деревья решений. Проще всего представить дерево на основе шахматной партии. В начальной позиции (назовём её вершиной дерева) у белых есть 20 возможных ходов. На каждый из 20 возможных ходов белых у чёрных есть 20 возможных вариантов ответа и так далее.

Шахматные компьютеры строят дерево из множества наиболее вероятных ходов. Затем с помощью оценочной функции выбирают наилучший. Так работают деревья решений.

Многие десятилетия (с 50-х по 90-е) считалось, что шахматные программы смогут обыграть сильных шахматистов тогда, когда будут созданы оптимальные оценочные функции, которые смогут отличать плохой ход, от хорошего.

Разработчики старались закодировать как можно больше знаний о том, как сильные шахматисты принимают решения внутри оценочных функций. В результате получались очень умные и громоздкие оценочные функции.

Но умные оценочные функции работали медленно и это вело к тому, что ИИ успевали за время, отведённое на обдумывание, проанализировать довольно малое число позиций.

Тогда разработчики пошли по другому пути. Они создали относительно простую (глупую) оценочную функцию, но зато снабдили её очень мощным и быстрым аппаратным обеспечением. В результате получился суперкомпьютер Deep Blue впервые обыгравший в матче чемпиона мира по шахматам Гарри Каспарова.

Чем мощнее и быстрее работает железо — тем «умнее» становится ИИ, ведь у него появляется возможность перелопачивать больше вариантов в своих деревьях решений.

Собственно это и всё. Современные системы искусственного интеллекта по сути представляют собой сочетание этих четырёх «столпов».

К примеру относительно недавно разработчикам из Google удалось разработать ИИ играющий в Го лучше, чем лучшие игроки-люди. Как это было сделано?

Чтобы лучше понять давайте вернёмся в 90-е годы, когда программа Logistello обыграла чемпиона мира по игре реверси. Её разработчики собрали огромную базу партий, сыгранных людьми. Затем каждая позиция из каждой игры была отмечена как «хорошая» или «плохая», на основе некоторого набора признаков (оценочная функция).

Затем в ходе игры ИИ строил дерево решений из множества возможных вариантов ходов и выбирал тот, который вёл к лучшей позиции.

Разработчики AlphaGo продвинулись на шаг дальше. После того, как они повторили путь Logistello, они заставили свою программу играть миллионы игр в режиме «сам с собой». Результаты и позиции сохранялись и использовались для дальнейшего усовершенствования ИИ («обучение»).

Просто за счёт того, что его оценочная функция опирается на всё большую и большую базу знаний, ИИ может с большей точностью классифицировать ту или иную позицию как хорошую или плохую и, как следствие, играть в Го на очень высоком уровне.

Пока всё это гораздо менее впечатляет, чем робот обладающий например самосознанием или свободой воли. Это подводит нас к главному вопросу.

Появится ли ИИ, способный мыслить самостоятельно?

Быть скептиком в мире высоких технологий — дело неблагодарное. Стоит ляпнуть что-то вроде «этого не будет никогда», как через пару лет оно появляется в каждом доме. Но всё же позволю себе побыть скептиком. Я не думаю, что нам стоит ожидать появления разумных в человеческом смысле этого слова компьютеров в ближайшие 100 лет.

Почему так? На данный момент у нас есть лишь весьма смутное представление о том, как этого достичь. В мозгу человека — 100 миллиардов нейронов. Каждый из них связан с десятками тысяч других нейронов. Крупнейшие искусственные нейронные сети созданные на текущий момент содержат порядка 10-15 миллионов нейронов, имеющих намного меньшую связность, чем нейроны в мозгу человека.

Чтобы чисто по техническим характеристикам достичь уровня человеческого мозга нам нужно научиться создавать нейронные сети в десять тысяч раз более сложные чем сейчас.

При этом даже если мы создадим нейронную сеть, сравнимую по сложности с человеческим мозгом у нас нет никакой уверенности, что у неё возникнет свобода воли, самосознание, что она сможет мыслить самостоятельно и т.п.

На мой взгляд на текущий момент переживать из-за гипотетического бунта роботов, это примерно то же самое, как беспокоиться о возможных в будущем проблем с перенаселённостью Марса.

По материалам: https://zen.yandex.ru/deep_cosmos

Источник: m.vk.com

Комментарии: