МАШИННЫЙ ИНТЕЛЛЕКТ

Можно уверенно констатировать, что проблематика искусственного интеллекта обрела новый позитивный контекст, в котором нам всем предстоит жить следующий десяток лет. Какие его основные моменты я бы мог выделить:

• Машинное обучение победило прочие подходы (особенно экспертный), стало программированием 2.0, почти не осталось задач, в которых методы ML не применялись бы или не могли бы быть применены.

• Машинное обучение победило человека в комбинаторных задачах, статистических, задачах распознавания и всех прочих, которые принято обозначать как big data.

• Машинное обучение сформировало устойчивую технологическую практику, удобную и эффективную, оно никуда и никогда не уйдет из обработки данных и информационных технологий. ML теперь навсегда.

При этом стало совершенно очевидным, что решение «задачи» машинного интеллекта (отнесем сюда сильный, общий, человекоподобный интеллект и прочие умы, и разумы) стала психологически дальше, чем была раньше. Люди разворачивают стостраничные дискуссии по поводу определений, что является индикатором кризиса понимания.

На текущий момент основные концепции решения задачи машинного интеллекта (подчеркиваю - не обучения, а именно интеллекта) можно свести к трем направлениям:

• Симпатическая магия. Концепции такого интеллекта основаны на том, что предметы сходные по виду должны давать сходные свойства. Сюда можно отнести все решения, основанные на ожидании появления эмерджентности при расширении датасетов и количества признаков. Все попытки создать сложность увеличением «хаоса» или собрать «широкий» интеллект из композиции узкого.

• Карго культ. Сюда можно отнести все бионические подходы и нейросетевые. Создание самых крупных и глубоких каскадов, самых правильных моделей колонок, создание самых правильных автоэнкодеров и прочих аппроксиматоров, архитектура которых будут максимально похожими на архитектуру мозга.

• Философский подход. Он самый смешной, но самый доступный для масс, в плане творчества. Смысл его в том, что интеллект – это набор каких-то схем, каких-то исчислений, каких-то правил, каких-то других ограничений))). Например, на уровне онтологии – это поиск самой правильной онтологии или преодолении аксиоматики как аксиоматическое постулирование non-аксиоматики, а на уровне инженерии – поиск самых правильных «интеллектуальных» функций. Или приписывание словам смыслов.

Да, мы имеем кризис. Мы имеем кризис понимания мышления. И это нормально. И это хорошо. Единственное, что может быть ненормальным на этом пути – это пытаться делать всё тоже самое, что мы делали раньше, но делать это гуще. ?

Комментарии: