Изкуствен интелект как машините се научават да мислят

Санкт Петербургски държавен университет по информационни технологии, механика и оптика. Алексей Потапов.

Изкуствен интелект и разбиране на значението

На интуитивно ниво, под изкуствен интелект (AI) обикновено разбираме нещо, създадено от човека - изкуствена машина, която може да решава широк набор от интелектуални задачи на същото ниво като човек и за предпочитане дори по-добро. Има различни дефиниции за това какво се има предвид под „изкуствен интелект“ и има съмнения, че AI може да бъде създаден на базата на цифрови компютри. Един от аргументите е, че машината не разбира смисъла. Но кой специфичен неврон (или група от неврони) в човешкия мозък е отговорен за значението и защо това не може да се моделира на цифрова машина?

Снимка: ru.depositphotos.com В разговорите за изкуствения интелект често се обсъжда така нареченият парадокс на китайската стая. Нека приемем, че хипотезата за физическата символна система е правилна, според която можем да моделираме интелигентността с правилното манипулиране на символи; комбинирайте го с теста на Тюринг, според който една система е интелигентна, ако се държи по същия начин, по който човек, в частност, отговаря на въпроси. Представете си човек в определена стая, който знае как да премести таблетите в съответствие с набора от правила, които са му издадени. През прозореца му се задават въпроси на език, който не знае, но той разбърква табличките в съответствие с набора от правила и дава верния отговор, без да разбира значението му. Авторът на мисловния експеримент за китайската стаяДжон Сиърл вижда в това противоречие: той смята, че хипотезата за физическата символична система е неправилна, тоест, за да имаш интелигентност, не е достатъчно да манипулираш символи. единЕдин от традиционните контрааргументи е, че не човек трябва да разбира, а цялата стая, защото човек изпълнява само ролята на активен агент. Ако няма разбиране на ниво отделни неврони, ние нямаме право да изискваме разбиране на ниво отделни елементи на тази стая.Джон Сърл. Снимка: youtube.comПърво проучване и „AI зима“

Когато областта на изкуствения интелект се заражда през 50-те години на 20-ти век, изследователите казват, че ще отнеме малко време и ще бъде създаден изкуствен интелект. Ентусиастите често подценяваха трудностите при създаването на AI: през 1956 г. се проведе семинарът в Дартмут, беше събрана група от 10 изследователи, които сериозно вярваха, че могат да решат проблема със създаването на AI през лятото; Американският ученМарвин Мински ​​предложи на своя ученик да реши проблема с компютърното зрение за кратко време. В същото време когнитивистите и невролозите са ужасени от сложността на човешкия интелект, а тези, които са взаимодействали с тях, може да са много скептични, че това е проблем от десетилетия, а не от хилядолетия.

Марвин Мински. Снимка: dic.academic.ru Съвсем скоро ентусиазмът в областта на AI се промени първо към пристрастие към приложни разработки - експертните системи започнаха да се развиват, но не показаха качествени резултати, които бизнесмените биха искали, а през 90-те години започна така наречената "зима на изкуствения интелект". В постсъветска България учените просто нямаха време за това. В САЩ, Япония и други страни финансирането за изследвания, свързани с AI, намаля, а в академичната среда стана неприемливо да се говори за AI като за мислещи машини - учените започнаха да се занимават повече с конкретни проблеми.

Игри и изкуствен интелект

Фактът обаче, че първоначалните очаквания се оказаха твърде високи, не означава, че AI не може да бъде създаден. През последните 15-20 години областта на изкуствения интелект преживява пролет, може би дори лято. До голяма степен благодарение на фокусирането върху специфични приложни проблеми и нарастването на изчислителната мощност, стана възможно да се решават проблеми, които преди се смятаха за нерешими. Например, вече има доста голям списък от игри, в които компютърният интелект превъзхожда човешкия, и има все по-малко такива игри, в които хората все още държат лидерството.

Първите, които се "поддадоха", бяха такива прости игри като дама и реверси. С целенасочени усилия беше разработена машина, която победи човека в шах, а след това стана популярно да се създават компютри, които победиха човека в различни области. Мнозина вероятно са чували за суперкомпютъра IBM Watson: през 2011 г. той победи световния шампион в телевизионната игра Jeopardy! (Български аналог - "Собствена игра").

Превъзходството на компютъра над човека в голям брой игри е значително по отношение на развитието на тази област. Американският философХюбърт Драйфус смята, че компютърът няма да може да победи човек в шах, тъй като това е творческа задача. Всъщност критиците на AI не гледаха по-дълбоко от самите експерти по AI: това беше предизвикателство и беше преодоляно. Много предизвикателства бяха преодолени и в приложните области: роботите започнаха да се развиват активно, а не само в индустриален мащаб. Ако не греша, флотът от домашни роботи започва да изпреварва парка от индустриални роботи.Хюберт Драйфус. Снимка: wikimedia.orgПриложни приложения

През последните години се появиха нови системи, които също започват да надминават хората, например през 2011 г. на състезания вразпознаване на пътни знаци. Броят на съвременните приложения се подценява дори от експертите в областта на изкуствения интелект. Интелигентното търсене в интернет се основава на AI технологии, семантичен анализ и т.н., спам филтрирането в имейл услугите също използва технологии от областта на машинното обучение.

От средата на 2000-те години започна да се възражда интересът към крайната цел, поставена от основателите на областта: не просто да се разработят някои системи, които правят нещо подобно на решаването на интелектуални проблеми с помощта на алгоритми, създадени от човека, но всъщност към създаването на мислещи машини. Има повече фирми и стартиращи компании, които са обявили целта си да създадат така наречения „силен изкуствен интелект“. Подобна дейност се развива по целия свят, не само в САЩ: DeepMind е базиран в Лондон, Good AI е базиран в Прага, NNAISENSE е базиран в Швейцария и т.н.

Снимка: ru.depositphotos.com Напоследък се чуват мнения за опасностите от ИИ. Дори преди 15 години се смяташе за лошо възпитание, но сега изявленията, че ИИ може да бъде опасен, идват отБил Гейтс, милиардераИлон Мъск и много други. Последният отпусна 10 милиона долара за изследване на проблемите със сигурността на AI, тоест, за да разбере как не трябва да се развива. Същата сума, например, беше отделена от друг бизнесмен,Марек Роса, за самото развитие на AI в GoodAI. Когато Google придобиха DeepMind, ръководството на последния също постави условие компанията им да се занимава и с проблемите на сигурността. През последните година или две изследванията в областта на сигурността на ИИ бяха финансирани почти по-добре от разработването на силен изкуствен интелект.

Базиран на супер интелигентностчовек

Сега широко се обсъжда колко бързо AI може да надмине човешкия ум, защото ще има много повече възможности за неговото модифициране и разширяване, отколкото с човешкия мозък. И за нас е доста трудно да си представим как суперинтелектът ще се държи на качествено ниво.

Има различни начини за създаване на AI, един от очевидните е пълна емулация на мозъка, зареждане на човешкото съзнание в компютър. В някои отношения този път е по-лесен от създаването на AI от нулата, защото не предполага супер-иновативни изобретения, а само увеличаване на разделителната способност за скенерите на човешкия мозък и силата да го емулират. Но има големи въпроси относно количеството ресурси, необходими за подробна мозъчна емулация - те могат да бъдат несравнимо по-големи от количеството ресурси, които нашият мозък консумира. Също така не е ясно на какво ниво на абстракция да се подражава. Генната експресия е силно ангажирана във функционирането на нашия мозък и ако моделираме само електронна активност, ще загубим способността на мозъка да учи.

Снимка: ru.depositphotos.com За да се подобри човешкият мозък на ниво алгоритми, е необходимо, грубо казано, да се възстанови изходният му код. Пътят към суперинтелигентността чрез човешки генетични подобрения е много по-дълъг от създаването на самия изкуствен интелект, същата киборгизация повдига въпроси: човек работи доста добре с конвенционалните интерфейси, но е много трудно да се „копае“ по-дълбоко. Много се работи в тази посока, например, за контролиране на курсора на мишката върху компютърен монитор с помощта на набор от електроди, които записват електроенцефалограма, но това е доста досаден процес. За да вземете и заредите в мозъка на човек способността да управлявате хеликоптер, както във филма "Матрицата", трябвана първо място да се създаде суперинтелигентност, която да анализира и да дава отговор кои синапси трябва да бъдат сменени, за да има човек това умение. Всички изследвания в тези области ще вървят много по-бързо с AI.

Силно и слабо, или тясно и общо

До 2000-те години в областта на изкуствения интелект беше прието разделението на силен и слаб AI. Под силен AI се има предвид програма, която притежава всички качества, които човек притежава, включително разбиране, самосъзнание и т.н. Основните дискусии бяха за това как да се придобие съзнание от компютърна програма и конфронтациите породиха дискусии по философски въпроси, вместо да насочват изследователите по пътя към създаването на AI.Алън Тюринг се опита да предотврати това през 50-те години - той вярваше, че субективните качества са важни, но техните дефиниции бяха твърде неясни, за да се разчита на тях, така че той призова за различия, които могат да бъдат разбрани и измерени.

Алън Тюринг. Снимка: top.rbc.ru Разликата между слабия AI или съществуващите интелигентни програми и човешкия интелект е доста проста – те са настроени да решават тесен клас задачи, докато човешкият интелект е в състояние да решава широк кръг от проблеми. В рамките на специализираните предметни области слабият AI е най-мощният интелект, с който е трудно да се справим. Но не можем да наречем една шахматна програма „изкуствен интелект“ не защото тя няма съзнание и не защото играе зле шах: тя просто не знае как да прави нищо друго. Правилно е слабият интелект да се нарича "тесен" интелект и да се противопоставя не на силен хуманоиден интелект, а на общ ИИ, който е в състояние да решава голямо разнообразие от задачи.

Заучаване на символи и разпознаване на образи

Един отреализации на традиционния подход за създаване на "умна" система има проект cyc. Ако ИИ получи задачата да гарантира, че човек няма главоболие, логичното решение за вълната ще бъде да отреже тази глава; ако вървим в съответствие с експертните системи и ръчно съставяме база от знания, трябва да вземем предвид всички подобни нюанси, в противен случай системата ще произведе такива абсурдни решения. Това е основната идея на проекта cyc: да се събере много голяма база от здрав разум, тоест отговори на въпроси, които човек би дал в конкретен предметен контекст. Базата данни включва милиони подобни отговори, но точно това е задънената улица, в която можете да влезете, като тръгнете по традиционния символичен път. Писмените символи обозначават концепции от високо ниво и не са „основани“ на собствения опит на собственика на интелекта, освен това системата не може да придобива нови такива сама по себе си и ако създадете AI върху тази база от знания, получавате това, което Джон Сърл би нарекъл „китайска стая“.

Снимка: ru.depositphotos.com Идеята, че основата на интелигентността е разпознаването на образи, далеч не е нова - тя беше активно изразена през 70-те години и този подход се използва при създаването на невронни мрежи. Невронната мрежа е компютърна програма, която получава поредица от, например, изображения като вход. Той намира повтарящи се модели и формира концепции от ниско ниво въз основа на тях, след което, при активирането на концепции от ниско ниво, формира концепции от следващото ниво и т.н.

Когато се появи общият AI

Не искам да правя прогнози; в разговор за появата на общия изкуствен интелект често се цитират изчисления на криви на технологична сингулярност и това вероятно е една от малкото реални причини за прогнозиране на времето. Има и оценки за силата на човешкия мозък и изчислениятавремето, когато ще достигнем тези капацитети в изчисленията. Тези оценки се припокриват до 2030-2050 г., но е трудно да се каже с голяма сигурност, че общият AI действително ще бъде създаден до този момент. Все пак смятам, че човек трябва да изхожда от тези оценки в дейността си.

Александър Пушкаш, Редакция на новинарския портал на университета ITMO

---