Что такое интеллект с точки зрения электронной машины? Как измерить этот интеллект? Почти семьдесят лет назад Алан Тьюринг опубликовал свою фундаментальную для всей области информатики работу (Turing, 1950), в которой обсуждались именно эти вопросы. Он заложил основы искусственного интеллекта, хотя этого термина к тому времени еще не существовало. Область искусственного интеллекта (сокращенно ИИ) была создана во время Дартмутской конференции в 1956 году (McClymont, nd). Он был описан профессором Джоном Маккарти, автором термина как такового, как «наука и техника создания интеллектуальных машин, особенно интеллектуальных компьютерных программ», а «интеллект» был объявлен как «вычислительная часть способности достигать целей». в мире» (Маккарти, 2007). В настоящее время определение несколько усложнено феноменом эффекта ИИ (McCorduck, 2004, стр. 204) — как только что-то делается машинами, это уже не считается ИИ. Фактически, как утверждают Рассел и Норвиг в (Russell & Norvig, 2003), даже такие вещи, как разделение времени, графические пользовательские интерфейсы и компьютерная мышь, интерактивные интерпретаторы, структура данных связанных списков и многие другие, изначально возникли в лабораториях ИИ. Сегодня эти технологии едва ли можно назвать искусственным интеллектом.

Я хотел бы взглянуть на некоторые важные вехи в этой области, прежде чем обсуждать ее будущее. Игры, в которых, на первый взгляд, может добиться успеха только человек, всегда были хорошим способом показать прогресс ИИ. Первый прорыв произошел, когда компьютер IBM Deep Blue, играющий в шахматы, победил действующего чемпиона мира по шахматам Гарри Каспарова (McCorduck, 2004, стр. 480–483). Эта победа показала, что компьютеры вступают в деятельность, в которой люди никогда раньше не встречались. Однако Deep Blue использовала методы «грубой силы», рассматривая все возможные варианты с чрезвычайно высокой скоростью, и выиграла игру именно благодаря своим вычислительным возможностям, а не умению разбираться в самом игровом процессе. В 2011 году искусственный интеллект показал, что он может победить человека не только в играх, где каждый возможный ход можно описать математически, но даже в тех, где задействованы когнитивные способности и творческое мышление. И снова компьютер IBM, который теперь называется Watson, обыграл двух легендарных игроков в Jeopardy! викторина с большим отрывом, требующая приза в 1 миллион долларов (Markoff, 2011). Благодаря усовершенствованным алгоритмам, большим данным и подходам к глубокому обучению, требующим больших данных, цифровой компьютер стал важной вехой в области обработки естественного языка и когнитивных вычислений в целом. Последний, но, вероятно, самый важный прорыв в области искусственного интеллекта произошел в 2016 году. Компьютер AlphaGo от DeepMind (стартап, приобретенный Google) обыграл чемпиона мира по игре в го Ли Седоля в матче из пяти игр. Публично это считалось невозможным из-за сложности игры, имеющей ~ 250150 возможных последовательностей ходов, в то время как в шахматах их всего ~ 3580 (Silver et al., 2016). Вот почему перебор с использованием исчерпывающих деревьев поиска невозможен в игре Го, и машина должна понимать сам игровой процесс, а также принимать разумные решения — более разумные, чем человеческие. А с помощью искусственных нейронных сетей и технологий глубокого обучения машина преуспела и в этой задаче. Chess, Jeopardy!, Go — сейчас лучший исполнитель — искусственный интеллект — что будет дальше?

Помимо игр, эти алгоритмы становятся основой для более серьезных проблем. Те же методы, что и компьютер AlphaGo, могут помочь в составлении рецептов самых сложных химических соединений, необходимых для борьбы с болезнями (Segler, Preuss & Waller, 2018). Уотсон обнаружил множество реальных устройств, таких как использование для принятия решений по управлению использованием при лечении рака легких (Upbin, 2013) или в качестве помощника преподавателя для обеспечения естественного языка, индивидуального обучения студентов материалам для чтения (Penty , 2016). Но более важная часть этих достижений заключается в том, что они значительно продвигают технологии и алгоритмы, лежащие в основе искусственного интеллекта. Благодаря подходам машинного обучения и глубокого обучения у нас теперь есть виртуальные помощники, такие как Siri и Alexa, мы можем тратить меньше усилий на вождение автомобиля и видеть соответствующие рекомендации на Netflix. С развитием и улучшением этих технологий и увеличением вычислительной мощности (закон Мура) мы можем делать достаточно оптимистичные прогнозы о нашем будущем. Самоуправляемые автомобили, которые сегодня в основном относятся к типу «автоматического управления» (уровень 2), сегодня достигнут уровня «необязательный руль» (уровень 5) («J3016B: Taxonomy and…», 2018 г.), что приведет нас к миру со значительно меньшим ДТП и пробки. Когда когнитивные и социальные вычисления достигнут человеческого уровня, вокруг нас будут голосовые помощники, графические пользовательские интерфейсы в программном обеспечении будут заменены диалоговыми пользовательскими интерфейсами; такие компьютеры, как Watson, станут нашими любимыми психологами. Анализируя огромные данные историй болезни, а также все возможные случаи проявления заболеваний, алгоритмы смогут предотвращать многие заболевания, в том числе рак и СПИД. Такими же подходами мы могли предотвратить экологические катастрофы и катаклизмы. Искусственный интеллект может помочь человечеству снизить воздействие на окружающую среду и избежать ужасных последствий изменения климата и глобального потепления. Исследователи из DeepMind уже продемонстрировали хороший прогресс в алгоритмах снижения энергопотребления (O’Donnell, 2017). Это всего лишь несколько возможных прогнозов роли ИИ в технологиях будущего, и исчерпывающий список, безусловно, может быть намного длиннее.

Однако при обсуждении искусственного интеллекта мы не можем гарантировать, что те же подходы не будут использованы в злонамеренных целях. Например, такие проекты, как Face2face (Thies et al., 2016) и Lyrebird (Vincent, 2017), могут совершить революцию в киноиндустрии, но в то же время их можно использовать для производства фейковых новостей и манипулирования на политической арене. . Те же алгоритмы, та же технология — но такие разные цели и возможные последствия. Чтобы избежать этой ситуации, нам нужно срочно составить правила игры и этику для этой конкретной области, чтобы ИИ приносил пользу человечеству, а не вел его к вымиранию.

Подводя итог, следует сказать, что роль искусственного интеллекта в технологиях будущего довольно многообещающая. При соответствующих подходах, правилах и ограничениях мы можем с оптимизмом смотреть на преимущества, которые может принести нам мир ИИ. К счастью для нас, такие проекты, как «OpenAI», «ИИ во благо» и даже Европейский союз («Проект руководства по этике…», 2018 г.) создают правила игры для нашего светлого будущего вместе с искусственным интеллектом. Мы всегда должны помнить, что выход из-под контроля может привести к необратимым последствиям.

Ссылки

Проект руководства по этике для надежного ИИ — Единый цифровой рынок — Европейская комиссия. (2018). Получено с https://ec.europa.eu/digital-single-market/en/news/draft-ethics-guidelines-trustworthy-ai

J3016B: Таксономия и определения терминов, связанных с системами автоматизации вождения для дорожных транспортных средств — SAE International. (2018). Получено с https://www.sae.org/standards/content/j3016_201806/

Маркофф, Дж. (2011). Компьютер побеждает в Опасности!: банально, но это не так. Получено с https://www.nytimes.com/2011/02/17/science/17jeopardy-watson.html

Маккарти, Дж. (2007). Что такое искусственный интеллект? [Электронная книга] (стр. 2). Стэнфорд: факультет компьютерных наук Стэнфордского университета. Получено с http://www-formal.stanford.edu/jmc/whatisai.pdf

Макклимонт, К. AISB — Общество изучения искусственного интеллекта и моделирования поведения — Что такое ИИ? Получено с https://www.aisb.org.uk/public-engagement/what-is-ai

МакКордак, П. (2004). Машины, которые думают (2-е изд.). Натик, Массачусетс: А.К. Питерс.

О'Доннелл, Дж. (2017). Изменение климата с помощью искусственного интеллекта — улучшение энергопотребления. Получено с http://www.aroundtheworldineightyyears.com/artificial-intelligence-climate-change/

Пенти, Р. (2016). Pearson использует Watson от IBM в качестве виртуального репетитора для студентов — Bloomberg. Получено с https://www.bloomberg.com/news/articles/2016-10-25/e-learning-enters-bot-era-as-pearson-taps-ibm-s-watson-as-tutor

Рассел С. и Норвиг П. (2003). Искусственный интеллект (2-е изд., стр. 15). Река Аппер-Сэдл, Нью-Джерси: Prentice Hall.

Сеглер, М., Прейс, М., и Уоллер, М. (2018). Планирование химических синтезов с помощью глубоких нейронных сетей и символического ИИ. Природа, 555 (7698), 604–610. дои: 10.1038/nature25978

Сильвер, Д., Хуанг, А., Мэддисон, К., Гез, А., Сифре, Л., и ван ден Дрисше, Г. и соавт. (2016). Освоение игры в го с глубокими нейронными сетями и поиском по дереву. Природа, 529 (7587), 484–489. дои: 10.1038/nature16961

Тис, Дж., Золлхофер, М., Штаммингер, М., Теобальт, К., и Ниснер, М. (2016). Face2face: Захват лица в режиме реального времени и воспроизведение rgb-видео. В материалах конференции IEEE по компьютерному зрению и распознаванию образов (стр. 2387–2395).

Тьюринг, А. (1950). I. — Вычислительная техника и интеллект. Разум, LIX(236), 433–460. doi: 10.1093/mind/lix.236.433

Апбин, Б. (2013). IBM Watson получает свою первую часть бизнеса в сфере здравоохранения. Получено с https://www.forbes.com/sites/bruceupbin/2013/02/08/ibms-watson-gets-its-first-piece-of-business-in-healthcare/

Винсент, Дж. (2017). Lyrebird утверждает, что может воссоздать любой голос, используя всего одну минуту аудиозаписи. Получено с http://www.theverge.com/2017/4/24/15406882/ai-voice-synchronous-copy-human-speech-lyrebird