Сходства человека и искусственного интеллекта

Принятие решений

ИИ-системы, в свою очередь, также способны к адаптации через процесс обучения. Они могут изменять свои алгоритмы на основе новых данных и улучшать свои способности со временем. Это особенно заметно в области глубокого обучения, где нейронные сети могут улучшаться по мере накопления опыта, что позволяет им выполнять задачи с возрастающей точностью.

Одним из наиболее очевидных сходств между человеком и ИИ является способность к обучению. Человеческий мозг с самого рождения учится, адаптируясь к окружающей среде через наблюдение, опыт и взаимодействие с другими людьми. Аналогично, ИИ, особенно системы машинного обучения, обучаются на основе данных. Они анализируют большие объемы информации, выявляют закономерности и используют их для улучшения своих алгоритмов и принятия решений.

ИИ также обладает способностью решать сложные задачи, хотя его подходы обычно основаны на анализе данных и алгоритмическом мышлении. Современные ИИ-системы могут решать задачи, которые ранее считались исключительно человеческими прерогативами, такие как медицинская диагностика, финансовый анализ и даже творчество, например, создание музыки и искусства.

— Естественный интеллект характеризуется многочисленными функциями. Часть из них реализуется в системах ИИ, но главным отличием естественного интеллекта от искусственного является способность синтезировать новые знания, выявлять неизвестные закономерности. Искусственный интеллект — это устоявший термин, однако связанный с не совсем точным переводом с английского. Artificial Intelligence означает «умение рассуждать разумно». Создаваемые на этой основе системы более корректно называть системами с элементами искусственного интеллекта.

— Большинство систем ИИ с самого начала опирались не на математический аппарат, а на логику с использованием средств для диалога с пользователем на естественном языке (логико-лингвистические системы), чего не умели предшествующие вычислительные системы. В настоящее время гибридные интеллектуальные системы включают наряду с логикой также и различные математические методы анализа. Но обязательным для интеллектуальных систем является база знаний, содержащая формализованные знания для конкретной области, для чего используются различные языки представления знаний. Для работы этих систем используются обычные компьютеры. Суперкомпьютеры лишь позволяют ускорить обработку данных, что важно для динамических систем реального времени — например, в управлении двигателями космического корабля и существенно, например, для прогнозов погоды. Исключением являются нейросети, в которых осуществляется математическая обработка введенной информации, однако отсутствует аргументация и логика решений, отсутствуют база знаний предметной области и объяснение выдвигаемых гипотез (решений). Но нейросетевой подход — это технология, имитирующая до некоторой степени работу мозга, истинное представление о которой пока остается открытым.

— ИИ способен быстро перебирать различные варианты, он может заменить человеческий или обеспечить помощь человеку во многих областях с известным или понятным подходом к принятию решений: в анализе данных с учетом многообразных связей, в выборе оптимальных решений, в мониторинге ситуаций и управлении; роботы могут выполнять различные работы (в трудных условиях, в доме, на производстве, в здравоохранении и др.). Интеллектуальные системы поддержки принятия решений будут помощниками людей. Роботы заменят их во многих работах, где можно построить алгоритмы действий человека. Возможно, что и в математике, при доказывании теорем, ИИ сможет в перспективе решать сложные задачи. Но вновь должен отметить, что ему будет недоступно открывать принципиально новые направления в науке.

Адаптивность и самосовершенствование

— Теперь более практический вопрос: в каких сферах ИИ надежно заменит человеческий? Где у него будет преимущество? Где он никогда не сравнится с человеком? Например, есть ли шанс, что он справится с одной из открытых проблем математики — скажем, докажет алгебраическую независимость чисел ϖ и е?

— Да, сообщества представителей ИИ и их взаимопомощь возможны. Это развитие сегодняшних многоагентных систем — виртуальных сообществ интеллектуальных агентов, каждый из которых взаимодействует с другим, и имеются агенты более высокого уровня, координаторы и наблюдатели, обеспечивающие изменение программы взаимодействия интеллектуальных агентов.

Один из ключевых аспектов человеческого интеллекта — это способность решать сложные проблемы и находить инновационные решения. Люди используют свои когнитивные способности для анализа ситуации, разработки стратегий и принятия решений, часто опираясь на творческое мышление и интуицию.

— Интеллектуальные системы, основанные на экспертных знаниях высококвалифицированных врачей, обладающих интуицией и образным мышлением, могут включать интуитивные представления в том случае, когда их удается извлечь для формирования базы знаний. Мой опыт показывает, что этого можно достигнуть при групповом извлечении знаний за счет вскрытия врачебной интуиции одного эксперта путем вопросов к другим экспертам при умелом управлении дискуссией.

— Полноценные интеллектуальные системы, как уже отмечено выше, характеризуются как раз тем, что пользователь получает объяснение выдвигаемых системой гипотез как в процессе их рассмотрения, так и по завершении работы (окончательная гипотеза). Черными ящиками являются нейросети, не выдающие объяснений.

Оба — и человеческий мозг, и ИИ — обладают способностью к адаптации и самосовершенствованию. Человеческий мозг постоянно изменяется и адаптируется в ответ на новые знания и опыт, процесс, известный как нейропластичность. Это позволяет людям учиться на своих ошибках, развивать новые навыки и адаптироваться к изменяющимся условиям.

Еще одним важным сходством является способность принимать решения. Человеческий разум ежедневно сталкивается с множеством выборов — от простых, таких как выбор одежды, до сложных, таких как принятие важных жизненных решений. Мозг обрабатывает информацию, учитывает прошлый опыт и текущие обстоятельства, чтобы сделать оптимальный выбор.

— В явном виде конкуренции между странами нет. Может быть, можно говорить об ученых, которые следят за работами друг друга. На уровне компаний это связано с получением финансовых средств на разработку и/или на получение прибыли по законченным работам. В России период 70-х — начала 90-х годов прошлого века сопровождался созданием большого числа систем и интересными теоретическими разработками. Последующее недофинансирование работ в этой области привело к спаду. Хотя работы не остановились. Рассматривая в качестве примера медицину, приходится отметить, что, несмотря на неоднократные заявления о необходимости таких систем, их финансирование практически отсутствует, за исключением работ по грантам в системе РАН. Положительными примерами в этой области могут служить разработки Федерального исследовательского центра «Информатика и управление» РАН (интеллектуальная система в области здоровьесбережения, ориентированная на управление рисками при инфаркте миокарда, инсульте и депрессии, и интеллектуальные системы автоматизированной поддержки медицинских исследований, реализованные на основе ДСМ-метода автоматического порождения гипотез) и Института автоматики и процессов управления ДВО РАН (диагностика болезней пищеварения и другие, реализованные на основе онтологий).