Искусственный интеллект: время слабых

Перспективы применения ИИ

Если не принимать во внимание известное изречение Артура Кларка, согласно которому «любая достаточно развитая технология неотличима от магии», современные исследования в области ИИ произрастают из областей математики, робототехники, статистики и информатики; из вышесказанного в этой статье следует, что любой программный или программно-аппаратный комплекс, реализующий ИИ, в первую очередь, решает несколько математических проблем, зачастую основываясь на заранее собранных и классифицированных данных.

Слабый ИИ, также называемый «ИИ в строгом смысле этого слова», — это ИИ, который реагирует на входные данные, как человек, на основе алгоритмов программирования. Инструменты со слабым искусственным интеллектом могут показаться «мыслящими», но это не так. Хорошим примером являются персональные помощники с голосовым управлением, такие как Siri, Сог!апа и А1еха. Когда вы задаете вопрос или команду, эти инструменты прослушивают звуковые сигналы и следуют запрограммированным инструкциям, чтобы отреагировать соответствующим образом. Они не совсем понимают слова, которые говорят их пользователи, и их значение.

Под понятием «искусственный интеллект» (ИИ), как правило, понимают компьютерную программу, т.е. алгоритм, способную на решение задач, которые в состоянии решить мозг взрослого человека. В Международном терминологическом словаре по искусственному интеллекту [18] понятие «искусственный интеллект» определяется как область знаний, рассматривающая разработку технологий, позволяющих вычислительным системам действовать таким образом, которое напоминает разумное поведение, в том числе, поведение человека. Стоит обратить внимание на то, что это феноменологическое определение, оставляющее детализацию понятий «интеллект», «разумное поведение» на откуп философии; в условиях дефицита знаний о мозге и когнитивном аппарате биологических систем понятие ИИ не поддаётся более точной, математической формализации.

Вторым важным фактором развития отрасли стала оцифровка и ручная классификация текстов, фотографий и звуковых записей, а также построение всеобъемлющих баз знаний в цифровом формате. Благодаря ставшим доступными большим объёмам качественно классифицированных данных стало возможно тренировать алгоритмы машинного обучения на больших выборках. Таким образом, точность классификации выросла, а машинный перевод превратился из грубого инструмента в систему широкой применимости.

Отдельно стоит упомянуть недостатки машинного обучения. Как правило, машинное обучение предполагает наличие уже классифицированных тренировочных данных, в которых компьютерный алгоритм находит закономерности. Из-за недостаточных данных в работе алгоритма возможны ситуации, когда данные на входе не принадлежат ни к одному из тренированных классов; распознавание нового феномена на входе и автоматическое создание нового класса объектов считается как минимум нетривиальной задачей [23]; её можно легко усложнить, добавив в условие активное обучение во время работы классификатора и временное изменение распознаваемых классов. Вторым существенным недостатком машинного обучения считается сверхчувствительность: так, распознавание лиц можно «перехитрить», надев кажущиеся безобидными очки [25]. В отдельных случаях можно добиться неправильной классификации фотографии путём невидимых человеку изменений: так, после кажущейся несущественной манипуляции панда на фотографии может классифицироваться как обезьяна [13].

Проблема создания сильного ИИ на данный момент не решена, и научное сообщество существенно охладело к теме ИИ после так называемой «зимы искусственного интеллекта», наступившей в середине 1980-х из-за завышенных ожиданий. Это привело, с одной стороны, к разочарованию потенциальных пользователей и к недостаточной производительности программных комплексов, с другой. Начиная с середины 2000-х годов удалось добиться значительных успехов в более специализированных задачах. В первую очередь это обусловлено постоянным развитием вычислительной техники.

Ожидается, что хирургия, в том числе и микрохирургия, требующая точного вмешательства в тело пациента, сможет быть автоматизирована в ближайшем будущем. В 2016 г. был представлен в качестве демонстратора технологий робот STAR [24], способный проводить операции на мягких тканях. При достижении успехов в распознавании образов можно ожидать роботизации всех хирургических процедур удаления тканей, что позволит сделать хирургию более доступной и снизить нагрузку на лечащий персонал.

Целью слабого ИИ является создание технологии, позволяющей машинам и компьютерам выполнять определенные задачи по решению проблем или рассуждениям значительно быстрее, чем это может сделать человек. Но при этом не обязательно использовать какие-либо реальные знания о мире решаемой проблемы. Цель сильного ИИ — развить искусственный интеллект до такой степени, чтобы его можно было считать настоящим человеческим интеллектом. Сильный ИИ — это тип, который пока не существует в своей истинной форме.

Аннотация научной статьи по прочим социальным наукам, автор научной работы — Худайбедиева Н. А., Чарыев М. С., Азадов А. А.

Article examines the concepts of weak and strong artificial intelligence , their differences and development prospects. A weak AI is based on programming algorithms and reacts to input data using programmed instructions, while a strong AI has autonomy , the ability to reason and learn, as well as some degree of self-awareness.

Abstract: article examines the concepts of weak and strong artificial intelligence, their differences and development prospects. A weak AI is based on programming algorithms and reacts to input data using programmed instructions, while a strong AI has autonomy, the ability to reason and learn, as well as some degree of self-awareness.

Сильный ИИ, также называемый «настоящим ИИ», — это ИИ, который мыслит автономно. Системы с сильным ИИ могут рассуждать, учиться, планировать, общаться, принимать решения и обладать определенной степенью самосознания. На самом деле, это не имитация человеческого интеллекта, а сам интеллект, по крайней мере, теоретически. Эксперты считают, что если они смогут воспроизвести структуру и функции человеческого мозга, они смогут создавать компьютеры с реальными когнитивными способностями. Исследователи глубокого обучения, поддомены ИИ, пытаются повысить автономность, позволяя компьютерам обучаться с помощью нейронных сетей, но они пытаются повысить автономность, позволяя компьютерам обучаться с помощью нейронных сетей. Хотя прогресс идет очень быстрыми темпами, по-настоящему сильный ИИ все еще находится на теоретической стадии и, вероятно, еще очень далек.

Расширение границ применимости ИИ привело к повышенному интересу военных и околовоенных кругов к возможностям автономных систем. Помимо НИОКР по упомянутым выше темам, в международном сообществе разгорелась дискуссия о возможном ограничении или даже запрете робототехнических комплексов. Наибольшую известность получила кампания «Stop Killer Robots» [32], активно требующая полного запрета на разработку автономных боевых систем по этическим причинам. Однако в этой связи стоит упомянуть не только боевых роботов, но и системы классификации, влияющие на решение о применении силы исключительно по метаданным, даже не обращая внимания на содержание писем подозреваемых [21].

Самым перспективным направлением для военных считается возможность автоматического распознавания и сопровождения целей для роботизированных платформ, и, как следствие, автономное принятие решения на поражение [2]. На конец 2017 года в странах «первого эшелона» проводится ряд научно-исследовательских работ по этим темам, в первую очередь в отношении наземных, надводных и подводных комплексов.

Необходимо отметить, что классификация алгоритмических проблем на проблемы сильного и слабого ИИ не является исторической константой; так, на начало 2016 г. считалось, что для игры в Го нужен сильный ИИ. После впечатляющей победы алгоритма AlphaGo [26] над действующим чемпионом мира в марте 2016 г. игра в Го стала проблемой слабого ИИ.

Пожалуй, наибольший общественный резонанс произвела экспертная система IBM Watson, объединившая в себе огромный массив знаний, т.е., данных с семантическими связями между ними, и способность обрабатывать запросы на английском языке к этой базе знаний. В 2011 году впечатляющим успехом IBM Watson была победа над действующими чемпионами в телевикторине «Jeopardy!» [i] . Этот успех позволил IBM успешно выйти на рынок экспертных систем, наглядно продемонстрировав способности Watson к обработке и структурированию информации.

В привитом культурой представлении ИИ редко занят чем-то кроме планирования действий в интересах крупных корпораций либо государств. Однако упомянутые выше возможности позволяют применять ИИ-технологии в интересах широких групп населения: применяющиеся на практике алгоритмы доступны каждому, а в спектр задач машинного обучения входят вполне обыденные задачи вроде оценки потребностей в ремонте таксопарка и планирования оптимального использования операционных залов.

Введение

Статья рассматривает концепции слабого и сильного искусственного интеллекта, их отличия и перспективы развития. Слабый ИИ основан на алгоритмах программирования и реагирует на вводимые данные с помощью запрограммированных инструкций, в то время как сильный ИИ обладает автономностью , способностью к рассуждению и обучению, а также некоторой степенью самосознания.

Термин «искусственный интеллект» часто используется не по назначению или понимается неправильно, но эта технология приносит больше пользы, чем вреда. Возможно, ранние разработки в области ИИ сегодня не актуальны, но за прошедшие годы процесс претерпел значительные изменения. Хотя ИИ считается одной из новейших областей интеллектуальных исследований, его основы были заложены тысячи лет назад. Но сегодня ИИ у всех на устах, и не проходит ни одного дня, чтобы мы не услышали об ИИ.

Аннотация: статья рассматривает концепции слабого и сильного искусственного интеллекта, их отличия и перспективы развития. Слабый ИИ основан на алгоритмах программирования и реагирует на вводимые данные с помощью запрограммированных инструкций, в то время как сильный ИИ обладает автономностью, способностью к рассуждению и обучению, а также некоторой степенью самосознания.

Завышенные либо заниженные ожидания на успехи научно-технического прогресса влекут за собой прогнозы, в которых сильный ИИ либо станет доступным уже завтра (в крайнем случае — в следующем году), либо принципиально недостижим. Фактически создание сильного искусственного интеллекта сложно спрогнозировать, так как оно зависит от успешного решения нескольких инженерных и математических задач неизвестной сложности. Исторический пример решения теоремы Ферма, появившегося спустя 350 лет после её формулировки, не позволяет с уверенностью прогнозировать сроки решения задач такого масштаба.

Наиболее сложной задачей для автономных транспортных средств считается участие в дорожном движении в связи с ограниченной свободой манёвра и множеством возможных ситуаций, возникающих на дороге. В 2018 г. самым высокоразвитым решением на рынке считается автопилот Audi A8, способный автономно двигаться в условиях пробок на автострадах [20]. В марте 2017 г. представители BMW обещали к 2021 году представить автомобиль, способный без вмешательства водителя доставлять пассажиров в место назначения [19].

В то время, как компьютеры успешно решают «сложные» задачи вроде символических и численных вычислений и обыгрывают гроссмейстеров в шахматы, в списке нерешённых проблем много задач, отличающихся относительно простой формулировкой: классификация «неизвестных» образов без тренировки на заранее классифицированных образцах (например, распознавание яблок на фотографии, если известны только классы «вишня» и «груша»), моторика, рассуждения от «здравого смысла».

В сумме оба фактора позволили решать за приемлемое время всё более сложные задачи, сократив время обработки накопленных массивов данных. На начало 2018 г. искусственный интеллект добился нескольких ярких успехов, освещённых СМИ, проник в различные отрасли экономики. Однако было бы ошибкой считать ИИ «серебряной пулей», средством, способным решить все проблемы человечества.

За полвека исследований тема искусственного интеллекта обросла массой мифов и ложных представлений как о возможностях технологий, так и об их недостатках. Так, в области машинного перевода зачастую можно встретить утверждение о низкокачественных автоматических переводчиках 1960-х годов, превративших фразу «дух бодр, плоть слаба» в «водка хороша, но мясо протухло» при переводе с английского языка на английский через русский. Изначально этот пример был упомянут в качестве образца неправильного перевода человеком, вооружённым лишь словарём, грамматикой и излишне буйным воображением; достоверных свидетельств такой работы систем машинного перевода нет [14].