Общий искусственный интеллект может появиться до 2030 года

Применение

4 декабря 2012 года на конференции Neural Information Processing Systems (NIPS) группа исследователей представила подробную информацию о своих свёрточных нейронных сетях, которые помогли им выиграть в конкурсе классификации ImageNet. Классификация изображения – это процесс определения категории или класса, к которому оно относится. Например, мы видим кота и понимаем: это рыжее пушистое существо – точно кот. Нейросеть определяет кота на изображении, анализируя пиксели и выделяя характерные признаки. Модель, которую представили на конференции, содержала нейросеть со множеством слоёв. Такая архитектура помогла распознавать изображения с точностью 85% – всего на 10% слабее человека.

Главный герой – писатель, который влюбляется в операционную систему с искусственным интеллектом по имени Саманта. ИИ развивает сложные эмоциональные связи с главным героем, проявляет интеллектуальные способности и адаптируется к его потребностям и желаниям. Однако она остается ограничена в своих возможностях и не претендует на полное самосознание или человеческую эмоциональность. Саманта – это вариант того, как может развиваться Алиса.

В 2022-2023 годах многих волнует генеративный ИИ. Бизнес хочет использовать его, чтобы сократить расходы, а специалисты боятся, что он отнимет у них работу. Консалтинговая компания McKinsey спрогнозировала влияние generative AI на производительность, автоматизацию и рабочую силу. Согласно новому отчету, генеративный ИИ может ежегодно приносить мировой экономике от 2,6 до 4,4 триллионов долларов (примерно 2–4% от совокупного мирового валового внутреннего продукта в этом году)

Эксперты из института Epoch AI проанализировали все прогнозы профессиональных исследователей относительно того, когда человечество создаст AGI. Вероятность создания общего искусственного интеллекта к 2030 году оценивается ими в среднем в 25%, к 2050 году в 57%, к 2100 году в 88%.

Спустя два года классификация в конкурсе ImageNet с помощью свёрточных нейросетей (лучших инструментов для распознавания изображений и видео) обогнала по точности человека и достигла 96%. Технологию искусственного интеллекта начали применять не только для распознавания изображений, но и для аналитики в финансах, распознавания голоса в смартфонах, в беспилотных автомобилях и компьютерных играх. За последние 10 лет разработано больше, чем за всю историю ИИ.

ИИ подразумевает не только рациональный анализ и воспроизведение при помощи компьютеров большинства аспектов интеллекта – может быть, лишь за исключением юмора. Машины значительно превышают наши когнитивные способности в большинстве областей, что заставляет нас опасаться некоторых этических рисков. Это риски трех видов: дефицит работы, которая вместо людей будет выполняться машинами; последствия для независимости человека и, в частности, для его свободы и безопасности; опасения, что более «умные» машины будут доминировать над людьми и станут причиной гибели человечества.

Прогресс замедлился в середине 1960-х годов. В 1965 году десятилетний мальчик одержал в шахматном матче победу над компьютером; в 1966 году в докладе, подготовленном по заказу Сената Соединенных Штатов Америки, говорилось о внутренних ограничениях, присущих машинному переводу. Около десяти лет пресса отзывалась об ИИ неодобрительно.

Преподаватель информатики в университете Сорбонна, профессор Жан-Габриэль Ганасия (Франция) является также научным сотрудником исследовательской лаборатории LIP6, (Laboratoire d’Informatique de Paris 6), действительным членом Европейской ассоциации искусственного интеллекта EurAI (European Association for Artificial Intelligence), членом Университетского института Франции (Institut Universitaire de France) и председателем Комитета по этике Национального научно-исследовательского центра Франции (CNRS). Его научные интересы охватывают такие темы, как машинное обучение, символическое слияние данных, компьютерная этика и цифровые гуманитарные науки.

История взлетов и падений

Однако при ближайшем рассмотрении становится очевидно, что работа для людей не пропадает, а трансформируется, требуя новых навыков. Точно так же независимость человеческой личности и ее свобода не подвергаются неминуемой опасности из-за развития ИИ – при условии, однако, что мы останемся бдительными перед лицом вторжения технологий в частную жизнь.

Поначалу, под влиянием первых успехов, исследователи позволяли себе несколько опрометчивые заявления, которые впоследствии неоднократно ставились им в упрек. Так, например, в 1958 году американец Герберт Саймон, позже ставший лауреатом Нобелевской премии по экономике, заявил, что если бы машины допускались к международным соревнованиям, то в ближайшие десять лет они стали бы чемпионами мира по шахматам.

Исследования не прекратились, но пошли в новых направлениях. Ученые заинтересовались психологией памяти, механизмами понимания, которые они пытались имитировать на компьютере, и ролью знаний в мыслительном процессе. Это привело к появлению значительно развившихся в середине 1970-х годов методов семантического представления знаний, а также к созданию экспертных систем, названных так потому, что для воспроизведения мыслительных процессов в них использовались знания квалифицированных специалистов. В начале 1980-х годов на экспертные системы возлагались большие надежды в связи с широкими возможностями их применения, например, для медицинской диагностики.

Для Джона Мак-Карти и Марвина Мински, как и для прочих организаторов летнего семинара в Дартмут-колледже, ИИ изначально представлял собой область науки, занимающейся компьютерным моделированием различных способностей интеллекта, идет ли речь об интеллекте человеческом, животном, растительном, социальном или филогенетическом. В основе этой научной дисциплины лежит предположение о том, что все когнитивные функции, как то обучение, мышление, расчет, восприятие, память, даже научное открытие или художественное творчество, могут быть описаны с точностью, дающей возможность запрограммировать компьютер на их воспроизведение. На протяжении более чем шестидесяти лет существования ИИ не появилось ничего, что позволило бы неоспоримо доказать либо опровергнуть гипотезу, которая продолжает оставаться открытой и побуждает ученых к новым изобретениям.

И наконец, в противоположность некоторым утверждениям, машины не несут в себе экзистенциального риска для человечества, поскольку их автономия носит лишь технический характер и в этом смысле не соответствует цепочкам материальной причинности, идущим от информации к принятию решений. Кроме того, машины не самостоятельны в моральном плане, и потому, даже если иногда они сбивают нас с толку и вводят в заблуждение своими действиями, они все же не обладают собственной волей и подчиняются тем целям, которые мы перед ними ставим.

Все нейросети – это ИИ, но не весь ИИ основан на нейросетях. Иногда ИИ путают с нейросетью, но это справедливо только отчасти. Нейросети – это один из подходов к созданию ИИ, который вдохновлён системой нейронов в мозге. Вместо того, чтобы писать сложные алгоритмы для решения задач, нейросети обучаются на основе большого количества данных и находят в них закономерности.

Искусственный интеллект, базирующийся на больших языковых моделях (Large Language Model) и машинном обучении, в публичном поле появился всего два с половиной года назад, но за короткое время успел стать сквозной технологией, оказывающей огромное влияние на развитие экономики и формирование новых рынков.

Могут ли машины стать умнее, чем люди? Нет, считает Жан-Габриэль Ганасия: это всего лишь миф, навеянный научной фантастикой. В своей статье он напоминает об основных этапах развития этой отрасли науки, о достижениях современной техники и об этических вопросах, все больше требующих к себе внимания.

Этические риски

С конца 1990-х годов ИИ стали объединять с робототехникой и интерфейсом «человек – машина» с целью создания интеллектуальных агентов, предполагающих наличие чувств и эмоций. Это привело, среди прочего, к появлению нового исследовательского направления – аффективных (или эмоциональных) вычислений (affective computing), направленных на анализ реакций субъекта, ощущающего эмоции, и их воспроизведение на машине, и позволило усовершенствовать диалоговые системы (чат-боты).

1970–80-е: Спад и возрождение ИИ. У государства были завышенные ожидания от учёных в вопросах развития искусственного интеллекта. Когда они не оправдались, финансирование исследований в области ИИ сократилось. Возобновить разработки помогла конкуренция США и Великобритании с Японией. К тому времени там уже построили WABOT-1 – интеллектуального человекоподобного робота.

1950-е: тест Тьюринга и конференция в Дартмуте. Математик Алан Тьюринг предложил идею мыслящей машины. Он считал, что машины, как и люди, могут использовать доступную информацию для принятия решений. Чтобы это проверить, он разработал тест. Человек с помощью текстового интерфейса задавал вопросы одновременно другому человеку и машине. Если отличить их ответы не получалось, считалось, что машина прошла тест и обладает искусственным интеллектом. Проверить концепцию Тьюринга оказалось сложно из-за ограниченной функциональности компьютеров и дорогой техники. Такие исследования были доступны только крупным технологическим компаниям и престижным университетам.

При этом руководитель научных исследований обработки естественного языка в лаборатории T-Bank AI Research Даниил Гаврилов считает, что общий ИИ появится раньше. Он отметил, что и аналитики, и разработчики, делая прогноз в 2021 году относительно качества нейросетевых моделей к 2022 году, ошиблись более чем в два раза, причем, в меньшую сторону. «Нам очень тяжело думать об экспоненциальном росте, а именно так сейчас развиваются большие языковые модели. Такая скорость тяжело укладывается в голове, поэтому те предсказания, которые мы слышали оказались более пессимистичны, чем реальность. Если экстраполировать текущую скорость развития ИИ, то уже к 2027 году мы получим, если не полноценный AGI, то что-то качественно иное относительно того, что мы имеем сейчас», — считает Гаврилов. Согласно данным Epoch AI, сегодня существуют несколько разнонаправленных трендов, которые будут влиять на скорость развития ИИ в ближайшие годы. Так производительность «железа», которое требуется обучения и работы нейросетей, удваивается каждые 2,3 года. А переход на новые (FP16) тензорные ядра в графических процессорах NVIDIA привел к одномоментному 10-кратному росту производительности. Объем вычислений, используемых для обучения нейросетевых моделей, с 2010 по 2024 ежегодно увеличивался в 4-5 раз. Такой рост наблюдается в новых больших языковых моделях (LLM) всех ведущих компаний. Алгоритмический прогресс в производительности LLM происходит со скоростью эквивалентной удвоению вычислительной мощности каждые 5-14 месяцев. То есть ИИ-алгоритмы становятся более совершенными и производительными. Среди негативных факторов, тормозящих развитие ИИ, эксперты Epoch AI отметили рост стоимость LLM. За последние восемь лет стоимость обучения новейших ИИ-моделей росла в 2-3 раза в год, а к 2027 году стоимость крупных LLM превысит миллиард долларов. Также сдерживающим фактором является дефицит данных для обучения искусственного интеллекта. Запас публичных текстов, созданных человечеством, оценивается примерно в 300 триллионов токенов. Если актуальные тенденции сохранятся, то языковые модели полностью используют этот запас между 2025 и 2032 годами (под токенами подразумевается последовательность текстовых символов — слов или отдельных знаков — ред.). В дальнейшем для дальнейшего обучения нейросетевых моделей потребуется использовать синтетические данные, то есть сгенерированные ИИ. Таким образом искусственный интеллект начнет обучать себя сам, но как это отразится на качестве и характере обучения пока неизвестно. В любом случае аналитики считают, что 2027-2030 года станут рубежом, когда станет ясно, насколько человечество приблизилось к созданию общего искусственного интеллекта. Среди экспертного сообщества нет сомнений, что создание AGI вызовет мощные технологические, экономические и социальные изменения в обществе.

Сегодня рынок искусственного интеллекта является самым быстрорастущим в мире. Согласно прогнозам исследовательской компании Statista, c 2024 по 2030 год мировой рынок ИИ будет расти со скоростью 28,46% в год. А по мнению заместителя председателя правительства Российской Федерации Дмитрия Чернышенко, экономический эффект от внедрения искусственного интеллекта увеличит ВВП России к 2030 году на 11 трлн руб.

ИИ использует алгоритмы, которые позволяют компьютеру обрабатывать большие объёмы данных и находить в них закономерности. На основе этих закономерностей он может делать выводы, предсказывать события или принимать решения. Представим, что наш мозг – это огромная команда сотрудников, которые вместе работают над разными проектами. Искусственный интеллект – это попытка создать такую же команду с помощью компьютеров и программ. Простой пример ИИ – это шахматный компьютер, который может анализировать ситуацию на доске и делать ходы, основанные на определённых правилах и тактиках. Он имитирует процесс мышления человека при игре в шахматы, но делает это с помощью алгоритмов и вычислений.