Искусственный интеллект – это машина для свободы человека

Стать (или остаться) востребованным профи

Второй период, вторая волна началась в 70-80-е годы, когда стали разрабатывать противоположный, статистический подход. Это были разработки в сфере машинного обучения, индуктивный подход от частного к общему, от примеров к зависимостям. Как ребенок изучает мир, например, ему показывают листы клена и дуба и объясняют их отличия и сходство: и то и другое – лист, но вот это – клен, а это дуб, и вот такие различия. И ребенок учится узнавать и распознавать листочки. Так и машину стали обучать распознавать частности и выводить из них закономерности. Это была идея нейронных сетей. Ведь что такое нейрон? Это очень узкоспециализированная клетка, аддитивный классификатор, который проводит электрическое возбуждение и химически взаимодействует с другими нейронами, принимая извне, обрабатывая, проводя, храня и выводя наружу информацию. Разрабатывая искусственный интеллект, хотели сделать аналог нейронов головного мозга. Аналога не получилось, но то, что сделали, назвали нейронными сетями, потому что они тоже способны проводить и классифицировать информацию, принимать ее и выдавать вовне.

Прежде всего, это биология, медицина, техника. Но здесь есть проблема, связанная с качеством математического образования в смежных областях. Так что лучше, чтобы механик оставался механиком, биолог биологом, а data scientist (специалист, который с помощью математических алгоритмов и программных инструментов анализирует данные. – Примеч. Ред.) умел находить с ними общий язык. Например, когда мы ведем разработку искусственного интеллекта для помощи в лечении и диагностике рака, мне нужно объяснить врачу на простом языке, какие именно данные я хочу от него получить. А затем, получив размеченный data set, я буду с ним работать и давать задачу системе. Поэтому междисциплинарность – это не основная задача, прежде всего, нужны хорошие специалисты в области машинного обучения. Пока их мало.

У машины нет и не может быть эмоций. Модель можно научить распознавать эмоции человека, изменения высоты тона голоса, мимику, жесты, а также частоту пульса, температуру, расширение зрачков и так далее. То есть мы просто обучаем программу на большой выборке, какие параметры будут соответствовать какой человеческой эмоции. Также можно научить машину генерировать определенные звуки и выражения, которые будут восприниматься человеком как проявление тех или иных эмоций. Но не более.

Эффективная коммуникация — залог продуктивной работы. Стереотип о программисте как о замкнутом «ботанике», который только и умеет, что кодить, безнадёжно устарел. В работе аналитиков полно сложных технических терминов, нюансов и тонкостей, которые они должны лаконично объяснять руководству. Легко ли это сделать? Едва ли. Вот почему важно уметь ясно излагать свои мысли и объяснять даже самые замысловатые математические конструкции доступным языком.

Раньше, чтобы создать алгоритм, программисты придумывали и прописывали правила формата «если… то…». Их было очень много. И всё равно алгоритм не знал, как вести себя за пределами заданных ему заранее условий. Сегодня же всё работает по технологии машинного обучения.

После пандемии мир сильно изменился. Возможно, образование, как достаточно инертная по определению область – будет тяготеть к face-to-face, особенно работая с маленькими детьми. Но мы видим, как появляются уже хорошо адаптированные онлайн-курсы, которые открывают возможность школьникам и студентам получать дополнительные знания. Поэтому можно говорить, что некая гибридизация в образовании обретет новый этап развития.

Легко начать и продолжить (можно даже дома)

«Нейронная сеть написала сценарий для фильма», «ИИ превратит ваши фотографии в картины импрессионистов», «Беспилотные трамваи и поезда вышли на маршруты в Англии и Китае» — ещё недавно такие новости показались бы нелепыми шутками, однако сегодня это реальность. Она вызывает не только восторг, но и страх — остаться без работы, пасть жертвой восстания машин. Но вместо того чтобы бояться, лучше учиться и адаптироваться. Рассказываем, зачем осваивать ИИ и почему никогда не поздно заняться этим.

Мы за то, чтобы использовать ИТ повсеместно – компьютеры на уроках математики, русского языка, биологии, химии. Прикладное использование делает ценными информационные технологии, которые так или иначе выходят за пределы IT-сообщества в мире взрослых, что подразумевает и их повсеместное распространение в детской образовательной среде.

Для обучения школьников и студентов навыкам работы с искусственным интеллектом компания Intel совместно с международными экспертами разработала программу Intel® AI for Youth «Технологии искусственного интеллекта для каждого», которая работает в 11 странах мира, включая Сингапур, Индию, Германию, Южную Корею, Польшу и другие. В 2020 году Intel® AI for Youth запустили и в России.

— Да, так и есть. В России мы локализовали программу, привели учебные материалы в соответствие с нашей действительностью и образовательной практикой, сделали ее достаточно вариативной для того, чтобы можно было использовать и в школьном, и во внеурочном образовании. Проект также был пилотирован в учреждениях высшего образования – для студентов 1-2 курсов педагогических вузов. И несмотря на то, что в них учатся в большинстве своем отнюдь не «айтишники» (если исключить тех, кто готовится стать преподавателем математики или информатики), наша программа там очень хорошо «приземлилась».

Ведутся ли разработки в области соединения этического подхода и, условно говоря, эмпатии, вернее, возможностей учета машиной так называемого «человеческого фактора»? Ну, например, когда машина диагностирует онкологическое заболевание и рекомендует пациенту сложную операцию, не учитывая какие-то специфические обстоятельства, связанные с возможным стрессом пациента от самой информации.

По итогу курса студенты создают проекты, которые могут быть применены на уровне школ или даже шире: уходят в тираж, в промышленное использование, решая определенную проблему из реальной жизни. Не скажу про все площадки, но у многих из них есть технологические партнеры – локальные IT-компании, для которых ученики разрабатывают свои проекты.

Ликбез

Третье – анализ изображений. Знаковый пример технологии, которая получила серьезное развитие в прошедшие полтора-два года – работа в медицине с интеллектуальным анализом КТ и МРТ. Основываясь на накопленном опыте, как результате такого анализа, ИИ позволяет увеличить скорость и точность обнаружения заболеваний, что особенно актуально при высоких нагрузках на медицинское учреждение.

Должен признать, что тут есть некоторая путаница понятий. Когда мы говорим «интеллект», мы, действительно, думаем о когнитивной сфере. Но «искусственный интеллект» – это в некотором смысле маркетинговый ход. Искусственный интеллект на самом деле сегодня – процессы машинного обучения на основе статистики. Они быстро развиваются, радуют своими достижениями, но они не моделируют когнитивную функцию.

О творчестве, свободе, сложностях и перспективах разработки искусственного интеллекта рассказывает профессор, директор Института компьютерных наук и технологий, заведующий научно-исследовательской лабораторией нейросетевых технологий и искусственного интеллекта СПбПУ, доктор технических наук Лев Владимирович Уткин.

Системное мышление важно, поскольку большинство аналитиков работают в коммерческих компаниях, им нужно мыслить наперёд, оценивать возможные риски, понимать бизнес-процессы, чтобы оптимизировать их. Также, поскольку большая часть продуктов, использующих технологии ИИ, ориентированы на потребителей, специалист должен обязательно помнить об их потребностях.

Мы, конечно, не знаем, как будет развиваться искусственный интеллект. Точно не заменит физический труд. И, скорее всего, он не заменит творческие процессы. Сегодня искусственный интеллект – это статистика. И у машины точно нет того, что есть у человека, – интуиции. Мы пока совсем не знаем, как работает человеческая интуиция. А пока не знаем, не сможем и смоделировать. Там, где нужна интуиция – в исследованиях, науке, искусстве, в человеческой коммуникации, в любом творчестве, – нет возможностей и для искусственного интеллекта.

«Искусственный интеллект забирает у людей работу!» Отчасти это так. Причём в довольно неожиданных отраслях. Провинциальная бейсбольная команда «Окленд» смогла выстоять против фаворитов чемпионата и выиграть 20 матчей подряд благодаря алгоритму подбора и расстановки игроков на поле. Хотим мы того или нет, но активно автоматизируются даже те процессы, от которых этого совсем не ждёшь. Вопрос лишь в том, кто сможет адаптироваться к изменениям и освоить актуальные навыки работы с данными, а кого ИИ таки сбросит с корабля современности.

Мы собираем данные (чем больше, тем лучше), состоящие из объектов и ответов. К примеру, мы хотим создать робота-офтальмолога, который сможет диагностировать глазные заболевания. В таком случае объекты — это изображения больных и здоровых глаз, а ответы — диагнозы.

Трудно сказать, в чем именно привлекательность идеи. Человеку свойственно искать новое, двигаться вперед. Была идея переложить некоторые функции человека на компьютер. Так же, как до этого машины заменяли человека во многих других областях тяжелого или рутинного труда. Например, врачебная диагностика. Есть отличные врачи, но далеко не во всякой клинике они есть. И тогда машина при отсутствии врача может осуществлять диагностику, принимать решение направить на операцию или назначить лечение. Ту же цель преследует разработка беспилотного автомобиля: отсутствие водителя или его присутствие только как оператора. То есть идея – облегчить труд. Как когда-то калькулятор заменил человека в сложных вычислениях, так теперь компьютер заменил, например, работу по обработке медицинских анализов. Когда-то врачи-лаборанты сидели часами, сгорбившись над микроскопом и вручную считали, изучая капельку крови, а теперь все это почти мгновенно делает машина. Сегодня искусственный интеллект может заменить человека во многих областях, Давид Ян как-то сказал, что «искусственный интеллект – это новое электричество». Представьте себе мир без электричества сейчас!