Почему искусственный интеллект не похож на настоящий и когда станет

Три волны ИИ

Большинство систем искусственного интеллекта, построенных по логическому принципу, представляют собой определенную машину доказа­тельства теорем. В каждой такой машине есть блок генерирования цели, причем система вывода доказывает эту цель как теорему. Эта система больше из­вестна под названием «компьютерная экспертная система».

Именно последний вариант больше всего приближает работу компьютера к тому, как функционирует человеческий мозг. И хотя это самое непредсказуемое направление развития ИИ, здесь уже есть впечатляющие успехи. Так, 10 лет назад нейронную сеть AlexNet научили классифицировать не известные ей изображения. Благодаря этому нейробиологи разработали первые вычислительные модели зрительной системы приматов. При этом обнаружилось удивительное сходство в том, как реагируют на изображение нейроны в мозге обезьян и компьютерная нейросеть.

А система IBM Watson (США), которая изначально разрабатывалась для постановки диагнозов, нашла применение не только во врачебной практике. В апреле 2015 года. IBM объявила о запуске «Облака здоровья» на базе Watson (Watson Health Cloud — безопасной и открытой облачной платформы, предназначенной для врачей, исследователей, страховых агентов и различных компаний со всего мира, которые специализируются на решениях для красоты и здоровья).

В 1974 году при Комитете по системному анализу при Президиуме АН СССР был создан Научный совет по проблеме «Искусственный интеллект», его возглавил Г. С. Поспелов. Заместителями были избраны Д. А. Поспелов и Л. И. Микулич. В состав совета входили на разных этапах М. Г. Гаазе-Рапопорт, Ю. И. Журавлев, Л. Т. Кузин, А. С. Нариньяни, Д. Е. Охоцимский, А. И. Половинкин, О. К. Тихомиров, В. В. Чавчанидзе.

Обучение с самоконтролем можно успешно использовать в области компьютерного зрения. Это доказала команда ученых из компании Facebook AI Research , которая в конце 2021 года представила новую модель автокодировщика. Он случайным образом маскировал изображения, скрывая почти три четверти каждого из них. Открытые части картинки переформатировались в математические описания, содержащие информацию об объекте. Алгоритм обучался достраивать снимок до тех пор, пока не стал делать это достаточно хорошо.

В конце 1950-х — начале 1960-х обозначились два основных магистральных пути развития ИИ. Первый путь отталкивался от предположения, что нейроны передают электрические сигналы, которые можно расшифровать и воспроизвести. Второе направление исходило из предпосылки, что человеческий интеллект основан на манипуляции символами, и, поскольку компьютер тоже манипулирует символами, можно смоделировать то, как человек мыслит.

Хайп вокруг искусственного интеллекта требует спокойного и обстоятельного разговора об этой безусловно перспективной группе технологий, тем более что сегодняшний всплеск интереса к ней — уже третий по счету за последние несколько десятков лет. «Стимул» начинает серию материалов на эту тему с исторического экскурса

Все экспертные системы работают в режиме приобретения знаний, где об­щение с экспертной системой осуществляет эксперт, и в режиме консульта­ций — для обычных пользователей. Хорошо построенная экспертная система должна иметь возможность самообучаться на решаемых задачах, автоматически пополняя свою базу знаний результатами полученных выводов и реше­ний.

Искусственный интеллект, конечно, не совсем интеллект. По сути, это обычная программа, но с нечетко прописанным алгоритмом (хотя бывают и такие). При этом у нее есть определенная самостоятельность в принятии решений, а значит, и существует элемент случайности полученного результата. И это уже похоже на работу мозга человека. Расскажем, как человек позволяет нейросетям «думать» самим и что из этого выходит.

Некоторые нейробиологи оценивают в 90 % схожесть того, как работают с информацией наш мозг и ИИ при обучении с самоконтролем. Мы способны предугадывать движение объекта или предсказывать следующее слово в предложении точно так же, как алгоритм обучения с самоконтролем заполняет пробел в тексте или изображении.

Вторая волна ИИ, начавшаяся с конца 1960-х, была связана с появлением логического программирования (язык Prolog, 1971 год). В 1970-е появились семантические сети, системы фреймов, продукционные системы (системы, основанные на правилах) и их комбинации. Прошли первые чемпионаты мира по игре машин в шахматы между собой.

Сегодня глубинное обучение лежит в основе услуг многих IT-компаний. Facebook использует нейронные сети для алгоритмов автоматического проставления тегов. Google — для поиска среди фотографий пользователя. Amazon — для генерации рекомендаций товаров, Pinterest — для персонализации домашней страницы пользователя, а Instagram — для поисковой инфраструктуры.

В 2007–2017 годах в России государственные и бизнес-структуры профинанси­ровали 1386 научных проектов, посвященных искусственному интеллекту (ИИ). Большая часть проектов (1229) — некоммерческие: они проводятся в рамках феде­ральных целевых программ или оплачиваются различными фондами.

Воспринимать изображение примерно так же, как это делает мозг, ИИ научили в McGill University . Вместо одного пути обработки информации исследователи разделили алгоритм на две части — подобно тому, как зрительная система человека получает информацию через вентральный и дорсальный зрительные пути . Ученые обнаружили несомненное сходство в работе разработанного ими алгоритма и функционировании мозга мыше й.

Классическим примером эволюционного алгоритма является генетический алгоритм (genetic algorithm). Эволюционная теория утверждает, что каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. Можно сказать, что эволюция — это процесс оптимизации всех живых организмов.