Кто не идёт вперед, тот идёт назад

Стадия 1. Разочарование

Разработчики AI должны стремиться к созданию этичной технологии, которая сделает человеческую лучше, а не добавит новые трудности и угрозы, включая захват мира, о котором уже много лет пишут фантасты. Терминатором управляет совершенный ИИ, до которого, конечно, далеко, но когда-то полет на самолете казался фантастикой.

В то же время специалисты компания Google Research (см. https://arxiv.org/abs/2003.03384 ) пришли к выводу, что «созданные человеком компоненты систематически смещают результаты поиска в пользу разработанных человеком алгоритмов, возможно, снижая тем самым инновационный потенциал AutoML. Инновации также ограничиваются меньшим количеством вариантов: Вы не можете найти то, что не можете запросить при поиске».

Искусственный интеллект создают с помощью machine learning model и deep learning — методов, которые позволяют программе изучить массивы информации и принимать решения или создавать похожие объекты. ML-модели вместе с технологией нейронных сетей используют для решения разных задач:

К этой категории относят ботов в компьютерных играх, голосовых помощников и первые версии нейросетей. Особенность слабого AI — узкая специализация. Они не могут выйти за рамки скриптов и функций, которые были заложены разработчиком. Любая непредсказуемая ситуация поставит компьютер в тупик

Комплексную методику используют в крупных проектах, поскольку требуется широкая и неоднородная база данных. Обучающая часть используется для получения базовых навыков, тестовая — для оценки качества и работоспособности, валидационная — для настройки гиперпараметров

Директор по технологиям компании Techspert Харан Джексон (Haran Jackson) полагает, что «существует ощущение, разделяемое многими членами сообщества, что самые впечатляющие достижения в области искусственного интеллекта будут достигнуты только при изобретении новых алгоритмов, которые принципиально отличаются от те, которые мы, как биологический вид, уже разработали».

Кратко о программировании AI

В отчете научно-исследовательского института AI Now («Искусственный интеллект сегодня», https://ainowinstitute.org/ — институт находится в структуре университета Нью-Йорка и изучает социальные последствия ИИ – Н.Х.) говорится, что встроенные предубеждения «влияют на то, как работают компании, занимающиеся искусственным интеллектом, какие продукты создаются, для кого они предназначены и кто получит отдачу от их разработки.» (см. https://ainowinstitute.org/discriminatingsystems.pdf ).

Когда технологическая основа готова, а основные алгоритмы прописаны и вручную протестированы, начинается длительный период тренировки. Чтобы сделать самостоятельный и универсальный интеллект, необходимо углубляться в изучение теории, а также хрестоматийных пособий, например:

Далеко не все правильно понимают, что скрывается за термином «искусственный интеллект» или AI (Artificial Intelligence). В сети встречаются объяснения, что ИИ — компьютер или система, способная думать и принимать разумные решения. Это не совсем верно. Искусственный интеллект — это алгоритмы, способные решать сложные задачи, для которых требуется наличие человеческого интеллекта.

Если вы только начинаете осваивать область AI и создаете простых ботов, стоит на листке бумаги разобрать все возможные алгоритмы игры «Крестики-нолики» с полем 3 на 3. Она подходит для обучения, поскольку имеет крайне мало возможных действий. Новичкам нужно выяснить:

Это распространенный язык для работы с ИИ и нейросетями. У популярности есть 2 причины: гибкость и простота изучения. Кроме того, у Python большое сообщество, поэтому в интернете можно найти готовые библиотеки и фреймворки, упрощающих реализацию ботов. Например, TensorFlow, PyTorch и Keras помогут создать сложные ML-модели ChatGPT и LLaMA.

Однако давным-давно изобретен эффективный способ борьбы с предвзятостью, по крайне мере тогда, когда она реально мешает достигать своих целей тем, кто облечен властью «подкручивать» алгоритмы, будь то человек или машина. Этот способ называется «обратная связь». Для его использования нужны соответствующие объективные измеримые данные и метрики, оценивающие качество работы алгоритма, и механизмы подстройки алгоритма на основе этой информации. Разработать всё это порой непросто, но это куда более эффективный путь, чем бесконечное нытьё о несправедливости алгоритмов.