На что способен искусственный интеллект сегодня и каков его потенциал

Проблемы машинного обучения

Все элементы перцептрона связаны между собой, и у каждой связи есть вес — число, отвечающее за то, каким образом сигнал будет преобразован. Если в процессе обучения предсказание нейросети будет отличаться от эталонной разметки, веса нейросети изменятся так, чтобы в следующий раз предсказание для этой картинки было корректным. Соответственно, во время обучения веса нейронов автоматически меняются и балансируются по особым алгоритмам. Впоследствии, если обучение прошло хорошо, полученную нейросеть с выученным набором весов можно будет использовать для классификации новых изображений, которые не вошли в обучающий датасет.

Чтобы компания извлекала прибыль, недостаточно вложить средства в алгоритм и получить первые успешные результаты после запуска пилотного проекта. Внедрение ИИ — это многоуровневый процесс, включающий культурные изменения в компании, найм и обучение специалистов по data science, автоматизацию и построение бизнес-процессов с учетом алгоритмов, и на этом весь список не заканчивается.

Например, чтобы научить систему распознавать изображения, специалисты используют большой массив изображений — датасет, с описанием, или разметкой, представленных на них объектов: человек, кошка, автомобиль и так далее. После загрузки массива картинок, по мере анализа полученной информации, программа учится самостоятельно идентифицировать объекты. Связь между нейронами, которые привели к правильному ответу, усиливается, а к неправильному — ослабляется. После многократных итераций сеть создаёт правильные нейронные соединения — в этот момент можно сказать, что система научилась верно решать задачу.

Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.

Технически современная наука может создать модель ИНС, которая по количеству нейронов будет сравнима с нейронной сетью кошки. Но мозг — это не просто массив отдельных нейронов, имеющих связь друг с другом. Это сложная динамическая система — её рабочие процессы до сих пор изучены далеко не полностью. Это же можно сказать и про сознание, многие принципы которого до сих пор неизвестны. Так что даже сознание кошки — цель для современного ИИ пока недостижимая. И выступает он сегодня только в качестве помощника, которые берёт на себя множество рутинных задач, требующих обработки больших массивов данных.

Перед нами задача классификации изображений, когда нейросеть присваивает метки картинкам после идентификации изображённых на них объектов. Такие примеры решаются по принципу «обучение с учителем»: для тренировки модели нужно собрать полный набор размеченных изображений.

С пунктами 4 и 5 всё гораздо сложнее, поскольку их реализация выходит за границы бесхитростной логики машины. Здесь начинают играть такие понятия, как осознание своей личности и эго, бессознательное, эмоции, чувства. Та удивительная смесь индивидуальной биохимии, личного жизненного опыта и его интерпретации, которая делает нас теми, кем мы являемся — людьми в полном понимании этого слова.

Компьютерный интеллект, в отличие от человеческого мышления, не связан с эмоциями и особенностями личности. Да, системы на основе ИИ способны понимать и синтезировать речь, решать и действовать. Однако эти решения и действия не имеют никакой эмоциональной окраски — они основаны только на результатах обработки информации.

Основные вызовы технологии ИИ

Количество данных. Помимо качества, компьютеру все еще требуется большой объем данных и ресурсов для выполнения простейших задач. Отличать собак от кошек ИИ научится за три дня, задействуя 10 млн изображений и 16 000 компьютеров, в то время как ребенку хватило бы пары фотографий и нескольких минут. Если бы модель GPT-3 обучали читать и писать статьи не на суперкомпьютере, а на обычном ПК, весь процесс занял бы примерно 500 лет.

PwC прогнозирует увеличение мирового ВВП на $15,7 трлн к 2030 году благодаря развитию искусственного интеллекта. К этому времени Китай станет ведущей мировой державой в сфере ИИ с увеличением ВВП на 26%, Северная Америка будет следующей с ростом ВВП на 14,5%, за ней последует рост на 11–12% в крупнейших экономиках Европы. Развивающиеся страны получат наименьшую выгоду, поэтому есть риск усиления цифрового неравенства.

Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.

По мнению экспертов Оксфордского университета, к 2026 году ИИ напишет эссе, которое сойдет за написанное человеком, заменит водителей грузовиков к 2027 году и станет выполнять работу хирурга к 2053 году. Также ИИ превзойдет людей во всех задачах в течение 45 лет и автоматизирует все рабочие места в течение 120 лет.

Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.

Искусственный интеллект уже решает множество задач, на выполнение которых у людей ушли бы тысячи часов: обыгрывает шахматных гроссмейстеров, выявляет переломы на рентгеновских снимках, выбирает самый быстрый маршрут для грузовика доставки, проводит тестирование компьютерных программ с экрана. При этом у ИИ из-за отсутствия какой-либо субъектности нет понимания того, как он выполняет эти задачи.