Как разработать искусственный интеллект: пошаговое руководство
Стадия 5. Работа
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.
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.
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.
Самообучающиеся интеллектуальные системы широко применяются практически во всех сферах, особенно в промышленности, банковском деле, страховании, здравоохранении и обороне. Многие рутинные процессы теперь можно будет автоматизировать, что преобразит наши профессии и, в конечном итоге, устранит некоторые из них.
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
С 2010 года мощность компьютеров позволяет сочетать так называемые большие данные (Big Data) с методами глубокого обучения (Deep Learning), которые основываются на использовании искусственных нейронных сетей. Весьма успешное применение во многих областях (распознавание речи и изображений, понимание естественного языка, беспилотный автомобиль и т.д.) позволяет говорить о возрождении ИИ.
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.
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.
Как сделать свой ИИ самостоятельно: пошаговый план
Если надежды на создание собственного AI, который сможет приблизиться к уровню человека, не разбились о гору теоретической литературы, можно приступать к изучению языков. Есть 3 языка программирования, которые стали популярными в области искусственного разума:
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).
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:
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.
Во время обучения рекомендуется регулярно заниматься проверкой промежуточных результатов. В зависимости от качества материала качество работы AI может не только расти, но и падать. К примеру, недавно ChatGPT «отупел» в ходе общения с человеком, из-за чего потерял возможность правильно определять тип числа.
Методы машинного обучения позволяют одним автоматам распознавать устную речь и записывать ее подобно секретарям-машинисткам прошлых лет, а другим – точно идентифицировать лица или отпечатки пальцев среди десятков миллионов других и обрабатывать тексты, написанные на естественных языках. Благодаря этим же методам самостоятельно движутся автомобили, компьютеры лучше врачей-дерматологов диагностируют меланомы по фотографиям родинок, сделанных с помощью сотовых телефонов, роботы воюют вместо людей; а конвейеры на заводах все больше автоматизируются.
