Общий искусственный интеллект может появиться до 2030 года

История взлетов и падений

Искусственный интеллект – относительно новая технология, которая благодаря развитию компьютерных систем смогла за очень короткий промежуток времени проникнуть во все сферы жизни. Многие применения для ИИ еще только предстоит найти, чем и занимается множество исследователей по всему миру. Универсальность технологии позволяет быстро разрабатывать эффективные решения для многих задач, даже тех, которые раньше считались невозможными, например создание текстов и изображений подобно человеку.

Эксперты из института Epoch AI проанализировали все прогнозы профессиональных исследователей относительно того, когда человечество создаст AGI. Вероятность создания общего искусственного интеллекта к 2030 году оценивается ими в среднем в 25%, к 2050 году в 57%, к 2100 году в 88%.

В 2020 году компания OpenAI представила самую крупную и продвинутую на текущий момент языковую модель GPT-3, способную генерировать тексты практически неотличимые от написанного человеком. На данный момент доступ к модели может получить любой желающий. Данное решение успешно применяется в нескольких проектах. В проекте GitHub Copilot GPT 3 помогает разработчикам ПО позволяя автоматически генерировать код для решения несложных задач только по их описанию. В другом проекте, Viable, ИИ используется для автоматического анализа обратной связи с клиентами.

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.

Искусственный интеллект, базирующийся на больших языковых моделях (Large Language Model) и машинном обучении, в публичном поле появился всего два с половиной года назад, но за короткое время успел стать сквозной технологией, оказывающей огромное влияние на развитие экономики и формирование новых рынков.

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.

Применение

Многие результаты, достигнутые с использованием технологий ИИ, превосходят человека: в 1997 году компьютер одержал победу над действующим в то время чемпионом мира по шахматам, а недавно, в 2016 году, другие компьютеры обыграли лучших в мире игроков в го и покер. Компьютеры доказывают или помогают доказывать математические теоремы; автоматически, на основе методов машинного обучения и с помощью огромных массивов данных, объем которых исчисляется в терабайтах (10 в 12-й степени) и даже в петабайтах (10 в 15-й степени), создаются знания.

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.

Развитие систем автоматического управления транспорта активно развивается. Если в 2010 никто не мог подумать об автомобиле без водителя, то спустя всего 12 лет, автоматические системы стали управлять транспортом лучше водителя-человека. Системы машинного зрения позволяют по видео с камер отслеживать информацию, происходящую вокруг транспортного средства, в то время как человек может смотреть только в одну определенную точку. Это позволяет автоматическим системам мгновенно реагировать на опасные ситуации на дороге. Практически любой современный автомобиль содержит в себе различные системы помощи водителю, хотя до момента, когда водитель не нужен будет вовсе еще далеко.

Система искусственного интеллекта, разработанная компанией DeepMind, применялась группой исследователей из Сиднейского и Оксфордского университетов для решения математической задачи в области теории узлов, сформулированной 40 лет назад. Теория узлов применяется во многих науках, например генетике и гидродинамике, поэтому открытия в этой области могут повлиять и на другие науки. ИИ и раньше применялся в математике, но в отличии от других систем, решение от DeepMind самостоятельно создало гипотезу и вывело доказанную теорему. Часть данных выведенных ИИ была уже известна математикам, а другая содержала совершенно новые открытия. При этом система вывела сложные закономерности, которые на первый взгляд ученые не смогли понять. Чтобы понять на чем основывается доказательство теоремы, исследователям пришлось проводить дополнительные вычисления.
Кроме того, эту же систему использовали для своей работы и биологи из Вашингтонского университета. ИИ смог прогнозировать параметры белковых последовательностей, которые были подтверждены экспериментами. Таким образом DeepMind продемонстрировало что их ИИ способен решать многоуровневые задачи из разных областей знаний.

Многие компании, разрабатывают ИИ-модели для обнаружения на КТ, МРТ и рентгеновских снимков признаков различных заболеваний. Например, платформа Watson Health от IBM используется в больницах по всему миру и помогает обнаружить рак и сердечные заболевания. Другое решение от Google помогает врачам обнаруживать 50 офтальмологических заболеваний.

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.

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.

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).

Этические риски

Сегодня рынок искусственного интеллекта является самым быстрорастущим в мире. Согласно прогнозам исследовательской компании Statista, c 2024 по 2030 год мировой рынок ИИ будет расти со скоростью 28,46% в год. А по мнению заместителя председателя правительства Российской Федерации Дмитрия Чернышенко, экономический эффект от внедрения искусственного интеллекта увеличит ВВП России к 2030 году на 11 трлн руб.

Однако при ближайшем рассмотрении становится очевидно, что работа для людей не пропадает, а трансформируется, требуя новых навыков. Точно так же независимость человеческой личности и ее свобода не подвергаются неминуемой опасности из-за развития ИИ – при условии, однако, что мы останемся бдительными перед лицом вторжения технологий в частную жизнь.

При этом руководитель научных исследований обработки естественного языка в лаборатории T-Bank AI Research Даниил Гаврилов считает, что общий ИИ появится раньше. Он отметил, что и аналитики, и разработчики, делая прогноз в 2021 году относительно качества нейросетевых моделей к 2022 году, ошиблись более чем в два раза, причем, в меньшую сторону. «Нам очень тяжело думать об экспоненциальном росте, а именно так сейчас развиваются большие языковые модели. Такая скорость тяжело укладывается в голове, поэтому те предсказания, которые мы слышали оказались более пессимистичны, чем реальность. Если экстраполировать текущую скорость развития ИИ, то уже к 2027 году мы получим, если не полноценный AGI, то что-то качественно иное относительно того, что мы имеем сейчас», — считает Гаврилов. Согласно данным Epoch AI, сегодня существуют несколько разнонаправленных трендов, которые будут влиять на скорость развития ИИ в ближайшие годы. Так производительность «железа», которое требуется обучения и работы нейросетей, удваивается каждые 2,3 года. А переход на новые (FP16) тензорные ядра в графических процессорах NVIDIA привел к одномоментному 10-кратному росту производительности. Объем вычислений, используемых для обучения нейросетевых моделей, с 2010 по 2024 ежегодно увеличивался в 4-5 раз. Такой рост наблюдается в новых больших языковых моделях (LLM) всех ведущих компаний. Алгоритмический прогресс в производительности LLM происходит со скоростью эквивалентной удвоению вычислительной мощности каждые 5-14 месяцев. То есть ИИ-алгоритмы становятся более совершенными и производительными. Среди негативных факторов, тормозящих развитие ИИ, эксперты Epoch AI отметили рост стоимость LLM. За последние восемь лет стоимость обучения новейших ИИ-моделей росла в 2-3 раза в год, а к 2027 году стоимость крупных LLM превысит миллиард долларов. Также сдерживающим фактором является дефицит данных для обучения искусственного интеллекта. Запас публичных текстов, созданных человечеством, оценивается примерно в 300 триллионов токенов. Если актуальные тенденции сохранятся, то языковые модели полностью используют этот запас между 2025 и 2032 годами (под токенами подразумевается последовательность текстовых символов — слов или отдельных знаков — ред.). В дальнейшем для дальнейшего обучения нейросетевых моделей потребуется использовать синтетические данные, то есть сгенерированные ИИ. Таким образом искусственный интеллект начнет обучать себя сам, но как это отразится на качестве и характере обучения пока неизвестно. В любом случае аналитики считают, что 2027-2030 года станут рубежом, когда станет ясно, насколько человечество приблизилось к созданию общего искусственного интеллекта. Среди экспертного сообщества нет сомнений, что создание AGI вызовет мощные технологические, экономические и социальные изменения в обществе.

Такие интеллектуальные системы стали применяться для выполнения самых различных задач (идентификация отпечатков пальцев, распознавание речи и т. д.), а комбинации различных методов из области ИИ, информатики, искусственной жизни и других дисциплин использовались для создания гибридных систем.

Искусственный интеллект также успешно может ассистировать хирургу: в 2018 году вышла статья о результатах применения ИИ для прогнозирования развития гипотонии у пациентов во время операции. В результате точность предсказаний составила 88% за 15 минут до наступления гипотонии, 89% за 10 минут и 92% за 5 минут.

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.