Искусственный интеллект (ИИ, Artificial intelligence, AI)

Что такое искусственный интеллект

— Увидеть или почувствовать искусственный интеллект нельзя. Это программа, которая принимает последовательность данных и анализирует. Результатом может быть распознавание лица, текста, генерация текста и многое другое, к чему применима характеристика «шаблонный подход», — рассказывает технический директор Chrono.tech Михаил Савченко.

— Искусственный интеллект в широком понимании — набор методов и моделей, получающий данные и делающий определенный вывод на их основе. Это может быть отнесение фотографии к определенному классу, группировка текстов по похожей тематике или предсказание курса валют. Все модели объединяет извлечение знаний из данных. Вычисление одной функции, которая может содержать миллионы и даже миллиарды параметров, — говорит программный директор Академии больших данных MADE в Mail.ru Илья Макаров.

По сути ИИ — это программа, как какой-нибудь пресловутый редактор текстов. Но отличается тем, что она может обучаться.

— Сама программа — это набор кода и база знаний, которые она получила в процессе обучения. И то, и другое — просто набор данных на жестком диске какого-то компьютера, — отмечает менеджер ИИ-продуктов фирмы «Цифра» Евгений Карпов.

Эксперты замечают, что понятием часто спекулируют, особенно в сфере маркетинга различных продуктов.

— Более умного человека мы отличаем по поведению, и способности находить правильные решения для более сложных задач. Так же и система с искусственным интеллектом отличается не особенным внешним видом, а поведением и задачами, которые она способна решать. Разработчики, разумеется, могут «увидеть» искусственный интеллект в тексте алгоритма, — объясняет заместитель генерального директора «Открытые технологии» Алексей Дьяченко.

Суть искусственного интеллекта

Как и любая другая компьютерная программа ИИ работает так: принимает данные, анализирует и выдает результат. Но суть искусственного интеллекта кроется в его особенности.

— От обычной программы отличает структура: искусственная нейронная сеть, которая после создания программистом проходит процедуру обучения, для того чтобы результаты анализа данных были максимально точными, — говорит Алексей Дьяченко.

Если просто объяснять суть ИИ, то у алгоритма есть два режима: работа и обучение.

— Например, у нас есть ИИ, который определяет носит ли человек каску на заводе или нет. Что бы он заработал мы показываем 10 000 фотографий людей в касках и говорим, что это люди в касках, потом показываем 10 000 людей без касок и говорим, что они без касок. После этого переводим его в режим работы и показываем новую фотографию. А наш ИИ уже сам может определить в каске человек или нет. Благодаря этому мы можем подать сигнал о нарушении техники безопасности и спасаем рабочих от опасных травм, — отмечает Евгений Карпов.

Но этим примером суть искусственного интеллекта не исчерпывается. Одна из важнейших составляющих технологии — самообучение.

— Кроме заложенных изначально алгоритм способен получать и обрабатывать новую информацию, чтобы в дальнейшем на ее основе принимать более сложные и эффективные решения. Кроме того, обучение происходит с каждой новой завершенной задачей. Искусственный интеллект совершенствуется на собственном опыте. Это называют машинным обучением, — поясняет директор по инновационным решениям компании Oberon Евгений Овчаров.

— У ИИ есть преимущества – он не устает и способен обрабатывать огромное количество информации в короткие сроки. Отличается от мышления человека тем, что он пока не имеет эмоций и не зависит от них. Тогда как мышление человека всегда подвержено им, — говорит специалист по IT-технологиям Александр Серебряков.

Предпосылки развития науки искусственного интеллекта

История искусственного интеллекта как нового научного направления начинается в середине XX века. К этому времени уже было сформировано множество предпосылок его зарождения: среди философов давно шли споры о природе человека и процессе познания мира, нейрофизиологи и психологи разработали ряд теорий относительно работы человеческого мозга и мышления, экономисты и математики задавались вопросами оптимальных расчётов и представления знаний о мире в формализованном виде; наконец, зародился фундамент математической теории вычислений — теории алгоритмов — и были созданы первые компьютеры.

Возможности новых машин в плане скорости вычислений оказались больше человеческих, поэтому в учёном сообществе зародился вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? В 1950 году один из пионеров в области вычислительной техники, английский учёный Алан Тьюринг, пишет статью под названием «Может ли машина мыслить?» [9] , в которой описывает процедуру, с помощью которой можно будет определить момент, когда машина сравняется в плане разумности с человеком, получившую название теста Тьюринга.

История развития искусственного интеллекта в СССР и России

Коллежский советник Семён Николаевич Корсаков (1787—1853) ставил задачу усиления возможностей разума посредством разработки научных методов и устройств, перекликающуюся с современной концепцией искусственного интеллекта, как усилителя естественного. В 1832 году С. Н. Корсаков опубликовал описание пяти изобретённых им механических устройств, так называемых «интеллектуальных машин», для частичной механизации умственной деятельности в задачах поиска, сравнения и классификации. В конструкции своих машин Корсаков впервые в истории информатики применил перфорированные карты, игравшие у него своего рода роль баз знаний, а сами машины по существу являлись предтечами экспертных систем [10] [11] .

В СССР работы в области искусственного интеллекта начались в 1960-х годах [6] . В Московском университете и Академии наук был выполнен ряд пионерских исследований, возглавленных Вениамином Пушкиным и Д. А. Поспеловым. С начала 1960-х М. Л. Цетлин с коллегами разрабатывали вопросы, связанные с обучением конечных автоматов.

В 1964 году была опубликована работа ленинградского логика Сергея Маслова «Обратный метод установления выводимости в классическом исчислении предикатов», в которой впервые предлагался метод автоматического поиска доказательства теорем в исчислении предикатов.

В 1966 году В. Ф. Турчиным был разработан язык рекурсивных функций Рефал.

Большой вклад в развитие искусственного интеллекта в СССР внес академик Г. С. Поспелов. Им были разработаны принципы создания комплекса взаимосвязанных человеко-машинных систем планирования разного уровня, построенных на основе специализированных систем экономико-математических моделей и принципов искусственного интеллекта, предложено обоснование необходимости создания систем коллективного диалогового пользования в задачах планирования, управления и проектирования, основанных на принципах искусственного интеллекта. Под его руководством были внедрены диалоговые и интеллектуальные системы перспективного планирования развития отраслей и комплексов отраслей промышленности (в частности, совместные разработки ВЦ АН СССР и институтов Миноборонпрома, Минрадиопрома СССР и институтов Минмаша СССР).

До 1970-х годов в СССР все исследования ИИ велись в рамках кибернетики. По предложению академика А. И. Берга в Совете по кибернетике АН СССР была создана комиссия «Методы математической логики в проблемах ИИ», первым председателем которой был С. Ю. Маслов. По мнению Д. А. Поспелова, науки «информатика» и «кибернетика» были в это время смешаны, по причине ряда академических споров. Только в конце 1970-х в СССР начинают говорить о научном направлении «искусственный интеллект» как разделе информатики. При этом родилась и сама информатика, подчинив себе прародительницу «кибернетику». В конце 1970-х создаётся толковый словарь по искусственному интеллекту, трёхтомный справочник по искусственному интеллекту и энциклопедический словарь по информатике, в котором разделы «Кибернетика» и «Искусственный интеллект» входят наряду с другими разделами в состав информатики. Термин «информатика» в 1980-е годы получает широкое распространение, а термин «кибернетика» постепенно исчезает из обращения, сохранившись лишь в названиях тех институтов, которые возникли в эпоху «кибернетического бума» конца 1950-х — начала 1960-х годов. Такой взгляд на искусственный интеллект, кибернетику и информатику разделяется не всеми. Это связано с тем, что на Западе границы данных наук несколько отличаются.

По инициативе Г. С. Поспелова 10 сентября 1986 года при Президиуме АН СССР был создан Научный совет по проблеме «Искусственный интеллект» (председателем совета стал Г. С. Поспелов, его заместителями — Д. А. Поспелов и Э. В. Попов). Позже этот совет сыграл важную роль в развитии исследований по искусственному интеллекту в России и в целом в СССР.

В России 30 мая 2019 года на совещании по развитию цифровой экономики под председательством В. В. Путина было принято решение о подготовке национальной стратегии по искусственному интеллекту. В её рамках готовится федеральная программа с выделением 90 млрд рублей.

10 октября 2019 года В. В. Путин своим указом утвердил национальную стратегию развития искусственного интеллекта в России до 2030 года.

27 августа 2020 года был утверждён национальный проект «Искусственный интеллект», руководителем которого была назначена заместитель министра экономического развития Оксана Тарасенко.

В декабре 2020 года вторая конференция по искусственному интеллекту Artificial Intelligence Journey (AI Journey) вошла в топ-3 аналогичных форумов в мире. В ней участвовало (онлайн) более 20000 человек из 80 стран, в работе конференции принял участие Владимир Путин.

Весной 2021 года Председатель Правительства Михаил Мишустин утвердил правила выделения финансовой поддержки компаний, занятых в сфере ИИ, в размере 1,4 млрд.руб (на 2021 год).

Происхождение и понимание термина «искусственный интеллект»

Процитированное в преамбуле определение искусственного интеллекта, данное Джоном Маккарти в 1956 году на конференции в Дартмутском университете, не связано напрямую с пониманием интеллекта у человека. Согласно Маккарти, ИИ-исследователи вольны использовать методы, которые не наблюдаются у людей, если это необходимо для решения конкретных проблем.

Поясняя своё определение, Джон Маккарти указывает: «Проблема состоит в том, что пока мы не можем в целом определить, какие вычислительные процедуры мы хотим называть интеллектуальными. Мы понимаем некоторые механизмы интеллекта и не понимаем остальные. Поэтому под интеллектом в пределах этой науки понимается только вычислительная составляющая способности достигать целей в мире».

В то же время существует и точка зрения, согласно которой интеллект может быть только биологическим феноменом.

Как указывает председатель Петербургского отделения Российской ассоциации искусственного интеллекта Т. А. Гаврилова, в английском языке словосочетание artificial intelligence не имеет той слегка фантастической антропоморфной окраски, которую оно приобрело в довольно неудачном русском переводе. Слово intelligence означает «умение рассуждать разумно», а вовсе не «интеллект», для которого есть английский аналог intellect.

Участники Российской ассоциации искусственного интеллекта дают следующие определения искусственного интеллекта:

1. Научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными.
2. Свойство интеллектуальных систем выполнять функции (творческие), которые традиционно считаются прерогативой человека. При этом интеллектуальная система — это техническая или программная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области, знания о которой хранятся в памяти такой системы. Структура интеллектуальной системы включает три основных блока — базу знаний, решатель и интеллектуальный интерфейс.
3. Наука под названием «Искусственный интеллект» входит в комплекс компьютерных наук, а создаваемые на её основе технологии к информационным технологиям. Задачей этой науки является воссоздание с помощью вычислительных систем и иных искусственных устройств разумных рассуждений и действий.

Одно из частных определений интеллекта, общее для человека и «машины», можно сформулировать так: «Интеллект — способность системы создавать в ходе самообучения программы (в первую очередь эвристические) для решения задач определённого класса сложности и решать эти задачи».

Нередко искусственным интеллектом называют и простейшую электронику, чтобы обозначить наличие датчиков и автоматический выбор режима работы. Слово искусственный в этом случае означает, что не стоит ждать от системы умения найти новый режим работы в не предусмотренной разработчиками ситуации.

Возможности искусственного интеллекта

Не секрет, что в современном мире множество задач выполняется с помощью автоматизированных машин. Ученые не останавливаются и продолжают работать в этом направлении, чтобы улучшить нашу жизнь. Все чаще люди, которые не связаны напрямую с наукой, слышат об искусственном интеллекте и о нейронных сетях.

Всё потому, что технологии машинного обучения начинают занимать серьезное место в повседневной жизни. Требуется разобраться в терминологии, в самом процессе новых технологий и решить, как выстроить будущее на взаимодействии с ними.

Конечно, возможности новых технологий искусственного интеллекта несколько ограничены. Как и человек, ИИ имеет свойство ошибаться, однако, за последнее время данная технология продвинулась в своем развитии на достаточно высокий уровень, а всё благодаря обучению на крупных и разнообразных выборках данных.

Возможности искусственного интеллекта

Искусственный интеллект мог бы помочь специалистам с работой над теми задачами, которые не совсем простые в плане понимания, осмысления и имеют зависимость от достаточно большого количества изменчивых факторов. Понять их алгоритм машине будет проще, если создать для этого все условия.

Основная цель в развитии ИИ – упростить выполнение задач, которые строятся на большом количестве переменных факторов, непросты в понимании, подразумевают сложное решение и достаточно тяжело алгоритмизируются вручную.

Ученые и исследователи возлагают большие планы на машинное обучение, велико желание сделать так, чтобы от человека не требовалось постоянно описывать какие-то конкретные алгоритмы.

В активной разработке подход — «черный ящик», когда человеку не требуется тратить уйму времени на программирование алгоритмов, на написание кода, а машина сама разберется со сложным программным кодом. Грамотные «тренировочные» данные для систем помогут машинам «программировать», выполняя задачу разработчиков.

Технологии машинного обучения

Машинное обучение (machine learning, ML) — это одно из направлений разработки ИИ, основанное на выполнении компьютером множества сходных задач без использования прямых инструкций.

Машинное обучение базируется на трех основных понятиях:

• алгоритмы — специальные программы, «подсказывающие» компьютеру, каким источником данных необходимо воспользоваться. Для каждой задачи подбираются отдельные алгоритмы, составленные с расчетом на ускорение обработки данных и получение точного результата;

• наборы данных (датасеты) — информация (выборки данных) в виде текстовых, графических, видеофайлов, которую машина использует для накопления опыта при обучении. При этом для решения каждого конкретного типа задач в систему должны загружаться уникальные данные;

• признаки (свойства, метрики, фичи, features) — индивидуальные измеримые параметры наблюдаемых явлений, от правильности подбора которых зависит успешность и скорость machine learning.

Оптимальными для правильного проведения машинного обучения считаются выборки данных, составленные вручную и содержащие максимум информации разного качества — это позволяет компьютеру выявлять неочевидные взаимосвязи между данными и делать по ним полезные выводы.

Машинное обучение используется для решения задач по категориям:

• регрессии — составления прогнозов на основе выборки данных с отличающимися признаками;

• классификации — получения конкретного ответа на основании набора признаков;

• кластеризации — разбивки данных на несколько групп;

• уменьшения размерности — сокращения большого количества признаков для удобства их дальнейшей визуализации;

• выявления аномалий — поиска отличий в наборах данных от стандартной информации.

В зависимости от того, по какому принципу осуществляется ML, оно делится на:

• обучение с учителем, которое предполагает использование полного набора снабженных признаками данных (размеченного датасета) для тренировки системы ИИ на всех стадиях ее создания;

• обучение без учителя, при котором машина самостоятельно выявляет закономерности, определяет признаки и классифицирует полученные данные;

• обучение с подкреплением — когда машине требуется правильно решить поставленные перед ней задачи во внешней среде, располагая несколькими возможными вариантами действия.

Сегодня чаще всего для создания программ машинного обучения используются языки R, Python, Scala и Julia. Они поддерживаются многими интегрированными средами разработки, в частности, R-Studio, R-Brain, Visual Studio, Eclipse, PyCharm, Spyder, IntelliJ IDEA, Jupyter Notebooks, Juno.

Сферы использования технологий искусственного интеллекта

IBM Watson (суперкомпьютер на основе ИИ) стал популярен в 2011 году благодаря победе на «Jeopardy». Использующийся в IBM Watson алгоритм машинного обучения стал невероятно популярен, хотя сейчас он уже несколько видоизменен и используется в новом виде в качестве шаблона для разных коммерческих программ.

ИИ затрагивает практически все отрасли жизнедеятельности:

• ИИ в медицине и здравоохранении – речь идет об аппаратах УЗИ, о рентгене и о прочем медицинском оборудовании. Благодаря точной работе ИИ у пациента находят проблемы со здоровьем, а обнаружив таковые – могут подобрать оптимальное лечение. Сюда же можно отнести приложения, помогающие вести ЗОЖ: следить за пульсом, давлением, температурой, даже определять уровень кислорода в крови. Бесплатный онлайн-интенсив
• ИИ в онлайн-магазинах – речь идет о той самой рекламе, которая постоянно возвращает нас к тем товарам, характеристики которых мы недавно изучали. На поисковиках предлагаются вещи, к которым проявили интерес пользователи. Машиной изучаются покупательские пристрастия человека, а потом предлагаются релевантные (по их мнению) товары.
• ИИ в политике – речь идет о работе в области сбора и анализа собранных данных. Вспомним, что Барак Обама стал второй раз президентом, поскольку его специалисты использовали ИИ при расчете наилучшего дня, штата и аудитории для публичного выступления Обамы. По оценкам, это обеспечило преимущество в 10-12 процентов.
• ИИ в промышленности – речь идет о возможностях ИИ собирать и анализировать данные с разных участков производства и, тем самым, грамотно распределять нагрузку на оборудование.
• ИИ в образовании и игровой индустрии – речь идет о создании игр, а также об активном продвижении ИИ в образовательных программах развитых стран.

Автоматизация с помощью искусственного интеллекта

Искусственный интеллект можно использовать для автоматизации всего, например с задач, требующих экстремального труда и процессом набора персонала.

Существует большое количество приложений на основе искусственного интеллекта, которые можно использовать для автоматизации процесса набора персонала. Такие инструменты помогают освободить сотрудников от утомительных ручных задач, а так же позволяют им сосредоточиться на более сложных задачах, например разработка стратегии и принятие решений.

Примером этого является разговорный ИИ-рекрутер МУА. Это приложение фокусируется на автоматизации утомительных частей процесса рекрутинга, например проверка расписания и поиск источников. МУА обучается с использованием продвинутых алгоритмов машинного обучения, а также использует естественную языковую обработку, чтобы уловить детали, которые появляются в разговоре. Также отвечает за создание профилей кандидатов, проведение аналитики, составление короткого списка кандидатов.

Повышение производительности

Искусственный интеллект стал необходимостью в деловом мире. Задачи искусственного интеллекта используются для того, чтобы управлять высоковычислительными задачами, требующими максимальных усилий и времени.

Знаете ли вы, что 64% предприятий зависят от приложений на базе ИИ для повышения производительности и роста?

Примером такого применения является “юридический робот” – “Харви-спектр виртуального мира”. Этот бот использует такие методы машинного обучения, как глубокое изучение и обработка естественного языка, чтобы понимать и анализировать юридические документы, находить и исправлять дорогостоящие юридические ошибки, сотрудничать с опытными юристами, уточнять юридические термины путем внедрения системы подсчета баллов на основе искусственного интеллекта и так далее. Это также позволяет вам сравнить ваш контракт с контрактами в той же отрасли, чтобы убедиться, что ваш контракт является стандартным.

Философия

Наука «о создании искусственного разума» не могла не привлечь внимание философов. С появлением первых интеллектуальных систем были затронуты фундаментальные вопросы о человеке и знании, а отчасти о мироустройстве.

Философские проблемы создания искусственного интеллекта можно разделить на две группы, условно говоря, «до и после разработки ИИ». Первая группа отвечает на вопрос: «Что такое ИИ, возможно ли его создание, и, если возможно, то как это сделать?» Вторая группа (этика искусственного интеллекта) задаётся вопросом: «Каковы последствия создания ИИ для человечества?».

Течение трансгуманизма считает создание ИИ одной из важнейших задач человечества.

Психология и когнитология

Методология когнитивного моделирования предназначена для анализа и принятия решений в плохо определённых ситуациях. Была предложена Аксельродом.

Основана на моделировании субъективных представлений экспертов о ситуации и включает: методологию структуризации ситуации: модель представления знаний эксперта в виде знакового орграфа (когнитивной карты) (F, W), где F — множество факторов ситуации, W — множество причинно-следственных отношений между факторами ситуации; методы анализа ситуации. В настоящее время методология когнитивного моделирования развивается в направлении совершенствования аппарата анализа и моделирования ситуации. Здесь предложены модели прогноза развития ситуации; методы решения обратных задач.

Религия

Далай-лама XIV считает, что нельзя утверждать, что машины обладают сознанием или способностью к познаванию, а утверждение о том, что сознание появляется в силу материальных причин, с точки зрения буддизма неприемлемо.

Другие традиционные конфессии достаточно редко описывают проблематику ИИ. Но отдельные богословы тем не менее обращают на это внимание. Например, протоиерей Михаил Захаров, рассуждая с точки зрения христианского мировоззрения, ставит следующий вопрос: «Человек есть разумно-свободное существо, сотворенное Богом по Его образу и подобию. Мы привыкли все эти определения относить к биологическому виду Homo Sapiens. Но насколько это обосновано?». Отвечает он на этот вопрос так:

Если предположить, что исследования в области искусственного интеллекта когда-либо приведут к появлению искусственного существа, превосходящего человека по интеллекту, обладающего свободой воли, будет ли это означать, что это существо — человек? … человек есть творение Божие. Можем ли мы это существо назвать творением Божиим? На первый взгляд, оно есть творение человека. Но и при сотворении человека вряд ли стоит буквально понимать, что Бог Своими руками из глины вылепил первого человека. Вероятно это иносказание, указывающее на материальность человеческого тела, созданного по воле Божией. Но без воли Божией ничего не происходит в этом мире. Человек, как со-творец этого мира, может, исполняя волю Божию, создавать новые твари. Такие твари, созданные руками человека по Божией воле, вероятно можно назвать творениями Божиими. Ведь человек создает новые виды животных и растений. А мы считаем растения и животных творениями Божиими. Так же можно относиться и к искусственному существу не биологической природы.

Принятие решений

Одной из важнейших целей Искусственного интеллекта является помощь в принятии более разумных деловых решений. Например, lesforce Einstein, который является комплексным искусственным интеллектом для Customer Relationship Management (управление взаимоотношениями с клиентами(, сумел сделать это достаточно эффективно.

“Определение гения заключается в том, чтобы взять комплекс и сделать его простым”.

Альберт Эйнштейн

Salesforce Einstein устраняет сложности, которые связанны с искусственным интеллектом, в результате позволяет организациям предоставлять более интеллектуальные и персонализированные услуги клиентам. Опираясь на передовые технологии машинного обучения, глубокого изучения, обработки естественного языка и прогностического моделирования, Einstein внедряется в крупные компании, впоследствии производя поиск полезных знаний, прогнозирования поведения на рынке и принятия лучших решений.

Искусственный интеллект решает сложные задачи

На протяжении многих лет искусственный интеллект прошел путь от простых алгоритмов машинного обучения до продвинутых концепций, например, глубокое изучение. Этот рост в искусственном интеллекте помог компаниям решить сложные вопросы. Например обнаружение мошенничества, медицинская диагностика, прогнозирование погоды и так далее.

Благодаря глубокому изучению, PayPal теперь способен очень точно выявлять возможные мошеннические действия. PayPal обработал более 235 млрд. долларов США платежей из четырех миллиардов транзакций своих более 170 миллионов клиентов.

Алгоритмы машинного обучения и глубокого изучения позволяют извлекать данные из истории покупок клиента. Кроме этого, существует проверка закономерностей вероятного мошенничества, хранящихся в его базах данных. Например, могут определить, является ли та или иная операция мошеннической или нет.

Экономика

По оценкам специалистов, к 2030 году в мировую экономику будет вложено более 15 трлн. долл. По недавним данным, достижения искусственного интеллекта приведут к увеличению мирового ВВП на 14% в период до 2030 года. Это эквивалентно дополнительному вкладу в мировую экономику в размере 15,7 трлн. долл.

Говорят, что значительные экономические выгоды от искусственного интеллекта будут получены в Китае и Северной Америке. На эти две страны будет приходиться примерно 70% глобального экономического воздействия. Ожидается, что наибольшее влияние искусственный интеллект будет оказывать в области здравоохранения и робототехники.

Приблизительно 6,6 триллионов долларов из ожидаемого роста ВВП будут получены за счет роста производительности. Основные факторы этого роста включают автоматизацию рутинных задач и разработку интеллектуальных ботов. А так же инструментов, которые способны выполнять все задачи человеческого уровня.

В настоящее время большинство технологических гигантов уже находятся в процессе использования искусственного интеллекта. Однако компании, которые медленно внедряют эти решения, окажутся в серьезной конкурентной борьбе.

Научная фантастика

В научно-фантастической литературе ИИ чаще всего изображается как сила, которая пытается свергнуть власть человека (Омниус, HAL 9000 в «Космической одиссее 2001 года», Превосходство, Скайнет, Colossus  (англ.) (рус., «Матрица» и репликант в «Бегущий по лезвию», ИскИны в «Гиперион»), Альтрон, или обслуживающий гуманоид (C-3PO, Дейта, KITT и КАРР, «Двухсотлетний человек»). Неизбежность доминирования над миром ИИ, вышедшего из-под контроля, оспаривается такими его исследователями, как фантаст Айзек Азимов и кибернетик Кевин Уорик, известный множественными экспериментами по интеграции машин и живых существ.

В романе «Выбор по Тьюрингу» писателя-фантаста Гарри Гаррисона и учёного Марвина Мински [91] поднимется вопрос утраты человечности у человека, в мозг которого была вживлена ЭВМ, и появления человечности у машины с ИИ, в память которой была скопирована информация из головного мозга человека.

Некоторые научные фантасты, например Вернор Виндж, также размышляли над последствиями появления ИИ, которое, по-видимому, вызовет резкие драматические изменения в обществе. Такой период называют технологической сингулярностью.

Тема ИИ рассматривается под разными углами в творчестве Роберта Хайнлайна: гипотеза возникновения самоосознания ИИ при усложнении структуры далее определённого критического уровня и наличии взаимодействия с окружающим миром и другими носителями разума («The Moon Is a Harsh Mistress», «Time Enough For Love», персонажи Майкрофт, Дора и Ая в цикле «История будущего»), проблемы развитии ИИ после гипотетического самоосознания и некоторые социально-этические вопросы («Friday»). Социально-психологические проблемы взаимодействия человека с ИИ рассматривает и роман Филипа К. Дика «Снятся ли андроидам электроовцы?», известный также по экранизации «Бегущий по лезвию».

В творчестве фантаста и философа Станислава Лема описано и во многом предвосхищено создание виртуальной реальности, искусственного интеллекта, нанороботов и многих других проблем философии искусственного интеллекта. Особенно стоит отметить футурологию «Сумма технологии». Кроме того, в приключениях Ийона Тихого неоднократно описываются взаимоотношения живых существ и машин: бунт бортового компьютера с последующими неожиданными событиями (11 путешествие), адаптация роботов в человеческом обществе («Стиральная трагедия» из «Воспоминаний Ийона Тихого»), построение абсолютного порядка на планете путём переработки живых жителей (24-ое путешествие), изобретения Коркорана и Диагора («Воспоминания Ийона Тихого»), психиатрическая клиника для роботов («Воспоминания Ийона Тихого»). Кроме того, существует целый цикл повестей и рассказов «Кибериада», где почти всеми персонажами являются роботы, которые являются далёкими потомками роботов, сбежавших от людей (людей они именуют бледнотиками и считают их мифическими существами).

Как работает искусственный интеллект (AI)?

Искусственный интеллект — это способность цифрового компьютера или управляемого компьютером робота выполнять задачи, обычно связанные с разумными существами. Термин часто применяется к проекту развития систем, наделенных интеллектуальными процессами, характерными для человека, такими как способность рассуждать, обобщать или учиться на прошлом опыте.

Говоря простыми словами, ИИ — это грубое отображение нейронов в мозге. Сигналы передаются от нейрона к нейрону и, наконец, выводятся — получается числовой, категориальный или генеративный результат. Это можно проиллюстрировать на таком примере. Если система делает снимок кошки и обучена распознавать, кошка это или нет:

• Первый слой может идентифицировать общие градиенты, которые определяют общую форму кошки.
• Второй слой может идентифицировать более крупные объекты, такие как уши и рот.
• Третий слой определяет более мелкие объекты (например, усы).

Наконец, основываясь на этой информации, программа выведет «да» или «нет», чтобы сказать, является ли это кошкой или нет. Программисту не нужно «говорить» нейронам, что это те функции, которые они должны искать. ИИ изучил их сам по себе, тренируясь на многих изображениях (как с кошками, так и без кошек).

Описание искусственного нейрона

Искусственный нейрон — это математическая функция, задуманная как модель биологических нейронов, нейронной сети. Искусственные нейроны — элементарные единицы в искусственных нейросетях. Искусственные нейронные сети создавались как математическая модель человеческого мозга. Для этого ученым Уоррену Мак-Каллоку и Уолтеру Питтсу пришлось выработать теорию деятельности человеческого мозга.

В нем отдельные нейроны представляют собой живые клетки со сложным устройством. У каждого нейрона есть дендриты — разветвленные отростки, способные обмениваться сигналами с другими нейронами через синапсы, а также один аксон — более крупный отросток, отвечающий за передачу импульса от нейрона. Часть синапсов отвечает за возбуждение нейрона, часть — за торможение. От того, какие сигналы и через какие синаптические связи придут на «вход» нейрона, будут зависеть и те импульсы, которые он передаст другим нейронам.

Для искусственного нейрона физический носитель не нужен. По большому счету, он представляет собой математическую функцию. Ее задача — получить информацию (например, сигналы от множества других искусственных нейронов), обработать ее определенным образом, а затем выдать результат на «аксон» — выход. В искусственной сети нейроны принято делить на три типа:

• входные — каждый из этих нейронов получает на «вход» элемент исходной информации (например, одну точку изображения, если сеть распознает фотографии);
• промежуточные — обрабатывают информацию;
• выходные — выдают результат (при распознавании фото результатом может быть идентификатор изображенного объекта).

Сама нейросеть создается слоями, как пирог. Один из внешних слоев содержит входные нейроны, другой — выходные, а между ними могут располагаться один или несколько промежуточных. Каждый нейрон промежуточной сети соединен с множеством нейронов из двух окружающих слоев. Общение между нейронами обеспечивается с помощью весов — числовых значений, которые каждый нейрон вычисляет на основе данных, полученных от предыдущего слоя сети. 

Создавая искусственные нейронные сети, ученые ориентировались на устройство человеческого мозга. Поэтому принципы поведения рукотворных нейронов не так уж сильно отличаются от настоящих, живых. Может быть, и разум, который сможет развиться на основе таких нейросетей, будет приближен к человеческому?

Отличие искусственного интеллекта от человеческого

Интеллект можно определить как общую умственную способность к рассуждению, решению проблем и обучению. В силу своей общей природы интеллект интегрирует когнитивные функции, такие как восприятие, внимание, память, язык или планирование. естественный интеллект отличает осознанное отношение к миру.

Вопрос, чем ИИ отличается от естественного интеллекта, на самом деле лежит скорее в философской плоскости, чем в строго научной. И дело даже не в том, что мы не можем представить себе, на что будет похож (или не похож) искусственно созданный разум. Вообразить мы как раз способны что угодно — и писатели-фантасты многократно это доказали. Дело в том, что ни один искусственный интеллект, существующий на сегодняшний день, не достиг достаточно высокого уровня развития, чтобы состязаться с человеком на равных.

Существует точка зрения, высказанная философом Джоном Серлом еще в 1980-е годы. Он ввел термины «сильный ИИ» и «слабый ИИ». Сильный искусственный интеллект, по мнению ученого, может осознавать себя и мыслить подобно человеку. Слабый на это не способен. 

Сегодняшние ИИ, если классифицировать их по Серлу, однозначно относятся к слабым, поскольку ни у одного из них пока не зародилось самосознания. Наши искусственные нейросети распознают лица и рисуют странные, невероятные картины, читают рукописный текст и даже складывают стихи — но они и создавались исключительно для этих целей. Ни одна из этих нейросетей не способна передумать и выбрать для себя другую «специальность». Они делают лишь то, чему их обучили, и в некотором смысле их можно считать запрограммированными на выполнение этих задач. Подлинного понимания, что стоит за этими вещами, у них нет. Серл утверждал, что построение сильного ИИ в принципе невозможно.

Еще один философ, Хьюберт Дрейфус, также полагал, что компьютерные системы никогда не смогут сравняться с человеком — так как в своей разумной деятельности он опирается не только на усвоенные знания, но и эмпирический опыт. Компьютеры им не обладают по определению — следовательно, не судьба им развить собственный разум.

Но эти самоуверенные утверждения были сделаны во времена, когда нейросети делали только первые шаги. Сегодня, глядя на их успехи в обучении, нетрудно поверить в реальность ИИ, который сможет стать равным человеку, а то и превзойти его.

Базовый принцип интеллекта

Сравнить мышление человека с искусственным интеллектом можно исходя из нескольких общих параметров организации мозга и машины. Деятельность компьютера, как и мозга, включает четыре этапа: кодирование, хранение, анализ данных и выдачу результата.

Мозг человека и ИИ могут самообучаться в зависимости от данных, полученных из окружающей среды. Также человеческий мозг и машинный интеллект решают проблемы (или задачи), используя определенные алгоритмы.

Глубокое обучение и нейронные сети

В то время, как классические алгоритмы машинного обучения решают многие проблемы, в которых присутствует масса информации в виде баз данных, они плохо справляются с, так сказать, «визуальными и аудиальными» данными вроде изображений, видео, звуковых файлов и так далее.

Например, создание модели прогнозирования рака молочной железы с использованием классических подходов машинного обучения потребует усилий десятков экспертов в области медицины, программистов и математиков,- заявляет исследователь в сфере ИИ Джереми Говард. Ученые должны были бы сделать много более мелких алгоритмов для того, чтобы машинное обучение справлялось бы с потоком информации. Отдельная подсистема для изучения рентгеновских снимков, отдельная — для МРТ, другая — для интерпретации анализов крови, и так далее. Для каждого вида анализа нам нужна была бы своя система. Затем все они объединялись бы в одну большую систему… Это очень трудный и ресурсозатратный процесс.

Алгоритмы глубокого обучения решают ту же проблему, используя глубокие нейронные сети, тип архитектуры программного обеспечения, вдохновленный человеческим мозгом (хотя нейронные сети отличаются от биологических нейронов, принцип действия у них почти такой же). Компьютерные нейронные сети — это связи «электронных нейронов», которые способны обрабатывать и классифицировать информацию. Они располагаются как-бы «слоями» и каждый «слой» отвечает за что-то свое, в итоге формируя общую картину. Например, когда вы тренируете нейронную сеть на изображениях различных объектов, она находит способы извлечения объектов из этих изображений. Каждый слой нейронной сети обнаруживает определенные особенности: форму объектов, цвета, вид объектов и так далее.

Поверхностные слои нейронных сетей обнаруживают общие особенности. Более глубокие слои уже выявляют фактические объекты. На рисунке схема простой нейросети. Зелёным цветом обозначены входные нейроны (поступаюзая информация), голубым — скрытые нейроны (анализ данных), жёлтым — выходной нейрон (решение)

Нейронные сети — это искусственный человеческий мозг?

Несмотря на похожее строение машинной и человеческой нейросети, признаками нашей центральной нервной системы они не обладают. Компьютерные нейронные сети по-сути все те же вспомогательные программы. Просто вышло так, что самой высокоорганизованной системой для проведения вычислений оказался наш мозг. Вы ведь наверняка слышали выражение «наш мозг — это компьютер»? Ученые просто «повторили» некоторые аспекты его строения в «цифровом виде». Это позволило лишь ускорить вычисления, но не наделить машины сознанием.

Нейронные сети существуют с 1950-х годов (по крайней мере, в виде концепий). Но до недавнего времени они не получали особого развития, потому что их создание требовало огромных объемов данных и вычислительных мощностей. В последние несколько лет все это стало доступным, поэтому нейросети и вышли на передний план, получив свое развитие. Важно понимать, что для их полноценного появления не хватало технологий. Как их не хватает и сейчас для того, чтобы вывести технологию на новый уровень.

Проблемы ИИ

Несмотря на стремительные темпы роста технологий, возникает ряд проблем, связанных с развитием искусственного интеллекта:

• Суть искусственного интеллекта в работе с огромными массивами данных. Если в исходной информации содержатся неточности или ошибки — это повлияет на конечный результат.

• Программы ИИ имеют узкую специализацию и на данный момент не способны работать в той же многозадачности, на которую способен человек.

• Для работы «умных» систем необходимы серьезные финансовые ресурсы. Обслуживать и настраивать их могут только специалисты высокой квалификации, оборудование тоже стоит немало.

Заключение

Искусственный интеллект превосходит традиционные алгоритмы, созданные программистами, т.к. обрабатывает данные и выдает решения гораздо быстрее. Но если люди могут расширить свое внимание, запоминание с помощью мнемотехник и других тренировок мозга, то ИИ работает иначе.

Модели глубокого обучения позволяют решать огромный спектр задач в разных направлениях. Однако существует и недостаток сильно оптимизированных систем, которые не позволяют проконтролировать обработку информации на каждом этапе, а соответственно не дают понимания причин выбора определенного решения. Именно этот факт может привести к проблемам с этической стороны, т.к. информация является непрозрачной.

Но, пожалуй, именно поэтому ИИ продолжает развиваться и идти вперед. Вполне возможно, картины из фантастических фильмов – это будущее, которое наступит уже через несколько десятилетий. А что по этому поводу думаете вы?