Разберись в ИИ и нейросетях: как они работают, где помогают и где ошибаются - Анастасия Зарубина

В 1980-х Япония запускает широкомасштабную программу FGCS (Fifth Generation Computer Systems) по созданию нового, пятого, поколения компьютеров, использующих технологии ИИ. Под нее начинают выделяться миллиарды, перспективы рисуются заоблачные, кажется, наконец-то «зима» закончилась.

Однако спустя одиннадцать лет программа завершилась полным провалом, не оправдав ожиданий[6]. Тогда же у инвесторов начал иссякать интерес и к экспертным ИИ. Оказалось, что для их работы, чтобы они могли выполнять более сложные задачи, необходимо слишком большое количество условий, обеспечить которые не всегда представлялось возможным.

В то же время компании, производившие дорогие специализированные компьютеры для ИИ (Lisp-машины), начали массово разоряться. Ведь персональные компьютеры стали достаточно мощными и гораздо дешевле.

Наступила вторая «зима» искусственного интеллекта. И продлилась она на этот раз аж до 1990-х годов. Общая картина того времени показана на рисунке 1.1.

Рис. 1.1. «Зимы» искусственного интеллекта

Думаю, вы обратили внимание на один факт, объединяющий основные причины наступления обеих «зим». Завышенные ожидания от ИИ, сформированные людьми, далекими от самой разработки. Искусственный интеллект в самом деле производит впечатление «всемогущей машины», а некоторые прорывы в разработке так хочется экстраполировать на все обозримое будущее. Но насколько это близко к реальности?

Полный текст отчета, ставшего катализатором «зимы», можно найти на сайте Института применения искусственного интеллекта (AIAI, Artificial Intelligence Applications Institute) Эдинбургского университета: https://www.aiai.ed.ac.uk/events/lighthill1973/.

A general survey by Sir James Lighthill FRS Lucasian Professor of Applied Mathematics Cambridge University. July 1972.

Мы до сих пор продолжаем использовать компьютеры четвертого поколения, вот насколько их планы были утопичны.

https://www.mt-archive.net/50/ALPAC‐1966.pdf.

Названа в честь героини «Пигмалиона» Бернарда Шоу.

1.5. Снова шахматы

У наступления очередной «весны» нет конкретной даты, она приходила постепенной оттепелью. Экспертные ИИ продолжали приносить пользу в некоторых областях, алгоритмы внедрялись, а исследования шли своим чередом. Только громкие термины пропали из маркетинга.

Отмечу самые основные достижения.

В Массачусетском технологическом институте (MIT) запускают проект COG[7], объединяющий множество участников целью создать гуманоидного робота. «Humanoid intelligence requires humanoid interactions with the world»[8], – утверждали они и конструировали сенсорные и моторные системы для робота, снабжали его способностью реагировать на чужие движения и учили контролировать свои. Интеллект его был на уровне младенца, обучающегося у окружающих. Сейчас этот робот находится в музее MIT. Именно он показал важность социального взаимодействия при обучении ИИ (а также оказал огромное влияние на робототехнику).

Изучается уровень эффективности обучения с подкреплением. Говоря иначе, это обучение ИИ на опыте: он получает награду или штраф, условные +1 или –1, за каждый результат, а цель его – максимизировать совокупное значение. Сейчас такой метод применяется во множестве областей, включающих в себя автономные системы, промышленность и даже здравоохранение, а в 1990-х он был изучен на примере обычной игры в нарды. Программа TD-Gammon, написанная Джерри Тесауро, начав играть с состояния полной случайности, обучившись, стала успешно конкурировать с игроками мирового класса.

НАСА в рамках программы Mars Pathfinder выводит на поверхность Марса «Соджорнер» – для анализа химического состава пород. Он стабильно работал около трех месяцев, после чего перестал отвечать на сигналы, несмотря на то что находился в рабочем состоянии. До сих пор его местонахождение неизвестно, но вклад в науку он сделал неоспоримый. Анализ атмосферы и пород мы оставим специалистам и посмотрим на одну из фотографий, сделанную ИИ-исследователем (рис. 1.2).

Рис. 1.2. Фотография марсианского горизонта, сделанная «Соджорнером»[9]

Но все это знали те, кто следил за новостями, а вот 11 мая 1997 года ИИ снова выходит из тени по-настоящему. Deep Blue, суперкомпьютер от компании IBM, сошелся в матче-реванше с действующим чемпионом мира по шахматам и одержал победу. И дело здесь не только в шахматах. Deep Blue стал первым в истории ИИ, сумевшим выдержать конкуренцию с человеческим мозгом (вспомним первую попытку сымитировать игру в шахматы с «ИИ» в 1796 году). Турнир освещали в СМИ, и отношение общественности оказалось спорным, варьируясь от страха перед гипотетическим «восстанием машин» до откровенного недоверия и стремления уличить в жульничестве. Но результат был достигнут. Победа Deep Blue стала громким заявлением о том, что ИИ еще слишком рано списывать со счетов, и сделала огромный пиар IBM.

1.6. Начало 2000-х

Постепенно ИИ начинает проникать во многие сферы более явно. Пока еще не касается непосредственно жизни большинства людей, конечно. Но уже активно:

♦ ориентируется в интернете, помогая с извлечением информации с помощью веб-сканеров;

♦ управляет игрушечными роботами-питомцами, которые вскоре становятся коммерчески доступными (у разработчиков явно остался профессиональный незакрытый гештальт с XVIII века);

♦ побеждает в автомобильных гонках – Стэнли (Stanley), созданный командой из Стэнфордского университета, получает Гран-при на DARPA Grand Challenge[10] в октябре 2005 года;

♦ исследует отдаленные районы Антарктиды в поисках метеоритов – робот Nomad от CMU (Carnegie Mellon University), который стал одним из первых обладателей сферического зрения и возможности ориентироваться на далеких расстояниях.

Вместе с тем MIT работает над крупным проектом Oxygen[11], направленным на повсеместное использование ИИ, чтобы технологии стали вровень с «кислородом», невидимо окружая человека и улучшая его жизнь. Сейчас концепции этого проекта находят свое отражение в IoT (Internet of things, «Интернет вещей»). А вы не задумывались, включая радио на колонке или управляя холодильником через приложение, о том, что это не ново и уже было запланировано больше двадцати лет назад?

1.7. «Сейчас вы находитесь здесь»

Неуклонно продолжается превращение ИИ из сложной и недоступной научной концепции в инструмент. Мы уже обсудили, как завоевали популярность экспертные модели, однако очевидно, что для формирования целой экосистемы их нужно столько, что не то что сконструировать – просчитать невозможно. Нужно было что-то новое. Только представьте: не надо вручную прописывать инструкции, вы лишь загружаете большой массив данных, а модель сама ищет взаимосвязи, простраивает логику и выдает вам готовый результат. Неужели так бывает? Да! И это одно из направлений искусственного интеллекта – машинное обучение (ML, Machine Learning).

Взрыв его популярности пришелся на 2000–2010-е годы и стал действительно глотком весеннего воздуха после двух «зим». Теперь модели могли практически без участия человека прогнозировать и принимать решения. Их начали внедрять в различные сферы от финансовых организаций (например, кредитный скоринг) до стриминговых сервисов (рекомендательные