Технологии искусственного интеллекта: больше вопросов, чем ответов

Писатели, режиссеры, ученые, предприниматели рисуют нам радужное будущее, в котором мы на равных общаемся с помощником использующим искусственный интеллект (ИИ). Пожалуй наиболее ярко эту тему раскрыли в фильме Спайка Джонса «Она», главный герой в котором приобретает новейший гаджет оснащенный операционной системой призванной исполнять любые желания пользователя. 

Глядя на такие компании как MindMeld (разработчик преобразования текста в голосовые сообщения — Forbes) или VIV (компания развивает «умных» помощников, в том числе разработала Siri — Forbes)  несложно поверить в близость момента, когда мы сможем легко поговорить с нашим искусственным другом. Тем более учитывая, что в острой борьбе за единый диалоговый интерфейс сейчас бьются все крупнейшие компании мира и все больше игроков присоединяется к гонке или пытается занять более удобную для себя нишу. Например, компания Samsung заявила о своей покупке стартапа VIV, а компания Amazon c устройством Echo и голосовым ассистентом Alexa решили поселиться в наших домах. С такой расстановкой сил на сегодняшний день это пожалуй наиболее востребованное и близкое к масштабному применению миром направление применения ИИ. Многие полагают что успех в решении задачи обработки и понимания текста может стать началом века «сверхинтеллекта». 

Ты меня понимаешь? 

И все же так ли близки мы к достижению такого уровня взаимопонимания? Или он вообще недостижим? Что если машина так и останется машиной или же мы шагнем еще дальше? Сегодня уже практически все силы мирового сообщества направлены на достижение этой цели — научить машину понимать человека, понимать окружающий мир и принимать решения, основываясь на этих знаниях, помогать нам решать проблемы и достигать совершенно новых высот. 

В настоящее время текст это наиболее распространенный способ представления информации и его обработка сама по себе уже значительный вызов. Помимо борьбы за места в диалоговой строчке приложений есть еще огромные залежи текстовой информации в интернете и за его пределами, которые потребуется обработать в ближайшие годы и здесь выбор инструментов семантического анализа по-настоящему огромен: Basis Technology, Coveo, Expert System, Indico, Knime, Lexalytics, Linguamatics, Mindbreeze, Sinequa, Stratifyd, Synapsify или же, например, предназначенные для ведения диалогов Wit.ai и Api.ai. Последний, к слову, был приобретен недавно компанией Google. 

Несмотря на то, что системы распознавания речи становятся все лучше, они по-прежнему далеки от действительного понимания смысла предоставляемых им для обучения текстов. Взять хотя бы простейший пример который приводил Ян Ле Кун: «Ян поднял бутылку и вышел из комнаты» — фраза означает, что бутылка покинула комнату вместе с ним. Но чтобы это понять, мало семантически проанализировать текст, нужно понимать физическую реальность нашего мира. И если современные системы перевода (вроде Google Translate) уже приблизились к выделению семантического смысла речи независимо от конкретного языка, то следующим важным шагом будет связать эти смыслы с объектами и законами реального мира. 

В целом к задачам обработки текстов deep learning только подступается, и однозначно, подвинет привыкшие жить по строгим правилам заданным человеком существующие технологии. Конечно, нейросети не умеют думать, но даже если они научатся понимать зашифрованные в тексте и в устной речи смыслы, то это уже будет огромным шагом вперед. Собственно разбор речи это ведь не самая сложная задача, действительно сложным является глубокое понимание языка и связи сказанного с реальным миром, нежели просто выделение из текста озвученных фактов, которые к слову не всегда заданы явно. Недавно представленные исследователями из Facebook сети памяти (memory networks) в целом способны выделять отдельные факты и находить ответы на простые вопросы по представленному тексту, но в рамках только текста этого пока мало. 

Весьма радует и тот факт, что на фоне всего происходящего и Россия не остается в стороне. В нашей стране много сильных специалистов в области машинного обучения, и возможно в нарастающей борьбе это наше конкурентное преимущество и шанс вырваться вперед в технологическом развитии. Наши специалисты известны и востребованы, в том числе и за пределами страны, но чтобы избежать их дальнейшей утечки, государство должно активнее поддерживать исследования и разработки в этом направлении. 

Что нужно для новых рубежей?

Но, возвращаясь к теме понимания, не стоит забывать и про системы аудио и визуального распознавания, которые помогут будущему «сверхразуму» шире познакомиться с нашим миром (а не только по книгам) больше узнать о человеческих эмоциях и поведении, различить кролика и птицу или даже вести вместо нас машину. 

С точки зрения активного взаимодействия с окружающим миром автономных интеллектуальных систем — больше всех на слуху компании, занимающиеся созданием самоуправляемых автомобилей и технологий для них. Среди них —   Google, Nvidia, Tesla. А также многие другие, менее известные, но не менее интересные проекты: например Comma.ai, проинвестированная на $3млн фондом Andreessen Horowitz, и Drive.ai, привлекшая $12 млн от Oriza Ventures. 

Помимо самоуправляемых автомобилей есть и иные применения ИИ для распознавания визуальной, аудио и других типов информации. Например, компания Captricity, извлекающая информацию из написанных от руки текстов, получила $49 млн во втором квартале 2015 года, что говорит о важности и других направлений исследований в этой области. В частности, российский проект exacto занимается разработкой универсальной аппаратной платформы для сбора и обработки информации в сфере IoT. Компактные независимые датчики будут учить технические системы лучше работать. Сейчас это делается путем долгого и дорогого построения математических моделей. Платформа решает эти же задачи без участия человека, автоматически распознавая паттерны в сигналах. 

Зачем все это? 

Но даже собрав информацию из всех возможных источников, системам ИИ все еще требуется принять решение: что же со всем этим делать дальше? Системы принятия решений и самообучающиеся интеллектуальные системы — вот будущее. Уже очень скоро системы подобного класса смогут воспроизводить даже сложнейшие мыслительные процессы человека, что позволит нам, вкупе с удобством диалогового интерфейса и всем богатством источников информации, ставить перед интеллектуальными помощниками действительно сложные задачи и рассчитывать на их решения. 

Сегодня ИИ нашел применение практически во всех сферах: в безопасности, в медицине, в коммерции, в производстве, разработке ПО и многих других. В частности, для коммерции применение подобных технологий позволяет усилить свои позиции в обслуживании клиентов, продажах, маркетинге. Но массовое внедрение во всех областях значительно затруднено —  из-за неготовности данных к анализу и, конечно, нехватки специалистов по всему миру. 

Частично нехватку специалистов сейчас пытаются компенсировать, снижая порог входа для разработчиков и обучая интеллектуальные системы строить новые интеллектуальные системы и иное По. Этим, например,  активно занимаются исследователи в Google DeepMind и IBM Watson. Приход машинного обучения в программирование — это большой шаг вперед для всей индустрии IT, но, по распространенному мнению, весьма трудный и спорный. Сможет-ли ИИ заменить программиста? На мой взгляд речь идет не о замене как таковой, а о повышении уровня задач, с которыми ему предстоит работать. Это может быть достигнуто разными путями, либо путем анализа кода, как это делает немецкая Acellere, либо путем непосредственной генерации конечного кода (такой метод  развивает Akil.io, компания, представляемая авторами, — Forbes). Общая цель и компаний, и общественных организаций — придти к решению, в котором нам достаточно будет пояснить системе  то, что нам от нее требуется,  — вместо непосредственного написания строк кода. 

Почему принятие решений так важно?

По прогнозам Forrester, мировые инвестиции в ИИ вырастут в 2017 году на 300%. Во многих статьях есть даже мнение, что этот год может стать лучшим для инвестиций в ИИ. К тому же, абсолютно все существующие решения в итоге сводятся к одному знаменателю:  они своими данными должны питать системы принятия решений, помогать нам коммуницировать с ними любым удобным способом и получать от них удобный и понятный ответ. 

Сегодня подобные решения уже помогают врачам лучше диагностировать заболевания и назначать правильное лечение, руководителям компаний —  принимать более взвешенные решения на основе анализа показателей компании и рыночной ситуации. И если в случае медицины еще предстоит долгий путь клинических испытаний и изменений в законодательстве, то предприятия уже могут извлекать выгоду благодаря таким предиктивным системам как Deep Instinct, Ersatz Labs, Fluid AI, MathWorks, Peltarion, Saffron Technology, Sentient Technologies. И их число будет активно расти. Подобные системы будут вбирать в себя все больше и больше источников информации — для повышения точности результатов. Даже если ни разработчики, ни пользователи этих систем не понимают, почему и как эти результаты получены, вопреки классическим, основанным на правилах решениям которые могут объяснить «почему» они выдали именно такой результат. 

Сегодня применение искусственного интеллекта (в широком смысле) ограничивается решением конкретных задач. Несмотря на это, влияние ИИ на мире растет. Так, например, ИИ играет ключевую роль в системах управления транспортными средствами с частичным или же вообще без участия водителя, в беспилотных авиационных системах, которые трансформируют процессы глобальных перевозок и локальные логистические системы. Это затронет и множество других отраслей промышленности, изменения в которых происходят или ожидаются в ближайшие десятилетия. Эти процессы находят свое отражение в различных областях, в т.ч. и в государственном управлении: автоматизация процессов, электронные онлайн-консультанты по государственным услугам, обработка и анализ больших данных, системы поддержки принятия решений – все эти системы являются в той или иной степени результатом изысканий в области искусственного интеллекта или же его предшественниками. ИИ обладает огромными возможностями упрощения бытовых вопросов в повседневной жизни: безопасность, регулирование, права, а также научных исследований и разработок, которые необходимо принять во внимание при эффективной интеграции этой технологии в государственных и частных секторов деятельности. 

Что дальше?

Здесь мы упираемся в ряд этических и моральных вопросов, на которые пока ни у кого нет ответа. С кем мы в итоге будем говорить? С очень умным «калькулятором» или с чем-то большим? После достижения этой точки дальнейшее развитие систем ИИ пойдет всего лишь двумя возможными путями. Первый —  аугментированный интеллект, расширяющий наши собственные возможности, позволяющий в любой момент времени получать больше важной информации и принимать более верные решения. И второй  —   автономные интеллектуальные системы, такие как машины, автономные заводы, отдельные роботы или распределенные компьютерные системы. 

Наверняка многие слышали про открытое письмо от «FutureOfLife Institute», подписанное ведущими мировыми разработчиками и исследователями ИИ, призывающее запретить разработку автономного оружия. Среди подписавших известных личностей можно выделить гениального физика Стивена Хокинга, сооснователя Apple Стива Возняка, и главу Tesla Илона Маска. Значит, люди, находящиеся на самом переднем крае исследований в области ИИ, считают, что мы можем придти к чему-то действительно большему, чем просто машина. Возможно, даже к созданию новой формы технологической жизни, потому что даже массовый сбой в подобных системах не столь страшен, как осознанная война против человечества превосходящих нас во всем машин. Но, на мой субъективный взгляд, здесь мы переносим аспекты человеческого поведения на искусственный сверхразум, ожидая от него сходного с нами поведения. А это возможно лишь при максимально полном копировании человека и его мыслительных процессов, хотя гораздо реальнее то, что созданная нами машина будем чем-то другим, но точно не копией человека. 

С точки зрения разработки автономных систем подающей большие надежды выглядит технология reinforcement learning (обучение с подкреплением), позволяющая ИИ агентам обучаться за счет взаимодействия со средой в которой они действуют. Но скорее всего это не будет панацеей и скоро мы увидим новые решения в этой области, а пока любой может создать своего маленького терминатора используя OpenAI Gym. Открытость подобных разработок и их доступность для всех немаловажный фактор быстрого развития технологий ИИ в нашей время, это задача, которая сможет быть решена только общим усилием человечества, но впереди еще много работы по стандартизации разработок и созданию обобщенного искусственного интеллекта как единого инструмента решения любых задач. 

Как и любая трансформационная технология, искусственный интеллект несет в себе скрытые риски и ставит перед органами государственной власти и публичной политики сложные, а иногда и неразрешимые вопросы: сокращение рабочих мест, трансформация экономики, безопасность новых технологий и систем на их основе, юридическое регулирование и много другое. Например, разработка систем с элементами искусственного интеллекта требует создания новых высокотехнологичных рабочих мест для специалистов высокой квалификации, но при этом успешная реализация таких проектов приводит к частичному или полному сокращению рабочих мест в рамках той задачи, которую система решает. Системы с элементами ИИ мало изучены и полагаться на них полностью небезопасно из-за возможности непредсказуемости их поведения. 

К чему мы придем и с чем останемся? 

Вряд-ли кто-то может предсказать что будет дальше, но даже сейчас когда мы настолько близки к новой технологической революции мы все еще не знаем ответов на многие вопросы. Уже точно можно сказать, что наиболее переломными в нашем образе жизни станут именно ближайшие 10-15 лет — именно за этот период должно произойти массовое принятие ИИ обществом, повсеместное внедрение не только на уровне технологий, но и на уровне законов, общественного мнения и наших повседневных привычек. 

Серьезнейшими задачами, стоящими перед органами государственной власти и которые могут быть решены с помощью подобных систем, являются: агрегация данных из различных источников согласно фиксированной схеме, их накопление, последующая обработка и анализ полученных данных, а также предоставление государственных услуг населению. Именно поэтому во многих странах инициативы развития технологий ИИ вынесены на государственный уровень. Так например, в США создана правительственная комиссия по данному вопросу NSTC (National Science and Technology Council Subcommittee on Machine Learning and Artificial Intelligence), цель которой —  способствовать расширению сфер применения искусственного интеллекта и машинного обучения для улучшения предоставления государственных услуг. Акцент сделан на городские системы и построение умных городов, системы поддержки психического и физического здоровья населения, социального обеспечения, уголовного правосудия, охраны окружающей среды и многие другие. Подобные инициативы появляются и в других странах, преимущественно – в Европе. Как показывает практика других стран, эффективное развитие подобных инициатив возможно только во взаимодействии органов государственной власти, экспертного сообщества и граждан при решении вопросов использования возможностей технологий искусственного интеллекта и сферах применения этих технологий.

Поделиться с друзьями
ASTERA