Максим Криппа об эре искусственного интеллекта

Максим Криппа об эре искусственного интеллекта

Максим Криппа: об эре искусственного интеллекта

Максим Криппа – it-специалист, страстный почитатель нейросетей, с удовольствием делится опытом его знакомств с таким нашумевшим сегодня искусственным интеллектом (далее – ИИ).

Проекты искусственного интеллекта (ИИ) от SIRI, которую мы все знаем по сериалу «Теория Большого Взрыва», до автомобилей, которые не нуждаются в водителе, развивается чрезвычайно стремительно. В книгах по научной фантастике ИИ часто изображается ИИ как робот с человекоподобными качествами. Однако стоит отметить, что ИИ может охватить все: алгоритмы поисков Google, IBM Watson, автономное оружие, а также оборудование для системы здравоохранения.

ИИ сегодня называют все чаще узким искусственным интеллектом (или же слабым). Это связано с тем, что он специализируется на выполнениях узких задач (к примеру, только распознавание лица или только поиск в Интернете, или же только вождение автомобиля). Но в долгосрочной перспективе многие исследователи искусственного интеллекта (и Максим Криппа входит в их число) находится формирование общего ИИ (сильного). В то время как узкий ИИ может превосходить людей по своей конкретной задаче, например, игре в шахматы или решении уравнений, общий ИИ будет превосходить людей почти в каждой когнитивной задаче.

Искусственный интеллект основан на идее, что человеческий интеллект может быть определен в таких точных терминах, что машина сможет имитировать его. Цели искусственного интеллекта включают в себя обучение, рассуждение и восприятие, а машины подключаются с использованием междисциплинарного подхода, основанного на математике, информатике, лингвистике, психологии и многом другом. «Мне кажется, что машина, наделенная здесь схожими с человеком способностями, создает впечатление того самого Другого, который помогает человеку идентифицировать себя же», – говорит Максим.

По мере того, как развиваются технологии, предыдущие контрольные показатели, которые определяли искусственный интеллект раньше, устарели. Например, машины, которые вычисляют базовые функции или распознают текст с помощью таких методов, как оптимальное распознавание символов, уже не входят в список машин с искусственным интеллектом, поскольку эта функция теперь считается само собой разумеющейся как неотъемлемая функция всех компьютеров.

Некоторые примеры машин с искусственным интеллектом включают компьютеры, которые играют в шахматы, которые существуют уже много лет, и автомобили, которые являются относительно новой разработкой. Эти автомобили, как уже обозначалось выше, не нуждаются в человеке-водителе.

Споры об искусственном интеллекте

С самого начала искусственный интеллект поддался пристальному изучению как ученых, так и общественности. Одной из распространенных тем является идея о том, что машины станут настолько развитыми, что люди не смогут идти в ногу со временем. Речь идет о восстании машин, а также о сюжетах, которые описывает популярный культовый фильм «Матрица».

Другое дело, что машины могут нарушить конфиденциальность людей и даже стать вооруженными. Другие эксперты обсуждают этику искусственного интеллекта, и тот вопрос, следует ли рассматривать интеллектуальные системы, такие как роботы, наравне с людьми – по крайней мере, в правах. Недавний прецедент с роботом Софией тому пример.

Автомобили-автоматы были предметом споров, поскольку такие машины, как правило, рассчитаны на наименьший возможный риск и наименьшие потери. В то время как они устраняют частоту человеческой ошибки, это означает, что если бы они были поставлены в ситуации, когда им приходилось бы решать между столкновением с одним человеком и столкновением с другим, они рассчитывали бы, какой вариант нанесет наименьший ущерб, но все равно придется выбирать один. Это смущает многих людей, которые считают, что жизнь не должна быть поставлена ​​на произвол судьбы машины.

Что касается самого понятия ИИ, то термин искусственного интеллекта был введет в 1956 году, а сегодня ИИ стал более популярным благодаря увеличенным объемам данных, передовым алгоритмам и улучшениям в области вычислительной мощности и хранения.

Ранние исследования ИИ в 1950-х годах изучали такие темы, как решение проблем и символические методы. В 1960-х годах Министерство обороны США проявляло интерес к этой работе и начинало «обучать» компьютеры, чтобы имитировать основные человеческие рассуждения. То есть, ученые попытались «взломать» код человеческого мышления. Именно в таком контексте, мыслит этот факт Максим Криппа, самостоятельно пытаясь работать в этом же направлении – ответить на вопрос о том, как можно сделать машину способной обучаться самостоятельно. Например, Агентство перспективных исследований обороны (DARPA) завершило проекты картирования улиц в 1970-х годах. И DARPA подготовила умных личных помощников в 2003 году, задолго до того, как Сири, Алекса или Кортана, которые уже стали привычными бытовыми именами.

Эта ранняя работа проложила путь для автоматизации и формальных алгоритмов, которые мы видим сегодня установленными на компьютерах, включая системы поддержки принятия решений и интеллектуальные поисковые системы, которые могут быть разработаны для дополнения человеческих способностей. «Это воплощение на практике того, о чем некогда писал МакЛюэн».

В то время как голливудские фильмы и научно-фантастические романы изображают ИИ человекоподобными роботами, которые захватывают мир, нынешняя эволюция технологий ИИ не такая страшная – или же не такая умная. Вместо этого ИИ развивается, чтобы обеспечить множество особых преимуществ в каждой отрасли.

Это впечатляющие достижения, но применимость систем на базе ИИ все еще довольно узкая. Отдельное внимание стоит уделить системам ML, которые обучены выполнять конкретные задачи, и обычно их знания не обобщаются. Ошибочность того, что узкое понимание компьютера подразумевает более широкое понимание, возможно, является самым большим источником путаницы и преувеличенными утверждениями о прогрессе ИИ. «Мы далеки от машин, которые демонстрируют общий интеллект в разных областях», – считает Максим Криппа.

MACHINE LEARNING

«Самое главное – для того, чтобы понять ML, заключается в том, что он представляет собой принципиально иной подход к созданию программного обеспечения: машина учится на примерах, а не явно запрограммирована на определенный результат. Это важный разрыв с предыдущей практикой. В течение последних 50 лет достижения в области информационных технологий и приложений были сосредоточены на кодировании существующих знаний и процедур и внедрения их в машины. Действительно, термин кодирование означает кропотливый процесс передачи знаний от руководителей разработчиков в форму, которую машины могут понимать и выполнять. Этот подход имеет фундаментальную слабость: большая часть знаний, которые у всех нас есть, негласная, что означает, что мы не можем полностью объяснить это. Нам почти не удается записать инструкции, которые позволят другому человеку научиться кататься на велосипеде или распознать лицо друга».

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *