Все об искусственном интеллекте за 60 минут

Большинство исследований в области ИИ не имеет ничего общего с суперинтеллектом, или ОИИ. В основном они посвящены поиску решений конкретных проблем: чат-робот, отвечающий на запросы в колл-центре; автоматизированные алгоритмы вождения, помогающие управлять машиной на автостраде или во время парковки; более продвинутые роботы, автоматизирующие скучные производственные процессы; системы контроля качества, позволяющие фабрикам минимизировать бракованную продукцию; носимая электроника, своевременно выявляющая заболевания; социальные роботы, обеспечивающие уход за людьми с ограниченными возможностями и пожилыми; интернет-боты, отвечающие на наши вопросы; системы обнаружения мошенничества, отслеживающие транзакции и предупреждающие о том, что банковские реквизиты или личные данные могли быть украдены, и так далее.

Каждый раз, когда мы пытаемся сделать ИИ чуть-чуть умнее, мы экспоненциально увеличиваем его возможности. Это дает экспоненциально больше шансов на провал, поэтому мы должны существенно умножить количество тестов и экспериментов, чтобы убедиться в правильности конструкций.

Постепенно нужно будет добавлять новые функции – язык, речь, память, мотивацию, – и исследователи поймут, о чем думает робот. Возможно, когда собственные идеи робота станут более важными, чем реальность, тогда он получит сознание.

Когда робот сможет думать о себе, своем теле и о том, как ему реагировать и воздействовать на реальный мир отдельно от самого мира, тогда, есть шанс, такой самоанализ станет первым шагом на пути к сознанию.

Одной из первых исследовать эмоциональный ИИ, или, как его часто называют, эмоциональные вычисления, начала Розалинд Пикар, профессор Медиалаборатории МТИ, в 1995 году. Ее вдохновили идеи Дамасио и прежде всего тот факт, что эмоции необходимы для принятия решений. С тех пор исследователи в этой лаборатории вот уже более двух десятилетий изучают все аспекты эмоционального ИИ.

С помощью технологий обработки естественного языка исследователи теперь могут собрать воедино тысячи отдельных научных работ и получить новые результаты, чего не удалось бы ни одному человеку. Благодаря ИИ мы можем узнать мнения и взгляды миллионов людей и помочь нашим политикам и организациям лучше удовлетворять потребности этих людей. Любые новые технологии могут быть использованы как в хороших, так и в плохих целях. А значит, нам нужно признать силу ИИ и обеспечить его применение должным образом.

Хомски развил эту идею в теорию трансформационно-генеративной грамматики, предполагающей использование формальных грамматик для описания правил, встроенных в разные языки, что позволяет их сравнивать. Эта идея доминировала в лингвистике в течение 20 лет, с 1950-х до 1970-х годов, – как раз то время, когда исследователи ИИ начали пытаться заставлять компьютеры обрабатывать слова.

Приведенный выше разговор иллюстрирует типичную проблему: часто ИИ не может поддерживать дискуссию, состоящую из нескольких предложений. Он теряет нить и рассматривает каждое предложение независимо. Он также не способен связать свои ответы с реальностью – хотя может следовать языковым правилам, статистическим корреляциям или даже искать факты, касающиеся ответов на каждое новое предложение.

Если представить, что интеллект – это торт, то неконтролируемое обучение – это корж, обучение под наблюдением – глазурь, а обучение с подкреплением – вишенка на торте. Мы знаем, как приготовить глазурь и вишенку, но не знаем, как испечь торт

С помощью алгоритма дистанционного обучения машинное обучение может отслеживать меняющиеся условия. Этот подход полезен в системах обнаружения сетевых вторжений, где обычная структура интернет-трафика с течением времени меняется, когда люди ищут что-то, а хакеры, пытающиеся получить несанкционированный доступ, постоянно пробуют новые приемы, чтобы взять под контроль компьютерную систему и украсть данные или требовать выкуп.