Однажды это уже происходило...
Автор: Элеонор Камминс.
Беспилотные автомобили. Более быстрое МРТ-сканирование, интерпретируемое роботизированными радиологами. Чтение мыслей и рентгеновское зрение. Искусственный интеллект обещает навсегда изменить мир (в некотором смысле он уже это сделал — просто спросите об этом ИИ-помощника по планированию).
Искусственный Интеллект может принимать разные формы. Но примерно он определяется как компьютерная система, способная решать человеческие задачи, такие как сенсорное восприятие и принятие решений. Начиная с самых ранних дней, ИИ стал жертвой циклов экстремальной шумихи и последующего коллапса. В то время как недавние технологические достижения могут, наконец-то, положить конец этому тренду, навязчиво называемому «зимой ИИ», некоторые учёные по-прежнему убеждены, что новая зима близко.
Что такое зима ИИ?
Люди размышляют о потенциале Искусственного Интеллекта на протяжении тысяч лет. Древние греки считали, например, что бронзовый автоматон по имени Талос защитил остров Крит от пиратов. Но ИИ переместился из мифических грёз в реальный мир только за последние полвека, начиная с основанного на фундаментальной работе 1950 года легендарного учёного Алана Тьюринга, который дал основания для поиска ответа на провокационный вопрос: «Могут ли машины мыслить?».
В то время США находились в разгаре холодной войны. Представители Конгресса решили инвестировать значительные средства в Искусственный Интеллект в рамках более масштабной стратегии безопасности. Особый акцент в те дни был на машинный перевод, в частности, с русского на английский и обратно. В соответствии с историей машинного перевода компьютерного лингвиста Джона Хатчинса период с 1954 по 1966 год называется «десятилетием оптимизма», так как многие выдающиеся учёные считали, что прорывы неизбежны, а инвесторы с глубоким карманом залили поле грантами.
Но прорывы шли как-то не так быстро, как было обещано. В 1966 году семь учёных из Консультационного комитета по автоматической обработке текстов опубликовали правительственный отчёт, в котором говорилось, что машинный перевод был медленнее, дороже и менее точным, чем человеческий перевод. Финансирование было внезапно отменено, и Дж. Хатчинс написал, что машинный перевод «дошёл до виртуального конца... на протяжении чуть более десятилетия». Далее стало ещё хуже. В 1969 году Конгресс постановил, что Агентство перспективных исследовательских проектов в области обороны (DARPA) финансирует только исследования, имеющие непосредственное отношение к военным темам, отменив многочисленные исследовательские и фундаментальные научные проекты, включая исследования ИИ, которые ранее финансировались DARPA.
«Во время зимы ИИ усилия по исследованию Искусственного Интеллекта должны были маскироваться под разными названиями, чтобы продолжать получать финансирование», — рассказывает история из Университета Вашингтона («информатика» и «машинное обучение», — отмечает газета, — были среди эвфемизмов, возникших в ту эпоху.) В конце 1970-х годов наблюдалось мягкое возрождение Искусственного Интеллекта с мимолетным успехом LISP-машины, эффективной, специализированной и дорогостоящей рабочей станции, о которой многие думали как о будущем аппаратного обеспечения ИИ. Но надежды были разбиты к концу 1980-х годов — на этот раз за счёт многостороннего применения настольных компьютеров и возрождающегося скептицизма среди источников государственного финансирования в отношении потенциала ИИ. Вторая зима ИИ продолжалась до середины 1990-х годов, и исследователи с самого начала собирали ледышки.
Последние два десятилетия были периодом почти непревзойдённого оптимизма в отношении Искусственного Интеллекта. Аппаратное обеспечение, а именно мощные микропроцессоры и новые технологии, в частности те, которые создаются в рамках глубокого обучения, наконец-то создали Искусственный Интеллект, который также поражает воображение потребителей и финансистов. Нейронная сеть может решать задачи после тщательного обучения существующим примерам. Чтобы использовать классический пример, вы можете скормить нейронной сети тысячи изображений, некоторые из которых помечены как «кошки», другие, помеченные как «не кошки», и это натренирует сеть самостоятельно идентифицировать «кошек» и «не кошек». Связанные методы глубокого обучения также лежат в основе новых технологий в области биоинформатики и фармакологии, обработки естественного языка в устройствах Alexa или Google Home, и даже при функционировании систем компьютерного зрения, которые используются при управлении автомобилями.
Зима возвращается?
Но те же самые беспилотные автомобили, которые заставляют учёных потеть, лежат в основе возможности проявления новой зимы ИИ. В 2015 году основатель Tesla Илон Маск сказал, что полностью беспилотный автомобиль выйдет на дороги в 2018 году (технически у него ещё есть четыре месяца). Компания General Motors делает ставку на 2019 год. А в компании Ford говорят, что это наступит в 2021 году. Но эти прогнозы выглядят всё более ошибочными. И, поскольку они были преданы гласности, они могут иметь серьёзные последствия для этой области. Вспомните шумиху с недавней гибелью пешехода в Аризоне, который был сбит в марте автомобилем Uber, который ехал в беспилотном режиме. Так что всё выглядит всё более морозным для дальнейшего применения ИИ.
Опасения о надвигающейся зиме ИИ едва ли так глубоки. В последние годы технологии глубокого обучения замедлились, по мнению таких критиков, как исследователь Филипп Пекневский. «Проблема исчезающего градиента» уменьшилась, но всё же останавливает некоторые нейронные сети в процессе обучения в определённый момент, заставляя учителей страдать, несмотря на все усилия. И борьба Искусственного Интеллекта с «обобщением» сохраняется: машина, обученная на домашних фотографиях кошек, может идентифицировать больше домашних кошек, но она не может экстраполировать эти знания, скажем, на льва.
Всё это представляет собой серьёзную проблему для беспилотных автомобилей. «Если бы нам на до было бы запустить полностью беспилотное движение к началу 2020-х годов, то нам нужно было бы каждый год увеличивать на более чем 60 % мероприятия по обеспечения безопасности движения для того, чтобы довести этот показатель до 99.9999 % безопасности», — сказал Эндрю Мур, декан компьютерного факультета Университета Карнеги-Меллона в недавнем эпизоде подкаста Recode Decode, — «Я не верю, что всё происходит так быстро». Хотя в течение нескольких лет мы можем уменьшить потребность людей на 20 %, но в последующие годы это будут одиночных цифры, что потенциально отдаляет дату запуска на десятилетия.
Подобно фактическим сезонным сдвигам, зиму ИИ сложно предсказать. Более того, интенсивность каждого события может сильно различаться. Волнение необходимо для новых технологий, чтобы совершать прорывы, но ясно, что единственный способ предотвратить зиму — это расчитанное спокойствие и множество тяжёлой работы. Как сказал в интервью IEEE Spectrum бывший директор Facebook по ИИ Ян Лекуна: «ИИ прошёл ряд зим потому, что люди требовали вещей, которые они не могли определить».