(по материалам интернет-ресурса DigitalTonto)
С тех пор, как система Watson от IBM победила лучших чемпионов-людей на игровом шоу «Опасность!», искусственный интеллект (ИИ) стал очень частым словом в поисковиках. Но интеллектуальные системы - это не просто «модный приговор», а грядущая революция в областях от медицины и производства до меняющихся фундаментальных представлений о том, как вообще делается наука.
Все еще только начинается. IBM, работающая над искусственным интеллектом с 1950-х годов, не только четко осознает эти недостатки, но и усердно работает над улучшением базовой технологии. Как недавно написал в своем блоге главный операционный директор IBM Research Дарио Гил, за последний год компания опубликовала более 100 статей. Вот основные моменты того, что разрабатывается сейчас:
Работа над улучшением обучения:
Теперь ИИ обладает способностью к обучению. Ранее инженеров встраивала логику данных в систему, основываясь на ранее принятых предположениях. Когда условия меняются, систему необходимо было заново перепрограммировать, чтобы она была эффективной. Современные ИИ адаптируются к данным по мере развития событий в реальном мире.
Это не говорит о том, что системы ИИ рождаются сразу умными. Но мы способны научить их выполнять определенные задачи, как если бы это были наши новые сотрудники. Интеллекту часто нужно давать тысячи или даже миллионы примеров, прежде чем он сможет работать на уровне, близком к приемлемому. До сих пор это было важным ограничивающим фактором того, насколько эффективными могут быть системы искусственного интеллекта.
Улучшение способности системы к обучению является ключом к улучшению ее работы.
- доктор Джон Смит, менеджер по технологиям ИИ в IBM Research.
Понимание контекста:
До сих пор «камнем преткновения» в системах ИИ являлось их неспособность понять простейший контекст. Например, если система обучена идентифицировать собак, она будет совершенно не замечать, как семья играет в фрисби со своим любимым питомцем. Другая, связанная с этим проблема - неспособность понять причинность событий. Человек, который сталкивается с проблемой, начинает задаваться вопросом: «Откуда она взялась?» Однако машины обычно этого не делают. «Многие исследования ИИ были сосредоточены на корреляциях, но между корреляциями и причинностью есть большая разница», - сказал мне Смит.
IBM добилась некоторых важных успехов в решении этой проблемы с помощью Project Debater, системы, предназначенной для обсуждения с людьми в режиме реального времени. Вместо того, чтобы просто отвечать на простые, основанные на фактах вопросы, Debater может понимать и сложные, неоднозначные вопросы, а также выдвигать ясный, убедительный аргумент, основанный на тонких различиях, который иногда не замечают даже высокообразованные люди.
Сосредоточение внимания на этике и доверии:
Теперь, когда у нас есть машины, помогающие поддерживать человеческие решения, возникают важные вопросы о том, кто несет ответственность за эти решения, как они принимаются и на каких предположениях все это делается.
Есть такой пример с вагонетками, который ставил моралистов в тупик десятилетиями. Человек тянет за рычаг, что бы колеса не переехали пятерых лежащих на рельсах человек. Но если он не будет тянуть за него, погибнет всего один человек. Традиционные подходы, такие как этика добродетели или кантианская этика, не дают рекомендаций о том, как делать правильно.
«Если мы хотим, чтобы ИИ эффективно поддерживал принятие решений человеком, мы должны иметь возможность формировать чувство доверия, прозрачности, подотчетности и объяснимости вокруг нашей работы. Поэтому мы уделяем большое внимание созданию инструментов, таких как Fairness 360, ресурса с открытым исходным кодом, который позволяет нам задавать столько вопросов о системах ИИ, сколько существует человеческих решений».
Будущее ИИ:
Когда в 1964 году IBM анонсировала свой мэйнфрейм-компьютер System 360 стоимостью 5 миллиардов долларов (или более 30 миллиардов долларов в сегодняшних долларах), это считалось крупным прорывом и доминировало в отрасли на протяжении десятилетий. Запуск ПК в начале 80-х годов оказал аналогичное влияние. Сегодняшние смартфоны, однако, теперь гораздо мощнее и стоят не так дорого.
Мы должны смотреть на ИИ точно так же. В предстоящие годы и десятилетия мы ожидаем значительных улучшений в оборудовании, программном обеспечении и нашем понимании того, как применять ИИ для решения важных проблем.
Хотя многие приложения AI и выполняют задачи в запутанном аналоговом мире, весь прогресс упирается в «цифру». Важная информация при этом неизбежно теряется. Поэтому ключевой задачей на будущее является разработка новых архитектур, таких как квантовые и нейроморфные компьютеры, для запуска новых алгоритмов ИИ.
«Мы только в начале пути, - взволнованно сказал мне Смит из IBM, - но когда мы дошли до того, что квантовые и другие технологии стали возможными, наша способность создавать интеллектуальные модели чрезвычайно сложных данных неизмеримо возросла»
