Как мы уже поняли из первой части статьи, создать AGI, то есть Artificial General Intelligence, интеллект, сравнимый с лучшим человеческим, это та еще задачка и пока что мы не то что с ней не справились, а находимся на достаточно раннем этапе её воплощения в жизнь. Все и правда достаточно сыро в этом направлении, хотя на данном поприще успехи есть.
Получается, что строить небоскребы, отправлять человека в космос и постигать тайны элементарных частиц проще, чем создать себе подобный мозг, пусть и на электронных компонентах. Кажется, что мозг человека не менее сложен по своему строению и функциям, чем вся наша Вселенная. Все эти сравнения конечно условны, но все же..
Существующие машины и программы, как уже писалось ранее, это лишь узкие специалисты в своем деле. Они имеют мало общего с идеей универсального ИИ, который может обучаться чему угодно и спокойно на уровне человеческого индивида коммуницировать с людьми.
Несложно сделать ИИ, который бы в разы быстрее человека перемножал числа, или просчитывал ходы в шахматы. Это уже, как вы понимаете, давно сделано. Безошибочно определять кто на фото - собака или кошка, а уж тем более какая порода - сегодняшнему ИИ определить уже не так просто. Хотя в этом направлении тоже неплохо продвинулись. А уж если мы говорим о прочтении машиной текста рукописи и понимании смысла как
отдельных слов, так и предложений в целом - тут все на порядок сложнее.
По меткой фразе профессора Стэнфордского университета Дональда Кнута, "ИИ хорошо справляется с теми задачами, где нужно думать, но там где живые существа не прикладывают усилий (зрение, движение, распознавание), компьютерный мозг терпит крах". Но будем честны, в ИИ-направлении действительно уже много сделано. И есть значительные успехи.
Давайте возьмем букву О в таком варианте:
Машина её легко распознает. А вот тут у неё будут проблемы:
Причем, если вы человек (а вдруг нет =) ), то сможете увидеть кубическую структуру в ортогональной проекции вверху, три цилиндра внизу слева и другие составляющие данную композицию объекты. Для вас это легко, а компьютер не поймет.
А вот тут изображен кусок скалы, смоделированный в 3D. Вы не только достаточно легко для себя это установите, но и сможете понять (или хотя бы предположить) что это именно трехмерная модель, а не фото. Вы видите множество полутонов серого, способны вообразить себе ощущения от прикосновения к данному материалу, даже его запах, возможные физические качества и область практического применения.
У машины все иначе - она видит лишь набор пикселей, точек разной градации серого.
Что делать, чтобы "глупая" машина поумнела?
Хороший вопрос. И на него есть ответ.
Сначала нужно значительно увеличить вычислительную мощность компьютеров и как можно более приблизить её к мощности мозга человека.
За условную единицу измерения мощности берется CPS (calculations per second, вычислений в секунду). И измеряется CPS для каждой отдельной структуры мозга. Далее все это суммируется и получается результат.
Есть такой изобретатель и футурист по имени Рэймонд Курцвейл. Так вот он считал суммарную мощность мозга у разных людей и получал всегда цифру в районе 10¹⁶, или 10 квадриллионов CPS. Колоссальная цифра.
Есть также на свете китайский суперкомпьютер Tianhe-2 (Тяньхэ-2), у которого производительность в 34 квадриллиона CPS, правда занимает он 720 квадратных метров площади и жрет 24 мегаватта (а наш мозг только скромные 20 ватт) при стоимости в 390 миллионов долларов. Курцвейл считает, что когда за 1000 долларов можно будет купить примерно 10 квадриллионов CPS, тогда можно будет говорить о наступлении эры AGI.
Кстати, рекомендую посмотреть вот это выступление Генри Маркрама, в котором он рассказывает о попытках смоделировать мозг внутри компьютера путем моделирования всех нейронов и их взаимодействий. И это тоже упирается в производительность суперкомпьютеров, выполняющих вычисления.
Закон Мура гласит, что примерно каждые два года, максимальная вычислительная мощность удваивается, что означает экспоненциальный рост.
Согласно приведенному графику, примерно в 2025 году можно будет ожидать, что за 1000 долларов можно будет купить мощность, сравнимую с мощностью человеческого мозга. В 1985 году за эту сумму можно было купить одну триллионную часть мозга, в 1995 - одну миллиардную, в 2005 - одну миллионную, а в 2015 одну тысячную. Так что темпы роста, в общем-то, к тому и ведут.
Хорошо, мощности мы получим, но нужно еще и построить алгоритмы, которые позволят на самом деле стать машине умной.
Первый способ уже активно воплощается в жизнь и называется он нейронные сети. В рамках этого подхода создается математическая модель нейронной сети, работающей по принципам нейрона человеческого мозга. Такая сеть изначально чиста и пропуская через нее потоки информации мы занимаемся обучением сети под конкретные задачи. Но вот только сегодняшние нейронки по своим возможностям не дотягивают до уровня мозга человека конечно. И в будущем задача состоит в создании нейронной сети, которая бы воспроизводила мозг полностью, во всей его сложности. Кстати говоря, видео Генри Маркрама, на которое я сослался выше, как раз о такой эмуляции. Получается этакий плагиат - мы пытаемся копировать то, как работает наш мозг.
В 2014 году был смоделирован мозг плоского червя с 302-мя нейронами, в человеческом мозге 100 миллиардов нейронов.. Ну, учитывая экспоненциальный рост, не так уж все и безнадежно =)
Второй способ состоит в том, чтобы смоделировать процесс эволюции. Но тут есть такой момент. Попытка создать самолет, глядя на то, как устроена птица, не увенчается успехом, потому что у машин другие материалы, другие веса, нагрузки и прочее. Поэтому в лоб копировать не получится, нужно просто некоторые моменты подсматривать.
Точно так же и с копированием эволюционных процессов. Есть группа так называемых генетических алгоритмов. Они буквально имитируют процесс эволюции и естественного отбора. В применении к созданию ИИ это будет выглядеть примерно так - группа компьютеров выполняет задачу и тот, что выполнит её лучше всего, будет основой для алгоритмов последующих поколений компьютеров. Грубо говоря, так мы будем отбирать наиболее эффективные алгоритмы. Это оочень упрощенное описание, но главное схватить саму суть в рамках данной статьи.
Скользкий момент в том, что эволюция трудилась в течении многих миллионов лет, а мы хотим сделать все за десятки лет. Однако, эволюция и естественный отбор слепы и не идут к какой-то конкретной цели. Это производит много случайных и ненужных мутаций. А в нашем случае можно производить направленные и осознанные мутации, зная конечную цель - ИИ, подобный человеку.
Ну и третий способ это вообще создание программ, которые сами бы придумывали способы улучшения существующего положения по ИИ и вносили бы изменения в код, пытаясь улучшить его. Это значит что нужно создать программу-ученого, которая сама будет ИИ. Короче, кажется что это самый фантастический и нереальный подход. Хотя.. кто знает, может именно он в итоге окажется самым результативным.
Итого
Все движется ударными темпами и потому AGI может подкрасться совершенно внезапно и в обозримом будущем. Для этого есть два основания: экспоненциальный рост вычислительных мощностей и потенциальные открытия, которые изменят подходы к созданию ИИ, что, в свою очередь, значительно приблизит наступление эры AGI - искусственного интеллекта общего назначения, который будет равен человеку по способностям.
Подписывайтесь и следите за обновлениями. Будет еще интереснее. Продолжение следует.
Присоединяйтесь к нашему "веб-дев-Telegram-чату": http://t.me/makewebme, @makewebme