Искусственный интеллект занимает чрезвычайно большую часть информационного поля. И это проблема, потому что искусственный интеллект практически превращается в бренд, по сути становясь просто синонимом чего-то прогрессивного и инновационного. Эта статья призвана (в очередной раз) расставить точки над i в вопросе, рассмотрев как развивались представления людей в этой области.
Лингвистический аспект
Первое, что важно понимать, это то, в каких сферах и значениях применяется понятие ИИ. Это отражает три довольно далёких друг от друга взгляда на то, чем искусственный интеллект является или должен являться:
1) ИИ - это фактически любое средство эффективно обрабатывать информацию. У этой точки зрения есть множество вариаций, но в целом она сводится к идее, что искусственный интеллект не больно то отличается от калькулятора по своей сути, во всяком случае, эти отличия имеют количественный характер. Сейчас под ИИ чаще всего понимаются именно нейросетевые технологии, поскольку в последнее время они активно внедрялись в жизнь, хотя при желании его можно навесить почти на любую инновацию в сфере информационных технологий.
2)Этой точки зрения придерживаются мечтатели, философы и футуристы. Здесь критерием искусственного интеллекта становится возможность выполнять имплицитно человеческие задачи. Понятно, что с развитием технологий планка повышается, однако компьютеры до сих пор не способны заниматься творчеством, достаточно хорошо имитировать человеческую речь, испытывать эмоции и многое другое. Здесь тоже существует множество вариаций того, какие именно имплицитно человеческие задачи должны послужить критерием искусственного интеллекта, однако в общем и целом, как мне думается, речь идёт о создании искусственного сознания, то есть идентичного человеку субъекта в области когнитивных функций, построенного на отличном от биологического субстрате.
3)Это самая интересная и, в то же время, самая эзотерическая и непонятная точка зрения, поскольку она фактически ведёт к агнозису, то есть к признанию нашей неспособности понять что есть искусственный интеллект. Согласно этой точке зрения, ИИ будет реализовывать совсем иное понимание интеллекта, нежели человеческое, поскольку он будет совершенно другим существом, его логика будет сокрыта от нашего разума. Дальше я буду касаться исключительно первых двух точек зрения, поскольку третью совершенно невозможно рационально анализировать.
Теперь должно быть ясно, почему в одном месте мы читаем, что искусственный интеллект вот-вот заменит водителей такси, а в другом - что искусственный интеллект станет последним изобретением человечества.
Предыстория
Первые идеи о создании автоматических вычислительных механизмов относятся ещё к началу XIX века(sic!). Ада Лавлейс - британская интеллектуалка и дочь знаменитого английского поэта Джорджа Гордона Байрона - обрела титул первого программиста в истории за то, что совместно с Чарльзом Бэббиджем они развивали концепции универсальной цифровой вычислительной машины, их работы станут фундаментальными для информатики столетие спустя.
Реально электронный калькулятор впервые будет создан только в 1930-х в Германии. В 1946 году в США будет создана первая программируемая ЭВМ под названием ЭНИАК. Изобретение первых компьютеров станет важным этапом в развитии индустриального общества, так как проторит путь к пониманию того, что интеллектуальные функции человека могут заменены.
Когнитивная контрреволюция
В первой половине XX-го века представления о человеческой душе спустились в лоно биологии. Первые бихевиористы Джон Уотсон и Беррес Скиннер воспринимали человека как животное со сложным поведением, а все попытки интерпретации его поведения сводились к павловскому условному рефлексу, который признавался имеющим место для всех достаточно сложно организованных животных. Изобретение компьютеров стало одним из аспектов, пошатнувших биологический редукционизм.
В 1956 году в Массачусетском технологическом институте прошёл симпозиум посвящённый проблеме искусственного интеллекта. 11 сентября 1956 года считается днём рождения когнитивной науки, когда проходил второй день этого симпозиума и были представлены три ключевых для когнитивной науки доклада:
1)Ноам Хомский - "Три модели языка", в рамках которого впервые была соединена лингвистическая теория с когнитивными процессами
2)Джордж А. Миллер - "Магическое число семь плюс-минус два", посвящённый объёму человеческой памяти, здесь впервые была представлена модель рабочей памяти.
3)Герберт Саймон, Аллен Ньюэлл - "Логик-теоретик", компьютерная программа, моделирующая доказательство математических теорем.
Для когнитивной контрреволюции эссенциальным станет концептуальная метафора, отражающая сходство ЭВМ и человеческого разума. Рассматривая обычный ПК можно атрибутировать его составляющим определённые ментальные процессы, которые мы можем наблюдать у себя: процессор - мышление, оперативная память - рабочая память, жёсткий диск - долговременная память, системы ввода - ощущение и восприятие. Очень скоро обсуждаемая здесь тема покинет лоно психологии и информатики и перетечёт в область философии, где реализуется в споре между физикалистами и функционалистами: первые вслед за Рудольфом Карнапом утверждают, что все научные факты должны быть редуцируемы к законам физики, чтобы считаться достоверными, поэтому для определения сознания существенен только её материальный субстрат, другие же, вслед за Хилари Патнэмом полагают, что каждый ментальный вид может быть реализован множеством различных физических видов.
Энигма в китайской комнате
Другой концептуальной предпосылкой стал разработанный в 1950-м году английским математиком и автором алгоритмов дешифровки немецкой шифровальной машины Änigma тест, в основе которого лежит фундаментальный вопрос о различии человеческого и машинного мышления. В рамках этого теста человек обменивается сообщениями с двумя собеседниками: один из них является реальным человеком, а другой - действующим в соответствии со строгим алгоритмом компьютер, задача которого - убедить собеседника в своей человечности.
Этот тест был положен в основу мысленного эксперимента, предложенного Джоном Сёрлом в 1980-м году в работе "Сознание, мозг и программы":
Представим себе, что группа программистов составила программу, позволяющую компьютеру имитировать понимание китайского языка. Если компьютеру задается вonpoc по-китайски, он сверяет его со своей памятью, или базой данных, а затем выдает подходящие ответы, тоже по-китайски. Допустим, ответы компьютера оказываются не хуже ответов настоящего китайца. Можно ли сказать, что компьютер понимает по-китайски не хуже самих китайцев?
Опираясь на это, Сёрл предлагает два взгляда на искусственный интеллект: "сильный" взгляд предполагает, что научившись со 100%-й точностью имитировать определённые функции человеческого мышления, компьютер обретает собственное сознание и становится способен самостоятельно испытывать ментальные акты, "слабый" взгляд исключает эту возможность.
Покидая формальную логику
Первые вехи в развитии искусственных интеллектуальных систем были связаны с появлением первых языков программирования. Вообще, идея языков программирования зиждется на том, что обработка информации связана с нашей способностью делать логические высказывания. Все языки программирования опираются, так или иначе, на формальную логику, это с одной стороны позволяет быстро и крайне эффективно обрабатывать большой объём данных, с другой - накладывает существенные ограничения, поскольку данные могут быть представлены только в виде формальных систем, а все задачи формализации накладываются на программиста, обладающего человеческим умом. Таким образом, мы в самом начале делаем такой искусственный интеллект чрезвычайно зависимым от человека.
Но что такое формальная система? Формальная система предполагает максимальную абстракцию от смысла изучаемых явлений, она рассматривает их как совокупность истинных и ложных суждений, кроме того в систему входят правила преобразования этих формул. Современные формальные системы достаточно сложны и применяются для множества различных повседневных задач. Так, для формализации некоторой утилитарной области знания в информатике введена отдельная категория - онтология. В основе онтологии лежит понятие объекта или экземпляра, который включается в систему понятийных отношений так, что каждый экземпляр принадлежит к некоторому классу, который сам в свою очередь может образовывать класс более высокого порядка, а также любому объекту может быть присвоен атрибут, как некоторая утилитарно значимая характеристика этого объекта. Перспективами разработки искусственного интеллекта в рамках этого подхода может являться полная формализация всех областей знания, известных человечеству.
Исходно практически одновременно с возникновением первых компьютеров возникла альтернатива для формального подхода, базирующаяся не на алгоритмах, а на машинном обучении. В рамках этого подхода задаётся вопрос: что же делать с теми сферами, которые вообще не ясно как можно было бы формализовать и для которых сама по себе формализация могла бы стать решением задачи? Технология машинного обучения базируется на нейросетях. Смысл нейросетей в том, что они должны моделировать предполагаемые механизмы запоминания и обработки информации в головном мозге человека. Нейросети состоят из нейронов, задача которых - формировать определённую функцию своего состояния, подаваемую на выход, которая некоторым образом будет зависить от всего, что подаётся нейрону на вход. В процессе обучения нейросети задаются данные и ей предлагается осуществить их анализ, после чего анализ подвергается экспертной оценке, в результате нейросеть принимает такую конфигурацию, которая с наибольшей вероятностью получает положительную экспертную оценку. В случае с большим объёмом данных экспертная оценка содержится в самих данных, и нейросеть обучается сама.
Фактически, нейронная сеть имитирует восприятие, поэтому первые нейронные сети назывались перцептронами. Структура нейронной сети образована воспринимающими S-элементами, несколькими слоями ассоциативных А-элементов, осуществляющих, таким образом, несколько стадий обработки информации, и реагирующих R-элементов.
Два этих подхода являются столпами не только для разработки искусственного интеллекта, но и для всех информационных технологий. Однако же, пропасть между ними кажется непреодолимой, а каждая из них по отдельности ещё слишком далека от того, чтобы стать полноценным интеллектуальным субъектом. Нейросети хоть и могут, в отличие от символьных вычислений, оперировать со слабоформализованными данными, тем не менее позволяют делать только весьма поверхностный их анализ, что закрывает доступ к творческому мышлению, научным исследованиям, имитации полноценной человеческой речи и восприятию искусства.
Цифровой разум играет в игры
Если ставить перед собой цель воспитания полноценного интеллектуального агента, необходимо позволить ему с самого начала самостоятельно принимать решения. На этом принципе основывается метод агентного моделирования, который, в частности, опирается на теорию игр. Это, изначально, задача математического моделирования, которая заключается в определении характера изменений в глобальной системе на основании паттернов поведения его локальных объектов.
Что если мы позволим каждому агенту самому выбирать и принимать оптимальную на его взгляд стратегию поведения, исходя из определённых игровых целей, установленных извне. Такие модели имеют огромное количество перспектив, так как могут позволить лучше понять природу экономических и социальных процессов.
В условиях систем с дискретными состояниями компьютеры уже превзошли человека. В 1997 году разработанная компанией IBM программа Deep Blue выиграла партию и ещё две партии сыграла в ничью с чемпионом мира по шахматам Гарри Каспаровым. С того дня ИИ отхватывал всё более и более уверенные позиции в играх. Сегодня искусственный интеллект есть во всех соревновательных играх, в которых он служит для имитации поведения реального человека в игре. В 2017 году основанная Илоном Маском и Сэмом Альтманом компания OpenAI натренировала нейросеть во всемирно известной соревновательной видеоигре DOTA 2 в жанре MOBA. Нейросеть за несколько недель смогла обучиться и победить нескольких лучших игроков мира в режиме 1:1. Несмотря на то, что игровые симуляции являются одной из наиболее перспективных направлений в области разработки искусственного интеллекта, это всё ещё является разработкой интеллектуалных систем в областях значительно более ограниченного функционала, чем область применения человеческого разума.
Почему искусственный интеллект не перевернёт мир
Американский математик Джон фон Нейман впервые употребил термин технологическая сингулярность в беседах со Станиславом Уламом, опубликованных в 1958 году. Идея технологической сингулярности базируется на экспоненциальном росте технологий, который в конечном итоге должен привести к моменту, когда человек не в силах будет контролировать этот процесс. В 1965 году один из основателей Intel Гордон Мур заметил, что каждые 24 месяца количество транзисторов в микросхемах удваивается, что, таким образом, вычислительная мощность цифровых устройств неизбежно спровоцирует интеллектуальный взрыв, который будет сопровождаться созданием ИИ, способности которого будут увеличиваться с постоянным ускорением, поэтому однажды его вычислительная мощность превысит вычислительную мощность всего человечества и станет абсолютно неподконтрольной для нас.
Уже в 2003 году Мур выпустил работу "No Exponential is Forever: But „Forever“ Can Be Delayed!", в которой признал, что никакой экспоненциальный рост не может продолжаться неограниченно. На графике видно, что где-то с начала двухтысячных экспонента "ломается" и увеличение мощностей будто бы выходит на плато. Производителям софта удалось поддержать предсказанную законом Мура вычислительную мощность после перехода на многоядерные процессоры. Однако и эта инновация не сможет обеспечить вечный рост в силу сформулированного Джимом Амдалом в 1967 году закона Амдала, который прямо указывает, что увеличение вычислителей снижает скорость выполнения вычислительной задачи.
Кроме того, во-первых, не всякую задачу можно решить путём параллельного распределения вычислительных мощностей, во-вторых, энергопотребление большого числа ядер может сильно снижать их тактовую частоту. В последнее время экспоненциальный рост вычислительных мощностей удаётся поддерживать путём внедрения специализированных сопроцессоров и плат расширения, рассчитанных на ограниченный сектор задач.
Резюмируя всё вышесказанное, попробуем определить как интеллектуальные технологии изменят нашу жизнь в ближайшем будущем. В 1992 году Лоуренс Катц и Кевин Мёрфи в статье "Changes in Relative Wages" сформулировали гипотезу Skill-Based Technological Change, согласно которой индуцированное технологиями вытеснение рабочей силы будет протекать от низкоквалифицированной к высококвалифицированной рабочей силе. В действительности же мы не видим очевидной корреляции: чаще всего структурная безработица связана с замещением одной технологией другой, кроме того, даже низкоквалифицированная, но сложно организованная деятельность, связанная, к примеру, с работой в экстремальных условиях, чаще всего требует тех навыков, которые умеющие обрабатывать только формализованную информацию и простейшие визуальные данные машины не смогут выполнять ещё достаточно длительное время. Эта гипотеза вскоре была вытеснена гипотезой, ныне являющейся общим местом, о том, что прежде всего вытесняется рутинный труд, независимо от квалификации, необходимой для его получения. Для комплексных, предполагающих быстрое приспособление к изменяющейся ситуации и/или анализ сложной визуальной информации задач, а также для задач, связанных с творчеством или разработкой и оптимизаций стратегий/технологий/исследований эволюционировавший миллионы лет в естественной среде человеческий мозг пока ещё оказывается более приспособлен.
Весьма вероятно, что именно преодоление дистанции между биологическим и цифровым субстратом, путём их частичного интегрирования, в ближайшее время будет перспективным направлением исследований. Технологии нейропротезирования уже сейчас не только заменяют утраченные конечности, но и помогают поддерживать при этом саморегуляцию нервной активности. Передача сигналов из мозга на носитель и обратно в дальнейшем может радикально изменить наше восприятие собственного сознания и сделать возможным создание настоящего искусственного интеллекта внутри нас самих.
Подписывайтесь на наш канал в Telegram: https://t.me/futureism
