Как код превращается в стихи, чем нейросеть отличается от искусственного интеллекта и почему решение сложной задачи алгоритмом – это скорее статистическая удача, чем реальное достижение? Ответы на эти вопросы мы узнаем от эксперта, завкафедрой прикладной и вычислительной математики ОмГУ Руслана Симанчёва. В интервью Руслан Юрьевич объясняет, почему ИИ – это не панацея от всех бед, а лишь мощный инструмент работы с большими данными.
–Что такое искусственный интеллект? Когда можно считать, что система/механизм является ИИ?
На сегодняшний день строгое формальное определение этого явления найти будет очень трудно. Вопрос состоит не в том, что существуют альтернативные определения или толкования этого понятия, а в том, что они в принципе разные. Быть может, не противоречащие друг другу, но тем не менее разные.
Важно, чтобы каждый человек – особенно тот, кто имеет отношение к математике, – для себя понял, что же он сам под этим имеет в виду. Здесь ситуация такая: одно из свойств любой математической задачи – это наличие однозначного ответа, точного решения этой задачи. Но порой поиск ответа довольно сложен и в вычислительном, и интеллектуальном плане. Под «интеллектуальным» я в данном случае имею в виду обычный, привычный нам смысл. В связи с этим, помимо точных алгоритмов и методов решения задач, существуют еще и приближенные методы. Я думаю, что как раз к ним и относятся методы работы и функционирования искусственного интеллекта. Причем необходимость в таких методах тоже возникла естественным путем.
Причиной их появления стало то, что в связи с автоматизацией и компьютеризацией у нас появилась возможность рассматривать и решать задачи с очень большим набором входных данных. Даже какой-нибудь стандартный телефонный провайдер, более того, любой банк – это, разумеется, огромное количество данных, которое требует обработки. И теми самыми точными методами эту обработку сделать не удается. Точнее ее можно сделать, но лет за тысячу. То есть если это, например, база данных какой-нибудь большой клиники, то пациент просто не доживет до того, как получит ответ на свой вопрос. Поэтому человечество и начинает пренебрегать точными решениями и искать какие-то приближенные альтернативы.
Методы приближенного решения имеют свою специфику, и они бывают разными. Но вот искусственный интеллект – это класс такого рода методов, в которых мы не претендуем на абсолютную правильность, но тем не менее надеемся, что ответ будет близок к тому, что есть на самом деле. А ответ на вопрос, когда можно считать механизм ИИ, заключается в простом, естественном интеллекте. Перед искусственным интеллектом изначально не ставится задача сказать правду. Мы не пишем ему: «Скажи так, как оно есть на самом деле». Как к этому относиться – это скорее философская проблема. Но, видимо, каждый относится так, как хочет. Из этого следует вывод: не нужно думать, что ИИ – это выход, прорыв и панацея от всех бед. Да, на сегодняшний день его использование является прорывом с точки зрения решения задач большой размерности, но порой оно рождает больше вопросов, чем ответов.
– А мы ведь действительно ни в одном промпте не просим сказать нам точный, стопроцентный ответ…
Да. Спросите себя: «А правду ли он мне сегодня сказал? Так ли оно на самом деле?» Раз речь идет о больших данных, в работе ИИ применяются в первую очередь методы статистической обработки. Методы эти, разумеется, специфические. Появилось много новых направлений в той же статистике, математике, призванных обрабатывать такие большие данные. Они бы появились и раньше, но тогда мы считали на счётах. Сейчас, когда у нас появилось нечто чуть-чуть большее, чем счёты, возникла возможность создать те самые направления. И самое главное: в каких-то сферах, особенно связанных с механическими действиями, искусственный интеллект бывает очень даже полезен.
– А каким образом эта чудесная машина превращает цифры, условно говоря, код в стихи или в картинки?
Как именно искусственный интеллект производит стихи или музыку, доподлинно неизвестно. Но в любом случае речь идет о комбинации элементов конечного множества, например букв или нот. Нот 7, а если диезы и бемоли рассматривать, звучаний будет 12. Мы можем разбить октаву и не на 12 полутонов, а на гораздо большее количество. Так вот, из этого конечного количества элементов мы можем формировать комбинации. Естественно, если рассматривать все возможные комбинации, то видно, что их очень много.
Давайте посмотрим комбинации, которые уже написаны, например, ту же музыку, последовательность тонов, полутонов. Если посмотреть уже созданные когда-то комбинации, ту же музыку с разными последовательностями тонов и полутонов, обработать миллиарды такого рода мелодий, наверняка можно заметить какую-то статистическую закономерность. Нам же очень важно, чтобы мелодии начинались и заканчивались в ля-миноре. И даже если будет переход на другую тональность, нужно, чтобы он был более гармоничным. При обучении нейросеть обнаруживает и фиксирует эти закономерности, а затем использует при генерации новых мотивов.
– Кстати о нейросетях. Нередко словосочетание «искусственный интеллект» употребляют в качестве синонима к слову «нейросеть». Это одно и то же?
Нейросеть – это подкласс методов искусственного интеллекта. Существует множество методов искусственного интеллекта, и в нем есть подмножества, которые и являются нейросетями.
Возьмём в качестве примера процесс решения квадратного уравнения «ax2 + bx + c = 0». Нужно найти корни. Используем формулу, которую каждый образованный человек помнит со средней школы. Когда мы программируем эту штуку, загоняем туда коэффициенты самого уравнения, то получаем на выходе ответы, которые тоже являются продуктом искусственного интеллекта.
Нейросеть – это действительно механизм, который позволяет в некотором роде хитрее, искуснее обходить создание строгих и жестких доказательств. Мы заставляем её просматривать большое количество эталонных примеров и на основании их анализа учим её давать в схожих ситуациях схожие решения. Если что-то идёт не так, то либо мы дали ей маловато примеров и она чему-то не научилась, либо сам механизм действительно неудачный.
– Не так давно один любитель при помощи чата GPT решил одну из математических задач, на которую десятками лет не было ответа. В связи с этим напрашивается вопрос: сможет ли ИИ заменить человека или нет?
Это зависит только от нас с вами, а вовсе не от него. Но вернемся к решению математической задачи. Таких задач не одна, их много. А что такое решение математической задачи? Это ведь тоже, на самом деле, процесс во многом творческий. Прежде чем строить, доказывать что-то, её надо сначала почувствовать. То есть не бывает так, что из «a» следует «b», из «b» следует «c». Всегда эта серия импликаций подчинена какой-то цели. Какой? Доказать этот факт. И это уже продукт долгих размышлений, мучений, ночей бессонных. Думал, думал – и в итоге получилась теоремка; формулировка и доказательство заняли полторы странички текста. Это я говорю к тому, что сначала важно самому прочувствовать это, а потом уже строить доказательство.
Доказательства – достаточно строгие, жёсткие логические ходы. Причем из «a» следует непременно «b», не «b с небольшим», не «b без малого». Это все описывается теми же методами математической логики. Будет очень много разных «a», «b», «c». Возникает комбинаторика: когда я попытаюсь все возможные такие цепочки построить, в конечном счете их будут миллиарды. Я эти миллиарды цепочек не просмотрю физически, не почувствую результат, а нейросеть, искусственный интеллект, как я уже говорил, используя методы статистической обработки и возможности компьютера (память и быстродействие), вполне сможет их обработать.
Причем из этих миллиардов цепочек, допустим, полмиллиарда приводят к результату хорошему. Наверное, даже случайным образом можно попасть в одну из цепочек, попадающих в эти полмиллиарда. Смотрите, искусственный интеллект решил ту задачу, про которую вы говорили, построил логическое доказательство. Но теорему Фирма тоже доказывали на протяжении 300 лет, и на Земле было несколько сотен человек, которые были уверены в том, что они решили эту задачу.
Всё равно то, что сделал ИИ, будет требовать проверки посредством «обыкновенного» человека. Кроме того, в математике много задач, которые давно поставлены и ещё не решены. Я вот знаю одну из таких задач и лично знаком как минимум с тремя людьми, которые во всеуслышание говорили, что они закрыли этот вопрос. После определенного количества усилий, посвященных анализу, обсуждений ситуации, разговоров им сказали: «Ребята, вы ошиблись. Дерзайте, ищите дальше!» И это нормально. Может быть, они потом ещё одно доказательство построят. Я говорю к тому, что даже если ИИ что-то решил, например математическую задачу, то, во-первых, это можно относить к элементу случайности; во-вторых, в любом случае это требует проверки; и, в-третьих, это никаким образом не умаляет статус человека, который думает своей головой и пытается работать в том же направлении.
– Какими, на Ваш взгляд, тремя качествами должен обладать человек, который на постоянной основе использует искусственный интеллект как инструмент?
Он должен быть грамотным, причем в первую очередь математически. Это иллюзия, что можно работать в сфере искусственного интеллекта без классического математического образования. Нужно знать алгебру, геометрию, математический и функциональный анализ, и я уж не говорю про теорию вероятностей, математическую статистику, дискретную математику и т.д. Если ты этого не знаешь, то говорить, что ты создатель алгоритмов для искусственного интеллекта, просто нельзя.
Второй момент – не нужно бояться не доверять, сомневаться даже в самом себе. Это не значит, что нужно каждый раз ждать какого-то подвоха, но тем не менее человек должен быть в определенной степени скептиком.
И третье – нужно любить людей и быть аккуратным. Работая с ИИ, ты берёшь на себя большую ответственность, ведь, помимо той колоссальной пользы, которую он приносит человечеству в технических, производственных вопросах, в военном деле и т.д., он может причинить и огромный вред.