The concept of artificial intelligence at the moment is very blurry, at the moment all and sundry feel themselves using AI - according to statistics, more than half of startups say that they use AI. In fact, this is all a hoax, there is no AI. The only thing that really managed to do was machine learning methods for image recognition. And these methods work, but they still do not solve the problem of creating intelligence.
The question is why? The answer is simple is simple - because the machines are not smart enough to teach themselves. Even the methods of neural networks are based on the fact that they are fed billions of data labeled by people, and only after that they become able to recognize the first data after billion by themselves
So if you want to teach a neural network to recognize cats in pictures, you give it a billion pictures, half of which have cats, and half do not, and for each picture you give the correct answer given in advance by people. That is, the so-called machine learning is still not machine learning, a person is involved in it - a teacher.
Of course, everyone wants a magic box with a button - you press a button, wait a couple of hours while the box is trained - and wow- in front of you skynet from Terminator films!
That is how it is described in film. And maybe someday it will be such way, but only taking into account the fact that even before pressing a button, this box will be taught by the smartest scientists of its time to all of the available methods of conducting scientific research.
We are now at this stage, we must teach the system what we know ourselves - and only after this, press the “learn further by yourself” button.
The history of technology knows few examples of the successful application of this principle - people teach the machine in the beginning.
The brightest of such examples is the only one in history - but the fantastic flight of the Soviet shuttle Buran.
Broad media preferred to forget about this flight, because it was ahead of its time by decades. And the collapse of the USSR eclipsed this engineering triumph of all mankind. But right now and precisely here, in the context of creating a real, not a fake AI, we must remember this flight.
So aboard the Buran was a real AI, completely imitating the behavior of a first-class cosmonaut pilot. Never before and never after autopilot did not land a reusable winged spacecraft which returned from space, and espesially of such gigantic dimensions as the Buran.
But we are not interested in the flight itself, but in the methods of training the onboard AI of the Buran. He was trained to fly for 10 years by professional pilots. He learned to imitate those who already know how to perfectly manage aircraft.
And we are not interested in specific algorithms - although this is undoubtedly a very interesting question - in this article we are interested in the principle itself: Buran’s AI learned to fly from living people. It was not an abstract program written by programmers — consisting of loops and logical branches — it was a system that could imitate people.
Similarly, wolf cubs learn to hunt in the wild - they look like a wolf mother does it - and repeat after it, only then they try it themselves. The domestic dog will never survive and will die of hunger in the wild forest, because no one has taught her to hunt. The wolf cub will survive.
Buran brilliantly landed at the cosmodrome with a strong side wind, and, after analyzing the situation, made an additional turn over the cosmodrome and entered the strip from an unexpected side, where the wind was not dangerous to him. The designers were not completely confident in their child, because the flight was the first and experimental. When Buran was leaving for a turn, they wanted to blow him up, fearing that a program crashed and Buran could fall on the city. But he was given a chance - and he coped brilliantly.
At the moment, one of the leaders in creating AI is China, which uses the army of cheap labor no longer for manual labor — but for training its AI.
In China, there are giant factories where people do not stand behind the machines, but instead sit at the computers and label the data. After all, a person is very good at distinguishing subjects, even a person who has a very mediocre education. But this is still the preparation of datasets for modern machine learning, which does not know how to think, but only selects successful numerical combinations on billions of test data.
And what will be the next step? The next step is the system Pangeya.
And a person looking at a picture will make a label not just a “cat” / “not a cat”. But in the most detailed detail - through the properties - describes everything - what he sees in the picture. And this is how a true AI will be created.
----------------------------------
Понятие искусственного интеллекта в данный момент очень сильно размыто, искусственным интеллектом занимаются сейчас все кому не лень - по статистике более половины стартапов заявляют, что используют ИИ. На деле же это все обман, ИИ нет. Единственное что действительно удалось сделать, это методы машинного обучения для распознавания изображений. И эти методы работают, но проблему создания интеллекта все равно не решают.
Вопрос - почему? Ответ банально прост - потому что машины недостаточно умны, чтобы обучать себя сами. Даже методы нейронных сетей основаны на том, что им скармливают миллиарды маркированных людьми единиц данных, и только после этого они становятся способны распознать сами миллиард первые данные.
Так если Вы хотите научить нейронную сеть распознавать кошек на картинках - вы даете ей миллиард картинок, на половине из которых есть кошки, а на половине нет, и для каждой картинки сообщаете правильный ответ, заранее предоставленный людьми. То есть так называемое машинное обучение все равно не машинное, в нем участвует человек - учитель.
Конечно, все хотят волшебную коробочку с кнопочкой - нажимаешь на кнопочку, ждешь пару часов пока коробочка обучается - и уаля - перед Вами скайнет из фильмов про Терминатора!
Именно так там и описано. И возможно когда-нибудь так и будет, но только учитывая тот факт - что еще до нажатия на кнопочку эта коробочка будет обучена умнейшими учеными людьми своего времени всем им доступным способам проведения научных исследований.
Мы сейчас именно в этой стадии, мы должны обучить систему тому, что знаем сами - и только потому нажать на кнопочку “учись дальше сама”.
История технологий знает немного примеров успешного применения этого принципа - что машину учат в начале люди.
Самый яркий из таких примеров - единственный в истории - но фантастический полет советского шаттла Буран.
Широкие средства массовой информации предпочли забыть об этом полете, потому что он опередил свое время на десятилетия. И крушение СССР затмило этот триумф инженерной мысли всего человечества. Но именно сейчас и именно здесь, в контексте создания настоящего, а не бутафорского ИИ - мы должны вспомнить этот полет.
Итак на борту Бурана был настоящий ИИ, полностью имитирующий поведение первоклассного пилота-космонавта. Никогда ни до ни после автоматика не сажала при возвращении из космоса многоразовый крылатый космический аппарат да еще таких гигантских размеров, как Буран.
Но нас интересует не сам полет, а методы обучения бортового ИИ Бурана. Его обучали летать в течение 10-и лет профессиональные пилоты. Он учился подражать тем, кто уже умеет в совершенстве управлять самолетами.
И нас интересуют не конкретные алгоритмы - хотя бесспорно это сверхинтересный вопрос - в данной статье нас интересует сам принцип: ИИ Бурана учился летать у живых людей. Это не была абстрактная программа, написанная программистами - состоящая из циклов и логических ветвлений - это была система, умеющая подражать.
Точно так же учатся и волчата в дикой природе охотиться - они смотрят как это делает мать волчица - и повторяют за ней, лишь потом пробуют сами. Домашняя собака никогда не выживет и погибнет с голоду в диком лесу, потому что охотиться ее никто не учил. Волченок выживет.
Буран блестяще совершил посадку на космодром при сильнейшем боковом ветре, и, проанализировав ситуацию, сделал дополнительный вираж над космодромом и зашел на полосу с неожиданной стороны, где ветер был ему не опасен. Конструкторы не были до конца уверены в своем детище, потому что полет был первый и экспериментальный. Когда Буран уходил на вираж его хотели взорвать, испугавшись - что случился сбой программы и Буран может упасть на город. Но ему дали шанс - и он справился блестяще.
В настоящий момент одним из лидеров в создании ИИ является Китай, который применяет армию дешевой рабочей силы уже не для ручного труда - а для обучения своего ИИ.
В Китае появляются гигантские заводы, где люди не стоят за станками, а вместо этого сидят за компьютерами и маркируют данные. Ведь человек очень хорошо умеет различать предметы, даже человек, имеющий весьма посредственное образование. Но это все еще подготовка датасетов для современного машинного обучения, не умеющего думать, а лишь подбирающего удачные числовые коэффициенты на миллиардах тестовых данных.
А какой будет следующий шаг? Следующий шаг - это система Pangeya.
И человек, глядя на картинку, - вносит в дата сет не только “кошка” / “не кошка”. А в деталях максимально подробно - через свойства - описывает все - что видит на картинке. И именно так будет создан настоящий ИИ.
