|
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.
|
