«Лос-Анджелес, ноябрь 2019». Если с датой прибытия в 2015 год Марти Макфлая из «Назад в будущее» по какой-то причине случилось много накладок и фальстартов, то фэндом «Бегущего по лезвию» оказался более дисциплинированным: в начале ноября 2019-го как по команде ленты соцсетей погрузились в ностальгию по теперь уже ретровзгляду на наше настоящее, каким оно могло бы быть. Билборды «Атари» и неуклюжие интерфейсы, дождливая Калифорния, возвращение причесок и платьев из сороковых — ну и, конечно, андроиды, почти неотличимые от людей. Несмотря на многие упущения в предсказании будущего, «Бегущий по лезвию» очень верно отразил тот постоянно нарастающий за последние лет сорок дискомфорт, что характеризует отношения человека и вычислительных машин (что во многом и определяет неубывающую актуальность фильма). Откуда мы на самом деле знаем, что мы умнее компьютера? Как жить, когда тебя целиком заменяет технология? Что если нас всех можно свести к алгоритмам?
Вопросы, еще не так давно лежавшие в умозрительной плоскости, становятся максимально приземленными: недавно стало известно, что компания Тимура Бекмамбетова Screenlife Technologies находится в активной фазе разработки русскоязычного синтезатора голоса Vera Voice (подобные технологии, позволяющие нейросети «говорить» голосом знаменитостей на английском, уже существуют и используются).
Без работы рискуют остаться не только актеры: нейросети уже умеют писать простые тексты, генерировать узоры и мелодии, вести вполне осмысленные диалоги, коммуницировать с другими нейросетями. В ближайшие годы многим из нас придется всерьез задумываться над сменой профессии и над тем, насколько большую часть своей жизни мы готовы отдать на откуп искусственному интеллекту. К счастью, к осмыслению этих вопросов нас очень хорошо подготовила популярная наука, популярная философия и в целом поп-культура XIX, XX и XXI веков: страх перед машиной-творцом — это, кажется, естественное состояние человека и многие технологические достижения в равной степени подпитывали его и помогали его преодолеть.
1811
Растущая механизация производства тканей и текстильных изделий приводит к падению дохода английских ткачей и вязальщиков (на их невзгоды накладывается общее падение благосостояния в стране в связи с наполеоновскими войнами). В Ноттингемшире, где сосредоточено много подобных производств, заговорщики по ночам встречаются на торфяниках и планируют разрушительные атаки на станки; затем эта практика распространяется по всей Англии. Своим духовным предводителем они считают некого Неда Ладда — героя, впоследствии оказавшегося мифическим, но давшего движению луддитов название. В действиях движения слились воедино недовольство экономическим положением и падением уровня качества товаров, страх перед неизбежным наступлением будущего и кризис экзистенции — все то, что характеризует и нынешний страх перед искусственным интеллектом. Слово «неолуддит» до сих пор используется как страшное ругательство, сообщающее о том, что собеседник недалек и необразован, — при этом о неиллюзорных классовых причинах восстания предпочитают не вспоминать.
1837
Чарльз Бэббидж описывает аналитическую машину — первый компьютер, обладающий полнотой по Тьюрингу (то есть подобный всем современным компьютерам). Бэббидж в итоге не смог раздобыть достаточно денег, чтобы соорудить свой механизм, так что он не построен по исходным схемам и по сей день. Это не помешало Аде Лавлейс в 1843 году придумать первую современную программу, которая могла бы работать на таком компьютере, и таким образом стать первой программисткой в истории.
1902
Рассматривая артефакты, обнаруженные на затонувшем рядом с островом Антикитера древнеримском корабле, археолог Валериос Стаис обращает внимание на один из «камней»: внутри него находятся шестеренки. Стаис предполагает, что механизм предназначался для предсказания затмений и положения небесных тел, но ему никто не верит: остальные артефакты на корабле датированы примерно I веком до нашей эры, и до 1902 года никаких астрономических механизмов той эпохи никто не находил. О механизме забывают до середины пятидесятых годов XX века, когда несколько ученых подтверждают его природу и датировку. С тех пор так называемый антикитерский механизм, сравнимый по сложности с устройствами XIV века нашей эры, стал для кого-то символом неверия человечества в собственные способности, а для кого-то — знаком о визите инопланетян. Как бы то ни было, механизм показывает, что математическое и механическое мышление очень высокого уровня было доступно нашим далеким предкам — и они передавали часть его машинам. Легенды об оживающих статуях из древнегреческих и древнеегипетских мифов обретают плоть и подпитывают конспирологию искусственного интеллекта.
1920
Выходит пьеса чешского драматурга Карела Чапека R.U.R. (Rossumovi Univerzální Roboti), она же «Универсальные роботы Россума». Опираясь на античные мифы об автоматонах, на легенду о Прометее, на иудейскую концепцию големов, на теорию Сэмюэла Батлера об эволюции сознания у машин и, разумеется, на главного литературного предшественника всех рассказов о разумных механизмах — роман Мэри Шелли «Франкенштейн», — Чапек почти единолично придумывает современную художественную концепцию «робота», искусственного полуразумного слуги (справедливости ради, у Чапека это организмы, а не механизмы). Весьма характерно, что первая же история о роботах заканчивается полным уничтожением человечества. В 1923 году выйдет первая постановка на английском, а слово с простым славянским корнем закрепится в большинстве языков мира. Кроме того, блестящие металлические костюмы из фильма Фрица Ланга «Метрополис» 1927 года, созданного с явной оглядкой на R.U.R., на долгие годы определят внешний облик большинства роботов на экране.
1942
Химик, популяризатор науки и великий писатель Айзек Азимов в рассказе «Хоровод» формулирует базовые принципы не только существования искусственного интеллекта, но и написания сюжетов о нем. Они известны как «Три закона робототехники»:
- Робот не может причинить вред человеку или своим бездействием допустить, чтобы человеку был причинен вред.
- Робот должен повиноваться всем приказам, которые дает человек, кроме тех случаев, когда эти приказы противоречат Первому Закону.
- Робот должен заботиться о своей безопасности в той мере, в которой это не противоречит Первому или Второму Законам.
Деконструкция законов Азимова в научной фантастике активно началась уже в 1950-е, когда «робот-убийца» стал тропом в фильмах категории Б, постепенно перекочевавшим и в высокобюджетные кинокартины. Современные истории об искусственном интеллекте либо полностью игнорируют эти законы, либо модифицируют их так, чтобы сделать возможным существование воинственных роботов. Несмотря на это, специалисты в области искусственного интеллекта и сейчас продолжают ориентироваться на технооптимистические и просциентистские позиции Азимова.
1950
Как утверждает физик Эдвин Томпсон Джейнс в своей книге «Теория вероятности: Логика науки», в 1948 году математика и физика Джона фон Неймана на лекции спросили, может ли машина думать, на что он в запале ответил следующее: «Вы утверждаете, что есть вещи, которые машина не может выполнить. Если вы мне укажете точно, что же именно не способна сделать машина, я всегда смогу построить такую машину, которая сможет сделать именно вот это!» Будто комментируя это высказывание, два года спустя математик, программист и герой войны Алан Тьюринг в статье предлагает одну из ключевых концепций искусственного интеллекта — тест Тьюринга, активно использующийся и по сей день (пусть и в модифицированном виде, пусть и его критика звучит все активнее). Отличить компьютер от человека Тьюринг предлагал следующим образом: задать вопрос (исключительно письменно) и получить ответ как от человека, так и от машины. Если человек, получающий ответы на свои вопросы, не может понять, где ему отвечает человек, а где — искусственный разум, то тест пройден. Сцены, основанные на прохождении или непрохождении теста Тьюринга, есть в нескольких дюжинах научно-фантастических фильмов, романов и сериалов. Выдуманный «тест Войта-Кампфа» из «Бегущего по лезвию» фактически является вариацией теста Тьюринга, где следователь задает ключевые вопросы и следит за реакцией подозреваемого. Как и во многих других случаях, отрицательный результат теста приводит к агрессии и жестокости.
1956
В Дартмутском колледже проходит конференция , где впервые официально использовано словосочетание «искусственный интеллект» . Почти все ее участники на долгие годы вперед определяют не только моду в кибернетике, развившейся из сомнительной новомодной области сороковых в полноценную науку, но и конкретно в разработке искусственного разума. Так, Марвин Минский консультировал Артура Кларка при написании сценария фильма «2001» — одного из самых известных сюжетов об искусственном интеллекте, намеренном убивать людей (в честь Марвина назван и один из персонажей, Виктор Каминский).
1957
Психолог Фрэнк Розенблатт, уверенный в том, что машины можно обучать так же, как животных, тестирует самообучающийся электронный механизм Перцептрон — первый прототип нейросети. В шестидесятые и семидесятые пионерские труды Розенблатта были отчасти высмеяны и забыты — в том числе вышеупомянутым Минским. Некоторые эксперты считают, что игнорирование нейросетей как концепции затруднило развитие искусственного интеллекта на годы, а то и десятилетия: в поп-культуру нейросети полноценно вошли только в 2010-е, когда на рынки вышли самообучающиеся графические приложения и чат-боты.
1965
Джозеф Вейценбаум создает ELIZA — первого чат-бота в современном понимании. Программа ELIZA, названная в честь героини «Пигмалиона» Элайзы Дулитл, была в состоянии вести полноценный диалог с достаточно большим набором фраз и соблюдением грамматики английского языка. Несмотря на явные достижения, работы над подобными проектами были впоследствии закрыты в целом ряде исследовательских институтов: к концу шестидесятых оказалось, что изначальные прогнозы о скорости развития искусственного интеллекта были излишне оптимистичными (мол, успехи в «разгадке» основанных на логике настольных игр — все, на что стоит надеяться ИИ в ближайшие годы). На влиятельность ELIZA это впрочем не повлияло: похожий интерфейс Джордж Лукас использовал в своей дебютной полнометражке «THX 1138», а экран с выбором диалоговых опций стал источником вдохновения для целого ряда ранних видеоигр, включая, скажем, Zork. Напрямую восходит к ELIZA и генеалогия голосовых ассистентов (которые тоже зачастую носят «женские» имена: Алекса, Кортана, Алиса).
1980
На рынке появляются первые лисп-машины — специальные компьютеры, приспособленные для экспертных систем, способных анализировать большое число данных и выдавать возможный вариант решения для конкретной ситуации. Фактически это первое массовое применение концепции big data в повседневной жизни: экспертные системы работали со скоростью, принципиально невозможной для людей, анализирующих то же количество сигналов. Системы заработали в медицине, кризисном менеджменте, борьбе с катастрофами, анализе безопасности производств и так далее. Деньги возвращаются в искусственный интеллект: теперь в нем заинтересованы не только военные ведомства и большие правительства, но и частные компании. Логичным образом большим хитом в 1983 году становится фильм-катастрофа о сломавшейся экспертной системе — «Военные игры» (паника по поводу человеческих жизней, доверяемых компьютерам, пересекается с паникой по поводу излишнего увлечения видеоиграми).
1986
Группа Эрнста Дикманса в Баварии проводит первые тесты полностью автономных автомобилей, использующих технологии анализа изображений, поступающих на видеокамеры, — но только на специально подготовленных трассах.
Уже в 1995 году автомобиль Дикманса был способен доехать от Мюнхена до датского Оденсе и обратно, развивая на автобане скорость до 175 км/ч. В девяностые предсказания беспилотного будущего были гораздо более радужными, чем сейчас: в частности, стартапы вроде Uber рассчитывали на массовое внедрение беспилотных автомобилей уже в начале 2020-х. Однако препятствия в видеораспознавании всё еще существуют: в 2018 году была зарегистрирована первая смерть пешехода под колесами автономного автомобиля (и это был как раз автомобиль, принадлежащий Uber).
В том же 1986 году выходит последний сезон сериала Knight Rider о разумном автомобиле, борющемся с преступностью совместно с очень популярным в Германии Дэвидом Хассельхофом.
1997
Первая половина девяностых — эпоха киберпанка в книгах, кино и видеоиграх. Соответственно, сюжеты о порабощении человечества роботами и компьютерами становятся абсолютным мейнстримом (начиная примерно с «Терминатора-2», где главный антагонист — это обретшая самосознание военная нейросеть Skynet). В новостях тоже можно услышать апокалиптические ноты — особенно в обсуждении победы суперкомпьютера Deep Blue над Гарри Каспаровым. Шахматы долгое время были священным Граалем искусственного интеллекта: если побеждать человека в нарды ИИ научился еще в 1979 году, а программа, успешно играющая в шашки, стала первым примером искусственного интеллекта в истории (в зависимости от определения это датируется либо 1952, либо 1956 годом), то шахматы, отличающиеся большей вариативностью и непредсказуемостью (а также вполне себе выступающие как символ интеллектуальности как таковой), не давались компьютеру довольно долго. Но и это прошло: фотографии грустного Каспарова обошли все СМИ.
1998
Небольшой, но очень назойливый бум роботов-игрушек (в первую очередь похожих на гремлинов Furby и хай-тек-собак Aibo). Игрушки нельзя программировать в полноценном смысле этого слова, но они действительно обучаются (в случае Фёрби — языку, в случае Айбо — движениям) и начинают выполнять команды. Это совпадает со сменой парадигмы в изображении ИИ в кино: роботы больше не враги и не чудовища (и даже не комические персонажи в духе «Короткого замыкания»). Мелодраматические «Двухсотлетний человек» и «Искусственный интеллект» дружно переосмысляют и перепридумывают роль роботов в обществе как полноценных участников, пусть и со своими особенностями: вернуться к концепции «доброго слуги» напрямую уже никак не получится. Ну, по крайней мере, с теми роботами, которые напоминают людей или животных: случившийся чуть позже бум роботов-пылесосов показывает, что в отсутствие антропо- и зооморфизма мы всё еще испытываем ограниченную эмпатию к роботам.
2001
Выходит фильм (мультфильм? заставка к игре, но без игры?) Final Fantasy: The Spirits Within, срежисcированный создателем одноименной серии РПГ Хиронобу Сакагути и по-прежнему считающийся одним из лучших примеров того, что такое «зловещая долина» (когда искусственное изображение человека слишком сильно похоже на него, чтобы не считать это абстракцией, но недостаточно сильно, чтобы принять изображение за живое существо). Фильм разорит киноотдел компании Square, но подарит нам интересную дискуссию о природе «цифровой актрисы» Аки Росс и ее постерах в бикини (все эти обсуждения объективации 3D-моделей получат новую силу в 2010-х, с большим распространением VR-порнографии и вопросами прав роботов на неприкосновенность).
2007
«Первой виртуальной группой» часто называют Gorillaz, но это всё же пример классических музыкантов, скрытых за мультипликационным фасадом. Хацунэ Мику (имя можно перевести, как «первый звук будущего») — это уже совсем другое дело: певица, которой как бы нет и, строго говоря, быть не может. Первый и самый известный из вокалоидов, японских плагинов для синтеза голоса, обладает мультипликационным аватаром, собственными песнями и внушительной фан-базой. Это, конечно, не первый прецедент поющего компьютера (помимо прочего, здесь стоит вспомнить великий российский проект 386 DX и его каверы на гитарную классику), но самый известный и самый значимый: в этот момент продюсеры по всему миру резко поняли, что заменить можно не только создателей мелодий, но и певцов.
2012
Один из хедлайнеров важнейшего мейнстримового фестиваля Coachella — голограмма (ну, точнее, видеопроекция). Не фигурально, а вполне буквально: убитый в 1996 году Тупак Шакур «воскрес» в совместном концерте со Снупом Доггом и Доктором Дре (потом они даже планировали поехать в тур, но в итоге Дре решил, что это лишнее). Сомнительное с этической точки зрения «воскрешение» Тупака привело к возвращению его альбомов в чарты и ускорению совершенствования подобных технологий: уже в вышедшем в 2016 году фильме «Изгой-один» умерший в 1994 году Питер Кушинг, восстановленный в виде 3D-модели, играл довольно значимую роль.
Дальше — больше: в 2020 году должен выйти фильм «В поисках Джека», где одну из главных ролей играет Джеймс Дин, погибший в 1955 году. Тем временем основанный в России стартап Replika продолжает работу над созданием нейросетей, способных имитировать речевые и лексические особенности погибших людей.
2018
Выходит FakeApp, первая коммерческая программа для домашнего изготовления так называемых дипфейков, где голос или лицо одного человека совмещаются с телом и лицом другого человека, так что на экране можно наблюдать видеогибрид, аналог вышеупомянутого «цифрового воскрешения» или превращение одного лица в другое. Разумеется, первым делом эта технология используется для изготовления поддельной порнографии со знаменитостями (по некоторым подсчетам , это более чем 95% всех дипфейков). Тут как тут и банковские махинации с видео и голосом, а заодно и фальшивые видео, порочащие политических оппонентов (одно такое видео, со спикером Нэнси Пелоси, ретвитнул официальный аккаунт Дональда Трампа). Буквально про это последние несколько лет говорит Славой Жижек: «Для меня главный вопрос — и это вопрос без ответа — как подобные технологии повлияют на наше восприятие самих себя. Будем ли мы восприниматься как свободные живые существа — или же нами будут управлять цифровые автоматы. И ключевой момент заключается в следующем: мы даже можем не узнать, что они нами управляют».
Для книги «Архитекторы интеллекта: вся правда об искусственном интеллекте от его создателей» писатель и футурист Мартин Форд взял интервью у 23 самых выдающихся исследователей в области ИИ, включая CEO DeepMind Демиса Хассабиса, руководителя Google AI Джеффа Дина и ИИ-директора в Стэнфорде Фей-Фей Ли. Каждого из них Форд спросил, в каком году вероятность создания сильного ИИ составит не менее 50%.
Из 23 человек ответили 18, и только двое из них согласились на публикацию предсказаний под своим именем. Интересно, что они дали самые экстремальные ответы: Рэй Курцвейл, футуролог и директор по инженерным разработкам в Google, назвал 2029 год, а Родни Брукс, робототехник и соучредитель iRobot, - 2200. Остальные догадки расположились между этими двумя полюсами, среднее значение - 2099 год, то есть через 80 лет.
Форд говорит, что эксперты стали называть более отдаленные даты - в опросах прошлых лет они заявляли, что сильный ИИ может появиться примерно через 30 лет.
«Вероятно, существует некоторая корреляция между тем, насколько вы дерзки или оптимистичны, и тем, насколько вы молоды», - добавил писатель, отметив, что нескольким его собеседникам было за 70, и они пережили взлеты и падения ИИ. «После работы над этой проблемой в течение десятилетий, возможно, вы становитесь немного более пессимистичными», - считает он.
Форд также указал, что эксперты высказывают разные мнения о способе появления ИИ общего назначения - одни считают, что для этого достаточно имеющихся технологий, другие же категорически с этим не согласны.
Некоторые исследователи утверждают, что большинство инструментов уже готовы, а теперь требуются просто время и усилия. Их оппоненты убеждены, что для создания сильного ИИ все еще не достает многих фундаментальных открытий. По словам Форда, ученые, чья работа касалась глубокого обучения, склонны думать, что в будущем прогресс будет достигнут с использованием нейронных сетей - рабочей лошадки современного ИИ. Те, кто имеет опыт работы в других областях ИИ, считают, что для построения его сильной версии потребуются дополнительные методы наподобие символической логики.
«Некоторые люди из лагеря глубокого обучения очень пренебрежительно относятся к идее напрямую разработать что-то вроде здравого смысла в ИИ. Они думают, что это глупо. Один из них сказал, что это все равно что пытаться засунуть кусочки информации прямо в мозг», - говорит Форд.
Все опрошенные отметили ограничения существующих ИИ-систем и ключевые навыки, которые им еще предстоит освоить, в том числе трансферное обучение, когда знания в одной области применяются к другой, и обучение без наставника, когда системы узнают новое без участия человека. Подавляющее большинство современных методов машинного обучения полагаются на данные, размеченные людьми, что является серьезным препятствием для их развития.
Интервьюируемые также подчеркнули абсолютную невозможность делать прогнозы в области, подобной ИИ, где ключевые открытия начинают работать в полную мощь только спустя десятилетия после их обнаружения.
Стюарт Рассел, профессор Калифорнийского университета в Беркли, автор одного из основополагающих учебников по ИИ, указал, что технологии для создания сильного ИИ, «не имеют ничего общего с большими данными или более мощными машинами».
«Я всегда рассказываю историю из ядерной физики. Точка зрения, высказанная Эрнестом Резерфордом 11 сентября 1933 года, заключалась в том, что энергию из атомов извлечь нельзя. Однако на следующее утро Лео Силард прочитал речь Резерфорда, разозлился и изобрел ядерную цепную реакцию, опосредованную нейтронами! Таким образом, предсказание Резерфорда было опровергнуто примерно через 16 часов. Точно так же совершенно бессмысленно делать точные прогнозы в области ИИ», - сказал Рассел.
Исследователи также не сошлись в оценке потенциальной опасности ИИ. Ник Бостром, оксфордский философ и автор книги «Искусственный интеллект: Этапы. Угрозы. Стратегии» и фаворит Илона Маска, утверждает, что ИИ представляет собой большую угрозу для человечества, чем изменение климата. Он и его сторонники считают, что одной из самых больших проблем в этой области является обучение ИИ человеческим ценностям.
«Дело не в том, что ИИ возненавидит нас за порабощение или что внезапно возникнет искра сознания, и он взбунтуется. Скорее, он будет очень старательно преследовать цель, которая отличается от нашего истинного намерения», - сказал Бостром.
Большинство респондентов заявили, что вопрос об угрозе ИИ крайне абстрактен по сравнению с такими проблемами, как экономический спад и использование передовых технологий в войне. Барбара Грос, профессор в области ИИ в Гарварде, внесшая весомый вклад в область языковой обработки, сказала, что проблемы этики сильного ИИ в основном «отвлекают».
«У нас есть ряд этических проблем, связанных с существующим ИИ. Думаю, что не стоит отвлекаться от них из-за пугающих футуристических сценариев», - считает она.
По словам Форда, подобные споры можно назвать самым важным итогом его опроса: они показывают, что в такой сложной области, как искусственный интеллект, нет простых ответов. Даже самые именитые ученые не могут прийти к единому мнению в фундаментальных проблемах этой области знания.
Факты ICTV рассказывают, почему не существует искусственного интеллекта, как кофейная машина использует ваши личные данные и или вытеснят когда-нибудь работы людей.
Гонконгская компания Hanson Robotics очередь создавала работа для помощи пожилым людям в домах престарелых. Внешность Софии моделировали по сходству к актрисе Одри Хепберн.
В СМИ уже привыкли называть Софию искусственным интеллектом. Неудивительно, ведь человекоподобный робот общается с нами, выражает свои эмоции и остроумно шутит.
Но София - не искусственный интеллект.
Факты ICTV в рамках Киевского международного экономического форума пообщались с Натальей Космину, исследовательницей искусственного интеллекта Массачусетского технологического института.
Она объяснила, что такое София, почему искусственного интеллекта не существует и как научиться осторожно использовать личные данные.
Популярность Софии обусловлена ее сходством с настоящего человека - робот гуманоидного типа. Но на самом деле это лишь алгоритм задач, который спроектировали инженеры:
Это лишь определенный набор алгоритмов - их можно встроить в гуманоидного робота, можно встроить в робота, который похож на собаку, а можно "засунуть" в эту бутылку с водой (смеется - Авт.) . И это будет такой же робот, как и София, но на вид как банка с водой.
В Софии нет настоящих эмоций. Все, что она делает, запрограммированное в ней определенным алгоритмом. Что-то вроде чат-бота. Согласитесь, Siri также может шутить и разговаривать с вами.
И когда София шутит - это не более чем ошибка системы. Когда ее спросили, как преодолеть коррупцию в Украине - она зависла. Мы поняли это как ответ. Якобы, даже искусственный интеллект не в состоянии решить проблему коррупции.
Такие маленькие смешные казусы - обычная ошибка. Система не в состоянии понять и обработать ту информацию, которую вы запросили, - объясняет Наталья.
София - не более чем набор алгоритмов. Она запрограммирована общаться с людьми и это ей удается. Так же, как работы компании Boston dynamic запрограммированы двигаться.
Это получается у них лучше всего в мире - они занимаются паркуром, играют в футбол и переносят тяжелые вещи. И разговаривать они не в состоянии, как и София не в состоянии ходить и преодолевать препятствия.
Нужно очень правильно называть такие системы просто алгоритмами. София - это очень хорошая группа собранных вместе алгоритмов, в данном случае в одном работе. Они позволяют работу двигаться, разговаривать и реагировать.
Искусственного интеллекта не существует
Если София - это всего лишь набор определенных задач, то что же искусственный интеллект? В фильмах мы привыкли видеть компьютерные программы, которые способны заполонить мир и уничтожить человечество.
Самый большой недостаток искусственного интеллекта в том, что его не существует. Иногда удобнее назвать вещь "искусственный интеллект", чем объяснять, что это. Сейчас есть алгоритмы. Они очень хорошо развиты под решение одной или двух проблем максимум. Искусственного интеллекта как такового нет. Мы еще очень далеки от него, - рассказывает исследовательница.
К счастью, или наоборот, робота, который бы был умнее человека, не существует. Человек способен выполнять большое количество задач и быстро учиться, объясняет Наталья.
Работы же могут выполнять только одну-две задачи. Более того, чтобы учиться, они нуждаются в очень больших объемов информации и много времени. И это - проблема.
Мы очень далеки от роботов, которые будут мыслить. Сейчас нужно заниматься нашим мышлением. У нас с вами большие проблемы - мозг очень лимитированный в ресурсах.
Работы обрабатывают ваши данные
Конфиденциальность становится роскошью. И ее далеко не все могут себе позволить. Для того, чтобы учиться, работам надо большое количество информации. И берут они ее у вас. Кстати, ваша кофемашина тоже в каком-то смысле робот. И ей тоже нужны данные.
Наталья объясняет, как это работает:
Я в своих системах использую данные с гаджетов. Мне не нужно идти в "облако", не требуется соединение с интернетом. В некоторых случаях система работает по-другому - данные передаются через Bluetooth или WiFi на компьютер, на компьютере происходит вся обработка данных и передается системе, которой мы хотим управлять.
Но знаете ли вы, ваши данные берут машины? Процент людей, которые читают соглашение пользования, очень мал. Легче просто нажать кнопку "согласен".
Не всегда системы и приложения работают прозрачно, иногда пользователи не понимают, что они отдают, возможно ничего взамен не получают, даже сервиса.
Даже Марк Цукерберг заклеивает камеру и микрофон на своем компьютере. Чтобы ваши данные не использовали, важно научиться ими правильно распоряжаться.
Косьмина рассказывает, работая с людьми, они придерживаются жесткого этического протокола. Если человека не устраивает, она может отказаться от исследования:
Мы четко говорим, какие данные будут использованы, или фотографируем мы или снимаем видео, берем биометрические данные, сколько лет эти данные будут храниться и кто имеет к ним доступ.
К сожалению, не все системы имеют такие четкие протоколы.
Работы vs люди
Еще в 2016 году в Великобритании разработали систему Optellum , которая диагностирует у человека рак легких. Для того, чтобы научить робота, ученые собрали самую большую в мире базу данных пациентов с опухолями. И стартап в конце концов закрыли. Робот не смог выявлять заболевания так же эффективно, как молодой врач.
А в Японии роботов уже активно используют в сфере обслуживания. Робот с легкостью поселит вас в отель, просканирует документы, выдаст ключ и даже приготовит блины на завтрак.
Там даже нашли замену тележурналистам. Недавно презентовали робота, который может читать новости в прямом эфире.
С одной стороны, работы занимают рабочие месяца людей и это проблема. Но с другой - появляются новые возможности.
Даже забирая работу, мы можем создавать новую. Роботов тоже нужно учить. Мы можем создать рабочие места, где люди будут чувствовать себя более занятыми. Они все равно будут помогать людям и будут продолжать работать в сфере обслуживания.
И хотя наука с каждым днем уверенно шагает вперед, человек еще не создала робота, который бы превзошел ее. Возможно это к лучшему. Маск уверен, что искусственный интеллект приведет к третьей мировой войне.
Впрочем, роботизированные системы способны облегчать человеку жизнь - они готовят кофе, подсказывают как действовать в ситуации, водят нас машины.
Технологии искусственного интеллекта и машинного обучения перестали быть фантастикой и уже стали частью нашей жизни. Главным драйвером их развития является крупный бизнес: промышленность, ритейл, банковская сфера. Проблемы и специфику внедрения ИИ в России обсудили с компанией «Инфосистемы Джет».
Владимир Молодых Руководитель дирекции по разработке и внедрению программного обеспечения компании «Инфосистемы Джет»
Какое значение имеют технологии искусственного интеллекта сегодня? Какие возможности и в каких областях открывает развитие ИИ для людей?
Об искусственном интеллекте можно говорить как о философском и футурологическом понятии из фильмов о будущем. Но если говорить о реальной жизни, то он подразумевает ту или иную комбинацию методов машинного обучения: когда мы берем большой набор накопленных данных, на его основе с помощью специальной продвинутой математики создаем модель и учим ее решать ту или иную конкретную задачу.
То есть в реальной жизни ИИ применим в тех областях, где есть большой объем накопленных данных. Они бывают разных типов. Когда у вас есть условно три типа данных, то с ними может справиться один аналитик. Но если параметров более тысячи, причем часть из них неструктурированные, то это не поместится в голову ни одного аналитика. В таких случаях человеческий разум при поддержке аналитических инструментов предыдущего технологического уклада не в состоянии нормально всё проанализировать. Он будет упрощать, брать три-четыре ключевых параметра. И вот тогда машинное обучение — то, что является практической реализацией ИИ, — оказывается эффективным.
Почему именно сегодня говорят об ИИ, хотя на первый взгляд и соответствующая математика, и компьютеры были и двадцать лет назад?
Если говорить об узкоспециализированных задачах, то там машинное обучение использовалось и раньше. Есть четыре ключевых фактора, благодаря которым мы можем говорить, что ИИ — это новый глобальный тренд, меняющий мир. Первый — данных стало больше, например, если раньше на производстве были лишь бумажные записи, то теперь на станках стоят собирающие информацию датчики. Второй и третий факторы — это рост вычислительных мощностей плюс развитие соответствующих областей математики. Себестоимость решений снижается: из-за удешевления «железа» теперь не приходится ждать окупаемости проекта на производстве по десять лет. И последнее — постепенно развивается бизнес-практика, появляются специалисты с проектным опытом в этой области.
Почему процесс внедрения ИИ в России идет медленно?
Всё так. Сейчас в России действительно больше говорят об ИИ, чем реально делают. Тема модная, и чтобы отчитаться по ней «наверх», многие объявляют какой-нибудь хакатон и показывают фото в инстаграме. А результата, который меняет бизнес, не появляется. Исходя из нашего опыта, мы видим, что в большинстве крупнейших организаций России ИИ успешно внедряется лишь в 5-7% случаев от того, о чём говорят.
Дело в том, что это новый тип проектов, с которым пока не умеют грамотно работать. Это комплексная история: с помощью машинного обучения одну задачу можно решить достаточно быстро, но это требует значительной перестройки бизнес-процессов. Пример: можно сделать модель индивидуальных рекомендаций для клиентов торговой сети, но если наряду с этим будет работать классический маркетинг, например, акции в стиле «10% скидка на всё», то эти рекомендации работать не будут. Или, например, мы построили модель прогноза брака и выхода из строя машин в автопарке, но, пока эту модель строили, сменился поставщик ГСМ. А это тоже данные, влияющие на модель, — и она рассыпается. То есть организации нужно измениться, чтобы ее процессы соответствовали задачам, которые можно решать с помощью машинного обучения: эффективно выстроить обмен данными между подразделениями и так далее. Это комплекс изменений, которые нужно уметь делать, и нужно быть готовым бороться за него.
Мы пока находимся на стадии генерации рынка, и из-за его новизны возникают сложности. В частности, мы сталкивались с ситуацией на производстве, когда люди думали: «Значит, с браком будем бороться не мы, а какая-то модель ИИ, а мы, получается, не нужны». Мотивация страдала, и вместо помощи люди занимались критикой. Перед руководством, с одной стороны, стоит какой-то специалист по работе с данными из Москвы, а с другой — 45-летний мужик, знающий производство вдоль и поперек, который говорит: «Это работать не будет, а вы ничего не понимаете». И понятно, что в такой ситуации директор чувствует себя не очень уверенно.
В каких отраслях в России чаще всего используют ИИ и почему?
Во-первых, это инновационные интернет-компании. Тот же самый «Яндекс» — там это вообще везде применяется. Если брать крупные отрасли, то на первом месте будет ритейл, а также банки и страховые компании. Но я абсолютно уверен, что самый большой потенциал применения ИИ — в промышленности: это реальные производственные процессы с реальными деньгами и возможностью сокращения себестоимости. Но эта отрасль пока несколько отстает, потому что она консервативнее ритейла, который из-за конкурентной среды должен очень быстро развиваться.
Везде, где есть много данных. Особенно большой эффект будет в промышленности. Критерии — наличие данных и того, что можно оптимизировать. Это могут быть задачи технического обслуживания, ремонта, борьбы с браком, прогнозирования, «цифровых двойников», позволяющих заниматься анализом. Правильнее смотреть не на отрасли, а на тип задач. Если это штучное производство вроде производства истребителей, то здесь для большинства задач просто не будет необходимого объема данных. А если масштабное вроде стального проката или массовой сборки машин, то тут ИИ будет эффективным.
Зачем внедрять ИИ на предприятии?
Предприятие обычно занимается тем, что зарабатывает деньги — а так оно заработает больше. Сегодня производственные процессы шаг за шагом усложняются, появляется всё больше факторов и нюансов. Если раньше весь производственный процесс умещался в голову одного технолога, то теперь он находится за гранью того, что один человек или группа людей может учесть. Соответственно, усложняющийся процесс производства требует новых решений, в частности ИИ и машинного обучения.
Кроме того, на производстве особенно ценны люди, обладающие какими-то уникальными компетенциями. Они могут заболеть, выйти на пенсию, а использование ИИ повышает устойчивость бизнеса относительно человеческого фактора.
С какими самыми распространенными заблуждениями об ИИ вы чаще всего сталкиваетесь?
Заблуждения бывают двух типов. Первый: «Сейчас я возьму специалиста по работе с данными, он мне построит модель, и через пару недель у меня всё полетит». Так не бывает никогда. Другой тип: «Это всё фантастика и байки, а у нас другая жизнь, в которой это всё неприменимо». А истина тут на самом деле где-то посередине.
Есть распространенное мнение, что со временем ИИ сможет полностью заменить людей на производстве и в других отраслях. Вы разделяете его?
В масштабах трех-пяти-десяти лет будут возникать конкретные области, в которых человека будут замещать. Сейчас тестируется беспилотный транспорт, наверняка он будет постепенно заменять водителей, ведь он позволяет снизить аварийность и не платить деньги водителям. Если говорить о бизнесе, то это происходит прямо на глазах. Если раньше человек принимал решения в одиночку, то теперь он это делает при помощи средств машинного обучения или роботизации. Там, где раньше работали сто человек, сейчас может сидеть один технолог, один специалист по data science, а остальное делают машины.
Заменяться в первую очередь будут типовые задачи. Люди, занимающиеся индивидуальными, творческими задачами, пока в безопасности. А в областях, где тысячи сотрудников на одних и тех же позициях работают по регламенту, через три-пять лет их заменит ИИ.
С чего начать процесс внедрения ИИ на предприятии?
Первый шаг — это найти опытную команду, которая понимает, как это делать. Потому что подводных камней здесь уйма, и с ними нужно разбираться. Второй — найти задачи, которые можно решить с пользой для бизнеса, выстроить грамотные, разумные метрики, понять, как это конвертировать в деньги. Ведь быстрый успех — это тоже важно.
Как решить, делать это своими силами или привлекать подрядчика?
Любая компания должна постепенно двигаться к тому, чтобы IT стало для нее не просто поддерживающей функцией, а тем, что помогает зарабатывать деньги. Это значит, что ей нужно растить IT-компетенции, а это процесс небыстрый. Поэтому на стартовом этапе рационально привлечь экспертов и потом вместе с ними определиться, какие области компания должна развивать сама, а в каких полагаться на партнеров.
А как выбрать партнера?
Важно понимать, что тема ИИ комплексная. Нужна команда, которая не только разбирается в аналитической статистике, data science, машинном обучении, но и обладает комплексными компетенциями: начиная проектным управлением и заканчивая умением работать с данными, высоконагруженными системами, очисткой данных. Также важна информационная безопасность, ведь новые типы IT-решений влекут за собой новые IT-угрозы, при этом старые угрозы никуда не деваются. Поэтому нужна команда, которая умеет всё это.
На ваш взгляд, как технологии ИИ изменятся в будущем?
В практическом плане пока важно освоить то, что есть. Если говорить о будущем, мне кажется, технологии будут в первую очередь двигаться в сторону обучения с подкреплением, самообучения, когда система обучает сама себя на основании свежих данных. Но пока это больше теория, чем практика. Когда речь идет об обучении компьютера игре в го, то обучение с подкреплением работает. А в более комплексных практических задачах пока не особо.
Много ли существует площадок по практическому обсуждению проблем ИИ в России?
Форумов разных очень много, и на всех говорят об ИИ. Тема хайповая, тут может получиться как с нанотехнологиями. Видя всё это, мы проводим свой собственный форум Russian Artificial Intelligence Forum (RAIF). В этом году он пройдет уже в третий раз и состоится 22-23 октября в Сколково в рамках международного форума «Открытые инновации». Там мы говорим как раз о практике: какие в этой области есть проблемы, сложности и так далее.
А какова главная тема форума этого года?
В этом году главная тема форума — как «дотолкать» проект ИИ до промышленной эксплуатации, для того чтобы он приносил результат. Также ключевой акцент мы делаем на всех смежных темах. У нас есть секции о big data, информационной безопасности, «железе». У нас собираются математики, программисты, «железячники», специалисты по инфраструктуре и эксплуатации.
Мы говорим о реальной практике, а не о научных проблемах — хотя об этом у нас есть отдельная секция. Но в первую очередь мы собираем людей, которые реализуют проекты ИИ, рассказываем о собственном опыте, указываем на подводные камни. И главное — всегда рассматриваем задачи в комплексе, в разрезе проекта, а не какой-то философии или науки.
