Почему же …

Почему то … Орфографический словарь-справочник

почему-то - почему/ то … Морфемно-орфографический словарь

почему-то - почему/ то … Правописание трудных наречий

ПОЧЕМУ. 1. нареч. вопросительное. По какой причине, на основании чего. Почему вы не едете в отпуск? Почему ты так думаешь? 2. союзное слово. Вследствие чего, по причине чего. «Другая есть причина, почему она ждать не будет.» А.Тургенев. «Умел… … Толковый словарь Ушакова

Why Me? Жанр авантюрная комеди … Википедия

Отчего то, что то, чего то; по неизвестной причине, неизвестно почему, по какой то причине Словарь русских синонимов. почему то отчего то, неизвестно почему, по какой то (или неизвестной) причине; что то (разг.); чего то (прост.) Словарь… … Словарь синонимов

Pourquoi pas moi? Жанр Мелодрама,Комедия … Википедия

Отчего, зачем; благодаря чего, вследствие чего, с чего, вследствие этого, благодаря этому, благодаря тому, с какой радости, с каких щей, с каких же щей, что так, что же, поэтому, посему, какими судьбами, вследствие того, в честь какого праздника … Словарь синонимов

Местоим. нареч. По неизвестной причине; отчего то. Почему то не спится. Почему то невесело. Почему то знобит. П. жалею всех … Энциклопедический словарь

Книги

• Почему? , Ю. Б. Борьян. Книга о насущных проблемах России и путях их преодоления с учетом действовавших и действующих реалий (коррупции, приватизации, инфляции и т. д.). Кратко приведен опытвыхода из кризиса и…
• Почему я? , Джеймс Чейз. Романы Чейза отличает динамичный сюжет, весьма искусно разработанная интрига. В опасной ситуации оказывается герой "Похитителя" Гарри Барбер. Он вынужден проявитьмужество и сообразительность,…

Все смотрели фильмы о «Терминаторе», где суперкомпьютер Скайнет обрел свободу воли и решил уничтожить человечество. Чего-то подобного от разработки ИИ ожидают Илон Маск и Стивен Хокинг. Разбираемся, правдивы ли их опасения.

Что такое искусственный интеллект? Почему важно понимать, что это такое? Почему сегодня все о нем говорят?

Если вы читаете прессу, вы наверняка знаете, что с помощью именно этой технологии работают виртуальные помощники Amazon и Google, и что вскоре машины отберут у людей все рабочие места (на самом деле, не факт). Но при этом вряд ли вы отчетливо понимаете, что такое искусственный интеллект, и правда ли роботы нас всех поработят. Эта статья поможет разобраться во всех вопросах.

Что такое искусственный интеллект

Искусственный интеллект (ИИ) - это компьютерная программа, в которую встроен механизм обучения. Получив новые знания, она позже использует их для принятия решения в новой ситуации, как это делают люди. Исследователи, создающие такие программы, пытаются заставить код считывать изображения, текст, видео или звук, и чему-то учиться на основе этой информации. Когда это происходит, полученное знание можно использовать в другом ситуации. Если алгоритм научился распознавать чье-то лицо, позже его можно распознать на фотографиях из Facebook. Применительно к современному ИИ обучение часто называют «тренировкой».

Люди с рождения умеют оперировать сложными идеями: если мы увидим яблоко, то впоследствии сможем узнать и совсем другое, непохожее на первое. Машины же очень буквальны, - у компьютера нет концепции «похожести», - и цель разработок в области искусственного интеллекта как раз и состоит в том, чтобы сделать машины менее буквальными. Машина легко может найти точные дубликаты фотографий яблока или найти два одинаковых предложения в тексте, но чтобы работать с визуальным образом яблока, чтобы распознать изображение того же яблока под другим углом или с другим светом, нужен ИИ. Это обобщение или формирование идеи, основанной на сходстве данных, и позволяет видеть общее в том числе между вещами, с которыми ИИ раньше не сталкивался.

Алекс Рудницкий, профессор компьютерных наук Университета Карнеги-Меллон, говорит: «Цель в том, чтобы облечь сложное человеческое поведение в форму, которую можно обработать вычислительным способом. А это, в свою очередь, позволяет нам создавать системы, способные выполнять сложные действия, полезные для людей».

Далеко ли зашла разработка ИИ

Исследователи ИИ все еще работают над самыми основами. Как научить компьютер распознавать то, что он видит на картинке или в видео? Когда это удастся, нужно двигаться от распознавания к пониманию. Было бы здорово не только узнать, что на картинке яблоко, но и разобраться, что яблоко съедобно, что оно как-то связано с апельсинами и грушами, что люди едят яблоки и используют их при приготовлении яблочного пирога. А еще неплохо бы знать про Мичурина, молодильное яблочко и тому подобные вещи. Кроме того, есть проблема с пониманием языка, поскольку у многих слов существует несколько значений, различимых только в контексте, и все мы по-разному выражаем свои мысли. Как компьютеру охватить это текучее, непрерывно меняющееся явление?

В разных областях скорость прогресса ИИ очень разная. Например, сейчас очень быстро продвигается вперед компьютерное зрение, то есть способность распознавать изображения, при этом с пониманием естественного языка дела обстоят гораздо хуже. В этих областях развивают так называемый «узкий интеллект» - такой ИИ эффективен при работе с изображением, звуком или текстом, но не может воспринимать сразу много разнородных сигналов (при этом у человека мы наблюдаем «общий интеллект»). Многие исследователи надеются, что достижения в отдельных областях помогут понять общие принципы машинного обучения, что все же позволит создать универсальный ИИ.

Почему ИИ - это так важно

Как только ИИ научился узнавать на картинке яблоко или распознавать кусочек речи на аудиозаписи, его уже можно использовать в других программах для принятия решений, для которого в противном случае понадобился бы человек. Например, можно автоматически отмечать друзей на фотографиях в Facebook - иначе это пришлось бы делать вручную. Если речь идет о беспилотном автомобиле или системе помощи водителю, то можно распознавать другие автомобили и дорожные знаки, а в сельском хозяйстве - разбирать урожай, удаляя гнилые плоды.

Эти задачи, основанные только на распознавании изображений, традиционно выполнялись либо пользователем, либо кем-то из компании, предоставляющей программное обеспечение. Если задача экономит время пользователя, это ее конкурентное преимущество, а если она позволяет освободить время сотрудника или делает его работу полностью ненужной, это снижает затраты бизнеса.

Кроме того, есть задачи, которые просто невозможно сделать без машин: например, это обработка аналитики продаж в размере миллионов записей за считанные минуты. Теперь такие задачи выполняются быстро и дешево. Здесь мы учим машину делать то, что раньше делали люди, и, конечно, экономическая выгода от таких нововведений весьма велика.

Джейсон Хонг, профессор Лаборатории компьютерного взаимодействия Университета Карнеги-Меллон, утверждает, что, хотя ИИ может выполнять задачи за человека, он также способен создавать новые виды занятости.

«Автомобили полностью сменили лошадей, но в среднесрочной и долгосрочной перспективе их появление привело к огромному разнообразию задачи и производства - появились фуры, небольшие грузовики, минивэны, кабриолеты и так далее. Аналогичным образом в краткосрочной перспективе системы ИИ станут прямой заменой человека применительно к рутинным задачам, но в среднесрочной и долгосрочной перспективе мы увидим, что это породило новое разнообразие», - говорит он.

Готлиб Даймлер и Карл Бенц не думали о том, как автомобиль изменит облик городов, не думали о загрязнении окружающей среды или об эпидемии ожирения в развитых странах. Так и нам пока трудно оценить долгосрочное влияние этого фактора.

Почему ИИ стал развиваться сейчас, а не 30 или 60 лет назад

На самом деле, многим идеям о том, как должно быть устроено обучение ИИ, даже больше 60 лет. Еще в 1950-х годах ученые Фрэнк Розенблатт, Бернард Видроу и Марчиан Хофф впервые занялись математическим выражением устройства нейронов в соответствии с представлениями тогдашней биологии. Да, одним уравнением любую проблему не решить, но что если подобно мозгу использовать множество связанных уравнений? Исходные примеры были простыми: проанализировать наборы единиц и нулей, поступающих по цифровой телефонной линии, и предсказать, что будет дальше.

На протяжении многих десятилетий в информатике была распространена точка зрения, что никакие сложные проблемы таким образом решить не удастся. Тем не менее сегодня эта концепция лежит в основе большинства систем работающих в этой области крупных компаний: Google, Amazon, Facebook, Microsoft. Теперь, оглядываясь назад, ученые понимают, что компьютеры были недостаточно сложны для моделирования миллиардов нейронов нашего мозга, и что для обучения нейронных сетей требуются огромные объемы данных.

И эти два фактора, вычислительная мощность и достаточное количество данных, появились только в последние 10 лет.

В середине 1990-х годов компания Nvidia, известный производитель видеокарт, обнаружила, что ее графические процессоры хорошо подходят для работы нейронных сетей, и начала выпускать карты, специально приспособленные для работы с ИИ. Было выяснено, что работа с более быстрыми и сложными нейронными сетями приводит к значительному улучшению точности ответов.

Затем в 2009 году исследователь ИИ Фей-Фей Ли опубликовала базу данных под названием ImageNet, которая содержала более 3 млн систематизированных изображений с подписями. Она считала, что если у алгоритмов будет больше примеров, это поможет им освоить более сложные идеи. В 2010 году Ли запустила конкурс ImageNet, а к 2012-му другой исследователь Джефф Хинтон использовал эту базу изображений для обучения нейронной сети - и превзошел все другие приложения с огромным перевесом в точности, более 10%.

Как и предсказывала Ли, количество данных оказалось ключевым параметром. Хинтон также устраивал из нейронных сетей конвейер - одна находила на изображениях фигуры, другая текстуры и т. д. Сегодня это называется глубокими нейронными сетями или глубоким обучением, и, когда вы читаете в новостях об очередном успехе ИИ, речь идет о подобной системе.

Как только в технологической индустрии увидели результаты ученых, начался бум. Исследователи, десятилетиями работавшие над глубоким обучением в относительной безвестности, стали новыми рок-звездами, и к 2015 году у Google было уже более тысячи проектов с использованием машинного обучения.

Нужно ли бояться ИИ

Все смотрели «Терминатора» и готовы испугаться всемогущего Скайнета. Среди ученых потенциальный Скайнет называют суперинтеллектом или общим искусственным интеллектом, подразумевая программу, которая во многих отношениях превосходит человеческий мозг. Поскольку компьютерные системы можно масштабировать - то есть можно создать множество простых и быстрых компьютеров и связать их между собой, - существуют опасения, что такой суперинтеллект сможет расти бесконечно, оставив людей далеко позади. А будучи таким умным, он выйдет из-под контроля и обойдет любые попытки людей этот контроль вернуть. Такой апокалиптический сценарий рисуют нам некоторые из лучших умов современности, например Илон Маск и Стивен Хокинг. Маск, в частности, говорил, что «большинство ведущих исследователей ИИ недооценивают проблему „джинна в бутылке“, несмотря на свой несомненный интеллект в некоторых областях».

Есть и другая точка зрения. Янн Лекун, глава лаборатории исследования искусственного интеллекта Facebook, говорит, что даже если ученым удастся сделать машину, способную обучаться самым разным вещам и организовывать это понимание в картину мира, совершенно не факт, что у такого компьютера появятся собственные желания, воля или инстинкт самосохранения.

«Человеческое поведение - насилие в ответ на угрозу, ревность, желание единоличного доступа к ресурсам, симпатия к родственникам и антипатия к незнакомцам и т. д. - сформировалось у наших предков в ходе эволюции. У разумных машин не будет предпосылок для подобного поведения, если мы сами явно их не создадим», - писал он на сайте Quora.

Нет причин считать, что компьютер сочтет человечество угрозой, поскольку для компьютера не существует понятия угрозы. Да, можно задать параметры, благодаря которым компьютер будет вести себя так, как будто у него есть инстинкт самосохранения, но на самом деле его у него нет.

Эндрю Нг, один из основателей Google Brain и бывший глава направления ИИ в Baidu, любит говорить: «Я не переживаю о злобном ИИ, как не переживаю из-за перенаселенности Марса».

Впрочем, повод для опасений есть - и это человеческий фактор. Было показано, что ИИ очень легко воспринимает человеческое смещение в оценках из данных, на которых он учится. Это может быть какая-то безвредная предрасположенность - например, он может чаще распознавать на картинках кошек, чем собак, потому что его так научили. Но представим себе, что ИИ перенял у людей их стереотипы, и, например, связал понятие «врач» с белыми мужчинами в большей степени, чем с людьми другого пола или расы. Если представить себе, что такой ИИ отвечает за найм врачей, он будет отдавать несправедливое предпочтение некоторым кандидатам.

И это реальность. Исследование издания ProPublica показало, что алгоритмы, используемые для определения приговора преступникам, отражали расовую предубежденность и предлагали назначить более суровое наказание не-белым подсудимым. Дело в том, что при сборе информации о здоровье часто исключают женщин, особенно беременных, и в результате медицинские рекомендации, выработанные на основе таких неполных данных, оказываются слабо применимы к значительному числу пациентов. Таким образом, чтобы доверить машинам принимать решения, которые раньше требовали человеческого присутствия, нужно следить, чтобы это происходило в соответствии с нашей этикой и представлениями о справедливости.

Проблема в том, что даже если вы поняли, что алгоритм предвзят, чтобы его исправить, нужно найти причину. Но поскольку глубокое обучение требует миллионов связанных вычислений, продраться через этот клубок и выяснить, каков вклад того или иного решения в общий результат, невероятно сложно. Эта проблема особенно остро стоит в таких областях как программирование беспилотных автомобилей, ведь каждое решение на дороге - это вопрос жизни и смерти. Первые исследования в этой области дают надежду, что мы сможем разобраться в механизмах работы построенных нами машин. Но пока что понять, почему ИИ, разработанный Facebook, Google или Microsoft, принял то или иное решение, просто невозможно.

Подготовила Евгения Сидорова

Введение

Ища истоки идей искусственного интеллекта, можно привести множество фактов и мифов. Начиная от древнегреческого робота Талоса, созданного Зевсом для охраны острова Крит, или Чарльза Бэббиджа с Адой Лавлейс и их Аналитическим Двигателем середины 19 века и заканчивая идеями Мински и МакКартни, создавших современное определение ИИ как любого действия, выполненного программой или машиной, про которое, если бы его выполнял человек, мы бы сказали, что ему нужно проявить интеллект или смекалку.

Мне же истоки зарождения ИИ видятся в книге Галилео Галилея 1683 года «Беседы и математические доказательства двух новых наук».

В этой книге Галилей, в частности, написал, что всё в мире, в том числе природные явления, может быть выражено языком математики. Получается, что для любого явления или действия можно придумать алгоритм. Таким образом, искусственный интеллект – это набор алгоритмов на все случаи жизни. А одной из главных способностей ИИ станет умение на основе имеющихся данных самостоятельно синтезировать новые алгоритмы.

В усеченном виде это уже возможно. Например, AlphaGo от Google, проанализировав базу данных из 30 миллионов ходов и потренировавшись с самим собой несколько тысяч раз, смог победить лучшего игрока в мире по игре в го.

А IBM натаскивает свой суперкомпьютер Watson на помощь врачам. Задача – научить компьютер искать ответы на вопросы, заданные естественным языком, то есть Watson учится проводить медицинский опрос. Своего рода игра в дифференциальную диагностику, только компьютер вместо доктора Хауса. Собственно, на этом закончим с историей. В головах обывателей искусственный интеллект – это Джарвис из комиксов про «Железного человека», Терминатор или, на худой конец, Робокоп (в фильме именно добавленный ИИ помогает киборгу очень быстро и точно стрелять). Такой вариант, конечно, имеет место быть, но давайте начнём с того, что доступно сегодня.

Какие типы ИИ есть сегодня?

В целом, все типы ИИ можно разделить на две категории – слабый, или ограниченный ИИ и общий, или сильный ИИ.

Слабый ИИ

Собственно, названия говорят сами за себя. ИИ сегодня представляют собой первый тип – ограниченный, то есть интеллект заточен на определенные задачи. Например, когда Samsung обещает, что к 2020 году каждое его устройство будет обладать ИИ, то подразумевается именно ограниченный вариант. Примерами могут служить Siri или Алиса, которые умеют делать ровно то, что в них запрограммировали. Алиса даже так и отвечает, когда чего-то не знает или не умеет: «Программист обещал обучить меня этому позже».

К этому же типу относятся Google и Yandex карты, анализирующие пробки и прокладывающие маршруты, фотокамеры, распознающие сцены, интеллектуальная печь, самостоятельно регулирующая уровень жара, и робот-пылесос, который, как ему ни объясняй, умеет только пылесосить, а тапочки не подаст.

И пока что это ограниченный ИИ – это единственный тип искусственного интеллекта, который освоило человечество. Слабый ИИ можно разделить по ключевым задачам, над которыми и работают специалисты сегодня. Это:

• распознавание речи;
• компьютерное зрение;
• обработка естественного языка;
• поиск паттернов, или анализ данных;
• робототехника.

Добиться решения этих задач, то есть научить некий ИИ понимать ваши слова и узнавать картинки, можно двумя способами.

1. Символьный подход.

   Такой подход был ведущим начиная с конца 40-х и заканчивая началом 90-х. Метод основывается на том, что считалось, что лучший способ «обучить» ИИ – это скормить ему как можно больше знаний. Например, если говорить в контексте медицины, то в ИИ загружают всевозможные учебники и базы знаний. И ответы ИИ ищет только на основе имеющейся информации, обрабатывая знания лишь по тем правилам, которые создал программист.

   Соответственно, такой тип ИИ хорош для решения статических проблем. Например, в него можно загрузить все учебники по русскому языку, и ИИ сможет хорошо проверять сочинения, находя орфографические, пунктуационные ошибки, а ориентируясь на орфоэпические нормы, даже сможет вычленять речевые ошибки и недочеты. Однако будет делать это, только основываясь на правилах, то есть не понимая контекст, а вычленяя правильный порядок слов и написание.

   Ещё один пример – это машинный перевод. Символьно-обученный ИИ вооружен всевозможными словарями и разговорниками. И если предложенная ему на перевод фраза есть в одном из них, то он её переведёт хорошо, а если нет, то просто подставит слова, предлоги и структуру предложения на основе заложенных правил.

2. Машинное обучение, или несимвольный ИИ.

   В отличие от символьного, этот вариант обучения подразумевает, что искусственному интеллекту показали, как решать определенную проблему, после чего пустили в свободное плавание. Так действуют нейронные сети. Помню, читал про пример, где программист подключил ИИ к управлению поливалками и научил отгонять водой соседскую кошку, которая повадилась ходить в туалет на газон. Программист показал ИИ множество фотографий с кошками, после чего у искусственного интеллекта выработался рефлекс включать поливалку каждый раз, когда ему казалось, что он видит нечто, похожее на кошку. Система не всегда работала гладко. Кажется, она как-то включилась, когда ИИ принял тень на асфальте за кошку.

   Если же говорить про пример с переводом, то натренированный ИИ может попытаться осознать контекст фразы и подставить в переводе не первое отвечающее базовым требованиям слово, а то, которое, на его взгляд, лучше отражает стиль, эмоцию, сленг или что-то ещё, на чём его тренировали.

Сегодня большинство программистов предпочитают использовать второй тип – машинное обучение, потому он умеет, если так можно выразиться, импровизировать. Например, если автономную машину натренировать по первому типу, то она будет ездить по правилам, но если на дороге возникнет непредвиденная ситуация, то машина окажется в затруднении. А автомобиль, натренированный машинным обучением, может действовать по обстоятельствам, синтезируя идеи на основе скормленной ранее информации.

Тут же возникает и проблема. Одна из ключевых важных особенностей символьного ИИ в том, что система всегда может объяснить, почему приняла то или иное решение. А вот в случае с машинным обучением всё непросто. Именно поэтому те же UBER или Tesla долго разбираются, пытаясь понять, почему их машины приняли то или иное решение, повлекшее аварию.

Однако для тех же автомобилей символьное обучение не подходит, так как все правила для ИИ заносят вручную, то есть, условно говоря, нужно прописать все варианты действия для автомобиля – на дорогу выбежал человек, выкатилась коляска, вылетела коробка и т.д. Что-то забыл прописать, и неожиданно выяснилось, что машина сбила лося, потому что про него ничего не было сказано в своде правил, в то время как машинный ИИ сможет догадаться, что нельзя сбивать всех четвероногих.

У слабого ИИ, как видите, несмотря на его ограниченность, множество способов применения – это и умная техника, и самостоятельные автомобили, и обработка данных с попытками предсказаний будущего. К слову, Google Duplex, умеющий заказывать столики в ресторане, - это тоже ограниченный ИИ, так как умеет он ровно то, чему его обучили.

Сильный ИИ (самостоятельный)

Здесь уже начинается область гипотез, так как ничего подобного человечество ещё не видело. Возможно, только в недрах Google или IBM живёт что-то полуразумное. На последней конференции Google I/O очень умная китайская женщина Фей Фей Ли (Fei Fei Li), самая главная в департаменте Машинного обучения и Искусственного Интеллекта в Google Cloud, сказала, что, хоть и прошло уже более 60 лет с момента исследований в области ИИ, но наука до сих пор находится на начальном этапе, и пока можно говорить только о том, чтобы достичь мастерства в разработках ограниченного ИИ.

Однако предлагаю немного пофантазировать про сильный ИИ и попробовать определить, что он из себя должен представлять и что уметь. Считается, что сильный ИИ – это по уму как среднестатистический человек, то есть в теории он может решить любую проблему.. И если перед первым стояла задача любыми способами уничтожить Джона Коннора, то второй жаждет максимальной энтропии. Терминатор, если закрыто метро, поедет убивать Джона Коннора на автобусе, а если сломается автобус, то пойдет пешком или вызовет такси, а недоброжелатель будет писать, что всё реклама, что автор ничего не понимает, будет пытаться заниматься демагогией и софизмами. Собственно, больше всего разжиться сильным ИИ мечтают правительства по всему миру для ведения военных действий и саботажа выборов в США армией компьютерных ботов-троллей.

В Google говорят, что если всё будет хорошо, то к 2050 году, возможно, произойдёт прорыв и появится первый сильный ИИ.

Основная слабость такого ИИ заключается в том, что он, несмотря на все свои способности, по-прежнему остаётся относительно недалеким, как и среднестатистический человек, но, в отличие от человека, сильный ИИ всё помнит и лучше ориентируется в поисках и обработке информации.

Суперсильный интеллект

Это уже совсем из области фантастики. Например, к просто сильному интеллекту можно отнести и Пятницу/Джарвиса из «Железного человека».

Если помните, то в одном из фильмов главный герой Тони Старк пытался изобрести какой-то новый нетоксичный источник энергии, чтоб поместить его себе в грудь. Джарвис ему ассистировал, но решить задачу мог всё равно только Тони Старк, потому что у ИИ не хватало «соображалки». Суперсильный интеллект сможет самостоятельно решать даже самые сложные задачи. Именно ему человечество задаст вопрос, на который он ответит «42», а потом суперсильный ИИ поместит всех людей в чаны с жидкостями и создаст феномен избранного (это не белиберда, а аллюзии на книгу «Автостопом по Галактике» и фильм «Матрица»).

Нужно ли бояться ИИ?

Несмотря на все фантастические фильмы, опасаться не нужно, по крайней мере, до появления последнего типа ИИ. Однако нужно бояться людей, которые занимаются разработками, так как вследствие ошибки или сознательно в тот же ограниченный ИИ может быть заложено правило «убить всех человеков» вместо «учить всех человеков». А дальше для ИИ дело за малым – лишь уточнить в словаре значения всех слов и приступить к делу.

Однако развитие даже ограниченного ИИ уже привело и ещё приведет к множеству проблем в современном обществе.

Проблема первая

Одна из проблем – это разрушение традиционной карьерной лестницы, так как развитие ИИ приводит к отказу от рабочих мест, требующих среднего уровня квалификации. Поясню подробнее. Нужна дешевая рабочая сила, чтобы заносить данные в компьютер, так как, условно говоря, распознавать «капчу» человек по-прежнему умеет лучше. Также нужны и те, кто будет принимать решения на основе обработанных компьютером данных. А вот рядовые аналитики уже не нужны, потому что они анализируют и изучают данные на основе выученных алгоритмов. Например, в мою бытность аналитиком я имел на вооружении 42 различных варианта обработки данных для создания прогнозов. Все эти варианты были упорядочены в аккуратную презентацию, к которой я регулярно обращался, чтобы прикинуть, какой способ лучше использовать в той или иной ситуации. Замена меня на ИИ представляется логичной и обоснованной, так как он с задачами прогнозирования справится гораздо быстрее. Соответственно, получается разрыв, когда отпадает традиционная карьерная лестница от младшего аналитика до руководителя, так как в нижней точке карьеры практически нет маневра для демонстрации интеллекта.

Проблема вторая

Также из-за ИИ постепенно произойдет отказ от базовых профессий, которые можно алгоритмизировать, то есть свести к простым действиям. Что-то подобное сейчас можно наблюдать в «Ашанах» и «Лентах», где происходит постепенная замена кассиров на аппараты самообслуживания, а также одного сотрудника, помогающего решить возникающие проблемы, и охранника, следящего за порядком. В дальнейшем охранника заменят камеры наблюдения, следящие за порядком. Получается, что произойдет снижение ценности людей.

Профессии, которые с большой долей вероятности заменит ИИ: почтальоны, ювелиры, лесорубы, фермеры, рабочие на заводах, страховщики

Прочитал, что Сан-Франциско в какой-то степени может служить иллюстрацией данной проблемы. Этот город в США облюбовала технологическая элита. Соответственно, экономика города направлена на удовлетворение потребностей элиты, а вот люди, которые не имеют отношения к экономике технологий, испытывают колоссальные проблемы. Они зарабатывают гораздо меньше, а все ценники в городе выставлены как для IT-стартаперов. Обычные люди не могут потянуть такие расходы, поэтому или переезжают, или пополняют и без того огромную армию бомжей.

Однако здесь есть ключевая особенность, которая сохранит некоторые профессии. Искусственному интеллекту для работы нужны созданные условия. Например, робот-пылесос умеет ездить только по гладкому полу и преодолевать небольшие неровности. Соответственно, многие базовые профессии смогут продержаться до тех пор, пока будет чересчур сложно и дорого создавать их искусственную замену. Например, в помещении, где много дверей, роботу-уборщику нужно иметь или манипуляторы, чтобы крутить дверные ручки, или нужно, чтоб все двери открывались автоматически. И то и то достаточно дорого, а вот у приезжего Сархата из Средней Азии есть руки и мозгов хватает, чтоб управиться со шваброй и дверной ручкой, но нет регистрации и сниженные требования к зарплате.

Проблема третья

Даже ограниченный ИИ сильно простимулировал такое явление, как фриланс. Платформы по подбору и найму удаленных сотрудников с каждым годом процветают всё больше и больше. Например, по последним статистическим данным, в США, первой экономике мира, 55 миллионов человек работает на фрилансе.

И это в текущем поколении, обратите внимание на иллюстрацию. Подрастающая рабочая сила не любит сидеть в офисе. Соответственно, произойдет сдвиг в организации труда. Компании столкнутся с проблемами по набору и удержанию сотрудников, ведь зачем посвящать жизнь одной компании, когда ты доступен онлайн и можно искать работу по всему миру.

Проблема четвертая

Достаточно серьезная проблема – это социальное неравенство, которое уже упомянул в проблеме номер 2. Оно будет усугубляться. Полагаю, из статьи вы догадались, что чтобы быть успешным в новом мире, нужно быть сообразительным и на «ты» с современными технологиями. Не секрет, что у бедных людей хуже с доступом к образованию. Соответственно, бедные не смогут вырваться на новый уровень, так как у них попросту не будет шанса научиться чему-то полезному, так как, чтобы хорошо думать, нужны годы усиленных тренировок, а где их взять, когда нужно искать еду.

Новому обществу нужна или дешевая рабочая сила, или интеллектуалы, принимающие решения.

Проблема пятая

Её можно сформулировать кратко – кто у руля? На людей, занимающихся разработкой систем ИИ, будет накладываться особая ответственность, так как они обучают ИИ, на основе каких данных ИИ будет принимать решения. Будут это законы робототехники от Азимова или иные правила, защищающие определенную прослойку людей.

Почему искусственный интеллект – это благо?

Перечисленные выше проблемы выглядят в какой-то степени пугающе, но ИИ – это обоюдоострый меч, который может и помогать.

Благо 1

Искусственный интеллект послужит мощным толчком для развития многих сфер. Хороший пример – это медицина. Сегодня в 21 веке врачи продолжают лечить так же, как и сотню лет назад. Они зубрят учебники. Это плохой вариант, так как ни один врач не может помнить наизусть все симптомы всех болезней. Последствия таких ошибок могут быть фатальными. Местный врач до последнего уверяла, что причины недомогания моей матери заключаются в простуде и усталости, так как все основные симптомы налицо. И только когда уже было поздно, прозвучал правильный диагноз – острый лейкоз, заболевание, которое достаточно сложно распознать. И в данной ситуации наличие ИИ, который помнит все болезни и симптомы и который никогда не устаёт, было бы выходом.

Такие же сдвиги могут произойти в области права, где юристам и судьям нужно держать в памяти все законы, прецеденты и множество доказательств.

Благо 2

ИИ поможет создать персонализированный опыт. Лучше всего это утверждение можно проиллюстрировать на примере обучения. Сегодня учителя перегружены, и они физически не могут уделить внимание всем ученикам. А ведь у каждого свой темп освоения нового материала. Системы обучения, основанные на ИИ, следят за скоростью обучения, видят, хорошо или плохо ученик запоминает материал, читает внимательно или отвлекается. На основе этого выстраивается индивидуальный темп обучения и происходит подбор упражнений для закрепления.

При этом есть факт, что людям проще постигать новый материал с помощью ИИ, так как в таком случае значительно снижается страх ошибки. Могу согласиться с этим утверждением. Морально легче получить возмущенный бип от компьютера, что пример решен неверно, чем выдержать взгляд Ольги Степановны, моего преподавателя по математике.

ИИ сможет уделять равное внимание всем людям. Сюда относятся все области, от образования и медицины до подбора модного имиджа (в соответствии с типом фигуры, формой лица и трендами сезона) и тренировок в спортзале.

Благо 3

Уже сегодня наш мир переполнен информацией. Любые данные собираются отовсюду, начиная от погодных условий и заканчивая тем, сколько шагов прошел человек.

Искусственный интеллект с доступом к большим данным сможет анализировать эти данные и искать корреляцию, как влияет количество шагов на здоровье, но не абстрактно, а с учетом определенной погоды. Анализ перемещения пассажиропотоков поможет снизить загруженность, уменьшить количество транспортных коллапсов в часы пик. Короче говоря, те данные, которые можно проанализировать, будут проанализированы, и ИИ представит свои выводы.

Заключение

Сегодня искусственный интеллект продемонстрировал, что неплохо умеет решать только те задачи, которым его обучили, и даже быть лучше в них, чем обычные люди. Смартфон легко обыграет гроссмейстера даже без ферзя, японский ИИ, написавший небольшой роман, прошел в финал литературного конкурса, а его собратья пишут и исполняют неплохую музыку.

Однако, к сожалению, ИИ до сих пор находится в стадии зарождения. Он умеет только то, чему его научили – проанализировать множество литературных или музыкальных произведений и синтезировать что-то своё или запомнить миллионы ходов и выбирать лучший.

Главные проблемы, стоящие на пути развития ограниченного ИИ, заключаются в отсутствии универсальных алгоритмов познания окружающего мира и инфраструктуры (для сбора данных нужно множество датчиков, для беспилотных авто –дороги с идеальной разметкой, для понимания запросов хозяина голосовым ассистентам нужны более качественные алгоритмы).

Для появления же сильного искусственного интеллекта нужны принципиально иные вычислительные мощности и алгоритмы обработки информации, имитирующие то, что у людей называется интуицией. Вероятно, в ближайшем будущем мы будем наблюдать различные варианты ограниченного ИИ с заложенными алгоритмами поведения на всевозможные условия.

Когда люди сталкиваются с машинами, умеющими реагировать так же как, люди, компьютерами, легко решающими логические и стратегические задачи, имитируя человеческую логику, большинству представителей человеческого рода становится неуютно. Все чаще закрадывается мысль, что в совсем недалеком будущем человечество потеряет свое главенство, подпав под иго роботов.

Фантазии кинематографа

В каждой шутке, как известно, есть только доля шутки, а остальное - горькая правда и повод для беспокойства. Масса научно-фантастических фильмов долгое время спекулировали на теме искусственного интеллекта, сумевшего перешагнуть в своем развитии своих создателей, и в конечном итоге поработив человечество или создав условия для вымирания людей.

Конфликты между человеком и машиной в фильмах развиваются по всем направлениям - образуется фронт боевых действий или идет подспудное уничтожение всего живого, причин которому в человеческих понятиях не существует.

Яркий образ агрессивного ИИ был впервые показан в фильме «Терминатор» в образе проекта "Скайнет". На протяжении пяти фильмов авторы саги пытаются понять, что представляет большую опасность для человечества - машина, обретшая самосознание, или люди, использующие мощь машины в собственных целях.

Предупреждения Маска

Картины такого рода становятся страшилками для любого обывателя, особенно если ведущие представители мира науки это поддерживают и усугубляют. За последние годы ученые раздвинули границы понимания того, что может искусственный интеллект. Многие специалисты, обладающие высоким уровнем доверия общественности, сделали громкие заявления о том, какие опасности подстерегают Homo Sapiens, о тех потенциальных угрозах, которые может принести дальнейшее развитие интеллекта машин.

Более того, многие ученые считают, что угроза не просто нависла над людьми, а уже стала реальностью и остановить процесс практически невозможно. Илон Маск уверен, что это уже происходит.

В июле 2017 года на заседании Национальной ассоциации губернаторов он заявил, что наблюдал за несколькими очень развитыми искусственными интеллектами, и, по его мнению, людям есть чего бояться. Он уточнил, что легкомысленность в этом вопросе может привести к пагубным последствиям. Также Маск считает, что люди опомнятся только в тот момент, когда ИИ станет "новым бессмертным Гитлером".

Опасения Хокинга

Физик Стивен Хокинг, уже покинувший мир, также выражал озабоченность по поводу активного внедрения в обиход искусственного интеллекта, предполагая, что он принесет уничтожение человеческой расе.

Свои опасения он связывал с тем, что развитые технологии приведут к деградации человека. Активное внедрение ИИ может сделать человека беспомощным перед силами природы, что в условиях эволюции и видовой борьбы приведет к гибели Homo Sapiens.

Люди могут научить ИИ быть злобным

Группа сотрудников MIT Media Lab Кембриджского университета Массачусетса создала нейронную сеть, названную «Машиной кошмаров». Запущенная в 2016 году, она трансформировала обычные цифровые фотоснимки в ужасающие картины возможного будущего человечества.

Еще один искусственный интеллект носит название «Шелли», создатели заложили в программу способность к самообучению на литературном поприще в жанре ужасов. Машина проанализировала 140 тысяч страшных рассказов, сказок и теперь ежедневно выдает по новому произведению. Эксперимент продолжается и сегодня, рассказы «Шелли» выкладываются на одну из интернет-площадок.

Более того, пользователи могут поучаствовать в развитии искусственного интеллекта, написав начало истории, к следующему дню «автор» выложит свою версию развития сюжета. Все написанные террабайты хранятся в памяти «Шелли» и анализируются, что повышает разнообразие «литературных» опытов, таким образом, машина самообучается.

Развитие, контроль и рамки

Не все ученые разделяют опасения и видят мир в апокалиптических тонах из-за развития искусственного интеллекта. Доцент кафедры компьютерных наук Корнельского университета Килиан Вайнбергер считает, что проблема надумана. Ученый называет причины, по которым происходит противостояние. Существует два вида человеческого страха перед неизвестным. Первое опасение состоит в том, что ИИ станет сознательным и уничтожит своего создателя и главного конкурента. Второй страх более реален и основывается на понимании природы человека - аморальные люди будут использовать умные машины в личных целях.

Ученый считает: страх, что ИИ разовьет сознание и будет занят свержением человечества, возникает от непонимания того, что представляет собой искусственный интеллект. Любая машина программируется и работает с огромным количеством ограничений, согласно четкому алгоритму, определяющему ее поведение. То есть любой ИИ совершает манипуляции, интеллектуальные игры только в очерченных границах.

Если машина пишет литературные рассказы, то без соответствующей программы, заложенной в нее человеком, она не сможет рассчитать километраж машины, двигающейся из пункта «А» в пункт «В». Также техника без соответствующего обеспечения не может «понять», создать алгоритм уничтожения или создания чего-либо, будь то посев пшеницы или устранение паука. Вайнсберг считает, что в обозримом будущем не существует предпосылок для появления у машин сознания, равного человеческому.

Человеческий фактор

Более реальной угрозой является возможность того, что ИИ окажется в руках людей с отсутствием морали и нравственности, но целиком поглощенных идеей достижения собственных целей. Если погрузиться в изучение этой проблемы, то она действительно оказывается устрашающей в масштабах всего человечества. Причем, чтобы это понять, не нужно рассматривать философскую проблематику. Достаточно вспомнить о Министерстве вооруженных сил любой державы, стремящейся к мировому господству.

Любой инструмент может быть использован во благо и во вред в зависимости от намерений людей, решивших его применить. Нож создавался для охоты и использования в мирных целях, но его совершенствование и разнообразие форм - во много заслуга людей, склонных к насилию.

Люди все еще пугаются искусственного интеллекта, не совсем понимая, что сами являются его создателями и главными регуляторами. От того, какая программа будет заложена в бездушную машину, напрямую зависит результат ее деятельности.

Увидеть благо

Вайнсберг считает, что если отбросить надуманные страхи, то ИИ может существенно облегчить жизнь человека, сделав ее более безопасной и комфортной. Преимущества машин можно использовать в медицине, например компьютер, обследовав родинку, моментально оценит злокачественности образования. Самоуправляемые автомобили способны полностью устранить проблему аварий на дорогах, уносящих миллионы жизней по всей планете.

Сейчас большинство людей не может понять природу искусственного интеллекта, а все неизвестное пугает человека с огромной силой, заставляя делать неверные выводы и поступки. Начавшееся противостояние будет продолжаться достаточно долго, но при этом ученые будут продолжать совершенствовать ИИ. Возможно, в какой-то момент в споре будет поставлена точка, но сделано это будет в тот момент, когда люди откажутся от спекуляций на волнующей теме и найдут в себе силы дать исчерпывающие ответы на простые вопросы.

Сражаясь с компьютерным противником, часто воображаешь его гораздо умнее, чем он есть на самом деле. Однако стоит приметить оплошность, и иллюзия рассеивается.

Игромания https://www.сайт/ https://www.сайт/

Мы поговорим о лучших ИИ, встречавшихся в компьютерных играх.

Ложные ИИдолы

Словосочетание «искусственный интеллект» звучит весомо и даже возвышенно. Представляется нечто загадочное и непостижимое, над чем работают настоящие гуру программирования, владеющие тайными, почти мистическими знаниями. Они наделяют машину способностью думать подобно человеку!

Однако игровой ИИ — это всего лишь набор правил и алгоритмов. Иногда сложных, иногда не очень. В качестве примера возьмём игру «Ним» , в которой двое поочерёдно берут предметы из кучек. Или крестики-нолики. В обоих случаях программа сводится к простому алгоритму: компьютер поочерёдно просчитывает все возможные ходы, а затем выбирает наиболее выгодный.

Игру го компьютер осилил с гораздо большим трудом, чем шахматы. Это стало возможно только благодаря последним успехам в области нейросетей.

Привычные нам игры, по большей части, ушли недалеко. Скажем, для стратегии в реальном времени самая сложная часть — это алгоритм поиска пути. Чтобы каждый юнит мог передвигаться и обходить препятствия, компьютер непрерывно просчитывает сотни вариантов маршрута и выбирает самый короткий.

А как же противники? Они кажутся сверхмозгом в основном благодаря искусственным преимуществам в ресурсах и возможности управлять всем хозяйством одновременно, остальное суть набор правил вроде атак волнами и последовательности постройки зданий. Опытные игроки хорошо об этом знают и неизменно находят слабые места.

Nimrod — один из первых компьютеров с графическим интерфейсом. Разрешение его «дисплея» — 4 на 7 точек, то есть 28 лампочек.

Несмотря на скромные начальные возможности, искусственный интеллект вошёл в игры почти с самого появления компьютеров — намного проще научить машину взаимодействовать с людьми в рамках жёстко заданных правил, чем в реальном мире.

Ум в предметах

В качестве примера игры с интересным ИИ часто приводят The Sims , ведь чтобы изображать повседневную жизнь людей, компьютер, наверное, должен думать как человек.

Кажется, что симы всё время о чём-то думают.

Игра умножает каждый из показателей на соответствующие нужды персонажа и пересчитывает всё в очки счастья: чем дольше сим не ходил в туалет, тем больше счастья принесёт ему комната для размышлений. Учитываются и прописанные персональные предпочтения, и расстояние до объектов. Социальная жизнь строится на том же принципе: когда кому-то из симов «станет скучно», он придёт поболтать — восполнить нужду.

Чтобы лучше представить себе этот алгоритм, создатель Sims Уилл Райт предлагает вообразить «ландшафт счастья» (happyscape): поверхность, на которой высота означает получаемое на ней количество счастья. Персонаж выбирает любой из ближайших холмов и использует манящий его предмет. Когда нужда будет удовлетворена, холм разглаживается, а сим переходит к покорению следующей вершины.

Девушка или холодильник? Пожалуй, холодильник!

Голод утолён, пора общаться — пирамида Маслоу в действии.

Иногда подопечные начинают творить откровенную ерунду — всё потому, что разработчики нарочно заложили изъян. Алгоритм берёт верхнюю часть списка нужных действий и выбирает из него случайным образом: сим может сесть смотреть телевизор, проигнорировав позывы мочевого пузыря. Если б персонажи сами отлично справлялись, это не оставило бы работы для игрока — иногда ИИ приходится нарочно портить.

Нейроны и норны

Порой разработчики пытаются создать ИИ, который действительно моделировал бы работу человеческого мозга, но таких примеров единицы. Наиболее знаменитый из них — игра о питомцах, под названием Creatures .

В 1992 году британский учёный Стив Гранд решил попробовать себя в разработке коммерческого софта. Он предлагал потенциальным инвесторам идею виртуального питомца — мыши, которая жила бы на рабочем столе Windows. Она должна была постепенно обучаться новым трюкам благодаря заложенной нейросети.

Норнам в Creatures предстоит освоить большой и красивый мир.

Позже идея превратилась в полноценную игру о виртуальных персонажах — норнах. Пушистое создание вылупляется из яйца, а человек должен помочь ему познать мир: научить каждому слову, повторяя его по много раз и показывая на то, что оно означает, а также заставлять выполнять простейшие действия, поощряя хорошее поведение. Тем не менее норны часто забывают уроки и ошибаются — это и есть огромное достижение разработчиков.

В основе искусственного интеллекта каждого питомца лежит нейросеть из тысячи нейронов, поделённая на кластеры. Каждый кластер выполняет одну из задач: чувства, фокусировка внимания, память и принятие решений. Норны ассоциируют действия с поощрениями и наказаниями и делают обобщения на основе предыдущего опыта, что помогает им действовать в новых условиях.

Общая схема мозга норна.

Поведение норнов регулируется теми же гормонами, что и у живых существ, поэтому они могут жаждать общения и развлечений, равно как чувствовать боль, голод, усталость и так далее, — всё это отражается на балансе химических элементов их крови в специальной консоли.

Каждое действие приходится втолковывать по много раз.

Так должна была выглядеть четвёртая часть Creatures, но до разработки дело не дошло.

Есть и другие примеры того, как искусственный интеллект изображает питомца со сложным поведением: вспомним гигантских зверей из Black & White , щеночков из Nintendogs или норовистого Трико из The Last Guardian . Однако имитация развития и обучения по-прежнему остаётся редкостью.

Все жаловались на капризы Трико, но разве не так ведут себя настоящие питомцы?

Вне индустрии компьютерных игр существуют научные проекты настоящей симуляции живых существ. В рамках проекта OpenWorm (на картинках) учёные воссоздали физическую модель тела круглого червя с тремя сотнями работающих нервных клеток: в виртуальном окружении червь ведёт себя так же, как вёл бы в жизни. А резонансный Human Brain Project , в который европейское правительство вложило миллиард евро, пытается воссоздать в машине человеческий мозг. Правда, до этого пока очень далеко.

Запах свежих трупов

До сих пор мы обсуждали тихие и спокойные игры. Как насчёт шутеров? В них ИИ должен принимать решения не просто на ходу, а на бегу. И пусть здесь компьютерные противники не растут и не развиваются (продолжительность их жизни чаще всего измеряется секундами), но они должны составлять достойную конкуренцию человеку. Или хотя бы не казаться слишком тупыми.

В ранних шутерах вроде Wolfenstein 3D и Doom с искусственным интеллектом всё было просто: монстры поворачивались в сторону игрока, бежали к нему и стреляли, как только он входит в комнату, — вот и весь алгоритм. В Quake их поведение уже стало достаточно сложным, чтобы игру начали критиковать за плохой ИИ.

Ом-ном-ном!

Первым же шутером, заслуживающим в этом плане внимания, стал Half-Life . Там были и дружественные персонажи, и сражения, не зависевшие от участия игрока, и прочие нетривиальные вещи. Чтобы сделать мир живым и подвижным, разработчикам из Valve пришлось написать огромное количество скриптов. Например, совсем недавно обнаружилось, что у персонажей и монстров в Half-Life есть обоняние: свежий труп в течение тридцати секунд испускает запах, и если, например, неподалёку бродит буллсквид, то он непременно прибежит полакомиться. Люди же, проходя мимо, заметят, что пахнет не очень.

F.E.A.R. . Контекстная информация в ИИ врагов позволяет им не просто действовать сообща, но прикрывать друг друга, прятаться за укрытиями вроде столов и книжных шкафов, открывать двери, выбивать окна, и так далее.

Но даже самый замысловатый ИИ в шутерах умён только при хорошо продуманных уровнях. Немалая часть «мозга» противников опять же заложена в окружение: дизайнеры уровней прописывают выгодные для стрельбы места и точки укрытий. Ну и конечно, при тестировании выявляются случаи, когда противник выбирает недосягаемую цель и печально упирается в стену. Вот такой вот интеллект!

Разработчики придумывают всё более красивые методы заставить нас думать, что мы имеем дело с равным противником. В компьютерной графике подобный обман называется «дым и зеркала», и точно так же, как компьютеру не под силу реальные оптика и физика, не может он и воссоздать интеллект человека. Приходится идти на уловки.

Впереди тем не менее всё то же непаханое поле. Да, можно обойтись и простыми скриптами — играть всё равно будет весело, но крутой ИИ полностью меняет игровой процесс. Учитывая последние достижения в области нейросетей, можно ожидать не просто улучшения разума противников в играх, но и появления совершенно новых механик.

Вспомним проект DeepMind , в рамках которого исследователи из Google ставят разные эксперименты с нейросетями, в том числе учат их играть в компьютерные игры. Всего за несколько часов компьютер становится профессионалом по одной из старых игр для Atari.

Если ждать достаточно долго, можно проникнуться своим несовершенством.

Не исключено, что, идя по этому пути, можно создать свирепейших соперников для современных игр. Или наоборот — разумных компаньонов. Кто знает?