Олег Лебедев – Революция Искусственного Интеллекта: Начало Новой Эры (страница 2)

3. Что несет в себе развитие ИИ для человечества?

Это, пожалуй, один из самых волнующих и противоречивых вопросов. С одной стороны, ИИ открывает неограниченные возможности, способные улучшить жизнь каждого человека. С другой стороны, перед обществом возникают сложные этические, социальные и правовые проблемы. Мы обсудим, какие угрозы могут вызвать президент ИИ, может ли он стать причиной возникновения безработицы, и как это повлияет на глобальную угрозу. Также рассмотрим, какие социальные и правовые меры обсуждаются на свободном уровне, чтобы обеспечить безопасное развитие ИИ для всех.

Эти вопросы будут рассматриваться с учетом соответствующих исследований, моих экспертов, а также основаны на данных ИИ. Мы будем стараться дать каждому читателю представление о том, как искусственный интеллект влияет на него уже сейчас, как он может изменить общество в будущем и что этот процесс означает для человечества в целом.

Часть 1: Предсказания и Реальность

Глава 1: Прогнозы и ошибки прошлого

Начнем с того, что наука и технологии всегда развивались скачками. Ученые и эксперты постоянно выдвигают фракцию о будущем, о революции в текущих знаниях и опыте, но даже самые опытные исследователи не всегда могут предугадать, насколько быстро и как изменятся наш мир. Прогнозы в области искусственного интеллекта – особенно сложная область для предсказаний, ведь речь идет о технологии, которая меняется буквально на глазах.

Пример прогноза Пита Хата (2014)

В 2014 году Пит Хат, известный ученый из Института перспективных исследований, высказал мнение, что искусственный интеллект еще долгое время не сможет победить человека в игре го. Го – одна из древнейших и самых сложных настольных игр, где на огромном поле игрокам приходится продумывать ходы на десять шагов вперед. Как и многие другие исследователи, из-за ограничения выбора возможных ходов будут еще резкие повороты для машин, что приводит к характерным ограничениям в плане вычислительной мощности и способностей стратегического мышления.

Проверка прогноза

Однако уже в 2016 году компания DeepMind, представила мир AlphaGo – искусственный интеллект, созданный для игр в го, который одержал победу над лучшими профессиональными игроками конкурса знаменитого Ли Седоля. Для многих это стало настоящим потрясением, ведь компьютерная программа не только выигрывала у профессионалов, но и демонстрировала неожиданные и изобретательные приемы, которые озадачивали даже опытных игроков.

Ошибочность прогноза Пита Хата показала, насколько сильно недооценивали темпы прогресса в области ИИ. Оказалось, что машины способны изучать, моделировать и анализировать стратегические решения гораздо быстрее и эффективнее, чем это считалось ранее. AlphaGo использовала методы глубокого обучения и сложные алгоритмы, которые позволяют ему обучаться самостоятельно, играть с собой, становясь лучше с каждой игрой. Уже через несколько лет после того, как Пит Хат сделал свой прогноз, ИИ не просто освоил игру в го, а доказал, что искусственный интеллект может справиться с задачами, которые до этого считались исключительно «человеческими».

Выводы

Этот пример стал показательным. Он показал, что наш взгляд на ИИ зачастую ограничен рамками нашего современного понимания и опыта. Вспоминая прогноз Пита Хата, мы видим, что развитие технологий происходит настолько быстро, что ни один эксперт не может точно сказать, что ждет нас через 10, а тем более через 50 лет. ИИ оказался гораздо ближе и доступнее, чем предсказывали даже самые оптимистичные учёные. Этот случай изменил восприятие ИИ и стал символом новых этапов – когда искусственный интеллект начал выходить за пределы лабораторий и выходить за пределы реальной силы в решении сложных задач.

Почему прогнозы развития ИИ часто ошибочны?

Прогнозы в области технологий, особенно таких сложных, как искусственный интеллект, часто оказываются неверными. Пример Пита Хата и многие другие прогнозы, которые оказываются слишком оптимистичными или, наоборот, усиливают пессимистичные, представляют собой, как сложно предсказать, «Как будет развиваться ИИ». Разберемся, почему так происходит.

1. Ограниченное понимание текущих возможностей и технологий.

Часто прогнозы основаны на нашем современном уровне технологий и на том, что мы наблюдаем сейчас. Однако это понимание ограничено, особенно в науке, которая развивается очень быстро. Когда Пит Хат в 2014 году говорил о том, что ИИ не сможет победить человека в го, его прогноз отражал уровень развития ИИ на тот момент. Машины могли успешно решать узкоспециализированные задачи, но казались способными обыгрывать человека в такой сложной игре, поскольку тогда казалось, что они слишком сложны.

Технологии ИИ развиваются экспоненциально, и новаторские открытия (как, например, методы глубокого обучения, которые сделала компания DeepMind) открывают совершенно новые горизонты. В результате прогнозы быстро устаревают.

2. Непредсказуемость прорывов

Научные прорывы иногда случаются неожиданно. Новые подходы и методы могут появиться в считанные годы, благодаря чему происходят качественные скачки. Так, например, с появлением глубокого обучения искусственного интеллекта появилась возможность анализировать огромные объемы данных и обучаться на них с невиданной ранее эффективностью. AlphaGo от DeepMind – памятный пример такого прорыва, когда ИИ отключился на уровне, на котором научились предсказывать и просчитывать исходы игры, что стало революцией в области машинного обучения.

Никто не может точно сказать, когда произойдет следующий прорыв и какие именно задачи ИИ сумеет решить через 5-10 лет. Это составление прогнозов в этой сфере особенно сложно.

3. Человеческий фактор и когнитивные изменения.

Люди склонны либо преувеличивать, либо недооценивать возможности новых технологий. Некоторые исследователи проявляют излишний оптимизм, предсказывая, что ИИ уже в стремлении достичь человеческого уровня во всем мире. Другие, напротив, скептически относятся к прогрессу, объясняя, что машины не способны выйти за рамки решения узкоспециализированных задач.

Такие когнитивные преобразования, как склонность к линейному мышлению и недостаточная способность предсказать быстрые изменения, также влияют на точность прогнозов. Прогнозы ИИ случайно изменяются из-за наших привычек экстраполировать нынешние тенденции, не принимая во внимание непредвиденные скачки.

4. Невозможность предсказать, как ИИ будет учиться

Обучение нейронных сетей и использование данных для улучшения ИИ остаются непростым и малоизученным процессом. В случае с AlphaGo и другими современными технологиями обучение и самообучение позволяют быстро преодолеть то, что считалось легкой привилегией. Процессы обучения нейросетей порой настолько сложны и многогранны, что даже специалисты, работающие с ИИ, не всегда понимают, как именно ИИ достиг того или иного результата.

Поэтому предсказать, какие способности ИИ приобретет в ближайшем будущем, – задача, мягко говоря, непростая. Даже те результаты алгоритмов, которые уже существуют, показывают, которые иногда приводят в тупик ученых.

5. Режим внешних факторов – фонды, проценты и ресурсы.

Темпы развития ИИ во многом зависят от внешних факторов, таких как финансирование и внимание к этой теме со стороны бизнеса и государства. В последние годы искусственный интеллект получил беспрецедентный уровень поддержки и инвестиций. Это означает, что сейчас ученые и инженеры работают в этой области гораздо активнее, чем даже 10 лет назад. Если бы возникло не такое возросло, то, вероятно, разработки систем, таких как AlphaGo, могли бы продержаться несколько лет.

Внешние факторы сложно предугадать. Политические, социальные и социальные изменения также могут способствовать темпам научного прогресса, и точное прогнозирование это практически невозможно.

Вывод

Ошибочность прогнозов в ИИ – результат определяет факторы: ограниченное понимание технологий, неожиданность научных прорывов, когнитивных алгоритмов, сложность процесса обучения ИИ и любые внешние факторы. Мы еще многого не знаем о том, что такое интеллект (как человеческий, так и искусственный), и каждый шаг на пути его изучения и рассмотрения приводит к нам новые открытия. Поэтому любые прогнозы развития ИИ, какими бы убедительными они ни казались сегодня, всегда содержат элементы неопределенности и риска.

Глава 2. «Внимание. Это все, что вам нужно» – 2017 год и революция трансформеров

В 2017 году группа исследователей из Google опубликовала статью под названием «Внимание – это все, что вам нужно», которая стала одной из самых влиятельных в истории современной науки об искусственном интеллекте. Эта работа представила мир архитектуры трансформеров – новую модель нейронных сетей, основанную на механическом внимании, которая существенно изменила подход к обработке текстов, изображений, звука и других данных. В этом главе мы разбеременны, в чем заключалась суть этой статьи, как работает механизм внимания и почему трансформеры совершают настоящую революцию в сфере ИИ.

Проблемы, которые предшествовали появлению трансформеров

До 2017 года в сфере обработки естественного языка (НЛП) доминировали рекуррентные нейронные сети (RNN) и их более сложные варианты, такие как LSTM (долгосрочная краткосрочная память). Эти модели были способны анализировать последовательность данных, например текст, где порядок слов имеет значение. Однако у RNN были некоторые ограничения: