Почему искусственный интеллект не похож на настоящий и когда станет

Искусственный интеллект стоит на машинном обучении (МО). Иначе говоря, человек объясняет программе, как обрабатывать большие объемы данных, на что обращать внимание, а она делает на основе этого анализа выводы и потом использует их. В МО существуют разные педагогические подходы  от контроля каждого шага до предоставления полной свободы действий. Как и в обычном образовании, педагог вправе вести ученика за руку или лишь обозначить направление и дать тому заниматься самостоятельно. Здесь будет кстати и  аналогия с изучением иностранного языка: кто-то годами постигает грамматику и зубрит слова, кто-то проходит поверхностный месячный курс, а есть и такие, которые приезжают в чужую страну и начинают методом проб и ошибок на ходу вникать во все с нуля. 

Именно последний вариант больше всего приближает работу компьютера к тому, как функционирует человеческий мозг. И хотя это самое непредсказуемое направление развития ИИ, здесь уже есть впечатляющие успехи. Так, 10 лет назад нейронную сеть AlexNet научили классифицировать не известные ей изображения. Благодаря этому нейробиологи разработали первые вычислительные модели зрительной системы приматов. При этом обнаружилось удивительное сходство в том, как реагируют на изображение нейроны в мозге обезьян и компьютерная нейросеть. 

Ученые воодушевились и стали разрабатывать искусственный интеллект для распознавания звуков и даже запахов. Однако пыл их несколько угас, когда вскрылись серьезные ограничения работы ИИ. Во-первых, программу можно было легко обмануть. Во-вторых, у нее не получалось избежать ошибок при изменении типа входных данных. В-третьих, ей не хватало характерной для мозга гибкости.

Решить эти проблемы, возможно, получится с помощью обучения с самоконтролем — это тип МО, при котором нейросети дают возможность самой определять релевантность результата,  иначе говоря — что важно, а что нет. В этом случае человек создает пробелы в данных и просит ИИ заполнить их на «свое усмотрение». Например, обучающий алгоритм дает программе несколько первых слов предложения и просит ее определить следующее по смыслу. Такой подход оказался чрезвычайно успешным в моделировании человеческого языка и распознавании изображений.

Британский ученый Алан Тьюринг еще в середине прошлого века придумал тест для оценки способности машины мыслить Иллюстрация: © Bilby / PD; SMD90 / Shutterstock / FOTODOM

Некоторые нейробиологи оценивают в 90 % схожесть того, как работают с информацией наш мозг и ИИ при обучении с самоконтролем. Мы способны предугадывать движение объекта или предсказывать следующее слово в предложении точно так же, как алгоритм обучения с самоконтролем заполняет пробел в тексте или изображении.

Обучение с самоконтролем можно успешно использовать в области компьютерного зрения. Это доказала команда ученых из компании Facebook AI Research, которая в конце 2021 года представила новую модель автокодировщика. Он случайным образом маскировал изображения, скрывая почти три четверти каждого из них. Открытые части картинки переформатировались в математические описания, содержащие информацию об объекте. Алгоритм обучался достраивать снимок до тех пор, пока не стал делать это достаточно хорошо. 

Воспринимать изображение примерно так же, как это делает мозг, ИИ научили в McGill University. Вместо одного пути обработки информации исследователи разделили алгоритм на две части — подобно тому, как зрительная система человека получает информацию через вентральный и дорсальный зрительные пути. Ученые обнаружили несомненное сходство в работе разработанного ими алгоритма и функционировании мозга мышей.

Схожий результат показал ИИ и в обработке звуковых сигналов. В этом году команда из Meta AI научила нейронную сеть Wav2Vec 2.0 преобразовывать звук в скрытые сигналы. Для обучения системы распознавания речи разработчики использовали около 600 часов аудиозаписей. Примерно такой объем звуковых сигналов обрабатывает мозг ребенка в первые два года жизни. Были выявлены схожие черты между работой настоящего и искусственного интеллекта: активность самых глубоких слоев ИИ совпала с активностью префронтальной коры головного мозга. 

ИИ все еще нуждается в совершенствовании, однако с таким стремительным развитием технологий машинного обучения уже скоро искусственный интеллект может оказаться не хуже нашего. Кто знает, что тогда придет ему в «голову».