Искусственный интеллект: каким он стал за 70 лет и что будет дальше  

Сначала стоит определиться с понятиями, чтобы не было путаницы. Если говорить простыми словами, искусственным интеллектом называют программы, способные имитировать работу человеческого интеллекта: производить вычисления, анализировать информацию, делать из этого выводы, принимать решения. Иначе говоря, и некоторые шахматные симуляторы можно отнести к ИИ.

Другое дело машинное обучение. Оно хоть и является частью ИИ, но не равнозначно ему. Как видно из названия, обученные программы отличаются от обычных, которые работают по заданным человеком алгоритмам, тем, что способны создавать собственные алгоритмы, анализируя базы данных и находя там некие логические закономерности и расхождения. В этом кроется одна из ключевых особенностей обучающихся моделей — даже разработчики таких программ до конца не понимают, как именно те работают и как получают результаты.

Машинное обучение стало неотъемлемым элементом многих сфер современного общества — от здравоохранения до финансов Изображение: © ИИ / Freepik

История ИИ

1950-е

В середине прошлого века английский математик Алан Тьюринг опубликовал знаменательную статью «Вычислительная техника и интеллект», в которой размышлял о возможности появления мыслящих машин. Он считал, что компьютеры, как и люди, могут использовать доступную информацию для принятия решений. Чтобы это проверить, британец разработал тест: человек с помощью текстового интерфейса задавал вопросы одновременно другому человеку и вычислительной машине, и если отличить их ответы не получалось, считалось, что она прошла тест и обладает искусственным интеллектом. 

Год спустя, в 1951-м в США математик Марвин Ли Минский и талантливый студент Дин Эдмонс собрали на основе 40 искусственных нейронов механизм SNARC, который должен был моделировать поведение крысы в лабиринте в поисках еды. Это устройство называют первой искусственной нейросетью.

Сохранился лишь небольшой элемент машины SNARC Фото: © History of AI

А уже в 1955 году будущий нобелевский лауреат Аллен Ньюэлл и еще два специалиста по компьютерным технологиям Герберт Саймон и Джон Клиффорд Шоу разработали программу Logic Theorist («Теоретик логики»). С ее помощью удалось решить 38 из 52 теорем Бертрана Рассела, для некоторых из которых были найдены новые, более оптимальные решения. В 1956 году появился термин — «искусственный интеллект». Это словосочетание использовал основатель функционального программирования и изобретатель языка программирования Lisp Джон МакКарти на конференции в Университете Дартмута.

Считается, что первая нейросеть, которую использовали для решения реальной проблемы, — MADALINE (Adaptive Linear Neuron). Ее запустили в 1959 году, чтобы удалять мешающие телефонным разговорам эхо-сигналы.

1960-е

Разработка первых экспертных систем, которые могли решать узкоспециализированные задачи. Например, DENDRAL, разработанная в Стэнфордском университете в 1965 году. Она была предназначена для анализа химических структур и предсказания свойств молекул.

Начало 1970-х

В Стэнфорде создана система MYCIN, которая предназначалась для диагностики и лечения инфекционных заболеваний крови. Она использовала правила, основанные на знаниях экспертов в области медицины, чтобы предложить наилучший курс лечения для пациента. Правда, на практике никогда не использовалась по этическим соображениям, а также из-за долгой обработки данных (процесс мог занимать более 30 минут). 

1974–1990

Время упадка в сфере машинного обучения, поскольку в этот период сократился объем финансирования исследований. Направление перестали считать перспективным. Этот период потом назвали «зимой ИИ».

1990-е

Возрождение исследований и финансирования в области ИИ. Развивается компьютерная автоматизация. Стали возможными автоматическое управление производственными линиями и контроль качества, а также роботизированная сборка продукции.

В 1997 году шахматный суперкомпьютер Deep Blue, разработанный компанией IBM, побеждает чемпиона мира Гарри Каспарова (за год до этого Каспарову удалось победить Deep Blue). 

Чемпион мира Гарри Каспаров во время третьего матча против суперкомпьютера Deep Blue Фото: © Илона Колесниченко / ТАСС

«Когда Deep Blue обыграл чемпиона мира по шахматам Гарри Каспарова, весь мир заговорил об очень скором доминировании искусственного интеллекта в нашей жизни. Deep Blue того времени был по-настоящему мощной экспертной системой, которая использовала специализированные алгоритмы для анализа доски и прогнозирования ходов, опираясь на глубокое дерево поиска и эвристику, разработанные специально для шахмат», — объясняет директор по развитию и научной работе компании «Видеофор — Юг» (резидент Инновационного научно-технологического центра «Сириус») к.т.н. Василий Земский.

2000–2020

В новом тысячелетии искусственный интеллект расцвел. В 2000-е годы были разработаны продвинутые алгоритмы глубокого обучения, такие как сверточные нейронные сети и рекуррентные нейронные сети, которые позволили программам обрабатывать большие объемы данных и выполнять сложные задачи, которые раньше можно было поручить только людям. Еще началось активное использование облачных вычислений, что позволило компаниям и разработчикам масштабировать свои модели машинного обучения и доступные тем массивы данных.

В 2012 году канадский ученый-компьютерщик Алекс Крижевский совместно с Ильей Суцкевером и Джеффри Хинтоном разработал сверточную нейронную сеть AlexNet, которая анализировала и классифицировала изображения. А в 2016 году компьютерная программа AlphaGo обыграла одного из лучших в мире игроков в го Ли Седоля.

Ли Седоль (справа) проиграл первый матч в го искусственному интеллекту AlphaGo Фото: © YONHAP / ТАСС

«В отличие от шахмат, в го гораздо больше возможных вариантов ходов, и, в отличие от Deep Blue, создатели AlphaGo (компания Deep Mind) использовали метод „глубинного изучения“ и глубокие нейронные сети, в определенной степени имитирующие человеческий мозг. Но настоящая эра в развитии ИИ была открыта победой искусственного интеллекта над лучшими программными алгоритмами, созданными людьми. Далее Deep Mind разработал алгоритм AlphaZero, который, используя метод обучения с подкреплением без человека-учителя (играя сам с собой), за 24 часа овладел шахматами и игрой сёги на уровне более высоком, чем у любого игрока. Затем AlphaZero провел 100 матчей против лучших программ в шахматы и сёги, когда-либо созданных людьми. Результаты были ошеломительными! Эта безоговорочная победа ИИ, обученного всего за сутки, над лучшими экспертными системами, использующими опыт человечества нескольких десятков лет, показала всем нам:

Для обучения ИИ человек больше не нужен

Василий Земский 

Василий Земский Фото: © из личного архива Василия Земского

В 2018 году в Google AI Language разработали модель глубокого обучения BERT, которая совершила революцию в обработке естественного языка. Обрабатывая большие объемы текста, программа учитывает контекст в обоих направлениях (от начала предложения к концу и наоборот). Это делает ее особенно эффективной для решения задач, связанных с пониманием смысла текста. Позже благодаря этому появится ChatGPT от OpenAI. 

2020-е

В 2021 году модель AlphaFold от DeepMind совершила прорыв в биологии. Программа на базе ИИ смогла решить задачу, над которой ученые бились около полувека, — смоделировать процесс сворачивания белка. Это нужно для понимания того, как распространяются тяжелые заболевания и как они влияют на организм человека. Зная это, специалисты могут остановить распространение инфекции или исправить ошибки в сворачивании белков, которые приводят к нейродегенеративным и когнитивным расстройствам. Это достижение сегодня помогает ученым в разработке новых лекарств.

Год спустя появилась нейросеть DALL-E 2 от OpenAI. Эта генеративная модель научилась создавать реалистичные изображения на основе текстовых описаний. Позже эта же компания представила модель Sora, которая по такому же принципу создает видео.

#искусственный интеллект #видео

Поразительно и пугающе: подборка видеороликов, сгенерированных нейросетью

Читать

Какие сегодня проблемы в ИИ?

О сложностях, которые сегодня приходится решать разработчикам нейросетей, мы спросили у директора по развитию технологий искусственного интеллекта компании «Яндекс» Александра Крайнова. Главная, по его словам, заключается в том, что для обучения нейронных сетей требуется огромный объем вычислительных ресурсов. Нужно найти методы, которые позволят сделать сходящиеся процессы гораздо быстрее.

Александр Крайнов Фото: © Юрий Славин / Пресс-служба «Сириуса»

«Вторая проблема — отсутствие модели мира. Дело в том, что человек представляет себе, как устроен мир, и знает его законы, а нейронная сеть — нет. Ей очень сложно извлечь это понимание только из текста или статических картинок, поэтому она может иной раз выдавать какую-то ерунду вместо правильного ответа. Например, в интернете мало текстов о том, как открывать дверь на себя, потому что все и так это знают. И нейросеть не может правильно передать этот простой процесс. Подобных примеров много. Там, где мы интуитивно знаем, как что-то происходит, у модели такого понимания нет. Для того чтобы ИИ научиться анализировать видео и обучаться на нем, нужны колоссальные вычислительные ресурсы. С увеличением размерностей сложность растет экспоненциально».

Если у нас не два измерения, а три, то вычислительная сложность возрастает даже не в три раза, а во много раз больше

Александр Крайнов

Будущее ИИ

Исходя из того, что сегодня собой представляет искусственный интеллект, можно выделить два основных направления его развития. Первое — анализ и воспроизведение результатов интеллектуальной деятельности человека. Речь идет о системах, способных имитировать наши умственные функции: обучение, понимание, рассуждение и способность делать выводы и действовать на их основании. Самые наглядные примеры: чат-боты и системы машинного перевода. В этих сферах уже достигнуты серьезные успехи.

Второе направление связано с нейрофизиологическими и психологическими механизмами интеллектуальной работы. Цель — создать программы и устройства, имитирующие эти процессы. Чтобы ее добиться, ученые изучают, как мозг обрабатывает информацию и принимает решения. Это направление также включает в себя создание нейроморфных компьютеров, работающих по принципам, которые использует мозг.

Если говорить о глобальной цели в области машинного обучения — это создание искусственного интеллекта общего назначения (ОИИ, или AGI). То есть многозадачных программ, которые способны, как и мозг человека, решать разные проблемы. 

Уже в этом десятилетии человечество увидит существенный прогресс в развитии ИИ, считает генеральный директор OpenAI и создатель ChatGPT Сэм Альтман. Совсем недавно компания представила свое видение того, как будет эволюционировать искусственный интеллект, который может превзойти своих создателей.

Глава OpenAI Сэм Альтман Фото: © Marco Destefanis / ТАСС

Уровни развития ИИ по версии OpenAI

1. Чат-бот — искусственный интеллект с разговорным языком.
2. Мыслитель — решение проблем на человеческом уровне.
3. Действующее лицо  — системы, которые могут принимать решения и действовать.
4. Новатор — помощник в совершении научных открытий и изобретений.
5. Организатор — системы, способные выполнять работу организации.

По словам Альтмана, сегодня ИИ еще на первом уровне, но уверенно приближается ко второму. Чья нейросеть доберется к нему первой — OpenAI или Google? В прошлом году компания Google DeepMind предложила свой вариант оценки эффективности нейросетевых моделей и разделила развитие искусственного интеллекта на шесть уровней.

• Первый (нулевой) — ИИ способен выполнять самые простые операции, как обычный калькулятор.
• Второй (зарождающийся) — система умеет выполнять задачи не хуже неквалифицированного в этой области человека.
• Третий (компетентный) — искусственный интеллект способен выполнять задачи на уровне 50 % от среднего квалифицированного в этой области человека.
• Четвертый (эксперт) — система достигает уровня 90 % от среднего квалифицированного в этой области человека.
• Пятый (виртуоз) — ИИ может выполнять задачи на уровне 99 % от среднего квалифицированного в этой области человека.
• Шестой (сверхчеловек) — система превосходит любого человека на 100 %. 

Текущий уровень IQ искусственного интеллекта еще не достиг уровня домашних кошек и находится на первом уровне развития

Демис Хассабис, генеральный директор Google DeepMind

А бывший сотрудник OpenAI Леопольд Ашенбреннер, возглавлявший команду, которая занималась разработкой методов управления и руководства так называемым суперинтеллектом, поделился своими соображениями о будущем ИИ. По его мнению, GPT-3 2020-х годов можно сравнить с учеником начальной школы, а GPT-4 — со старшеклассником, который может писать сложный код и решать продвинутые математические задачи.

Предполагается, что через пару лет алгоритмы превзойдут по интеллекту выпускников колледжей, а к концу десятилетия станут умнее, чем любой человек на Земле

Леопольд Ашенбреннер

Специалист считает, что уже к 2027–2028 годам появится общий искусственный интеллект, способный выполнять работу на уровне ученых, исследователей и инженеров. Тот, кому удастся создать подобные системы первым, получит весомый козырь и колоссальный перевес в ИТ-сфере. Кто это будет? США, Китай, а может быть, Россия?

А о том, как в нашей стране развивают ИИ-технологии и что уже сделано, расскажем в следующем большом тематическом тексте. Подписывайтесь на наш Telegram, чтобы не пропустить.