На каком уровне интеллекта машины могут работать сейчас
Искусственный интеллект: может ли машина быть разумной?
Искусственный интеллект — это сфера науки, которая разрабатывает машины, компьютеры и аппаратное обеспечение с интеллектом, от простейшего до человекоподобного. Хотя концепция разумных машин зародилась еще в древнегреческой мифологии, современная история искусственного интеллекта началась с развития ЭВМ. Термин был придуман в 1956 году на первой конференции, посвященной искусственному интеллекту.
Спустя десятилетия ученые продолжают изучать все еще неуловимые проблески машинного интеллекта, хотя вопрос «может ли машина думать?» все еще вызывает широчайшие дебаты.
Стоит отметить, что вопреки расхожему мнению, не все носители искусственного интеллекта представляют собой человекоподобых роботов или фантастические операционные системы с голосом Скарлетт Йохансон. Давайте пройдемся по основным навыкам, присущим ИИ.
Одним из базовых качеств ИИ является способность решать проблемы. Чтобы дать машине такую возможность, ученые оснастили ее алгоритмами, которые имитируют человеческое мышление и используют понятия вероятности, экономики и статистики.
Подходы включают модели, вдохновленные нейронными сетями мозга, возможностями машинного обучения и распознавания образов, а также статистическими подходами, которые используют математические инструменты и языки для решения проблем.
Другой базовый пункт ИИ — это способность машины обучаться. Пока нет ни одного подхода, согласно которому компьютер можно запрограммировать на получение информации, получение знаний и подгонку поведения в соответствии с этим — скорее, есть ряд подходов, основанных на алгоритмах.
Один из важных методов машинного обучения — это так называемое глубокое обучение, метод ИИ, основанный на нейронной теории и состоящий из запутанных слоев взаимосвязанных узлов. В то время как Siri от Apple представляет собой один из примеров глубокого обучения в действии, не так давно Google приобрела стартап DeepMind, который специализируется на передовых алгоритмах обучения искусственного интеллекта; Netflix также инвестирует в глубокое обучение.
Обработка естественного языка (Natural Language Processing, NLP) дает машине возможность читать и понимать язык людей, обеспечивая связь между человеком и машиной.
Такие системы позволяют компьютерам переводы и коммуникативные способности через обработку сигналов, синтаксический анализ, семантический анализ и прагматику (язык в контексте).
Движение и восприятие
Тип интеллекта, связанный с движением и восприятием, тесно связан с робототехникой, дающей машине не только когнитивный, но и чувственный интеллект. Это становится возможным благодаря навигационному вводу, технологии локализации и сенсорам вроде камеры, микрофонов, сонаров и распознавания объектов. За последние годы мы видели эти технологии уже у многих роботов, океанических и космических роверов.
Эмоциональные и социальные навыки представляют собой еще один продвинутый уровень искусственного интеллекта, который позволяет машине принимать еще больше человеческих качеств. Компания SEMAINE, к примеру, стремится дать машинам такие социальные навыки через нечто, что называет SAL, или «искусственный чувственный слушатель». Это передовая диалоговая система, если ее удастся закончить, сможет воспринимать выражение лица, взгляд и голос человека, подстраиваясь соответственным образом.
Способность думать и действовать творчески — это отличительная человеческая черта, которую многие рассматривают выше способностей компьютеров. Однако как аспект человеческого интеллекта творчество может быть применимо и к искусственному интеллекту.
Говорят, что машинам можно дать возможность выдавать ценные и новаторские идеи, благодаря трем моделям: комбинационной, разведочной и трансформационной. Как именно это будет реализовано — увидим в будущем. В конце концов, машина AARON уже производит произведения искусства музейного уровня.
Импровизация как вид человеческой деятельности – это «прототип творческого поведения», считает сотрудница кафедры психологии Гарвардского университета Шелли Карсон. В своей книге «Your Creative Brain» она пишет, что на базовом уровне каждый из нас импровизирует, так как в жизни много ситуаций, требующих этого. Например, на дороге нужно мгновенно принять единственно верное решение, чтобы избежать столкновения. При этом человек обращается к имеющемуся у него опыту. Но творческая импровизация — это нечто большее, она генерирует новые неожиданные идеи.
Более того, некоторые современные формы искусственного интеллекта, казалось бы, могут достичь больших успехов. К примеру, Siri для iPhone не только обрабатывает естественную человеческую речь, но и приспосабливается к каждому пользователю индивидуально, изучая его характер и привычки; а суперкомпьютер «Watson» от IBM выиграл миллион долларов в «Своей игре». Разве настолько совершенные машины не смогут справиться с импровизацией?
Само название этой области науки и техники (ИИ)свидетельствует о непонимании проблемы.
Термин «Интеллект» возник в результате необоснованного заключения о том, что поскольку поведение наблюдаемого человека ожидаемо или приносит ожидаемый результат, то этот человек разумен. А, поскольку я веду себя схожим образом, то и я разумен. Поскольку это относится ко многим наблбюдаемым людям, то и они разумны. Это значит, что все люди обладают особым свойством, которое и было названо «Интеллект».
Логичное ли это заключение? Нет, это заключение нелогично, поскольку наблюдение поведения не позволяет сделать такого вывода. В принципе «Интеллектуальный» это просто ярлык, который может быть присвоен какой либо системе, а может и нет, на основании субъективных критериев выработанных у наблюдателя.
Поэтому создавать системы искусственного интеллекта не представляется возможным.
С другой стороны, создание искусственных систем, способных вести себя разумно, вполне возможно и не представляет неразрешимой проблемы.
Можно ли создать искусственные системы, способные быть разумными?
Когда то давно, мне довелось участвовать в споре о возможности создания «думающих» машин.
Я тогда занимался в Харьковском Политехническом институте. Наш преподаватель филосифии рискнул задать аудитории вопрос: «Будут ли когда нибудь созданы думающие машины?»
После того как я ответил утвердительно, мы начали спорить. Преподаватель утверждал, что мышление это удел исключительно людей, что вумающие машиты не существуют и не могут быть созданы никогда. Мне пришлось искать аргументы в поддержку своей точки зрения, и через несколько секунд я их нашел.
Вот они: Давайте представим, что мы создали модель нашего бренного тела, которая в какой либо степени приближается к оригиналу. Можем ли мы повышать степень соответствия этой модели и оригинала, по мере роста наших знаний и возможностей? Разумеется, что можем. Но, тогда, на каком-то этапе приближения к оригиналу наша модель получит возможность выполнять ту функцию, которую принято называть «Мышление».
Преподаватель понимал, что я прав, но не мог принять этого логического вывода. Ведь так приятно верить в свою исключительность, и так тяжело расставаться с иллюзиями.
Урок закончился, мы разошлись и я впервые задумался: «А смогу ли я разобраться как эта штука на моих плечах работает?» Я знал о том, что существует мнение о невозможности понять как действует мозг с помощью другого мозга, поскольку это устройства с близкими возможностям, которые не позволяют разобраться в работе столь сложного устройства, как, собственно, мозг. Но меня это не пугало. Впрочем, вопрос был задан и, до поры и времени, забыт.
Впрочем, лет через 40, проблема понимания того как формируется поведение нашего тела была решени и мне удалось сформулировать концептуальный подход к решению этой проблемы.
Формулирование детальной концепции еще впереди.
Робот AARON, создан известным художником Горальдом Коэном. Его изобретение на самом низком уровне вычисляло алгоритмы для создания линий и форм, из которых получались рисунки.
И хотя споры о художественной ценности таких работ не утихают до сир пор, факт
остается фактом — роботы могут творить.
Человечество сейчас настолько же близко к созданию искусственного интеллекта, как питекантропы к запуску первого межгалактического корабля.
Как можно воспроизвести то, о чём вы не имеете ни малейшего представления? Кто-нибудь может, более-менее внятно, кроме размытых формулировок, объяснить, что такое интеллект? Откуда берутся мысли? Откуда беруться чувства? Почему эмоции именно такие, а не другие?
Интеллект уже отвязали от значения разумный 🙂
В общем знания на уровне не большом, типа человек живет ибо дышит и кушает, а больше ничего толком не знаем.
Но при всем этом идет создание «самонастраивающегося» интеллекта по типу нейронных сетей в мозге. Что из этого получится не ведомо, но как бы худо не получилось от машины не обладающими нужными функциями.
Рисунки рбота идутпо алгоритму, а значить это не творчество. Текущий робот не может передумать и нарисовать вместо расплывшихся базовых фигур (а именно они похоже на картинке в материале) к примеру портрет. Это тупая работа по сложному алгоритму.
«Watson» от IBM по сути база знаний, огромные кол-ва знаний и фактов с перекрестными ссылками (и этому нужно обучать, само не учит). На импровизацию такая система не способна, она выбирает по сложной базе оптимальный вариант и не боле того.
Развить ИИ, а скорее всего вначале и еще долго это будет псевдо ИИ, можно только обучив новымпринципам. люди и животные не особо думают словами, они свои действия/мысли приводят потом к словам. Поэтому всякая попытка научить машину думать на базе слов не имеет смысла, это очень ограниченные варианты. Люди сейчас хотятодного, а через минуту уже этого не хотят, и это не слова ведь. В общем еще далеко до ИИ и на гноризонте псевдо ИИ, накачанный кучей данных и знаниях о взаимосвязи, такая системабудет пригодна в знакомой ей обстановке, в незнакомой будет хлам.
10 преимуществ и недостатков искусственного интеллекта
Искусственный интеллект (ИИ) не принадлежит будущему – он происходит сейчас. Учитывая, что мировой рынок программного обеспечения для искусственного интеллекта вырастет на 154 процента в годовом исчислении, к 2025 году прогнозируется, что эта отрасль будет оценена в 22,6 миллиарда долларов США.
Оглавление
Искусственный интеллект (ИИ) не принадлежит будущему – он происходит сейчас. Учитывая, что мировой рынок программного обеспечения для искусственного интеллекта вырастет на 154 процента в годовом исчислении, к 2025 году прогнозируется, что эта отрасль будет оценена в 22,6 миллиарда долларов США.
Искусственный интеллект, изобретенный Джоном Маккарти в 1950 году, – это способность машин или компьютерных программ учиться, думать и рассуждать, как человеческий мозг. В систему ИИ поступают данные и инструкции, на основе которых система делает выводы и выполняет функции. Со временем он продолжает изучать человеческое мышление и логику, становясь эффективнее на ходу.
AI везде – будь то автоматический поиск в Google или вождение автомобиля. Искусственный интеллект с его обширным набором технологий позволяет машинам «чувствовать», как человеческий мозг, учиться и действовать.
Конечно, у ИИ есть множество преимуществ и недостатков, которые мы обсудим в этой статье. Перед этим давайте разберемся с основными типами ИИ или сегментами ИИ.
Искусственный интеллект: 4 основных этапа развития
Совершенно необходимо, чтобы ИИ позволил машинам понимать словесные команды, различать изображения и тексты и делать гораздо больше, чем человек. Например, Amazon Alexa, Apple Siri или Google Hello Google. Это классические примеры искусственного интеллекта, который принимает словесные команды и с легкостью их выполняет.
Учитывая скорость, с которой растет машинное обучение, глубокое обучение, программирование на национальных языках, прогнозирующий искусственный интеллект и другие связанные концепции, предсказывать, что однодневные машины будут ходить среди нас, с размахом копируя все человеческое поведение, не является простой галлюцинацией.
Современные системы искусственного интеллекта способны выполнять сложные вычисления с огромной скоростью. Они могут обрабатывать огромные наборы данных и делать точные прогнозы. Искусственный интеллект в основном подразделяется на четыре стадии, учитывая его развитие или совершенствование :
1.Реактивные машины
Это те машины, которые не хранят ни воспоминаний, ни прошлого опыта. Это «реактивный» характер, который реагирует на текущий сценарий. Например, шахматный компьютер IBM Deep Blue победил международного гроссмейстера Гарри Каспарова шесть раз подряд в конце 1990-х годов. Deep Blue умел распознавать фигуры на шахматной доске и знал, как они ходят. Его высокий интеллект позволяет ему предсказывать все возможные ходы противника намного быстрее, чем противник-человек. В результате он мог рассчитывать наиболее оптимальные ходы против каждой возможности.
2.Ограниченная память
Этот тип машины может уйти в прошлое. Классический пример – это беспилотные автомобили, которые могут наблюдать за скоростью и направлением других автомобилей. Эти наблюдения добавляются к запрограммированному представлению мира. Однако эти информационные фрагменты носят временный характер, а не являются постоянными.
3.Теория разума
Этот тип включает машинное обучение, которое пытается воспроизвести весь физический мир – людей, существ, объекты – все, что может думать и испытывать эмоции.
4.Самосознание
Это тот тип, в котором машины будут иметь системы, позволяющие им быть застенчивыми. Эта стадия также является продолжением стадии Теории Разума, на которой машины будут иметь самосознание по «причине». Это выведет машины на совершенно новый уровень интеллекта.
В то время как исследователям ИИ предстоит пройти долгий путь, прежде чем в игру войдут застенчивые машины, нынешние ученые ИИ сосредоточены на оттачивании навыков машинного обучения этих компьютеров. Позволяя машинам реагировать больше, чем люди, с каждым днем становится лучше.
Плюсы и минусы искусственного интеллекта (ИИ)
Преимущества искусственного интеллекта четко видны в виде поддержки чатов с поддержкой AI для брендов, автоматического поиска в поисковых системах, интеллектуальных прогнозов на платформах электронной коммерции и многого другого. Тем не менее, у ИИ есть много недостатков, которые нельзя игнорировать. Ниже приведены основные плюсы и минусы ИИ.
Преимущества искусственного интеллекта
1.Отсутствие человеческой ошибки
Вот почему распространение искусственного интеллекта в различных областях резко возросло. Когда вы можете полностью исключить человеческие ошибки, вы получите точные результаты. Уловка в том, чтобы правильно программировать.
Машины принимают точные решения на основе предыдущей информации, которую они собирают с течением времени при применении определенных наборов алгоритмов. Таким образом, происходит снижение ошибки и повышение точности.
Например, Google недавно поделился в своем блоге AI о методе машинного обучения, который поможет предсказывать погоду. Google будет называть это « прогноз погоды », который предсказывает нулевую погоду на шесть часов раньше времени. Google считает, что, используя меньше данных и простую методологию, они могут более точно предсказывать погоду, особенно в случае таких явлений, как грозы или явления, связанные с осадками.
2.Нулевые риски
Использование машин в задачах, которые могут представлять опасность для человека, может хорошо окупиться. Например, позволяя машинам справляться со стихийными бедствиями, можно быстрее выздороветь и снизить нагрузку на человеческие команды.
Эта идея воодушевлена инициативой Google и Гарварда по разработке системы искусственного интеллекта, которая может предсказывать места подземных толчков землетрясения. После изучения более 131 000 землетрясений и афтершоков ученые протестировали эту нейронную сеть на 30 000 событий. По сравнению с традиционными методами, он показал большую точность в определении мест афтершоков.
3.Круглосуточная доступность
В ноябре прошлого года Google анонсировал контактный центр AI для предприятий, чтобы улучшить качество обслуживания клиентов. Это классический пример системы телефонной линии с поддержкой искусственного интеллекта, позволяющей предприятиям постоянно реагировать на запросы и проблемы клиентов и решать их в приоритетном порядке для повышения качества обслуживания клиентов.
Точно так же Amazon Lex, чат-бот, разработанный для колл-центра Amazon, способен вести интеллектуальные беседы по человеческим запросам. Он использует ту же технологию, что и Amazon Alexa, то есть распознает намерения звонящего, задает соответствующие дополнительные вопросы и дает ответы. Эти чат-боты доступны круглосуточно, обслуживая клиентов по всему миру и легко меняют часовые пояса.
4.У машин ИИ нет эмоций
У машин нет эмоций ну, если вы не Читти, робот, который, честно говоря, сбил меня с толку своей одержимостью главной героиней Саной]. Этот единственный атрибут машин с поддержкой AI может помочь вам более стабильно справляться с жалобами клиентов.
Представьте себе, что какая-то функция в вашем программном обеспечении не работает, внезапно причиняя неудобства вашим пользователям. Они обязательно будут собирать билеты, пинговать вашу поддержку в чате и писать электронные письма. Часто люди пытаются «поговорить вживую», вместо того чтобы ждать ответа по электронной почте или тикетов.
А теперь представьте, что на принимающей стороне находится человек, который полностью понимает проблемы и изо всех сил пытается решить сотни запросов. В какой-то момент этот человек сломается. Скорее всего, чаты могут пойти наперекосяк с точки зрения чувствительности языка.
Однако с системой чата с поддержкой AI такой критической точки не возникает. Клиенты могут отправлять любое количество странных запросов, у вашего чат-бота есть заранее подготовленные ответы, которые он будет продолжать показывать в соответствии с его оценкой запроса.
Это определенно один из самых безопасных способов справиться с таки ми сценариями, потому что машины ничего не чувствуют. Они будут анализировать только слова, использованные в запросе, сопоставляя их с предварительно введенной информацией и давать соответствующие ответы.
5.AI-машины могут быстро принимать решения
Использование искусственного интеллекта и других технологий может помочь создавать машины, которые могут принимать решения на основе данных намного быстрее, чем люди.
Зачем доверять решениям машины?
Просто – он лишен каких-либо эмоций и предвзятых взглядов. Когда человек принимает решение, во многом это обусловлено эмоциями. С другой стороны, машина очень практична и рациональна в своем подходе. Это обеспечивает более точное и ориентированное на результат принятие решений.
Например, суперкомпьютер IBM Deep Blue принимает решения, основываясь на всех вероятностях, возможных со стороны противника. Человек не может постичь столько вероятностей за один присест, как машина.
На что способен искусственный интеллект сегодня и каков его потенциал
Три типа искусственного интеллекта
На сегодняшний день искусственный интеллект ученые определяют, как алгоритмы, способные самообучаться, чтобы применять эти знания для достижения поставленных человеком целей. Системы машинного обучения (основной подраздел ИИ) автоматизировали процессы во всех жизненно важных областях, включая банкинг, ретейл, медицину, безопасность, промышленность.
Выделяют три вида искусственного интеллекта: слабый (Narrow AI), сильный (AGI) и супер-ИИ (Super AI).
Первый вид используются повсеместно (включая голосовых ассистентов, рекламу в соцсетях, распознавание лиц, поиск романтических партнеров в приложениях и так далее); эти системы слабого ИИ единственные доступные на сегодня.
Сильный ИИ максимально приближен к способностям человеческого интеллекта и наделен по классическому определению Тьюринга самосознанием; по мнению экспертов, AGI сформируется примерно к 2075 году, а спустя еще 30 лет придет время для супер-ИИ.
Супер-ИИ мог бы не просто стать подобным людям, но и превзойти лучшие умы человечества во всех областях, при этом перепрограммируя самого себя, продолжая совершенствоваться и, вероятно, разрабатывая новые системы и алгоритмы самостоятельно.
На что способен искусственный интеллект уже сейчас
Оценить динамику может каждый, кто пользуется автоматическими переводчиками. Еще лет пять назад Google Translate более-менее сносно справлялся с отдельными наборами фраз и предложениями, тогда как сегодня программа переводит большие смысловые блоки, нейросети учитывают контекст, оперируют огромными массивами статистических данных. Сейчас можно читать статьи на хинди, китайском, арабском, не зная языка.
ИИ давно используется в финансовой сфере для оценки платежеспособности заемщика. Есть вам отказали в выдаче кредита на первом этапе ― вас отсеял именно искусственный интеллект. В США в некоторых штатах ИИ применяют в судебной системе для оценки продолжительности тюремных сроков для обвиняемых.
Алгоритмы помогают врачам ставить диагнозы. Например, «СберМедИИ» (входит в экосистему «Сбера») и Лаборатория по искусственному интеллекту Сбербанка совместно разработали приложение AI Resp: нейросеть анализирует голос пациента, дыхание и кашель, чтобы определить вероятность коронавирусной инфекции. Ранее Лаборатория по ИИ и «СберМедИИ» представили онлайн-сервис «КТ Легких», определяющий локализацию и степень поражения легких для диагностики вирусной пневмонии, в том числе COVID-19, по снимкам компьютерной томографии. Также при использовании этого сервиса ИИ позволяет выявлять онкологические заболевания на ранней стадии при анализе КТ грудной клетки и может помогать врачам при диагностике.
На данный момент разработано несколько значимых технологий в сфере искусственного интеллекта.
Искусственный интеллект превосходит людей по IQ и креативности: в викторинах он набирает на 40% больше баллов, по вопросам SAT (тест для оценки знаний абитуриентов США) — на 15% больше баллов, чем средний абитуриент колледжа.
Роль ИИ в экономике
Влияние пандемии на внедрение ИИ в бизнесе
Кризис только ускорил внедрение ИИ, и этот импульс сохранится в дальнейшем, показывают опросы: большинство компаний (52%) стали быстрее внедрять ИИ из-за пандемии, 86% респондентов утверждают, что ИИ становится «основной технологией» в их компании.
Почти три четверти бизнес-лидеров положительно оценивают роль ИИ после пандемии и сопутствующего кризиса. Большинство руководителей (74%) не только ожидают рост эффективности бизнес-процессов, но и создание новых бизнес-моделей (55%), новых продуктов и услуг (54%) — благодаря внедрению ИИ.
По мнению экспертов Оксфордского университета, к 2026 году ИИ напишет эссе, которое сойдет за написанное человеком, заменит водителей грузовиков к 2027 году и станет выполнять работу хирурга к 2053 году. Также ИИ превзойдет людей во всех задачах в течение 45 лет и автоматизирует все рабочие места в течение 120 лет.
Консалтинговая компания Accenture утверждает, что ИИ способен увеличить прибыль компаний в среднем на 38%. По словам экспертов и представителей бизнеса, ИИ помогает компаниям прогнозировать и выявлять проблемы, а также восполняет нехватку навыков сотрудников, хотя до построения бизнес-стратегии искусственным интеллектом еще далеко.
Большинство опрошенных компаний инвестируют в ИИ (90%) и согласны с тем, что данные технологии способствуют развитию бизнеса, выяснили MIT Sloan Management Review и BCG. Тем не менее, компании так и не научились извлекать из ИИ реальную выгоду. И это не единственный проблемный момент в сфере искусственного интеллекта.
Основные вызовы технологии ИИ
Бизнес-процессы
Чтобы компания извлекала прибыль, недостаточно вложить средства в алгоритм и получить первые успешные результаты после запуска пилотного проекта. Внедрение ИИ — это многоуровневый процесс, включающий культурные изменения в компании, найм и обучение специалистов по data science, автоматизацию и построение бизнес-процессов с учетом алгоритмов, и на этом весь список не заканчивается.
«Говоря о внедрениях, необходимо приложить усилия в пропорциях 10–20–70. То есть, примерно 10% усилий должно уйти на создание алгоритма, 20% на построение технологии и 70% на организацию бизнес-процессов. Компания должна быть на определенном уровне технологической зрелости для того, чтобы внедрение ИИ приносило пользу», — говорит Леонид Жуков, генеральный директор Института Искусственного Интеллекта AIRI, старший управляющий директор Лаборатории по искусственному интеллекту Сбербанка.
Выступая на международной конференции Сбера AI Journey 2021, Юрген Шмидхубер, ученый в области искусственного интеллекта, главный научный советник Института Искусственного Интеллекта AIRI и научный руководитель компании NNAISENSE отметил, что компании в основном сосредоточены на своих частных проблемах, а не на развитии технологий искусственного интеллекта: большая часть их прибыли от ИИ приходится на маркетинг и продажу рекламы.
Такие гиганты как Alibaba, Amazon, Facebook, Google массово используют глубокие искусственные нейронные сети, например, Long-Short-Term Memory, чтобы предсказать спрос пользователей и дольше удерживать их на своих платформах, заставляя переходить по большему количеству рекламных объявлений.
Нехватка специалистов
ИИ развивается с высокой скоростью, и то, что называлось полгода назад state-of-the-art (высшим уровнем развития), сегодня может оказаться средней разработкой. Если раньше в сфере искусственного интеллекта была занята узкая прослойка специалистов, сейчас при таком огромном спросе попросту не хватает квалифицированных кадров, способных справиться с постоянно развивающейся технологией, отмечает Жуков.
Спрос на ИИ-специалистов вырос на 74% за 2016–2019 годы, сейчас две из пяти компаний, использующих ИИ на продвинутом уровне, отмечают острую нехватку специалистов, трудности с наймом также возглавляют список проблем в области ИИ.
Проблемы машинного обучения
Качество данных — второе по значимости препятствие для внедрения ИИ, после нехватки специалистов. Для успешных результатов алгоритмам необходимы качественные «вводные», включая размеченные и чистые данные. Неправильно заданные паттерны могут провоцировать систему делать ложные выводы: например, ошибочно сигнализировать о мошеннической транзакции, или осудить невиновного.
На качество влияет и степень предвзятости, или bias, включая гендерные и расовые предрассудки, которым может быть подвержен человек, работающий с алгоритмом.
Количество данных. Помимо качества, компьютеру все еще требуется большой объем данных и ресурсов для выполнения простейших задач. Отличать собак от кошек ИИ научится за три дня, задействуя 10 млн изображений и 16 000 компьютеров, в то время как ребенку хватило бы пары фотографий и нескольких минут. Если бы модель GPT-3 обучали читать и писать статьи не на суперкомпьютере, а на обычном ПК, весь процесс занял бы примерно 500 лет.
«На данный момент перед исследователями ИИ стоят несколько вызовов. Это умение искусственного интеллекта ставить перед собой новые задачи на основе имеющихся знаний; способность обучаться, не забывая полученные знания; и умение учиться разбивать цель на подцели. Преодоление этих проблем приблизит ученых к созданию таких машин, которые смогут лучше понимать человека и помогать достижению все более амбициозных целей», — отмечает Михаил Бурцев, директор по фундаментальным исследованиям Института Искусственного Интеллекта AIRI, заведующий Лабораторией нейронных систем и глубинного обучения МФТИ.
Применение в другом контексте. Хотя искусственный интеллект сегодня способен выполнять различные функции — от распознавания кошек и собак до предсказания поломок на нефтяных платформах, — это все еще узконаправленные задачи. ИИ пока что не умеет применять полученные навыки в непривычных условиях.
Влияние на климат
Проблема потребления энергии искусственным интеллектом напрямую связана с количеством ресурсов, задействованных в обработке данных. Обучение же одной NLP-модели (подобной GPT) требует столько же энергии, сколько автомобиль за весь его срок службы, и производит в пять раз больше CO2.
Во всем мире центры обработки данных потребляют около 200 ТВт·ч электроэнергии в год — больше, чем некоторые страны. В то же время, есть и противоположный эффект — ИИ поможет снизить выбросы парниковых газов на 1,5–4% к 2030 году, согласно отчету Европейского парламента.
Использование ИИ в науке
Машинное обучение стало ключевым инструментом исследователей из разных областей, однако потенциал ИИ в науке еще предстоит раскрыть, отмечает Леонид Жуков. Стимулирование новых открытий с помощью ИИ актуально, например, в области создания новых материалов при помощи вычислений или в прогнозировании изменений климата для разработки стратегий повышения устойчивости к изменениям окружающей среды. Например, в рамках стремления к достижению углеродной нейтральности, ученые из группы поиска новых материалов Института AIRI совместно со Сбербанком разработали прототипы моделей, позволяющих оптимизировать контроль качества на производстве солнечных батарей.
В перспективе машинное обучение может активнее применяться для охраны дикой природы в малодоступных регионах и подсчете особей, понимания сложной органической химии и в исследовании темной материи.