В будущее с искусственным интеллектом

Ноябрь Года науки и технологий посвящен искусственному интеллекту. Уже сейчас он позволяет решать многие задачи: переводить язык с одного на другой, отвечать вместо телефонного оператора, водить машины и не только. О возможностях, которые появятся у ИИ в будущем, рассказал Михаил Бурцев, кандидат физико-математических наук, директор по фундаментальным исследованиям Института искусственного интеллекта AIRI, заведующий лабораторией нейронных систем и глубокого обучения МФТИ.

Искусственный интеллект – это направление исследований, которые сегодня позволяют решать множество практических задач. Его прикладная цель – создать помощника, который смог бы участвовать в повседневной жизни человека, повышая эффективность работы. В будущем искусственный интеллект скорее всего сойдется с нейробиологией и философией: его мышление станет подобно человеческому. Это будет вести нас к пониманию самих себя и к ответам на более глубокие философские вопросы.

Существует два основных подхода к созданию искусственного интеллекта. Первый — это решение смоделировать мозг, как материальный носитель интеллекта. Мозг состоит из сети нейронов, нейроны передают электрические сигналы. Соответственно, мозг можно смоделировать как сеть нейронов. Этот подход получил название «искусственные нейронные сети».

Второй подход – символьный искусственный интеллект. Человеческий интеллект основан на манипуляции с символами. Его можно смоделировать при помощи модели рассуждений. В этом и заключается суть второго подхода. Данное направление науки зародилось на рубеже прошлого века. Когда появились первые компьютеры, математическое моделирование помогло решать сложные задачи, которые не решались аналитически, и строить самообучающиеся математические машины. Сперва это называлось «кибернетика», а потом уже «искусственный интеллект».

Чтобы создать искусственную нейронную сеть, нужно понять, как работает отдельный нейрон. Необходимо учесть два ключевых фактора:
активность нейрона определяется преобразованием взвешенного суммарного воздействия на него;
воздействия могут быть активирующими (положительные веса) и тормозными (отрицательные веса).
Это простейшая модель нейрона, на основании которой работает большинство современных алгоритмов.

У машинного обучения есть ключевое отличие отличие от стандартных алгоритмов, которые состоят из набора инструкций. Во втором случае программист сам продумывает решение задачи и просто записывает его в машину. В случае с машинным обучением разработчик не знает, как решить задачу, но у него есть много примеров того, как задача была решена.

Нейросеть учится на примерах правильных ответов, а ее обучение происходит за счет изменения весов. Для проверки того, насколько хорошо прошло обучение, используются примеры, которые не были использованы при обучении.

В этом заключается сила машинного обучения — оно позволяет создать работающие алгоритмы, для которых изначально человек не знал решения.

Глубокое обучение (совокупность методов машинного обучения) демонстрирует необъяснимую эффективность.

При этом эффективность алгоритма зависит от количества обучающих материалов и слоев: чем больше данных для обучения и слоев в нейросети, тем лучше. Размер моделей растет с каждым годом — от десятков миллионов параметров до сотен миллиардов и даже триллионов.

Глубокое обучение решает задачи из разнообразных областей: создание изображений, моделирование текстов, даже разработка компьютерных игр.

К современным направлениям глубокого обучения относятся три ключевых направления: видеть — компьютерное зрение, понимать — обработка естественного языка, действовать — принятие решений.

Основной алгоритм компьютерного зрения – это сверточные нейронные сети. Свертка – это некоторая функция, которая является произведением двух функций. С помощью этой компьютерной технологии осуществляется распознавание эмоций, пола и возраста человека и так далее.

Обучение с подкреплением – это универсальный подход к ИИ. Он работает для способного к действию агента, и каждое действие меняет состояние среды. Успех поведения измеряется скалярной величиной награды. И если кратко, то обучение с подкреплением – это выбор действия, максимизирующего награду.

Что же будет дальше? Мы создаем все более адекватный, человечный искусственный интеллект. Уже скоро у каждого из нас появится персональный умный помощник, через который мы будем взаимодействовать с другими сервисами и информацией в интернете. Он будет знать о нас так много, что сможет обеспечить беспрецедентное качество сервиса, предугадать желания, спрогнозировать вопросы еще до их формулировки. При этом он сможет защитить нас от навязчивых сервисов и минимизировать время нахождения в интернете. С другой стороны, он будет обладать информацией, которая может причинить вред, если попадет не в те руки.

Эволюция нейронных сетей продолжается. Можно предположить, что в будущем появится принципиально новый способ кооперации, подобно тому, как одноклеточные организмы эволюционировали в сложные многоклеточные. Благодаря взаимодействию персональных помощников группы людей получат совершенно новый инструмент коммуникации, открывающий новые возможности развития.

Из лекции "В будущее с искусственным интеллектом", прошедшей в рамках акции "На острие науки".

• #Лекции