Зачем нужен искусственный интеллект?

Дата публикации: 08.05.2015

Не один десяток лет ученые пытаются заставить машину не просто выполнять полученные приказы, а думать самостоятельно. Память современных компьютеров соизмерима с человеческой, скорость выполнения логических операций – на порядки выше, но смоделировать разум исследователям пока так и не удалось. О современных вызовах в области искусственного интеллекта (ИИ) рассказывает доцент кафедры вычислительной техники Университета ИТМО Игорь Бессмертный.

– В обывательском понимании искусственный интеллект – это компьютер, обладающий эмоциями и сознанием. А что вкладывают в это понятие современные исследователи?

– Автор термина Джон Маккарти определял интеллект как способность субъекта ставить перед собой цели и добиваться их достижения. Если мы пытаемся наделить интеллектом некое техническое устройство, значит, мы хотим, чтобы оно самостоятельно решало возникающие задачи. Компьютеры способны рассуждать гораздо быстрее человека, но поиск решений методом перебора требует большого количества ресурсов. В начале шахматной партии у игрока белыми есть по два варианта хода для каждой пешки и коня. Противник в ответ тоже выбирает из двадцати вариантов, и получается, что первый ход у нас 400 возможных комбинаций, во второй – 160000, и так далее. Это называется комбинаторным взрывом, и попытки решить задачу «в лоб» ни к чему не приводят.

Я развиваю антропоморфный подход и считаю, что нам нужно пытаться воспроизвести человеческий мозг на уровне поведения. На протяжении жизни человек постоянно обращается к приобретенным интеллектуальным навыкам. Мы не задумываемся, когда завязываем шнурки или пользуемся таблицей умножения. Есть навыки более высокого уровня: профессиональный шахматист может «на автомате» обыграть неподготовленного игрока. Количество навыков определяется объемом памяти человека, а у машин ее сейчас более чем достаточно. Нужна такая структура данных, при которых машины будут записывать интеллектуальные навыки и логику их вывода, как был получен каждый факт и навык. В этом случае мы обеспечим быстрый вывод данных и сможем создавать интеллектуальные системы, которые будут отвечать на сложные запросы.

Например, если мы поищем в интернете температуру кипения воды, то сразу получим ответ, но у поисковых порталов нет готовых ответов на специфические запросы. Чтобы узнать температуру кипения воды в Тибете, нам придется подключать правила, учитывать зависимость температуры кипения от атмосферного давления, зависимость давления от высоты над уровнем моря, высоту Тибета. Только после определенных логических действий мы найдем решение, и если внести его в базу знаний, то в следующий раз факт будет извлечен быстро. Также важно при каждом вызове проверять актуальность данных – сейчас мы не задумываемся, что президент США – Барак Обама, но в будущем эти данные устареют.

– Это технически возможно?

– Принципы самообучения реализуют с помощью нейронных сетей. Сейчас их используют для прогнозирования, торгов на биржах, в некоторые автомобили встраивают системы распознавания пешеходов. Иногда интеллектуальное поведение устройства необходимо – там, где невозможно находиться человеку-оператору, или в тех случаях, когда это упрощает жизнь. Но каждое такое устройство выполняет узкий круг задач. Есть роботы-сиделки, роботы-повара, но универсальный искусственный интеллект сейчас, по большому счету, не нужен.

– А как же мечты футурологов о том, что у людей появятся партнеры по разуму?

– Если создавать гомункула, чтобы просто было с кем поговорить, это потребует неоправданно высоких затрат. А использовать компьютер для того, чтобы придумать что-то новое, уже пытались. Теория решения изобретательских задач (ТРИЗ) Генриха Альтшуллера великолепно работала в виде справочников и таблиц. Но когда ее решили автоматизировать, выяснилось, что ТРИЗ работает только в руках человека-изобретателя. Причина в том, что существует масса фактов, которые никак не формализованы. Считается, что половину своих знаний человек усваивает за первые три года жизни, и мы иногда даже не догадываемся о том, что они есть и что их нужно формализовать. Если я выпущу предмет, который держу в руках, он упадет на пол; людям это очевидно, а машине – нет. По моим подсчетам, человек должен хранить и уметь использовать в среднем 50 млн фактов. Для сравнения: компания Cycorp составляет онтологическую базу знаний с 1984 года, и за это время накопила всего 3 млн фактов. Для работы универсальной интеллектуальной системы нужно как минимум на два порядка больше.

– Являются ли современные вопросно-ответные системы вроде WolframAlpha искусственным интеллектом в таком понимании?

– WolframAlpha разрабатывают в первую очередь для решения математических задач, в этом вопросе я бы ориентировался на проекты IBM. В девяностых в IBM создали шахматный суперкомпьютер Deep Blue, и после того, как он обыграл Гарри Каспарова, его собирались использовать в медицинских целях. Оказалось, что Deep Blue для этого не годится – он не умел обучаться, и для применения в другой области нужно было все начать с нуля. Сейчас компания разрабатывает суперкомпьютер Watson, который показывает впечатляющие результаты, например, победил людей в телеигре Jeopardy! Но поскольку Watson – коммерческий проект, остается догадываться, какими методами обеспечивается поиск информации, как выполняются цепочки умозаключений и как в IBM решают вопрос комбинаторной сложности.

– Как технологии искусственного интеллекта будут развиваться в будущем?

– Прогнозы в области ИИ делать трудно, так как отрасль развивается очень быстро. Мы свидетели тому, как эволюционировали технологии распознавания речи, и сейчас в любом мобильном телефоне есть голосовое управление. Распознавание изображений тоже развивается быстрее, чем мы думали. Это прагматичные технологии, но я уверен, что создание искусственного разума технически возможно – не сейчас, а когда это будет необходимо.

Пресс-служба Университета ИТМО