Каждый день большинство людей использует системы искусственного интеллекта, даже не подозревая об этом. Системы искусственного интеллекта (ИИ) активно используют для распознавания речи и текста, для составления списка рекомендуемых товаров на крупных порталах продажи и бронирования, а так же для распознавания друзей на фотографиях в Facebook и для подбора фильмов такими крупными развлекательными порталами как Netflix.
Термин «машинное обучение» звучит угрожающе, особенно на фоне фильмов об «искусственном мозге», но на самом деле это просто способность компьютеров распознавать шаблоны. Эта особенность заключается в том, что компьютер может распознавать не только уже известные шаблоны, но и абсолютно новые, которые он раньше никогда «не видел». Таким образом, слово «обучение» в термине «машинное обучение» означает способность компьютера самостоятельно изучать и распознавать постоянно растущее количество шаблонов без участия человека.
Ученые в области компьютерных технологий учат распознавать базовые шаблоны компьютеры с помощью алгоритмов, которые, по сути, представляют собой последовательность действий, которая объясняет машины как что делать. Например, вы работаете над системой распознавания образов. Вам нужно будет создать алгоритм, который очень точно укажет последовательность
действий, как различать все эти изображения с точностью 100%.
Собаки против автомобилей
Руководитель департамента искусственного интеллекта Facebook Ян Лекун, объяснил проблему обучения машин распознаванию изображений на примере распознавания собаки и автомобиля. Вам понадобится специальный алгоритм, который компьютер сможет использовать для распознавания изображений. Алгоритм объясняет, как разбить изображение собаки и автомобиля на пиксели, задает определенное значение каждому из этих пикселей и, основываясь на этих значениях определяет, что изображено на рисунке – собака или автомобиль.
Идеи создания подобных алгоритмов многим кажутся смешными и абсолютно бессмысленными, так как даже ребенок сможет отличить картинку с собакой и автомобилем. Но для систем искусственного интеллекта (ИИ) это очень сложная задача, так объяснить ей, в чем отличие собаки от автомобиля намного сложнее, чем человеку, не правда ли?
Тем не менее, если человеку не объяснить (показать) разницу между объектами – он также не сможет их различить. Именно поэтому одни из самых первых систем машинного обучения работали по принципу «показа» миллионов изображений собак и автомобилей машинам, а после, на основании полученных данных происходило определение различий.
Однако прогресс не стоял на месте и теперь компьютеры могут распознавать изображения без предварительного просмотра. Но для этого необходимо постоянное улучшение алгоритмов и производительности машин. Итак, представим, что вы показали компьютеру фотографию собаки, и он ответил «это собака», то вряд ли вам бы захотелось улучшать алгоритм. Но если на фото автомобиля машина ответит «собака», то вам необходимо серьезно анализировать и переделывать алгоритм пока не будет достигнут нужный результат. Однако вся хитрость заключается в том, что бы создать мощный алгоритм, который будет распознавать объекты с гораздо большей точностью, даже если ранее он “никогда” их «не видел».
Глубокое обучение
Один из самых обсуждаемых подвидов в ИИ — это глубокое обучение, которое дает компьютерам возможность распознавания речи и компьютерного зрения. «Глубокий» не относится ни к какой психологической или эмоциональной «глубине» — это просто означает, что компьютер проходит через разные уровни обработки, прежде чем он сможет создать конечный результат. Чем больше слоев, тем «глубже» обучение.
Например, снова возьмите изображения собак. Один из способов научить компьютеры распознаванию собак — научить их распознавать уникальные особенности, которые вы можете найти у этих животных. Итак, первый слой анализа может искать типичные для собак глаза, обнаруженные на изображении. Второй слой может найти типичный нос, найденный на картинке. И третий слой может искать типичные уши. Если изображение содержит все эти особенности «собачки», то результат обработки изображения будет вывод «на фото собака».
Глубокое обучение в действии
Итак, как мы узнаем, что компьютер действительно научился? В конце концов, может случиться так, что компьютер просто угадал правильный ответ. Истинный тест на обучение, как говорят компьютерщики, заключается в том, что компьютер может выполнять задачу без ошибок в течении длительного времени. Если производительность улучшится, то можно сказать, что он «научился». Точно так же человек «учит» иностранный язык. С практикой его навыки только улучшаются.
Вы можете представить себе такую систему, используя пример автономных автомобилей, популярное приложение для глубокого обучения. Вы можете определить задачу автомобиля управляющего самим собой как переезд от точки A к точке B без сбоев. Со временем самоходные автомобили смогут перемещаться по определенному маршруту без аварий. Но может ли он справиться с требованиями ехать по трассе с другими автомобилями и водителями? Если автомобиль без водителя может неоднократно изменять курс без сбоев, то можно сказать, что он научился.
Другие приложения для глубокого обучения
Конечно, машинное обучение применимо не только для распознавания изображений собак и автомобилей. Оно применимо в системах распознавания речи и текста, но в любых системах, где применимы шаблоны, существует реальный потенциал применение машинного обучения.
Например, ученые занимаются обучением распознаванию машин работ различных художников, а также стилей живописи. Вы можете показать компьютеру работы Пикассо, а он выделит ключевые характеристики изображения и «придет к выводу», что это действительно работы Пикассо. Таким образом, одним из самых популярных приложений с поддержкой искусственного интеллекта в 2016 году стало приложение Prisma, которое позволяет преобразовывать любые фото в стиле работ известных художников.
Также существуют теории некоторых специалистов, что в ближайшем будущем системы искусственного интеллекта будут способны заменить некоторых врачей. Ведь в чем состоит работа врача – поставить диагноз и назначить лечение. Например, зимой в кабинет врача заходит пациент с насморком, кашлем и повышенной температурой. Основываясь на этих симптомах, а также на результатах анализов доктор ставит диагноз – грипп или ОРЗ. По мнению специалистов в области компьютерной инженерии компьютер может поставить диагноз значительно быстрее человека, так как огромный объем информации разбивается на биты и хранится в памяти, именно поэтому компьютер может обработать информацию значительно быстрее, чем человеческий мозг. Вопрос в точности и правильности обработки. Например, машинное обучение сможет по результат медицинских исследований распознать злокачественную или доброкачественную опухоль, грипп, насморк и другие болезни. Опять классический шаблон автомобиль – собака, но уже применительно медицины.
Почему люди так боятся машинного обучения?
Исходя из вышесказанного, кажется, что ИИ, машинное обучение и глубокое обучение могут сделать нашу жизнь значительно проще, а не сложнее. Итак, почему такие новаторские идеи от Илона Маска, Билла Гейтса и Стивена Хокинга, испытывают опасения в отношении будущего искусственного интеллекта? В какой-то момент, говорят они, машины могут стать умнее людей, и мы не будем знать, что они думают, и что они собираются делать. Более того, как говорят теоретики ИИ, такие как Ник Бостром (автор «Superintelligence»), машины с искусственным интеллектом могут представлять для человека потенциальную угрозу.
Так же, как у новичка по шахматам нет шансов против гроссмейстера, может случиться так, что и у людей не будет никаких шансов против компьютеров. Даже игнорируя все сценарии «неадекватности» для сверхразумных машин, что произойдет, если компьютер неправильно диагностирует болезнь пациента, а человек не сможет изменить решение, потому что этот компьютер считается непогрешимым? Что произойдет, если компьютеры, запрограммированные на распознавание шаблонов на фондовом рынке, решат, что нужно «продавать все», что привело к «внезапному сбою»? Что произойдет, когда автономное оружие на поле битвы обучится некорректно, и мы получим много человеческих смертей на поле боя в результате «дружеского огня» между человеком и машиной?
Поэтому поводу существует огромнейшее количество мнений – как за массовое внедрение и развитие систем искусственного интеллекта, так и против. Кто прав – покажет только время.
