Получивший популярность в научной фантастике и кинофильмах искусственный интеллект уверенно шагает в реальный мир. ИИ уже отметился своими превосходящими возможности человека успехами, начиная с чтения речи по губам и до победы в карточном турнире в покер.
Но пока, кажется, все пытаются успеть прыгнуть на подножку вагона уходящего поезда футуристического ИИ, хотелось бы понять реальное состояние передовой технологии. Почему все-таки ИИ до сих пор глуповат?
Своими соображениями на этот счет делится Igal Raichelgauz — основатель израильской компании Cortica, которая разрабатывает ИИ для распознавания изображений.
У ИИ никогда не будет полноценного интеллекта, поскольку нет никакого практического ограничения на принимаемую информацию. В то время, как человеческие существа ограничены размерами мозга и естественным процессом развития в ходе эволюции, ИИ теоретически может без ограничений продолжать масштабирование своего интеллекта. Реальное ограничение интеллекта ИИ – это наша способность воспроизводить его.
Известно, что интеллект ИИ сегодня значительно уступает интеллекту человека и других биологических организмов в решении ряда задач. Например, несмотря на значительный прогресс машинного обучения (МО) в течение последних пяти лет, эти системы не приблизились к способности человека в понимании образов. Системы ИИ выдают не осознаваемые ими ложные результаты, не понимают контекстную информацию и не достаточно детализированы.
Есть, конечно, другие задачи, такие как вычисления, игра в шахматы и го, в решении которых ИИ сегодня превосходит возможности человека. Но факт остается фактом — ИИ сильно отстает в самых тривиальных для человека задачах: во взаимодействии с физическим миром и восприятии естественных сигналов, что указывает на то, что системы ИИ – просто мощные вычислительные машины с обманчивым названием.
Для того, чтобы ИИ смог выйти на уровень человеческого интеллекта, наиболее важным является освоение основных задач, в решении которых человек превосходит всех в течение тысяч лет. Визуальное понимание и способность разумно ориентироваться в физическом мире являются для этого более верными контрольными ориентирами, чем игра в покер. Соответствующий человеческому уровень интеллекта в задачах этого типа подведет ИИ практически к превосходству над нашим интеллектом.
Чтобы оценить пропасть, которая по-прежнему лежит на пути к этой цели, мы должны рассмотреть различия между биологическими системами и технологиями МО.
Создатели технологий машинного обучения для ИИ могут похвастаться тем, что машины могут самостоятельно учиться и обрабатывать данные. Но на самом деле, технологии МО придерживаются при анализе принципа «сверху вниз», что запрещает им делать что-либо самостоятельно.
В архитектурах нисходящего типа (сверху вниз) система в первую очередь проходит обучение, ее алгоритм разработан и показан огромными маркированными наборами данных. Только затем она сможет применить эти знания к новым данным. Системы МО тренируются с использованием маркированных данных до тех пор, пока они не смогут успешно выдавать нужные переменные параметры новых данных.
Машины глубокого обучения построены с применением многослойных алгоритмов, которые обрабатывают данные, используя множество уровней абстракции. Эти нисходящие системы добились огромного прогресса, но зависимость от обучения делает их сложными, а не умными машинами
С рождения дети учатся ориентироваться в мире, постоянно поглощая огромный объем информации, чтобы осмыслить ее. Чтобы овладеть расширенным интеллектом, машины должны имитировать человеческий процесс обучения и распознавания – «снизу вверх». Тогда без обучения, наборов параметров или данных их алгоритмы и структуры будут способны поглощать и обрабатывать новые данные, выстраивать собственные функции для их понимания.
Комментарии
(0) Добавить комментарий