Nisam se micao i jedva sam disao... Mora da su mi do sada izgubili trag... Izvukao sam se iz skrovišta i suočio se s jednim od njih... Vrištao je, ali nije mogao da se pomakne. .. Igra se ponovo srušila

Umjetna inteligencija (AI) u video igrama je nešto što većina nas ne primjećuje dok se ne pokvari. Nevidljivo je prisutan u svemu, utječe na naše iskustvo igranja, na našu percepciju svakog trenutka igre, ali je jedan od najpotcijenjenijih elemenata video igara. AI je začin koji igri daje ukus, uranja nas u svijet igara kao ništa drugo.

Svako razumije pojam "vještačka inteligencija" na svoj način. Ovaj termin se može odnositi na softverske procese koji kontrolišu likove u igri, pojedinačne objekte u igri, ili čak protivnike koje nikada nećete videti (kao, na primer, u strategijama u realnom vremenu).

Okrenimo se Alien: Isolation. Nasumične padove na stranu, recimo da je to odlična igra! Jedna od rijetkih filmskih igrica koja vam omogućava da se osjećate kao da ste u filmu. Alien: Izolacija čini da se zaista osjećate kao da ste u filmu o vanzemaljcima. Svaki film o vanzemaljcima ima jasan cilj: osloboditi se vanzemaljca. Mnogi izolirani trenuci u filmovima mogli su se pretvoriti u zanimljivu igru, bilo da se Dallas penje kroz otvore s bacačem plamena ili Ripley nabija kraljicu mehaničkim utovarivačem. Ovi filmovi su, kao i video igrice, veoma energični, njihov univerzum je veoma pogodan za "igranje".

Igra Alien: Isolation je jaka upravo u svojoj umjetnoj inteligenciji. Alien se mora ponašati na način da se igrač osjeća kao učesnik u filmovima o Alienima.Sam Alien je složeno stvorenje, koje pruža mnogo mogućnosti igranja. Skriva se promišljeno koristeći dizajn prostorija. Kreće se kroz ventilaciju, neočekivano napadajući igrače. On mrzi vatru, pa možemo koristiti bacače plamena protiv njega. Istovremeno, igra postavlja određene granice težine. Znamo kako to funkcionira životni ciklus Vanzemaljci. Znamo da krvare kiselinu. Znamo za njihovu kolektivnu inteligenciju. Drugim riječima, filmovi o Alienima su stvorili uvjerljiv sandbox za programere igara.

Svaka odluka koju donesete u Izolaciji vraća se Outsideru. Kako se skrivaš? Kako se koristi dragocjeno gorivo za bacanje plamena? Koliko dugo čekaš da ode? Suočavate se sa pravim, živim vanzemaljcem koji će se ponašati i razmišljati kao vanzemaljac. Neverovatno je, zastrašujuće i neverovatno u isto vreme!

Većina igrača i programera vjeruje da je "jaka AI" u suštini nemoguća. To bi značilo da bi trebao biti jednak ili čak superiorniji od ljudske inteligencije. Teško da bi bilo ugodno igrati se sa ovim.

Jaka veštačka inteligencija će biti veoma slična drugom igraču, sa istim ciljevima igre: želeće da pobede. Dobra veštačka inteligencija ne želi da pobedi, ona želi da naporno radite da biste zaradili svoje dobitke. Zato Alien nije toliko realistična simulacija najvećeg filmskog čudovišta koliko je rekreacija iskustva.

U izolaciji, Alien je gotovo uvijek tu. Naravno, možete mu nakratko odvratiti pažnju, ili prelaziti iz jedne sobe u drugu, ali on će uvijek završiti u blizini. Većinu vremena, Alien se ponaša uvjerljivo, osim u rijetkim prilikama kada se neobjašnjivo zadržava u jednoj prostoriji dok vi zadržavate dah, nadajući se da će otići kako biste mogli ispuzati iz ormara.

Čini se da vanzemaljac uvijek zna vašu približnu lokaciju, što vas drži u neizvjesnosti i neizvjesnosti. On vas ne primjećuje odmah (osim rijetkih "propusta") ako ne podbacite stealth. Ovo je vrlo zgodno za održavanje atmosfere horor filma, ali ponekad se trenutak odugovlači i igra počinje da se "laži". Ponekad je igra toliko fokusirana na stvaranje napetosti da zaboravlja na mnogo važniju stvar - uranjanje.

Smiješno je, ali zbog marketinške šašavosti, riječ "uranjanje" je gotovo izgubila svoje značenje. Sada se svaka igra koja može zadržati pažnju može pohvaliti "uranjanjem". Ali značenje je drugačije od samog početka: kada zaronite u okean, postojite unutar okeana.

Devedesetih godina prošlog stoljeća pojavio se koncept "Immersive Sim" (simulacija uranjanja). Ideja je bila da igrači mogu postojati u svijetu igre i tretirati ga kao stvarnost. Najpoznatiji od "immerzivnih simova" 90-ih bili su System Shock i Thief: The Dark Project. Obje ove igre je razvio Looking Glass Studios i obje su imale snažan fokus na umjetnoj inteligenciji.

Igra bez dobre veštačke inteligencije je kao zbirka praznih filmova. Cijela kolekcija je dobra, ali film je baziran na svojim likovima. Sjajna AI udahnjuje život likovima igre i njenom svijetu. Ovo je najvažnija komponenta u igranju impresivnog filmskog iskustva.

Za dobar primjer "immerzivnog sim-a" u akciji, pogledajmo Thief: The Dark Project. Igra je smještena u svijet fantazije i igrate kao lopov po imenu Garrett. Jedna misija vas šalje u podzemne ruševine. Područje mape je naseljeno posebnim zombijima. Ne mogu se smrskati u komade, kao obične. Ponovo se pojavljuju ubrzo nakon što ih ubijete. Jedini način da ih se zaista riješite je da koristite svetu vodu na svojim skupim vodenim strelicama, koje obično gase baklje, omogućavajući vam da se sakrijete u mraku. Kada vas zombi uoči, zaurla, upozoravajući druge zombije, koji urlaju za sljedećeg. Tako je bilo moguće prikupiti gomilu svih zombija na nivou. Ako nije bilo dovoljno strela ili svete vode, trebalo je razmisliti o planu.

Na primjer, bilo je moguće ušunjati se na balkon iznad sobe sa dva ili tri zombija, prikriveno pucati u jednog kako bi on urlanjem pozvao sve zombije u sobu, a zatim ih počeo gađati svetom vodom

Odnosno, igra je stvorila prostor, stvorila neprijatelje koji su imali logičan skup pravila i na koje se mogla primijeniti vrlo stvarna logika.

Stoga, igra s dobrom umjetnom inteligencijom radi više kao Thief nego Isolation. Tenzija je veoma važna za igru ​​Aliena, ali uranjanje mora biti temelj. Ako igra prestane da bude vjerodostojna, više nije tako strašna.

Naravno, da bi uranjanje funkcioniralo, moramo se uvjeriti u trikove direktora ili programera. Film o vanzemaljcima neće raditi ako nam neko ispred ekrana kaže da vanzemaljac nije zaista izašao iz ljudskih grudi. Stoga, da bi funkcionirao, Alien: Isolation mora nas natjerati da vjerujemo u njegovu stvarnost. Igra bi trebala biti interaktivna, odnosno čak realističnija od bilo kojeg filma. Igra mora biti uzbudljiva. Pravila moraju imati smisla i biti dosljedna.

Ako vi ili igra prekinete tu vezu, igra prestaje biti strašna i iskustvo se raspada. Kada se ljudi koji love igrača iznenada smrznu, ili kada se vanzemaljac „teleportira“ iza njihovih leđa, to prekida uranjanje i povlači se iz iskustva igre. On prestaje da bude zastrašujući, što je, pre svega, poenta Aliena.

Igramo Alien igrice jer želimo da doživimo Alien iskustvo. Kada se AI pokvari ili "zvoka", uranjanje se gubi i igra se raspada. Ali kada AI proradi kako treba, postajemo Ripley, skrivajući se u ormariću, zadržavajući dah, čekajući da čudovište ode.

Vještačka inteligencija - in novije vrijeme jedna od najpopularnijih tema u svijetu tehnologije. Umovi poput Elona Muska, Stephena Hawkinga i Stevea Wozniaka ozbiljno su zabrinuti zbog istraživanja umjetne inteligencije i tvrde da nam njeno stvaranje prijeti smrtnom opasnošću. U isto vrijeme, naučna fantastika i holivudski filmovi stvorili su mnogo zabluda oko AI. Da li smo zaista u opasnosti i kakve nepreciznosti pravimo kada zamišljamo uništenje Skynet Zemlje, opštu nezaposlenost ili obrnuto, prosperitet i nemar? Gizmodo je razotkrio ljudske mitove o umjetnoj inteligenciji. Evo punog prijevoda njegovog članka.

Nazivaju ga najvažnijim testom mašinske inteligencije otkako je Deep Blue pobijedio Garryja Kasparova u šahovskom meču prije 20 godina. Google AlphaGo je pobijedio Grandmaster Li Sedola na Go turniru s poraznim rezultatom 4:1, pokazujući koliko je umjetna inteligencija (AI) ozbiljno napredovala. Sudbonosni dan kada su mašine konačno nadmašile ljudski um nikada nije izgledao tako blizu. No, čini se da nismo ni blizu razumijevanja posljedica ovog epohalnog događaja.

Zapravo, držimo se ozbiljnih, pa čak i opasnih zabluda o umjetnoj inteligenciji. Prošle godine osnivač SpaceX-a Elon Musk je upozorio da bi AI mogla zavladati svijetom. Njegove riječi izazvale su buru komentara, kako protivnika, tako i pristalica ovog mišljenja. Što se tiče takvog budućeg monumentalnog događaja, postoji zapanjujuća količina kontroverzi o tome hoće li se dogoditi, i ako hoće, u kom obliku. Ovo je posebno zabrinjavajuće kada uzmete u obzir nevjerovatne koristi koje čovječanstvo može dobiti od AI i potencijalne rizike. Za razliku od drugih ljudskih izuma, AI ima potencijal da promijeni čovječanstvo ili nas uništi.

Teško je znati u šta vjerovati. Ali zahvaljujući ranom radu kompjuterskih naučnika, neuronaučnika, teoretičara veštačke inteligencije, jasnija slika počinje da se pojavljuje. Evo nekih uobičajenih zabluda i mitova o umjetnoj inteligenciji.

Mit broj 1: "Nikada nećemo stvoriti AI sa ljudskom inteligencijom"

stvarnost: Već imamo kompjutere koji su izjednačili ili premašili ljudske mogućnosti u šahu, Gou, trgovanju akcijama i razgovoru. Računari i algoritmi koji ih pokreću mogu biti samo bolji. Samo je pitanje vremena kada će nadmašiti ljude u bilo kojem zadatku.

Istraživački psiholog NYU Gary Marcus rekao je da “bukvalno svi” koji rade u AI vjeruju da će nas mašine na kraju pobijediti: “Jedina stvarna razlika između entuzijasta i skeptika su procjene vremena.” Futuristi poput Raya Kurzweila misle da bi se to moglo dogoditi u roku od nekoliko decenija, drugi kažu da bi to moglo potrajati stoljećima.

Skeptici AI nisu uvjerljivi kada kažu da je ovo nerješiv tehnološki problem i da postoji nešto jedinstveno u prirodi biološkog mozga. Naši mozgovi su biološke mašine - postoje u stvarnom svetu i pridržavaju se osnovnih zakona fizike. Ne postoji ništa nepoznato o njima.

Mit broj 2: "Vještačka inteligencija će imati svest"

stvarnost: Većina zamišlja da će um mašine biti svjestan i misliti onako kako ljudi misle. Štaviše, kritičari poput suosnivača Microsofta Paula Allena vjeruju da još ne možemo postići umjetnu opću inteligenciju (sposobnu riješiti bilo koji mentalni problem koji čovjek može riješiti) jer nam nedostaje naučna teorija svijesti. Ali kako kaže Murray Shanahan, stručnjak za kognitivnu robotiku na Imperial College Londonu, ne bi trebali izjednačavati ova dva koncepta.

“Svijest je svakako nevjerovatna i važna stvar, ali ne vjerujem da je neophodna za umjetnu inteligenciju na ljudskom nivou. Preciznije, riječ "svijest" koristimo za označavanje nekoliko psiholoških i kognitivnih osobina koje osoba "dolazi u kompletu", objašnjava naučnik.

Može se zamisliti inteligentna mašina kojoj nedostaje jedna ili više ovih osobina. Na kraju, možemo stvoriti nevjerovatno pametnu umjetnu inteligenciju koja neće moći subjektivno i svjesno da percipira svijet. Shanahan tvrdi da se um i svijest mogu kombinovati u mašini, ali ne smijemo zaboraviti da su to dva različita koncepta.

Činjenica da mašina prolazi Tjuringov test, po kojem se ne razlikuje od čoveka, ne znači da ima svest. Nama, napredni AI može izgledati svjesno, ali njegova samosvijest neće biti ništa više od kamena ili kalkulatora.

Mit br. 3: “Ne trebamo se bojati AI”

stvarnost: U januaru je osnivač Fejsbuka Mark Zakerberg rekao da se ne treba plašiti veštačke inteligencije, jer će ona učiniti neverovatnu količinu dobrih stvari za svet. On je pola u pravu. Izvući ćemo ogromne koristi od AI, od samovozećih automobila do novih lijekova, ali nema garancije da će svaka implementacija AI biti benigna.

Visoko inteligentan sistem može znati sve o određenom zadatku, kao što je rješavanje gadnog finansijskog problema ili hakovanje u neprijateljski odbrambeni sistem. Ali izvan granica ovih specijalizacija, ona će biti duboko neuka i nesvjesna. Googleov DeepMind sistem je stručnjak za Go, ali nema mogućnost ili razlog da istražuje područja izvan svoje specijalnosti.

Mnogi od ovih sistema možda neće biti predmet sigurnosnih razmatranja. Dobar primjer je složen i moćan virus Stuxnet, paravojni crv koji su razvile izraelska i američka vojska za infiltriranje i sabotiranje iranskih nuklearnih elektrana. Ovaj virus je nekako (namjerno ili slučajno) zarazio rusku nuklearnu elektranu.

Drugi primjer je program Flame koji se koristi za sajber špijunažu na Bliskom istoku. Lako je zamisliti buduće verzije Stuxneta ili Flamea koje prekoračuju svoje ciljeve i nanose ogromnu štetu osjetljivoj infrastrukturi. (Za razumijevanje, ovi virusi nisu AI, ali u budućnosti bi ga mogli imati, otuda i zabrinutost).

Virus Flame je korišten za sajber špijunažu na Bliskom istoku. Fotografija: Wired

Mit broj 4: “Vještačka superinteligencija će biti previše pametna da bi pogrešila”

stvarnost: Istraživač umjetne inteligencije i osnivač Surfing Samurai Robots Richard Lucimore vjeruje da je većina scenarija sudnjeg dana u vezi s umjetnom inteligencijom nedosljedna. Oni su uvijek izgrađeni na pretpostavci da AI kaže: „Znam da je uništenje čovječanstva uzrokovano greškom u dizajnu, ali to ipak moram učiniti.“ Lucimore kaže da ako se AI ponaša na ovaj način, govoreći o našem uništenju, onda će ga takve logičke kontradikcije proganjati cijeli život. To, zauzvrat, degradira njegovu bazu znanja i čini ga previše glupim da bi stvorio opasnu situaciju. Naučnik takođe tvrdi da ljudi koji kažu: "AI može da radi samo ono za šta je programirana" greše kao i njihove kolege u zoru kompjuterskog doba. Tada su ljudi koristili ovu frazu da tvrde da računari nisu u stanju da pokažu ni najmanju fleksibilnost.

Peter McIntyre i Stuart Armstrong, koji rade na Institutu za budućnost čovječanstva na Oksfordskom univerzitetu, ne slažu se s Lucimoreom. Oni tvrde da je AI u velikoj mjeri vezan načinom na koji je programiran. McIntyre i Armstrong vjeruju da AI ne može pogriješiti ili biti previše glup da ne zna šta očekujemo od nje.

“Po definiciji, umjetna superinteligencija (AI) je entitet s inteligencijom daleko većom od najboljeg ljudskog mozga u bilo kojoj oblasti znanja. On će tačno znati šta smo želeli da uradi”, kaže Mekintajer. Oba naučnika veruju da će veštačka inteligencija raditi samo ono za šta je programirana. Ali ako postane dovoljno pametan, shvatit će koliko se to razlikuje od duha zakona ili namjera ljudi.

McIntyre je uporedio buduću situaciju ljudi i AI sa trenutnom interakcijom čovjeka i miša. Svrha miša je traženje hrane i skloništa. Ali često se kosi sa željom osobe koja želi da njegova životinja slobodno trči oko njega. „Dovoljno smo pametni da razumijemo neke svrhe miševa. Tako će i ASI razumjeti naše želje, ali biti ravnodušan prema njima “, kaže naučnik.

Kao što pokazuje radnja filma Ex Machina, čovjeku će biti izuzetno teško zadržati pametniji AI

Mit #5: “Jednostavna zakrpa će riješiti problem kontrole AI”

stvarnost: Stvaranjem umjetne inteligencije pametnije od ljudi, suočit ćemo se s problemom poznatim kao "problem kontrole". Futuristi i teoretičari umjetne inteligencije padaju u stanje potpune konfuzije kada ih pitaju kako ćemo zadržati i ograničiti ASI ako do njega dođe. Ili kako osigurati da je prijateljski nastrojen prema ljudima. Nedavno su istraživači sa Instituta za tehnologiju Džordžije naivno sugerirali da bi AI mogla usvojiti ljudske vrijednosti i društvena pravila čitanjem jednostavne priče. U stvarnosti će to biti mnogo teže.

„Predloženo je mnogo jednostavnih trikova koji bi mogli 'riješiti' cijeli problem kontrole umjetne inteligencije,” kaže Armstrong. Primjeri uključuju programiranje ASI-ja tako da je njegova svrha da ugodi ljudima, ili da jednostavno funkcionira kao alat u rukama osobe. Druga opcija je da se koncepti ljubavi ili poštovanja integrišu u izvorni kod. Kako bi se spriječilo AI da usvoji pojednostavljen, jednostran pogled na svijet, predloženo je da se programira tako da cijeni intelektualnu, kulturnu i društvenu raznolikost.

Ali ova rješenja su suviše jednostavna, kao pokušaj da se složenost ljudskih simpatija i nesklonosti stisne u jednu površnu definiciju. Pokušajte, na primjer, smisliti jasnu, logičnu i izvodljivu definiciju "poštovanja". Ovo je izuzetno teško.

Mašine u Matrixu lako bi mogle uništiti čovječanstvo

Mit br. 6: "Umjetna inteligencija će nas uništiti"

stvarnost: Nema garancije da će nas AI uništiti, ili da nećemo moći pronaći način da ga kontrolišemo. Kao što je teoretičar umjetne inteligencije Eliezer Yudkowsky rekao: "AI vas niti voli niti mrzi, ali ste napravljeni od atoma koje može koristiti u druge svrhe."

U svojoj knjizi Veštačka inteligencija. Faze. Pretnje. Strategije”, napisao je filozof s Oksforda Nick Bostrom da će prava umjetna superinteligencija, jednom kada se pojavi, predstavljati veći rizik od bilo kojeg drugog ljudskog izuma. Eminentni umovi poput Elona Maska, Bila Gejtsa i Stivena Hokinga (potonji je upozorio da bi veštačka inteligencija mogla biti naša „najgora greška u istoriji“) takođe su izrazili zabrinutost.

McIntyre je rekao da u većini ciljeva kojima se ISI može voditi, postoje dobri razlozi da se ljudi riješe.

“AI može predvidjeti, sasvim ispravno, da ne želimo da maksimizira profit određene kompanije, bez obzira na troškove kupaca, okoliša i životinja. Dakle, on ima snažan poticaj da osigura da ga ne prekidaju, ne miješaju, ne isključuju ili mijenjaju u svojim ciljevima, jer to ne bi ispunilo njegove prvobitne ciljeve”, kaže McIntyre.

Osim ako ciljevi ASI-ja tačno ne odražavaju naše, onda će imati dobar razlog da nam ne da priliku da to zaustavimo. S obzirom da je njegov nivo inteligencije znatno bolji od našeg, ne možemo ništa učiniti povodom toga.

Niko ne zna koji će oblik AI poprimiti i kako bi mogao ugroziti čovječanstvo. Kao što je Musk primetio, veštačka inteligencija se može koristiti za kontrolu, regulaciju i nadgledanje druge veštačke inteligencije. Ili može biti prožeta ljudskim vrijednostima ili prevashodnom željom da se bude prijateljski nastrojen prema ljudima.

Mit br. 7: "Umjetna superinteligencija će biti prijateljska"

stvarnost: Filozof Immanuel Kant vjerovao je da je razum u snažnoj korelaciji s moralom. Neuronaučnik David Chalmers je u svojoj studiji Singularnost: filozofska analiza uzeo Kantovu poznatu ideju i primijenio je na novu umjetnu superinteligenciju.

Ako je to istina... možemo očekivati ​​da će intelektualna eksplozija dovesti do eksplozije morala. Tada možemo očekivati ​​da će ASI sistemi u nastajanju biti supermoralni i superinteligentni, što nam omogućava da očekujemo da budu dobri.

Ali ideja da će napredna AI biti prosvijećena i ljubazna sama po sebi nije baš uvjerljiva. Kao što je Armstrong istakao, postoji mnogo pametnih ratnih zločinaca. Čini se da među ljudima ne postoji veza između razuma i morala, pa on dovodi u pitanje djelovanje ovog principa među drugim inteligentnim oblicima.

“Pametni ljudi koji se ponašaju nemoralno mogu uzrokovati bol u mnogo većim razmjerima od njihovih glupljih kolega. Inteligencija im samo omogućava da budu loši uz veliku inteligenciju, ne pretvara ih u dobre ljude", kaže Armstrong.

Kako je McIntyre objasnio, sposobnost subjekta da postigne cilj nije povezana s tim da li bi taj cilj bio razuman za početak. “Bit ćemo vrlo sretni ako naši AI budu jedinstveno nadareni i njihov nivo morala raste zajedno s umom. Nadati se sreći nije najbolji pristup onome što bi moglo odrediti našu budućnost”, kaže on.

Mit #8: “Rizici od AI i robotike su jednaki”

stvarnost: Ovo je posebno česta greška koju propagiraju nekritički mediji i holivudski filmovi poput Terminatora.

Da je veštačka superinteligencija poput Skyneta zaista želela da uništi čovečanstvo, ne bi koristila androide sa šestocevnih mitraljeza. Mnogo efikasnije bi bilo slanje biološke kuge ili nanotehnološke sive gnjide. Ili samo uništite atmosferu.

Umjetna inteligencija je potencijalno opasna ne zato što može utjecati na razvoj robotike, već zbog toga kako će njena pojava utjecati na svijet općenito.

Mit #9: “Prikaz AI u naučnoj fantastici je tačan prikaz budućnosti”

Mnogo vrsta umova. Slika: Eliezer Yudkowsky

Naravno, autori i futuristi su koristili naučnu fantastiku da bi napravili fantastična predviđanja, ali horizont događaja koji postavlja ASI je sasvim druga priča. Štaviše, neljudska priroda AI onemogućava nam da znamo, a samim tim i predvidimo njegovu prirodu i oblik.

Da bismo zabavili nas glupe ljude, većina AI u naučnoj fantastici je prikazana kao mi. “Postoji spektar svih mogućih umova. Čak i među ljudima, vi ste prilično drugačiji od svojih susjeda, ali ova varijacija nije ništa u usporedbi sa svim inteligencijama koje mogu postojati”, kaže McIntyre.

Većina naučne fantastike ne mora biti naučno tačna da bi ispričala uvjerljivu priču. Sukob se obično odvija između junaka koji su bliski po snazi. „Zamislite kako bi priča bila dosadna, u kojoj bi veštačka inteligencija bez svesti, radosti ili mržnje uništila čovečanstvo bez ikakvog otpora da postigne nezanimljiv cilj“, zijeva Armstrong.

U fabrici Tesla radi stotine robota

Mit br. 10: "Užasno je što će AI uzeti sav naš posao"

stvarnost: Sposobnost umjetne inteligencije da automatizira mnogo onoga što radimo i njen potencijal da uništi čovječanstvo dvije su vrlo različite stvari. Ali prema Martinu Fordu, autoru knjige U zoru robota: Tehnologija i prijetnja budućnosti bez posla, često se posmatraju kao cjelina. Dobro je razmišljati o dalekoj budućnosti AI aplikacija, ali samo ako nas to ne odvrati od problema s kojima ćemo se morati suočiti u narednim decenijama. Glavna među njima je masovna automatizacija.

Niko ne sumnja da će umjetna inteligencija zamijeniti mnoga postojeća radna mjesta, od radnika u fabrici do viših ešalona bijelih okovratnika. Neki stručnjaci predviđaju da će polovina svih radnih mjesta u SAD biti ugrožena automatizacijom u bliskoj budućnosti.

Ali to ne znači da ne možemo podnijeti šok. Općenito, rješavanje većine našeg posla, i fizičkog i mentalnog, je kvazi-utopijski cilj naše vrste.

„U roku od nekoliko decenija, veštačka inteligencija će izbrisati mnogo poslova, ali to nije loša stvar“, kaže Miler. Automobili koji se sami voze zamijenit će vozače kamiona, smanjujući troškove dostave i, kao rezultat, čineći mnoge proizvode jeftinijim. “Ako ste vozač kamiona i živite od toga, izgubićete, ali naprotiv, svi ostali će moći da kupe više robe za istu platu. A novac koji uštede bit će potrošen na druga dobra i usluge koje će otvoriti nova radna mjesta za ljude”, kaže Miler.

Po svoj prilici, umjetna inteligencija će stvoriti nove mogućnosti za proizvodnju dobra, oslobađajući ljude da rade druge stvari. Napredak u razvoju AI će biti praćen napretkom u drugim oblastima, posebno u proizvodnji. U budućnosti će nam biti lakše, a ne teže, da zadovoljimo svoje osnovne potrebe.

Uvod

Tražeći porijeklo ideja umjetne inteligencije, može se navesti mnoge činjenice i mitovi. Počevši od starogrčkog robota Talosa, kojeg je stvorio Zevs da čuva ostrvo Krit, ili Charles Babbage sa Adom Lovelace i njihovim analitičkim motorom iz sredine 19. stoljeća, a završava se idejama Minskyja i McCartneyja, koji su stvorili modernu definiciju AI kao bilo koje radnje koju izvodi program ili mašina, za koju bismo, da je izvodi neka osoba, rekli da treba pokazati inteligenciju ili domišljatost.

Za mene, porijeklo rođenja AI se vidi u knjizi Galilea Galileija iz 1683. „Razgovori i matematički dokazi dvije nove nauke“.

U ovoj knjizi Galileo je posebno napisao da je sve na svijetu, uključujući prirodne pojave, može se izraziti u terminima matematike. Ispostavilo se da za bilo koju pojavu ili radnju možete smisliti algoritam. Dakle, umjetna inteligencija je skup algoritama za sve prilike. A jedna od glavnih sposobnosti AI biće sposobnost da samostalno sintetiše nove algoritame na osnovu dostupnih podataka.

U skraćenom obliku, to je već moguće. Na primjer, Googleov AlphaGo, nakon što je analizirao bazu podataka od 30 miliona poteza i vježbao sam sa sobom nekoliko hiljada puta, uspio je pobijediti najboljeg Go igrača na svijetu.

IBM obučava svoj superkompjuter Watson da pomogne doktorima. Zadatak je naučiti kompjuter da traži odgovore na postavljena pitanja na prirodnom jeziku, odnosno Watson nauči da provodi medicinsko istraživanje. Neka vrsta igre diferencijalne dijagnoze, samo kompjuter umjesto dr Housea. Zapravo, ovo je kraj priče. U svijesti stanovnika, umjetna inteligencija je Jarvis iz stripa Iron Man, Terminator, ili, u najgorem slučaju, RoboCop (u filmu je to dodana AI ta koja pomaže kiborgu da puca vrlo brzo i precizno). Takva opcija, naravno, ima svoje mjesto, ali počnimo s onim što je danas dostupno.

Koje vrste AI danas postoje?

Općenito, sve vrste AI mogu se podijeliti u dvije kategorije - slaba ili ograničena AI i opšta ili jaka AI.

Slab AI

Zapravo, imena govore sama za sebe. AI je danas prvi tip - ograničen, odnosno intelekt je izoštren za određene zadatke. Na primjer, kada Samsung obećava da će do 2020. svaki njegov uređaj imati AI, to znači ograničenu opciju. Primjeri su Siri ili Alice, koji mogu raditi upravo ono za što su programirani. Alis čak odgovara na ovaj način kada nešto ne zna ili ne može: „Programer je obećao da će me kasnije naučiti ovome.“

Isti tip uključuje Google i Yandex mape koje analiziraju saobraćajne gužve i iscrtavaju rute, kamere koje prepoznaju scene, inteligentnu pećnicu koja samostalno regulira nivo topline i robot-usisivač koji, kako god objasnili, može samo usisavati, ali neće dati papuče.

I do sada, ova ograničena AI je jedina vrsta umjetne inteligencije kojom je čovječanstvo ovladalo. Slaba umjetna inteligencija može se podijeliti na ključne zadatke na kojima stručnjaci danas rade. To:

• prepoznavanje govora;
• kompjuterski vid;
• obrada prirodnog jezika;
• traženje obrazaca ili analiza podataka;
• robotika.

Da biste postigli rješenje ovih problema, odnosno naučili neki AI da razumije vaše riječi i prepoznaje slike, postoje dva načina.

1. simbolički pristup.

   Ovaj pristup je vodio od kasnih 40-ih do ranih 90-ih. Metoda je zasnovana na onome što se mislilo da jeste Najbolji način“Trenirati” AI znači hraniti ga što je moguće više znanja. Na primjer, ako govorimo u kontekstu medicine, onda se u AI učitavaju sve vrste udžbenika i baza znanja. A AI traži odgovore samo na osnovu dostupnih informacija, obrađujući znanje samo prema pravilima koja je kreirao programer.

   Shodno tome, ova vrsta AI je dobra za rješavanje statičkih problema. Na primjer, u njega se mogu učitati svi udžbenici ruskog jezika, a AI će moći dobro provjeriti eseje, pronalazeći pravopisne i interpunkcijske greške i fokusirajući se na ortoepske norme, čak će moći izolirati govorne greške i nedostatke. Međutim, on će to učiniti samo na osnovu pravila, odnosno ne razumijevanja konteksta, već izolovanja ispravnog reda riječi i pravopisa.

   Drugi primjer je mašinsko prevođenje. AI obučena simbolima je naoružana svim vrstama rječnika i zbornika izraza. A ako se fraza koja mu je ponuđena za prijevod nalazi u jednom od njih, onda će je dobro prevesti, a ako nije, jednostavno će zamijeniti riječi, prijedloge i strukturu rečenice na osnovu propisanih pravila.

2. Mašinsko učenje ili nesimbolična umjetna inteligencija.

   Za razliku od simboličkog učenja, ova opcija učenja podrazumijeva da je umjetnoj inteligenciji pokazano kako riješiti određeni problem, nakon čega joj je omogućeno da slobodno lebdi. Ovako funkcioniraju neuronske mreže. Sjećam se da sam čitao o primjeru gdje je programer povezao AI za kontrolu prskalica i naučio ga da vodom otjera susjedovu mačku, koja je stekla naviku da ide u toalet na travnjaku. Programer je AI pokazao mnogo fotografija sa mačkama, nakon čega je umjetna inteligencija razvila refleks da uključi prskalicu svaki put kada mu se učini da vidi nešto što liči na mačku. Sistem nije uvijek funkcionisao glatko. Čini se da se nekako uključila kada je AI zamijenio sjenu na pločniku za mačku.

   Ako govorimo o primjeru prijevoda, onda obučeni AI može pokušati razumjeti kontekst fraze i zamijeniti u prijevodu ne prvu riječ koja ispunjava osnovne zahtjeve, već onu koja, po njegovom mišljenju, bolje odražava stil, emocija, slenga ili nečeg drugog, na ono za šta je obučen.

Danas većina programera radije koristi drugu vrstu - mašinsko učenje, jer može, da tako kažem, improvizirati. Na primjer, ako je autonomni automobil obučen prema prvom tipu, tada će voziti prema pravilima, ali ako se na cesti pojavi nepredviđena situacija, automobil će biti u poteškoćama. A auto obučen mašinskim učenjem može djelovati u skladu s okolnostima, sintetizirajući ideje na osnovu prethodno unesenih informacija.

Tu nastaje problem. Jedna od ključnih važnih karakteristika simboličke AI je da sistem uvijek može objasniti zašto je donio određenu odluku. Ali u slučaju mašinskog učenja, sve nije lako. Zato istom UBER-u ili Tesli treba dugo da shvate zašto su njihovi automobili doneli ovu ili onu odluku koja je izazvala nesreću.

Međutim, za iste automobile simbolično učenje nije prikladno, jer se sva pravila za AI unose ručno, odnosno, relativno govoreći, trebate zapisati sve opcije za automobil - osoba je istrčala na cestu, a kolica su se otkotrljala, izletela kutija itd. Zaboravio je nešto da zapiše, a odjednom se ispostavilo da je auto udario losa, jer o njemu ništa nije pisalo u pravilniku, dok će mašinska AI moći da pogodi da ne možete oboriti sve četvoronoške one.

Slaba veštačka inteligencija, kao što vidite, uprkos svojim ograničenjima, ima mnogo aplikacija - od pametne tehnologije, preko samovozećih automobila, do obrade podataka sa pokušajima predviđanja budućnosti. Inače, Google Duplex, koji može rezervisati stolove u restoranu, takođe je ograničena veštačka inteligencija, jer može da radi upravo ono što su ga naučili.

Jaka AI (samo)

Ovdje već počinje carstvo hipoteza, budući da čovječanstvo još nije vidjelo ništa slično. Možda samo u utrobi Google-a ili IBM-a živi nešto poluinteligentno. Na najnovijoj Google I/O konferenciji, Fei Fei Li, veoma pametna Kineskinja, šefica odjela za strojno učenje i umjetnu inteligenciju u Google Cloudu, rekla je da iako je prošlo više od 60 godina od istraživanja AI, ali nauka je još uvijek u ranoj fazi, a do sada možemo govoriti samo o postizanju majstorstva u razvoju ograničene AI.

Međutim, predlažem da malo sanjamo o jakoj AI i pokušamo odrediti kakav bi trebao biti i šta bi trebao biti u stanju da radi. Vjeruje se da je jaka umjetna inteligencija pametna kao prosječna osoba, odnosno, u teoriji, može riješiti bilo koji problem.. A ako je prvi bio suočen sa zadatkom da uništi Johna Connora na bilo koji način, onda drugi žudi za maksimumom entropija. Terminator će, ako je metro zatvoren, otići autobusom da ubije Johna Connora, a ako se autobus pokvari, on će pješice ili pozvati taksi, a zlobnik će napisati da sve reklame, da autor ne razumije bilo šta, pokušaće da se bavi demagogijom i sofizmom. Zapravo, najviše od svega, vlade širom svijeta sanjaju da se domognu jake umjetne inteligencije za izvođenje vojnih operacija i sabotiranje američkih izbora s vojskom kompjuterskih trolova.

Google kaže da ako sve prođe kako treba, do 2050. godine može doći do iskora i da će se pojaviti prva jaka AI.

Glavna slabost ovakvog AI je u tome što, unatoč svim svojim sposobnostima, on i dalje ostaje relativno uskogrudan, poput prosječne osobe, ali, za razliku od osobe, jak AI pamti sve i bolje je orijentisan u traženju i obradi informacija.

super jak intelekt

Ovo je potpuno van domena fantazije. Na primjer, Friday / Jarvis iz Iron Mana može se pripisati jednostavno jakoj inteligenciji.

Ako se sjećate, u jednom od filmova, glavni lik Tony Stark pokušao je izmisliti neki novi netoksični izvor energije kako bi ga stavio u grudi. Jarvis mu je asistirao, ali samo je Tony Stark ionako mogao riješiti problem, jer umjetna inteligencija nije imala dovoljno "razloga". Super jak intelekt moći će samostalno riješiti čak i većinu izazovni zadaci. Njemu će čovječanstvo postaviti pitanje, na koje će on odgovoriti "42", a onda će super-moćna AI sve ljude staviti u bačve s tekućinom i stvoriti fenomen odabranog (ovo nije smeće, već aluzije na knjigu "Autostoperski vodič kroz galaksiju" i film "Matrix").

Da li treba da se plašim veštačke inteligencije?

Uprkos svim naučnofantastičnim filmovima, ne treba se bojati, barem do pojave najnovije vrste AI. Međutim, morate se bojati ljudi koji se bave razvojem, jer se, zbog greške ili namjerno, u isti ograničeni AI može položiti pravilo „ubiti sve ljude“ umjesto „naučiti sve ljude“. A onda za AI, sve je na malom - samo da razjasnimo značenje svih riječi u rječniku i pređemo na posao.

Međutim, razvoj čak i ograničene AI već je doveo i još će dovesti do mnogih problema u modernom društvu.

Problem jedan

Jedan od problema je i uništavanje tradicionalne ljestvice karijere, jer razvoj AI dovodi do odbijanja poslova koji zahtijevaju prosječan nivo vještina. Objasniću detaljnije. Potrebna nam je jeftina radna snaga za unos podataka u kompjuter, jer, relativno govoreći, čovjek ipak zna bolje prepoznati "captcha". Potrebni su nam i oni koji će donositi odluke na osnovu kompjuterski obrađenih podataka. Ali obični analitičari više nisu potrebni, jer analiziraju i proučavaju podatke na osnovu naučenih algoritama. Na primjer, kada sam bio analitičar, imao sam 42 različite opcije obrade podataka za kreiranje prognoza. Sve ove opcije bile su organizirane u zgodnu prezentaciju koju sam redovno spominjao kako bih shvatio koji metod je najbolje koristiti u datoj situaciji. Zamijeniti me AI-jem čini se logičnim i opravdanim, jer će se mnogo brže nositi sa zadacima predviđanja. U skladu s tim, postoji jaz kada nestaje tradicionalna ljestvica karijere od mlađeg analitičara do menadžera, budući da na dnu karijere praktično nema manevra za demonstriranje inteligencije.

Problem dva

Također, zbog AI postepeno će doći do odbacivanja osnovnih profesija koje se mogu algoritmizirati, odnosno svesti na jednostavne radnje. Nešto slično sada se može primijetiti u Auchanu i Lenti, gdje se blagajnici postepeno zamjenjuju samouslužnim aparatima, kao i jedan zaposlenik koji pomaže u rješavanju nastalih problema i zaštitar koji održava red. Ubuduće će čuvara zamijeniti nadzorne kamere koje čuvaju red. Ispada da će doći do smanjenja vrijednosti ljudi.

Profesije koje će vrlo vjerovatno zamijeniti AI: poštari, draguljari, drvosječe, farmeri, radnici u fabrici, osiguravatelji

Pročitao sam da San Francisco donekle može poslužiti kao ilustracija ovog problema. Ovaj grad u SAD-u izabrala je tehnološka elita. Shodno tome, privreda grada je usmjerena na zadovoljavanje potreba elite, ali ljudi koji nisu vezani za tehnološku ekonomiju imaju ogromne probleme. Zarađuju mnogo manje, a sve cijene u gradu su postavljene za IT startapove. Obični ljudi ne mogu sebi priuštiti takve troškove, pa se ili sele ili pridruže ionako ogromnoj armiji beskućnika.

Međutim, ovdje postoji ključna karakteristika koja će zadržati neke profesije. Vještačkoj inteligenciji su potrebni stvoreni uslovi za rad. Na primjer, robot usisivač može se voziti samo po glatkim podovima i savladati male neravnine. U skladu s tim, mnoge osnovne profesije moći će izdržati sve dok bude preteško i skupo stvoriti njihovu umjetnu zamjenu. Na primjer, u prostoriji s mnogo vrata, robot za čišćenje mora imati ili manipulatore za okretanje kvaka na vratima ili se sva vrata moraju automatski otvoriti. I jedno i drugo je prilično skupo, ali Sarhat iz centralne Azije ima ruke i pamet da se nosi sa krpom i kvakom, ali nema registracije i smanjenih plata.

Problem tri

Čak je i ograničena umjetna inteligencija uvelike stimulirala fenomen slobodnog rada. Platforme za odabir i zapošljavanje udaljenih radnika svake godine sve više cvjetaju. Na primjer, prema najnovijim statistikama, u Sjedinjenim Državama, prvoj svjetskoj ekonomiji, 55 miliona ljudi radi kao slobodnjaci.

A ovo je u sadašnjoj generaciji, obratite pažnju na ilustraciju. Sve veća radna snaga ne voli sjediti u kancelariji. Shodno tome, doći će do pomaka u organizaciji rada. Kompanije će se suočiti sa izazovima u regrutovanju i zadržavanju zaposlenih, jer zašto posvetiti svoj život jednoj kompaniji kada ste dostupni online i možete tražiti posao širom svijeta.

Problem četiri

Prilično ozbiljan problem je socijalna nejednakost, koju sam već pomenuo u problemu broj 2. Biće sve gori. Pretpostavljam da ste iz članka pogodili da da biste bili uspješni u novom svijetu, morate biti brzi i "vi" sa moderne tehnologije. Nije tajna da siromašni ljudi imaju lošiji pristup obrazovanju. Shodno tome, siromašni neće moći da izbiju na novi nivo, jer jednostavno neće imati priliku da nauče nešto korisno, jer su potrebne godine intenzivne obuke da bi se dobro razmislilo, a gdje ih nabaviti kada treba tražiti za hranu.

Novom društvu je potrebna ili jeftina radna snaga ili intelektualni donosioci odluka.

Problem peti

Može se ukratko formulisati - ko je na čelu? Osobe uključene u razvoj AI sistema imaće posebnu odgovornost, jer podučavaju AI, na osnovu kojih podataka će AI donositi odluke. Hoće li to biti zakoni robotike iz Asimova ili druga pravila koja štite određeni sloj ljudi.

Zašto je veštačka inteligencija dobra?

Gore navedeni problemi izgledaju pomalo zastrašujuće, ali AI je mač sa dvije oštrice koji može pomoći.

Dobro 1

Vještačka inteligencija će poslužiti moćan podsticaj za razvoj mnogih oblasti. Dobar primjer je medicina. Danas, u 21. veku, lekari nastavljaju da leče na isti način kao pre sto godina. Trpaju udžbenike. Ovo je loša opcija, jer nijedan ljekar ne može zapamtiti napamet sve simptome svih bolesti. Posljedice takvih grešaka mogu biti fatalne. Lokalni doktor je do poslednjeg insistirao da su uzroci maminih tegoba prehlada i umor, jer su svi glavni simptomi prisutni. I tek kada je bilo prekasno, postavljena je ispravna dijagnoza - akutna leukemija, bolest koju je prilično teško prepoznati. I u ovoj situaciji, prisustvo AI koji pamti sve bolesti i simptome i koji se nikada ne umara bi bio izlaz.

Isti pomak može se dogoditi iu oblasti prava, gdje advokati i sudije moraju imati na umu sve zakone, presedane i mnogo dokaza.

Blago 2

AI će pomoći u stvaranju personaliziranog iskustva. Ova izjava se najbolje može ilustrirati primjerom obuke. Danas su nastavnici preopterećeni i fizički ne mogu da prate sve učenike. Ali svako ima svoj tempo savladavanja novog materijala. Sistemi učenja zasnovani na veštačkoj inteligenciji prate brzinu učenja, vide da li učenik dobro ili loše pamti, pažljivo čita ili je ometen. Na osnovu toga se gradi individualni tempo učenja i odabiru vježbe za konsolidaciju.

Istovremeno, postoji činjenica da je ljudima lakše da shvate novi materijal uz pomoć AI, jer je u ovom slučaju strah od greške značajno smanjen. Mogu se složiti sa ovom izjavom. Moralno je lakše primiti ogorčeni zvučni signal od kompjutera da je primjer pogrešno riješen nego izdržati pogled Olge Stepanovne, moje profesorice matematike.

AI će moći da posveti jednaku pažnju svim ljudima. To uključuje sve oblasti, od obrazovanja i medicine do odabira modernog imidža (u skladu s tipom figure, oblika lica i trendova sezone) i treninga u teretani.

Blago 3

Već danas naš svijet je pun informacija. Podaci se prikupljaju svuda, od vremenskih uslova do toga koliko je koraka osoba prešla.

Umjetna inteligencija s pristupom velikim podacima moći će analizirati te podatke i tražiti korelaciju, kako broj koraka utiče na zdravlje, ali ne apstraktno, već uzimajući u obzir određene vremenske prilike. Analiza kretanja putničkog saobraćaja pomoći će u smanjenju gužvi, smanjenju broja saobraćajnih kolapsa u vršnim satima. Ukratko, podaci koji se mogu analizirati biće analizirani i AI će predstaviti svoje nalaze.

Zaključak

Danas je umjetna inteligencija pokazala da je dobra samo u rješavanju zadataka za koje je obučena, pa čak i da u njima bude bolja od običnih ljudi. Pametni telefon lako može da pobedi velemajstora i bez kraljice, japanska veštačka inteligencija koja je napisala kratki roman plasirala se u finale književnog takmičenja, a njegova braća pišu i izvode dobru muziku.

Međutim, nažalost, AI je još uvijek u povojima. Može da radi samo ono što ga je naučio - da analizira mnoštvo književnih ili muzičkih dela i sintetizuje nešto svoje, ili da zapamti milione poteza i izabere najbolji.

Glavni problemi koji stoje na putu razvoja ograničene AI su nedostatak univerzalnih algoritama za razumijevanje okolnog svijeta i infrastrukture (za prikupljanje podataka potrebno vam je puno senzora, za bespilotna vozila, puteve sa savršenim oznakama, za razumijevanje na zahtjeve vlasnika, glasovnim asistentima su potrebni bolji algoritmi).

Za pojavu jake umjetne inteligencije potrebne su fundamentalno različite računske snage i algoritmi za obradu informacija koji oponašaju ono što ljudi nazivaju intuicijom. Vjerovatno ćemo u bliskoj budućnosti promatrati različite varijante ograničene AI sa ugrađenim algoritmima ponašanja za različite uvjete.

Umjetna inteligencija stvorila je neuronsku mrežu 15. decembra 2017

Živjeli smo do tačke u kojoj umjetna inteligencija stvara vlastitu neuronsku mrežu. Iako mnogi misle da su jedno te isto. Ali zapravo, nije sve tako jednostavno, a sada ćemo pokušati shvatiti šta je to i ko koga može stvoriti.

Inženjeri iz odjela Google Brain demonstrirali su AutoML ovog proljeća. Ova umjetna inteligencija može proizvesti vlastitu jedinstvenu umjetnu inteligenciju bez ljudske intervencije. Kako se nedavno pokazalo, AutoML je po prvi put uspio stvoriti NASNet, sistem kompjuterskog vida. Ova tehnologija ozbiljno nadmašuje sve analoge koje su ljudi ranije stvorili. Ovaj sistem zasnovan na veštačkoj inteligenciji može biti odličan pomoćnik u razvoju npr. autonomni automobili. Primjenjivo je i u robotici - roboti će moći dostići potpuno novi nivo.

Razvoj AutoML-a zasniva se na jedinstvenom sistemu učenja uz pomoć. Riječ je o menadžerskoj neuronskoj mreži koja samostalno razvija potpuno nove neuronske mreže dizajnirane za određene specifične zadatke. U slučaju koji smo naveli, AutoML ima za cilj da proizvede sistem koji najpreciznije prepoznaje objekte u videu u realnom vremenu u realnom vremenu.

Sama umjetna inteligencija bila je u stanju da trenira novu neuronsku mrežu, prateći greške i ispravljajući rad. Proces obuke se ponavljao više puta (hiljade puta) dok sistem nije bio spreman za rad. Zanimljivo je da je uspjela zaobići sve slične neuronske mreže koje su trenutno dostupne, ali dizajnirane i obučene od strane osobe.

U isto vrijeme, AutoML procjenjuje performanse NASNet-a i koristi ove informacije za poboljšanje podređene mreže; ovaj proces se ponavlja hiljade puta. Kada su inženjeri testirali NASNet na ImageNet i COCO setovima slika, on je nadmašio sve postojeće sisteme kompjuterskog vida.

Google je službeno izjavio da NASNet prepoznaje sa preciznošću od 82,7%. Rezultat je za 1,2% veći od prethodnog rekorda, koji su početkom jeseni ove godine postavili istraživači iz Momente i stručnjaka iz Oksforda. NASNet je 4% efikasniji od svojih kolega sa prosječnom preciznošću od 43,1%.

Postoji i pojednostavljena verzija NASNeta, koja je prilagođena mobilnim platformama. Nadmašuje analogne za nešto više od tri posto. U bliskoj budućnosti ovaj sistem će biti moguće koristiti za proizvodnju autonomnih automobila, za koje je kompjuterski vid važan. AutoML nastavlja da proizvodi nove nasledne neuronske mreže, nastojeći da osvoji još veće visine.

Ovo, naravno, postavlja etička pitanja u vezi sa zabrinutošću oko AI: šta ako AutoML gradi sisteme takvom brzinom da društvo jednostavno ne može pratiti? Međutim, mnoge velike kompanije pokušavaju da uzmu u obzir sigurnosna pitanja AI. Na primjer, Amazon, Facebook, Apple i neke druge korporacije su članovi Partnerstva za AI u korist ljudi i društva. Institut za elektrotehniku ​​i inženjere (IEE) također je predložio etičke standarde za AI, a DeepMind je, na primjer, najavio stvaranje grupe koja će se baviti moralnim i etičkim pitanjima vezanim za primjenu umjetne inteligencije.

Međutim, mnoge velike kompanije pokušavaju da uzmu u obzir sigurnosna pitanja AI. Ovo, naravno, postavlja etička pitanja u vezi sa zabrinutošću oko AI: šta ako AutoML gradi sisteme takvom brzinom da društvo jednostavno ne može pratiti? Institut za elektrotehniku ​​i inženjere (IEE) također je predložio etičke standarde za AI, a DeepMind je, na primjer, najavio stvaranje grupe koja će se baviti moralnim i etičkim pitanjima vezanim za primjenu umjetne inteligencije. Na primjer, Amazon, Facebook, Apple i neke druge korporacije su članovi Partnerstva za AI u korist ljudi i društva.

Šta je vještačka inteligencija?

Autor pojma "umjetna inteligencija" je John McCarthy, izumitelj Lisp jezika, osnivač funkcionalnog programiranja i dobitnik Turingove nagrade za veliki doprinos polju istraživanja umjetne inteligencije.
Umjetna inteligencija je način da se napravi kompjuter, kompjuterski kontrolirani robot ili program koji može također inteligentno razmišljati poput čovjeka.

Istraživanja u oblasti AI sprovode se proučavanjem mentalnih sposobnosti osobe, a zatim se rezultati ovog istraživanja koriste kao osnova za razvoj inteligentnih programa i sistema.

Šta je neuronska mreža?

Ideja neuronske mreže je da sastavi složenu strukturu od vrlo jednostavnih elemenata. Malo je vjerovatno da se jedan dio mozga može smatrati inteligentnim – ali ljudi obično iznenađujuće dobro rade na testu inteligencije. Ipak, do sada je ideja o stvaranju uma „ni iz čega“ obično bila ismijavana: vic o hiljadu majmuna s pisaćim mašinama star je već stotinu godina, a ako želite, može se naći i kritika neuronskih mreža. kod Cicerona, koji je sarkastično predložio bacanje žetona sa slovima u zrak sve dok ne budeš plav u licu, da bi prije ili kasnije ispao smislen tekst. Međutim, u 21. vijeku se pokazalo da su klasici uzalud bili sarkastični: to je vojska majmuna sa simbolima koji uz dužnu upornost mogu zavladati svijetom.
U stvari, neuronska mreža se čak može sastaviti iz kutija šibica: to je samo skup jednostavnih pravila po kojima se informacije obrađuju. “Umjetni neuron”, ili perceptron, ne zove se neka posebna naprava, već samo nekoliko aritmetičkih operacija.

Perceptron ne radi nigdje lakše: prima nekoliko početnih brojeva, svaki množi s "vrijednošću" ovog broja (o tome malo niže), zbraja ga i, ovisno o rezultatu, daje 1 ili -1. Na primjer, fotografiramo otvoreno polje i pokažemo našem neuronu neku tačku na ovoj slici – to jest, šaljemo mu nasumične koordinate kao dva signala. A onda pitamo: "Dragi neurone, je li ovo nebo ili zemlja?" - "Minus jedan", odgovara lutka, spokojno gledajući u kumulusni oblak. “Jasno je da je zemlja.”

„Prst u nebo“ je glavno zanimanje perceptrona. Od njega se ne može očekivati ​​preciznost: isto tako možete baciti novčić. Magija počinje u sledeća fazašto se zove mašinsko učenje. Na kraju krajeva, znamo tačan odgovor, što znači da ga možemo upisati u naš program. Tako se ispostavlja da za svako pogrešno nagađanje perceptron doslovno prima novčanu kaznu, a za ispravno pogađanje bonus: "vrijednost" dolaznih signala se povećava ili smanjuje. Nakon toga, program se pokreće prema novoj formuli. Prije ili kasnije, neuron će neminovno "shvatiti" da je zemlja ispod na fotografiji, a nebo iznad, odnosno jednostavno će početi ignorirati signal iz kanala kroz koji mu se prenose x-koordinate. Ako se tako iskusnom robotu ubaci još jedna fotografija, onda možda neće pronaći liniju horizonta, ali sigurno neće pobrkati vrh i dno.

U stvarnom radu formule su malo složenije, ali princip ostaje isti. Perceptron može izvršiti samo jedan zadatak: uzeti brojeve i sortirati ih u dvije hrpe. Najzanimljivije počinje kada postoji nekoliko takvih elemenata, jer dolazni brojevi mogu biti signali iz drugih "cigli"! Recimo da će jedan neuron pokušati da razlikuje plave i zelene piksele, drugi će nastaviti da petlja po koordinatama, a treći će pokušati da proceni koji je od ova dva rezultata bliži istini. Ako postavite nekoliko neurona na plave piksele odjednom i zbrojite njihove rezultate, dobit ćete cijeli sloj u kojem će "najbolji učenici" dobiti dodatne bonuse. Dakle, dovoljno raširena mreža može pokupiti čitavo brdo podataka i uzeti u obzir sve svoje greške.

Neuronska mreža se može napraviti pomoću kutija šibica - tada ćete u svom arsenalu imati trik kojim možete zabavljati goste na zabavama. Urednici MirF-a su to već isprobali - i ponizno priznaju superiornost vještačke inteligencije. Naučimo bezumnu materiju kako da igra igru ​​11 štapova. Pravila su jednostavna: na stolu je 11 mečeva, a u svakom potezu možete uzeti jednu ili dvije. Onaj ko uzme posljednju pobjeđuje. Kako igrati protiv "kompjutera"?

Veoma jednostavno.

Uzimamo 10 kutija ili šoljica. Na svaku upišite broj od 2 do 11.

U svaku kutiju stavljamo po dva kamenčića - crni i bijeli. Možete koristiti bilo koje predmete - sve dok se međusobno razlikuju. To je to - imamo mrežu od deset neurona!

Neuronska mreža uvijek ide prva. Za početak pogledajte koliko je šibica ostalo i uzmite kutije s tim brojem. Na prvom skretanju to će biti kutija broj 11. Uzmi bilo koji kamenčić iz desne kutije. Možete zatvoriti oči ili baciti novčić, glavna stvar je da djelujete nasumično.
Ako je kamen bijeli, neuronska mreža odlučuje uzeti dvije utakmice. Ako crni - jedan. Stavite kamenčić pored kutije da ne zaboravite koji je "neuron" doneo odluku. Nakon toga osoba hoda - i tako sve dok ne ponestane šibica.

Sada dolazi zabavni dio: učenje. Ako je mreža pobijedila u igri, onda mora biti nagrađena: bacite još jedan kamenčić iste boje koji je pao tokom igre u one "neurone" koji su učestvovali u ovoj igri. Ako je mreža izgubljena, uzmite posljednju korištenu kutiju i odatle izvadite neuspješno igrani kamen. Može se ispostaviti da je kutija već prazna, a u tom slučaju se prethodni sličan neuron smatra posljednjim. Tokom sljedeće utakmice, udaranje prazne kutije, neuronska mreža će automatski odustati.

To je sve! Igrajte nekoliko ovakvih igrica. U početku nećete primijetiti ništa sumnjivo, ali nakon svake pobjede mreža će povlačiti sve uspješnije poteze - a nakon desetak partija shvatit ćete da ste stvorili čudovište koje ne možete pobijediti.

Izvori:

Ove godine je lansiran Yandex glasovni asistent"Alice". Nova usluga omogućava korisniku da sluša vijesti i vremensku prognozu, dobije odgovore na pitanja i jednostavno komunicira sa botom. "Alice" ponekad drsko, ponekad se čini gotovo razumnim i ljudski sarkastičnim, ali često ne može da shvati o čemu je pitaju i sjedi u lokvi.

Sve je to izazvalo ne samo val šala, već i novi krug rasprava o razvoju umjetne inteligencije. Vijesti o tome šta su pametni algoritmi postigli danas stižu gotovo svaki dan, a mašinsko učenje se naziva jednim od područja koja najviše obećavaju kojoj se možete posvetiti.

Da bismo razjasnili glavna pitanja o umjetnoj inteligenciji, razgovarali smo sa Sergejem Markovim, specijalistom za umjetnu inteligenciju i metode strojnog učenja, autorom jednog od najmoćnijih ruskih šahovskih programa SmarThink i kreatorom projekta XXIII vijeka.

Sergej Markov,

specijalista za umjetnu inteligenciju

Razotkrivanje mitova o AI

Dakle, šta je "vještačka inteligencija"?

Koncept "vještačke inteligencije" je pomalo nesretan. Prvobitno nastao u naučnoj zajednici, vremenom je prodro u naučnofantastičnu književnost, a preko nje i u pop kulturu, gdje je doživio niz promjena, dobio mnoga tumačenja, da bi na kraju bio potpuno mistificiran.

Zato često čujemo izjave ne-specijalista kao što su: „AI ne postoji“, „AI se ne može stvoriti“. Nerazumijevanje suštine istraživanja u oblasti umjetne inteligencije lako dovodi ljude u druge krajnosti – na primjer, savremeni AI sistemi su zaslužni za prisustvo svijesti, slobodne volje i tajnih motiva.

Pokušajmo odvojiti mušice od kotleta.

U nauci, umjetna inteligencija se odnosi na sisteme dizajnirane za rješavanje intelektualnih problema.

Zauzvrat, intelektualni zadatak je zadatak koji ljudi rješavaju uz pomoć vlastitog intelekta. Imajte na umu da u ovom slučaju stručnjaci namjerno izbjegavaju definiranje pojma "inteligencije", jer prije pojave AI sistema, jedini primjer inteligencije bila je ljudska inteligencija, a definiranje koncepta inteligencije na osnovu jednog primjera je isto što i pokušaj da povučemo pravu liniju kroz jednu tačku. Takvih redaka može biti koliko god želite, što znači da bi se debata o konceptu inteligencije mogla voditi vekovima.

"jaka" i "slaba" vještacka inteligencija

AI sistemi su podijeljeni u dvije velike grupe.

Primijenjena umjetna inteligencija(takođe koriste izraz “slaba AI” ili “uska AI”, u engleskoj tradiciji - slab/primijenjen/uski AI) je AI dizajniran za rješavanje bilo kojeg intelektualnog zadatka ili malog broja njih. Ova klasa uključuje sisteme za igranje šaha, go, prepoznavanje slike, govor, donošenje odluke o izdavanju ili neizdavanju bankovnog kredita itd.

Za razliku od primijenjene AI, uvodi se koncept univerzalna vještačka inteligencija(također "snažna AI", na engleskom - jaka AI / umjetna opća inteligencija) - to jest, hipotetička (do sada) AI sposobna da riješi bilo koje intelektualne zadatke.

Često ljudi, ne poznavajući terminologiju, poistovjećuju AI sa jakom AI, zbog toga nastaju presude u duhu „AI ne postoji“.

Jaka veštačka inteligencija još uvek ne postoji. Praktično sav napredak koji smo videli u poslednjoj deceniji u oblasti veštačke inteligencije je napredak u primenjenim sistemima. Ovi uspjesi se ne mogu potcijeniti, jer su primijenjeni sistemi u nekim slučajevima sposobni riješiti intelektualne probleme bolje od univerzalne ljudske inteligencije.

Mislim da ste primijetili da je koncept AI prilično širok. Recimo da je mentalno brojanje takođe intelektualni zadatak, što znači da će se svaka mašina za računanje smatrati AI sistemom. Šta je sa računima? abakus? Antikiterski mehanizam? Zaista, sve su to formalni, iako primitivni, ali AI sistemi. Međutim, obično, nazivajući neki sistem AI sistemom, time naglašavamo složenost zadatka koji ovaj sistem rješava.

Sasvim je očito da je podjela intelektualnih zadataka na jednostavne i složene vrlo umjetna, a naše ideje o složenosti pojedinih zadataka se postepeno mijenjaju. Mehanička računska mašina bila je čudo tehnologije u 17. veku, ali danas ljude koji su od detinjstva suočeni sa mnogo složenijim mehanizmima više nije u stanju da impresionira. Kada igra automobila u Go ili autopilota prestane da iznenađuje javnost, sigurno će se naći ljudi koji će se trgnuti od činjenice da će neko takve sisteme pripisati AI.

"Roboti-odlični učenici": o sposobnosti AI da uči

Još jedna smiješna zabluda je da AI sistemi moraju imati sposobnost samoučenja. S jedne strane, to nije obavezno svojstvo AI sistema: postoji mnogo nevjerovatnih sistema koji nisu sposobni za samoučenje, ali, ipak, rješavaju mnoge probleme bolje od ljudskog mozga. S druge strane, neki ljudi jednostavno ne znaju da je samoučenje karakteristika koju su mnogi AI sistemi stekli čak i prije više od pedeset godina.

Kada sam 1999. godine napisao svoj prvi šahovski program, samoučenje je već bilo uobičajeno u ovoj oblasti – programi su mogli da pamte opasne pozicije, sami sebi prilagođavaju varijacije otvaranja, prilagođavaju stil igre, prilagođavaju se protivniku. Naravno, ti programi su još uvijek bili jako daleko od Alpha Zero. Međutim, već su postojali čak i sistemi koji uče ponašanje zasnovano na interakciji sa drugim sistemima u takozvanim eksperimentima „učenje s pojačanjem“. Međutim, iz nekog neobjašnjivog razloga, neki ljudi i dalje misle da je sposobnost samoučenja prerogativ ljudskog intelekta.

Mašinsko učenje, cijela naučna disciplina, bavi se procesima učenja mašina za rješavanje određenih problema.

Postoje dva velika pola mašinskog učenja – učenje pod nadzorom i učenje bez nadzora.

At učenje sa nastavnikom mašina već ima niz uslovno ispravnih rješenja za neki skup slučajeva. Zadatak učenja u ovom slučaju je naučiti mašinu, na osnovu dostupnih primjera, da donosi ispravne odluke u drugim, nepoznatim situacijama.

Druga krajnost - učenje bez nastavnika. To jest, mašina se dovodi u situaciju da su tačna rješenja nepoznata, postoje samo podaci u sirovom, neoznačenom obliku. Ispada da je u takvim slučajevima moguće postići određeni uspjeh. Na primjer, možete naučiti mašinu da identificira semantičke odnose između riječi u jeziku na osnovu analize vrlo velikog skupa tekstova.

Jedna vrsta učenja pod nadzorom je učenje s pojačanjem. Ideja je da AI sistem djeluje kao agent smješten u neko modelno okruženje u kojem može komunicirati s drugim agentima, na primjer, sa svojim kopijama, i primati neke povratne informacije iz okoline kroz funkciju nagrađivanja. Na primjer, šahovski program koji igra sam sa sobom, postupno prilagođavajući svoje parametre i time postupno jačajući vlastitu igru.

Učenje s pojačanjem je prilično široko polje i koristi mnoge zanimljive tehnike u rasponu od evolucijskih algoritama do Bayesove optimizacije. Nedavni napredak u AI za igre je upravo povezan sa pojačavanjem AI tokom učenja sa pojačanjem.

Tehnološki rizici: trebamo li se bojati Sudnjeg dana?

Ja nisam jedan od AI alarmista, i u tom smislu nisam nipošto sam. Na primjer, Andrew Ng, kreator kursa Stanford Machine Learning, upoređuje opasnosti AI s problemom prenaseljenosti na Marsu.

Zaista, u budućnosti je vjerovatno da će ljudi kolonizirati Mars. Takođe je verovatno da će se pre ili kasnije na Marsu pojaviti problem prenaseljenosti, ali nije sasvim jasno zašto bismo se sada bavili tim problemom? Yn i Yang LeKun, tvorci konvolucijskih neuronskih mreža, slažu se s Ynom, njegovim šefom Markom Zuckerbergom i Joshuom Benyoom, osobom čije istraživanje je u velikoj mjeri zaslužno za istraživanje čijih su moderne neuronske mreže u stanju riješiti složene probleme na terenu. obrade teksta.

Vjerovatno će trebati nekoliko sati da iznesem svoje viđenje ovog problema, pa ću se fokusirati samo na glavne teze.

1. NE OGRANIČAJTE RAZVOJ AI

Alarmisti razmatraju rizike povezane s potencijalnim poremećajem AI, a zanemaruju rizike povezane s pokušajem ograničavanja ili čak zaustavljanja napretka u ovoj oblasti. Tehnološka moć čovječanstva raste izuzetno brzim tempom, što dovodi do efekta koji ja nazivam "pojeftinjenje cijene apokalipse".

Prije 150 godina, uz svu volju, čovječanstvo nije moglo nanijeti nepopravljivu štetu ni biosferi ni sebi kao vrsti. Za implementaciju katastrofalnog scenarija prije 50 godina bilo bi potrebno koncentrirati svu tehnološku moć nuklearnih sila. Sutra će mala šačica fanatika biti dovoljna da oživi globalnu katastrofu koju je napravio čovjek.

Naša tehnološka moć raste mnogo brže od sposobnosti ljudske inteligencije da kontroliše ovu moć.

Osim ako ljudska inteligencija, sa svojim predrasudama, agresijom, zabludama i uskogrudošću, ne bude zamijenjena sistemom koji je sposoban donositi bolje informisane odluke (bilo da se radi o AI ili, što smatram vjerojatnijim, o tehnološki poboljšanoj ljudskoj inteligenciji integriranoj sa mašinama u jedinstven sistem), možemo čekati globalnu katastrofu.

2. stvaranje superinteligencije je suštinski nemoguće

Postoji ideja da će AI budućnosti sigurno biti super-inteligentna, superiornija od ljudi čak i više nego što su ljudi superiorniji od mrava. U ovom slučaju, bojim se razočarati tehnološke optimiste - naš Univerzum sadrži niz fundamentalnih fizičkih ograničenja, koja će, po svemu sudeći, onemogućiti stvaranje superinteligencije.

Na primjer, brzina prijenosa signala ograničena je brzinom svjetlosti, a Heisenbergova nesigurnost se pojavljuje na Planckovoj skali. To implicira prvu fundamentalnu granicu - Bremermannov limit, koji uvodi ograničenja na najveća brzina proračuni za autonomni sistem date mase m.

Još jedno ograničenje je povezano sa Landauerovim principom, prema kojem postoji minimalna količina toplote koja se oslobađa prilikom obrade 1 bita informacije. Prebrzi proračuni će uzrokovati neprihvatljivo zagrijavanje i uništenje sistema. U stvari, moderni procesori su manje od hiljadu puta iza Landauerove granice. Čini se da je 1000 dosta, ali drugi problem je što mnogi intelektualni zadaci pripadaju klasi složenosti EXPTIME. To znači da je vrijeme potrebno za njihovo rješavanje eksponencijalna funkcija dimenzije problema. Ubrzavanje sistema nekoliko puta daje samo konstantan porast "inteligencije".

Općenito, postoje vrlo ozbiljni razlozi za vjerovanje da super-inteligentna jaka AI neće funkcionirati, iako, naravno, nivo ljudske inteligencije može biti nadmašen. Koliko je opasno? Najvjerovatnije ne mnogo.

Zamislite da ste odjednom počeli da razmišljate 100 puta brže od drugih ljudi. Znači li to da ćete lako moći nagovoriti bilo kojeg prolaznika da vam da svoj novčanik?

3. brinemo o nečem drugom

Nažalost, kao rezultat spekulacija alarmista o strahovima javnosti, iznesenim o Terminatoru i Clarkovom i Kjubrikovom čuvenom HAL 9000, dolazi do pomjeranja fokusa AI sigurnosti na analizu malo vjerojatnih, ali spektakularnih scenarija. Istovremeno, prave opasnosti izmiču iz vida.

Svaka dovoljno složena tehnologija koja tvrdi da zauzima važno mjesto u našem tehnološkom krajoliku svakako sa sobom nosi i specifične rizike. Mnogi životi su uništeni parnim mašinama - u proizvodnji, transportu i tako dalje - prije nego što su uspostavljena efikasna sigurnosna pravila i mjere.

Ako govorimo o napretku u oblasti primenjene veštačke inteligencije, možemo obratiti pažnju na srodni problem takozvanog „Digitalnog tajnog suda“. Sve više primijenjenih AI sistema donosi odluke o pitanjima koja utiču na život i zdravlje ljudi. To uključuje medicinske dijagnostičke sisteme, te, na primjer, sisteme koji donose odluke u bankama o izdavanju ili nedavanju kredita klijentu.

Istovremeno, struktura korištenih modela, skupovi faktora koji se koriste i drugi detalji postupka odlučivanja su skriveni od osobe čija je sudbina u pitanju.

Korišteni modeli mogu zasnivati ​​svoje odluke na mišljenjima stručnih nastavnika koji su pravili sistematske greške ili su imali određene predrasude – rasne, rodne.

AI obučena za odluke takvih stručnjaka savjesno će reprodukovati ove predrasude u svojim odlukama. Uostalom, ovi modeli mogu sadržavati određene nedostatke.

Malo ljudi se sada bavi ovim problemima, jer je, naravno, SkyNet koji pokreće nuklearni rat, naravno, mnogo spektakularniji.

Neuronske mreže kao "vrući trend"

S jedne strane, neuronske mreže su jedna od najpopularnijih vintage modeli koristi se za kreiranje AI sistema. U početku su se pojavili kao rezultat primjene bioničkog pristupa, brzo su pobjegli od svojih bioloških prototipova. Jedini izuzetak su impulsne neuronske mreže (međutim, one još nisu našle široku primjenu u industriji).

Napredak posljednjih decenija povezan je s razvojem tehnologija dubokog učenja – pristupa u kojem se neuronske mreže sastavljaju od veliki broj slojeva, od kojih je svaki izgrađen na osnovu određenih pravilnih obrazaca.

Pored kreiranja novih modela neuronskih mreža, značajan napredak je postignut iu oblasti tehnologija učenja. Danas se neuronske mreže više ne podučavaju uz pomoć centralnih procesora računara, već uz korištenje specijalizovanih procesora koji su sposobni za brzo izvođenje matričnih i tenzorskih proračuna. Najčešći tip takvih uređaja danas su video kartice. Međutim, aktivno se razvijaju još specijalizovaniji uređaji za obuku neuronskih mreža.

Općenito, naravno, neuronske mreže danas su jedna od glavnih tehnologija u području mašinskog učenja, kojoj dugujemo rješenje mnogih problema koji su se ranije rješavali nezadovoljavajuće. S druge strane, naravno, morate shvatiti da neuronske mreže nisu lijek za sve. Za neke zadatke, oni su daleko od najefikasnijeg alata.

Pa koliko su današnji roboti zaista pametni?

Sve je relativno. Na pozadini tehnologija 2000. godine, sadašnja dostignuća izgledaju kao pravo čudo. Uvek će biti ljudi koji vole da gunđaju. Prije 5 godina su svim silama govorili da mašine nikada neće pobijediti ljude u Gou (ili barem neće pobijediti vrlo brzo). Govorilo se da mašina nikada neće moći da nacrta sliku od nule, dok danas ljudi praktično ne mogu da razlikuju slike koje stvaraju mašine i slike njima nepoznatih umetnika. Krajem prošle godine mašine su naučile da sintetizuju govor, koji se gotovo ne razlikuje od ljudskog, i poslednjih godina uši ne venu od muzike koju stvaraju mašine.

Da vidimo šta će biti sutra. Gledam na ove primjene AI s velikim optimizmom.

Obećavajući smjerovi: odakle početi zaroniti u polje AI?

Savjetovao bih vam da pokušate na dobrom nivou savladati jedan od popularnih okvira neuronske mreže i jedan od programskih jezika popularnih u području strojnog učenja (najpopularniji danas je TensorFlow + Python).

Pošto ste savladali ove alate i u idealnom slučaju imate jaku bazu u oblasti matematičke statistike i teorije verovatnoće, trebalo bi da usmerite svoje napore u oblast koja će vama lično biti najinteresantnija.

Interesovanje za predmet rada jedan je od vaših najvažnijih asistenata.

Potreba za stručnjacima za mašinsko učenje postoji u različitim oblastima – u medicini, bankarstvu, nauci, proizvodnji, tako da danas dobar specijalista ima veći izbor nego ikad. Potencijalne koristi bilo koje od ovih industrija mi se čine beznačajne u odnosu na činjenicu da će vam rad donijeti zadovoljstvo.