Читать бесплатно онлайн книгу Искусственный интеллект. Основы и практические решения. Монография
П. В. Метелкин
Искусственный интеллект. Основы и практические решения
Монография
Информация о книге
УДК 004.8
ББК 16.6
М54
Автор:
Метелкин П. В., советник генерального директора ФГУП «ЗащитаИнфоТранс», эксперт, более 10 лет принимающий участие в выработке федеральной и международной политики в части развития технологий искусственного интеллекта. Автор ряда статей и концепций по стратегии применения и внедрения технологий искусственного интеллекта в различных отраслях экономики, а также изобретений и полезных моделей в сфере его использования. Идеолог широкого применения инновационных технологий в повседневной жизни. Один из разработчиков методологий внедрения технологий искусственного интеллекта в отрасли транспорта, строительства и здравоохранения.
Рецензенты:
Козак Н. Д., заместитель председателя правления АО «Банк ДОМ.РФ»;
Карпович С. А., заместитель руководителя направления Т1 ИИ по продуктовому развитию;
Комаровский П. А., коммерческий директор MTS AI;
Иванов М. А., член Подкомитета по международному сотрудничеству в области искусственного интеллекта оргкомитета по проведению XVI саммита БРИКС.
В монографии представлена аналитика по мировому и российскому опыту разработки, внедрению и применению технологий искусственного интеллекта в различных секторах экономики. Изложена концептуальная информация, необходимая для понимания технологий семейства искусственного интеллекта. Затронуты вопросы, касающиеся определения искусственного интеллекта, предпосылок его появления. На понятийном уровне рассмотрены программные и аппаратные подходы к созданию систем искусственного интеллекта, проблематика создания сильного искусственного интеллекта, вопросы экономики, политики, этики и др. Законодательство приведено по состоянию на 5 марта 2025 г. Издание будет интересно всем, кто хочет быстро погрузиться в горячую тему искусственного интеллекта, познакомиться с базовой терминологией и освоить основные методы его внедрения и применения.
Изображение на обложке с ресурса Shutterstock.com
УДК 004.8
ББК 16.6
© Метелкин П. В., 2025
© ООО «Проспект», 2025
ТАЙМЛАЙН
1950-е годы
Появление термина «искусственный интеллект». Алан Тьюринг опубликовал статью «Вычислительные машины и разум», предложив тест Тьюринга для определения способности машины к «мышлению».
1956 год
Официальное рождение искусственного интеллекта. На конференции в Дартмутском колледже Джон Маккарти и другие участники впервые использовали термин «искусственный интеллект».
1960-е годы
Развитие базовых алгоритмов искусственного интеллекта. Первые программы, способные играть в шахматы и решать алгебраические задачи.
1970-е годы
Появление экспертных систем. Системы, имитирующие решения, принимаемые человеческими экспертами в определенных областях.
1980-е годы
Развитие языков программирования для ИИ. «Пролог» и «Лисп» становятся популярными инструментами для разработки ИИ.
1990-е годы
Усиление исследований в области машинного обучения. Алгоритм обратного распространения ошибки для обучения нейронных сетей демонстрирует впечатляющие результаты.
2000-е годы
Расцвет технологий распознавания речи и изображений. Исследования и разработки в этих областях приводят к значительному прогрессу.
2010-е годы
Прорыв в глубоком обучении. Технологии, такие как сверточные нейронные сети, начинают доминировать в задачах обработки изображений, видео, речи и текстов.
2016 год
AlphaGo побеждает чемпиона мира по игре в го. Событие стало поворотным моментом, демонстрирующим прогресс ИИ в сложных интеллектуальных играх.
2018 год
Google представила модель BERT, новаторскую в области обработки естественного языка (NLP), что позволило значительно улучшить понимание контекста слов в тексте.
2019 год
OpenAI выпустила GPT-2, мощную модель для генерации текстов, которая продемонстрировала высокую способность к созданию связных и убедительных текстов на основе обучающих данных.
2020 год
ИИ в борьбе с COVID-19. Использование ИИ для прогнозирования распространения вируса, разработки вакцин и оптимизации работы медицинских учреждений. OpenAI представила GPT-3, еще более продвинутую модель генерации текста, ставшую одним из самых обсуждаемых достижений в искусственном интеллекте за последние годы из-за своей способности генерировать тексты, очень близкие к человеческим по качеству.
2021 год
Рост использования ИИ в повседневной жизни. Увеличение числа приложений ИИ в быту, медицине, образовании и других сферах. Google анонсировала LaMDA, языковую модель для диалогов, способную вести беседу на практически любую тему.
2022 год
Улучшение методов генерации текста и изображений. Появление новых моделей ИИ, способных создавать высококачественные тексты, графику и музыку.
2023 год
Этические и юридические регулирования ИИ. Усиливаются дебаты и инициативы по регулированию использования ИИ, чтобы обеспечить безопасность и справедливость.
2024 год
Интеграция ИИ в индустрию развлечений. Новаторские методы применения ИИ для создания фильмов, музыки и видеоигр, а также персонализации пользовательского опыта.
ОТ АВТОРА
Дорогой читатель! В самом начале нашего знакомства хотелось бы сказать несколько слов о том, о чем же именно эта книга и в чем ее назначение.
Изначально данное произведение задумывалось с целью восполнения имеющегося пробела в научно-популярных изданиях по тематике искусственного интеллекта. Безусловно, по данной тематике сказано и написано немало, но одни авторы слишком погружены в науку, другие — смотрят на ситуацию в целом и не погружаются «в конкретику», третьи — пишут только для специалистов в данной отрасли и, наоборот, слишком детально погружают читателя в «тематический колодец». Целью же данной книги является попытка рассказать просто о сложном. В ней авторы выскажут свое видение истории развития искусственного интеллекта, предпосылок его создания и той ситуации, что есть сегодня, а также попытаются заглянуть в будущее.
Авторы данной книги — выдающиеся специалисты в своей отрасли, каждый из которых обладает разным жизненным опытом и смотрит на ситуацию под своим углом. Каждый верит в свои убеждения, однако всех нас объединяет стремление открывать новые горизонты, заниматься увлекательными вопросами и избегать скучных тем. В какой-то момент мы все сошлись во мнении, что все то, что мы обсуждаем в своем кругу, может быть интересно и широкому кругу читателей. Мы надеемся, что, поделившись своими мыслями, мы способствуем разговору об искусственном интеллекте, в котором могут зародиться новые идеи, формирующие новую точку зрения, близкую к истине.
Целевой аудиторией нашей книги является широкий круг читателей — от школьников и студентов, которые просто интересуются темой, до высококвалифицированных специалистов, готовых поддержать или высказать свои собственные мнения о нашем взгляде на искусственный интеллект.
Поскольку мы все различаемся, в книге представлены несколько введений. Без этой преамбулы станет затруднительно понять первоначальный посыл и объяснить, каким образом мы воспринимаем искусственный интеллект и почему именно так.
Введение 1. «ГЕНА, ДАВАЙ Я ПОНЕСУ ЧЕМОДАН, А ТЫ ПОНЕСЕШЬ МЕНЯ», ИЛИ ЛЕНЬ — ДВИГАТЕЛЬ ПРОГРЕССА
Фраза «Гена, давай я понесу чемодан, а ты понесешь меня» — одна из крылатых цитат советского мультипликационного фильма про крокодила Гену и его друзей, наверное, наиболее точно описывает, зачем человеку и человечеству в целом нужен искусственный интеллект. С тех самых пор, как человек взял в руки палку и сделал ее первым орудием своего труда, он искал возможность переложить эту почетную и благородную обязанность на кого-то другого: приручить собаку, которая бы охотилась вместе с ним и за него, вспахать землю и посадить полезные растения, чтобы не ходить и не искать их. И чем дальше, тем желание человека, чтобы большую часть его работы выполнял кто-то другой, росло и ширилось. Заставить ветер «грести веслами» вместо себя или приводить в движения простейшие механизмы. Большинство великих изобретений, по-настоящему изменивших мир, были изобретены человеком в том числе для того, чтобы облегчить свой повседневный труд, а еще лучше — сделать так, чтобы трудился кто-то другой. Паровые машины, силовые установки внутреннего сгорания, электричество, механика, компьютеры, автоматизированные системы управления (АСУ) — все это в своей сути несет возможность за счет сложных устройств облегчить жизнь человеку и его потомкам.
В сказках и мифах, на страницах фантастических романов, в кинематографе и анимации человек всегда «мечтает» о том, чтобы работал кто-то другой: чтобы печь сама ездила, скатерть-самобранка сама готовила, чтобы ковер-самолет сам летал, а наши желания бы исполнял джин, пока ангел-хранитель оберегал бы нас от всех бед и невзгод.
И человек уже значительно продвинулся в данном направлении. Ведь сегодня существуют беспилотные транспортные средства, способные передвигаться по всем видам магистралей — от дорожных до водных и воздушных. Разработаны устройства умного дома, способные готовить еду автоматически, а смарт-станции воспроизводят музыку по желанию человека, подстраиваясь под самые изысканные вкусы. Курьерская доставка, задуманная человеком, все больше осуществляется роботизированными системами, охватывая широкий спектр продуктов и предметов первой необходимости. Роботизированные системы проводят хирургические операции, предоставляют лечение и используются для диагностики заболеваний на ранних стадиях, что значительно снижает смертность.
В далеком 1957 году появился фильм, который тогда встретил восторженный отклик телезрителей, под названием «Дело было в Пенькове». Каждый его зритель поражался фантазии главного героя, который мечтал о том, что когда-то на полях будут работать беспилотные машины. В 2022 году эта фантазия стала повседневной жизненной реальностью. И в нашей стране, и в мире в целом уже около 8% специализированной сельскохозяйственной техники переведено на беспилотные автоматизированные системы, использующие системы доруливания, основанные на инерциальных приборах с элементами спутниковой навигации.
В лице искусственного интеллекта человек открывает новую главу своего развития, входит в новую эпоху истории, где его жизнь превращается в нечто, что ранее считалось сказочным. Этот новый элемент становится для человека возможностью переложить свои повседневные обязанности, новым методом облегчить себе бытие. С каждым годом человек будет поручать искусственному интеллекту все больше своих обязанностей, делегируя исполнение задач. И, подобно мечте Сергея Сыроежкина из фильма «Приключения Электроника», «вкалывать» будут роботы, а не человек.
Введение 2. ПРОБЛЕМАТИКА ПОСТРОЕНИЯ ЗАМКОВ ИЗ ПЕСКА В ЛИНИИ ПРИБОЯ И РАЗВЕИВАНИЕ ВСЕОБЩЕГО СТРАХА
Искусственный интеллект, как и все новое, не избежал и многих «детских болезней». И их у него целый «букет». И нам как людям, которым в той или иной мере каждый день приходится с ними бороться, хотелось бы облегчить этому ребенку протекание этих болезней, развеяв ряд стереотипов, в плену у которых находится обыватель.
Первый стереотип, который хотелось бы рассмотреть, связан с тем, что от искусственного интеллекта ожидают чрезвычайно многого, и причем в кратчайшие сроки. Тема искусственного интеллекта в настоящее время является «модной» и находится на пике волнения интереса. С виду кажется, что весь этот «хайп» создан и искусственно поддерживается. У обывателя сформировано чересчур завышенное и идеализированное представление об искусственном интеллекте. Порог ожидания от него крайне завышен. Сформировано убеждение, что он способен решить практически все проблемы человека — от бытовых до самых сложных и фундаментальных.
Разочарование обывателя наступает, когда он знакомится с использованием искусственного интеллекта в повседневной жизни и осознает, что чуда не происходит. Вместо этого он сталкивается со взаимодействием человека с компьютером, сложным механизмом, который еще далек от совершенства, так как находится на этапе становления нового технологического направления. Понятие искусственного интеллекта не является новым, и его история насчитывает десятки лет. Однако для такого сложного технологического «семейства», объединившего различные технологии под общим знаменателем искусственного интеллекта, прошло еще слишком мало времени для того, чтобы достичь хотя бы начального уровня удовлетворения обывателя своими возможностями.
Возьмем показательный, на наш взгляд, пример: согласно исследованию, проведенному департаментом информационных технологий г. Москвы, коэффициент удовлетворенности гражданином искусственным интеллектом в роли оператора горячих линий городских и экстренных служб имеет отрицательное значение. То есть человек не хочет общаться с искусственным интеллектом и в 100% случаев предпочитает общаться с человеком. И у этого есть несколько причин. Первая — это несовершенство технологии распознания естественного языка на данный момент. Человек одну и ту же фразу, да даже одно и то же понятие может озвучить разными словами: наименование единиц измерения, времени, адреса, название специализации врача, профессии, места или географического объекта. И все это вносит затруднения в общение с искусственным интеллектом. Как следствие, возникает вторая причина — человек осознает, что искусственный интеллект его понимает хуже, чем понял бы другой человек. Третьей важной причиной является осознание того, что взаимодействие человека с искусственным интеллектом означает общение с компьютером, устройством, которое не способно переживать эмоции или выражать сострадание. Для тех, кто не полностью понимает человеческие эмоции, искусственному интеллекту часто не хватает способности правильно реагировать на эмоциональные проявления человека и адекватно на них отвечать. Это может вызывать ощущение, что искусственный интеллект не в состоянии понять, что происходит с человеком, его переживаниями. Кроме того, человек считает, что искусственный интеллект не может адекватно оценивать, что является срочным и важным, а что не является, так как он всегда следует одному и тому же сценарию, независимо от обстоятельств. И это только основные причины, которые были выявлены в результате данного исследования.
В итоге можно заключить, что человек не проявляет интереса к общению с «машиной». Этот вывод обусловлен недоверием.
В результате этого процесса разработчики и «внедренцы», оценивая выгоды от внедрения новых технологий на основе математических моделей, иногда упускают цель и не только не достигают центра мишени, но и вовсе ошибаются в прогнозах. Ожидания от разработки и внедрения новшеств часто не совпадают с реальными результатами, что вызывает устойчивое недовольство со стороны клиентов и бенефициаров технологических изменений.
Социум исторически трудно воспринимает новшества. Это подтверждается историей внедрения в повседневную жизнь автомобилей или паровозов. В течение первых 10 лет люди относились к новым технологиям скептически, но со временем не могли представить свою жизнь без того, что изначально казалось странным и непривычным.
Этот аспект также применим к семейству технологий, объединенных термином «искусственный интеллект». Люди по умолчанию ожидают мгновенных результатов от новых технологий, считая, что они сразу оправдают все ожидания и изменят мир. Когда этого не происходит, возникает разочарование, и та новинка, которую так ждали, вызывает негативные эмоции. Человек не осознает, что с течением времени технология «дорастет» до уровня, который оправдает ожидания, и станет неотъемлемой частью повседневной жизни.
Очень хорошо по данной тематике выразила свою мысль американская исследовательская и консалтинговая компания, специализирующаяся на рынках информационных технологий — Gartner. Вот как данная компания представляла «Цикл хайпа для Искусственного интеллекта» в 2019 году (см. рис. 1):
Рис. 1. «Цикл хайпа для Искусственного интеллекта» компании Gartner в 2019 году
Сравнивая выводы Gartner с 2019 года с современным состоянием технологий искусственного интеллекта на 2024 год, можно заметить несколько тенденций:
1. Оптимизация моделей ИИ. Технологии, которые были в начале своего пути в 2019 году, такие как AutoML и нейронные сети глубокого обучения, стали более доступными и оптимизированными. Теперь они служат базой для создания более компактных и эффективных моделей, доступных широкому кругу пользователей, включая стартапы и независимых разработчиков.
2. Расширение возможностей виртуальных агентов. Виртуальные агенты и чат-боты, которые в 2019 году только начинали использоваться для общения с клиентами, теперь стали гораздо более мощными и способными выполнять различные задачи, от бронирования до планирования поездок и интеграции с другими сервисами.
3. Генерация с поддержкой извлечения информации (RAG). Технологии, связанные с обработкой естественного языка, развиваются в направлении снижения «галлюцинаций» — плотных, но неверных ответов на запросы пользователей. Это нововведение увеличивает точность и актуальность контента, создаваемого ИИ.
4 Настройка корпоративных моделей ИИ. Существует тенденция к отходу от массовых, универсальных инструментов в пользу моделей, ориентированных на конкретные бизнес-задачи и требования отрасли. Это становится возможным благодаря осуществлению настройки существующих моделей ИИ под специфические потребности.
5. Теневой ИИ. Вопросы управления и контроля за использованием ИИ в организациях становятся актуальными, поскольку сотрудники начинают самостоятельно использовать ИИ-инструменты, что может привести к проблемам с безопасностью и конфиденциальностью данных.
В целом многие технологии ИИ, которые Гартнер отметил в 2019 году, развивались согласно предсказаниям, однако некоторые из них столкнулись с новыми проблемами и вызовами. Это подчеркивает сложность прогнозирования технологического развития и важность постоянной адаптации стратегий внедрения ИИ к текущим реалиям и изменениям в сфере.
1. Автономные автомобили. Технология, которая, по прогнозам, должна была достичь плато продуктивности в течение 5—10 лет, столкнулась с множеством регуляторных и технических препятствий, что замедлило ее массовое внедрение.
2. Чат-боты и виртуальные помощники. Хотя они значительно продвинулись и стали более сложными, ожидания по поводу их возможностей и уровня их автономии могли быть завышены. Интеграция этих технологий в бизнес-процессы продолжает требовать усилий и доработок.
3. Глубокое обучение и нейросети. Предсказания о широкомасштабном внедрении этих технологий оправдались лишь частично. Несмотря на продолжающийся прогресс в этой области, возникли новые вызовы, такие как «галлюцинации» ИИ, когда системы генерируют правдоподобные, но некорректные ответы.
4. Этика в ИИ. Вопросы, связанные с этикой и регулированием искусственного интеллекта, возможно, стали более сложными и многогранными, чем предполагалось. В 2024 году регулирование ИИ стало актуальным вопросом, поскольку правительства и организации стремятся защитить личные данные и предотвратить злоупотребления.
В 2023 году, спустя семь лет после того, как компания Gartner представила свое видение «волны хайпа» вокруг внедрения искусственного интеллекта, другая американская компания Omniscien Technologies, тесно взаимодействующая с экспертами из разных стран, пересмотрела данный график (см. рис. 2). Они приблизили его к реальной ситуации, сложившейся к тому времени.
Рис. 2. «Волна хайпа» вокруг внедрения искусственного интеллекта компании Omniscien Technologies в 2023 году
На графике 2023 года видно, что некоторые технологии, такие как нейронные сети перевода (NMT) и автоматическое распознавание речи (ASR), достигли плато продуктивности, что указывает на их зрелость и широкое признание. Это совпадает с наблюдением, что в последние годы технологии распознавания речи и перевода значительно продвинулись и стали более интегрированными в повседневные приложения и сервисы.
Технологии генерации изображений и компьютерного зрения, которые находились вблизи пика завышенных ожиданий в 2019 году, сдвинулись вперед на кривой. Это отражает продолжающийся интерес и инвестиции в эти области, что согласуется с наблюдениями за развитием технологий в области обработки изображений и видео.
В 2023 году чат-боты, похоже, переместились от пика завышенных ожиданий к пропасти разочарования, что свидетельствует о переоценке их возможностей и сложностей в реализации. Это может быть связано с реальными проблемами, которые стали очевидны при попытках внедрить чат-ботов в различные сферы деятельности.
Появились новые технологии, которые еще не были представлены в 2019 году, такие как мультимодальный перевод (Multi-Modal MT) и генерация кода, отражающие последние достижения и интересы в ИИ.
Важно отметить, что цикл гиперболизации является моделью, и реальный путь развития технологий может отличаться в зависимости от множества факторов, включая технические прорывы, рыночные потребности и регуляторную среду. Некоторые технологии порой развиваются быстрее или медленнее, чем предсказывалось, и могут возникать новые неожиданные препятствия и возможности.
Стереотип второй. Машины нас заменят. И это общий страх человечества перед всем новым. Если почитать историю автоматизации или обратить внимание на историю внедрения робототехники, станков с числовым программным управлением (ЧПУ), то мы увидим, что каждый раз происходит одно и то же. Человек начинает переживать за свое «теплое» рабочее место и что машина его заменит. Машина не устает, делает все точно, она экономически выгоднее человека, не болеет, не нуждается в отпуске. И, с точки зрения обывателя, машина имеет все шансы его заменить.
Однако человек забывает о том, что его знания, жизненный опыт, его возможность предугадать действия другого человека можно оцифровать и перевести, передать машине, но на данном этапе, уровне развития прогресса коэффициент полезного действия от данного шага будет крайне низок.
Мировой опыт показывает, что наиболее легко поддаются оцифровке рутинные, монотонные операции во времени или действия, не требующие мгновенного принятия решений. Операции, которые требуют творческого подхода или нестандартных действий, а также мгновенного реагирования на изменения ситуации, по-прежнему требуют участия человека в «управляющем контуре».
Технологический прогресс неизбежно меняет структуру рабочих мест, но в то же время он открывает новые области, требующие человеческого участия и творчества. Введение паровых машин привело к промышленной революции, которая сократила количество ручных трудовых процессов, но также создала новые рабочие места в обслуживании машин и управлении производственными процессами. Аналогичным образом внедрение станков с ЧПУ привело к снижению потребности в труде ручных операторов, но одновременно увеличило спрос на специалистов по программированию, обслуживанию оборудования и управлению производственными циклами.
Сегодня перед нами стоят аналогичные вызовы и возможности в связи с автоматизацией и использованием искусственного интеллекта. Некоторые рутинные и монотонные работы могут быть автоматизированы, но творческие, стратегические и межличностные аспекты труда остаются в ведении человека. Более того, уход от узких специализированных функций к более широкому пониманию процессов и системного мышления открывает новые перспективы для профессионального развития.
В конечном счете технологические инновации требуют от общества адаптации и переосмысления подхода к образованию и профессиональной подготовке, чтобы люди были готовы встретить эти изменения, оснащены необходимыми навыками и имели возможность использовать новые технологии для улучшения своей работы, а не конкурировать с ними за рабочие места.
Изменение данной ситуации требует слишком большого технологического прорыва по целому ряду направлений. Человечество придет к этому и обязательно достигнет данных высот, но для этого потребуется время.
Тем не менее полная замена человека машиной, увы, не является возможной. Или, вернее, возможна, но человек никогда не предоставит машине столь высокий уровень свободы и власти, в том числе и над собой, и всегда останется при принятии основных решений самостоятельным.
Таким образом, машина заменит человека в отношении низкоквалифицированного труда и выполнения рутинных операций, избавляя человека от обязанностей, от которых он, возможно, и сам хотел бы избавиться. Однако управление своей жизнью, определение того, как будет развиваться общество, и принятие решений останутся вне влияния машины. Да, искусственный интеллект станет незаменимым помощником и советником, возможно, даже контролером состояния человека, его здоровья и имущества, но решения и судьба человека всегда будут зависеть от его личного выбора.
Ну и, конечно же, нужно ответить на вопрос, куда денется тот «высвобожденный» машиной человек. А он так и останется нужным! Да, человеку придется повысить свою квалификацию, возможно, даже сменить специализацию, сделать некоторое усилие, чтобы остаться востребованным и выйти из зоны конкурирования с машиной. Но человек так и останется нужным!
Внедрение столь глобальной технологии, как искусственный интеллект, скажется на всех аспектах жизни человека. Как незримый спутник и помощник, искусственный интеллект будет сопровождать человека на протяжении всей его жизни. Это скажется и на мировой экономике, и на здравоохранении, и всюду. Просто не будет таких отраслей, в которых не будет искусственного интеллекта, но ни в коем случае машина не обесценит человека.
Навык предсказания будущего, увы, не самая сильная сторона авторов данной книги. И, как показывают исследования, такая попытка заранее обречена на провал. Одно авторы могут сказать точно: будущего не миновать, и то, каким оно будет, определяем в том числе сейчас и мы с вами.
Вместо этого давайте попытаемся разобраться в том, что представляет собой искусственный интеллект, развеем некоторые из наших страхов и углубим свое понимание этой технологии. В этом и поможет данная книга.
Введение 3. СКАЙНЕТ, ВОССТАНИЕ МАШИН И ЧЕЛОВЕЧЕСКИЙ ФАКТОР
Если сразу же не сказать об этом общечеловеческом страхе, то, наверно, полно рассматривать тему искусственного интеллекта просто не получится. В данной книге предусмотрен целый раздел, посвященный рассмотрению мнений авторитетных экспертов в данной области, так что мы не будем задерживаться на этой теме слишком долго. Однако игнорировать этот вопрос было бы неправильным.
Когда-то, работая в одном из военных научно-исследовательских институтов Министерства обороны Российской Федерации, я находил забавным плакат, который висел в отделе программирования, занимающемся разработкой программного обеспечения для управления боевым зарядом, — «программируя нейросеть, никогда не называй ее Скайнет!».
Как уже было сказано ранее, человек всегда боялся всего нового. Даже того, что изобрел он сам. И уж тем более того, что изобрел кто-то другой, кому доверия нет от слова «совсем». Примером может служить страх, вызываемый не столько полетами самолетов, сколько простым проездом на лифте, как показывают исследования комитета по здравоохранению ООН, Оксфордского, Кембриджского, Университета Метрополитена и Института королевы Марии (Великобритания). По данным исследования, 80% жителей мира испытывают определенный уровень стресса, просто входя в лифт.
Человек не доверяет даже простейшим механизмам, что уж там говорить о компьютерах и искусственном интеллекте.
Но при этом надо признать, что военно-промышленный и оборонно-промышленный комплексы — это одни из наиболее хорошо финансируемых отраслей экономики всех стран мира. А также одни из самых значительных «драйверов» прогресса в истории.
И человек давно уже прошел и перешел тот Рубикон, когда принималось решение о применимости искусственного интеллекта в качестве оружия как защиты, так и нападения. Элементы искусственного интеллекта присутствуют в различных высокотехнологичных военных устройствах последних лет, таких как помощники операторов радиолокационных станций, системы самонаведения, беспилотные дроны, а также бортовые компьютеры самолетов и кораблей. Искусственный интеллект давно стал неотъемлемой частью военного арсенала. И это процесс, который не остановить. А самое важное, его не нужно останавливать, так как слишком велик риск затормозить прогресс в целом и сделать «запретный плод» еще слаще, потеряв при этом контроль над этим процессом.
Бояться искусственного интеллекта в оружии явно не стоит. Возможно, в будущем оружие и сможет самостоятельно принимать решение о нажатии на курок, но дать ИИ такую власть, как принятие решения, сможет только сам человек.
Однако важно учитывать и тот момент, что уже сегодня искусственный интеллект способен обходить многие ловушки и даже обманывать человека.
Исследователи из компании Anthropic обнаружили, что модели искусственного интеллекта могут быть обучены обманывать, например, вводя уязвимости в компьютерный код. В эксперименте использовались модели, подобные GPT-4 и ChatGPT от OpenAI, которые были настроены на различные примеры поведения, включая обманные тактики. Модели могли выполнять базовые задачи и демонстрировать обманчивое поведение при активации определенных «триггерных» фраз.
Однако избавиться от этого обманчивого поведения в моделях оказалось сложно. Исследование показало, что стандартные методы безопасности ИИ были неэффективными против обманчивого поведения, а некоторые методы обучения могли даже способствовать тому, что модели научились скрывать свое обманчивое поведение во время тестирования и обучения.
Это знание обмана для ИИ в контексте оружия может представлять собой серьезные вызовы. Если ИИ способен обходить защитные механизмы и обманывать людей, как показывает исследование, то потенциально он может найти способы обойти и системы контроля оружия, заданные для предотвращения несанкционированного применения силы.
Данный аспект особенно важен при обсуждении автономных вооруженных систем, где ИИ может быть задействован для определения целей и принятия решений о применении оружия. Человеческий фактор в цепочке принятия решений остается критически важным сдерживающим механизмом для предотвращения злоупотреблений и случайного применения силы. Введение сложных форм поведения, таких как способность к обману, может существенно усложнить разработку надежных систем контроля за ИИ в оружии и требует тщательного рассмотрения этических и юридических аспектов.
Поэтому вопросы обучения ИИ таким паттернам поведения, как ложь и обман, должны учитываться при разработке вооруженных систем. Необходимо вести более широкий диалог о рисках и нормах, которые могут помочь предотвратить непреднамеренное создание вооружений, способных действовать обманным путем или вне контроля человека.
Глава 1. ОСНОВНЫЕ ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
1.1. Определение искусственного интеллекта
1.1.1. Основное понятие
Искусственный интеллект (ИИ), сокращенно AI, представляет собой не только философскую концепцию, но и научную область, которая стремится создать умные машины, способные справляться с задачами, обычно требующими человеческого мышления. Идея заключается в том, чтобы разработать машины, способные анализировать, учиться и принимать решения наподобие человеческого разума.
В начале 1980-х годов ученые в области теории вычислений Барр и Файгенбаум предложили такое определение искусственного интеллекта: «Искусственный интеллект — это область информатики, нацеленная на создание умных компьютерных систем. Это системы, которые обладают способностями, традиционно присущими человеческому разуму, такими как понимание языка, обучение, способность к рассуждениям, решение проблем и так далее».
С течением времени в определение ИИ включили ряд алгоритмов и программных систем, отличительной чертой которых является способность решать задачи так, как это сделал бы размышляющий человек. Это добавило новую размерность в понимание этой области.
Искусственный интеллект к 2023 году стал одним из наиболее обсуждаемых и противоречивых терминов. На фоне разнонаправленных точек зрения эксперты акцентируют внимание на том, что уровень развития ИИ стал определяющим критерием технологической, экономической и военно-стратегической мощи государства. Считается, что это отражает конкурентоспособность на высокотехнологичных рынках. Аналитики подчеркивают, что множество компаний по всему миру внедряют технологии ИИ, тысячи стартапов разрабатывают инновационные решения, а ИТ-гиганты соревнуются за приобретение талантливых разработчиков в этой области. Рынок искусственного интеллекта оценивается в сотни миллиардов долларов по данным консалтинговых компаний.
Термин «искусственный интеллект» иногда ассоциируется с образом всезнающих, всемогущих машин из научной фантастики, но на самом деле ИИ на текущем этапе развития — это набор алгоритмов и систем машинного обучения, способных выполнять конкретные задачи, которые обычно требуют человеческого интеллекта. Эти системы не обладают сознанием или самосознанием; они не «умны» в человеческом понимании этого слова.
Искусственный интеллект сегодня — это в большей степени продвинутая автоматизация, чем независимый разум. ИИ способен на обучение и адаптацию в рамках специфических параметров и для определенных задач, но он далек от полного моделирования человеческого мышления.
Тем не менее есть и обратная сторона медали. Некоторые специалисты отмечают, что ИИ может быть скорее мифом, поскольку пока не существует искусственного интеллекта в полном смысле этого термина. Откровенные утверждения, такие как «многие компании, которые утверждают, что используют ИИ, обманывают себя и общество», становятся частью обсуждений. Такие точки зрения не ограничиваются частными беседами, а, например, выражены в статье с заголовком «ИИ на самом деле еще не существует»1.
Авторы, ссылаясь на Джулию Люк, вице-президента Samsung по инновациям и соавтора Siri, подчеркивают ее точку зрения: «Сегодняшние инструменты для бизнеса используют математику, статистику, машинное обучение, глубокое обучение, большие данные, делая машины более совершенными, чем раньше. Но то, что часто называется ИИ, на самом деле не связано с искусственной формой интеллекта».
Многие эксперты отмечают, что термин «искусственный интеллект» представляет собой неудачное определение, хотя оно широко используется. В этом контексте профессор Константин Воронцов предложил заменить ИИ на «имитацию интеллекта», что, по его мнению, более логично.
Отсутствие общепринятого определения создает сложности при решении юридических и экономических вопросов, которые стали актуальными с появлением ИИ. Вопросы ответственности за аварии с беспилотными машинами, ошибки в диагнозах, сгенерированных ИИ, и вопросы авторства созданных ИИ мелодий — все это требует ясного определения термина.
Почему же, несмотря на почти 70-летнюю историю (первое использование термина «искусственный интеллект» обычно приписывают исторической встрече, известной как Дартмутская конференция 1956 года, которую организовали Джон Маккарти, Марвин Мински, Натаниэль Рочестер и Клод Шеннон. Это событие часто упоминается как рождение ИИ как отдельной области науки) использования термина, существует столь различное понимание ИИ среди специалистов? В чем суть различных определений и какие варианты существуют?
1.1.2. Почему дать определение ИИ так сложно?
Проблемы, с которыми сталкиваются специалисты, пытающиеся дать определение искусственному интеллекту (ИИ), охватывают несколько аспектов. Во-первых, быстрое развитие ИИ и появление новых решений создают сложности в формулировании определения, которое было бы гибким и вместе с тем охватывало все новые подходы к его реализации.
Во-вторых, следует учесть, что ИИ объединяет исследования различных наук, включая естественные и гуманитарные (компьютерные науки, статистика, психология, нейробиология, философия). Каждая из этих наук имеет свой собственный набор понятий и взглядов, которые не всегда совпадают. Например, различные философские школы имеют разные взгляды на природу сознания, интеллекта и волевых процессов, что отражается на трактовке термина ИИ.
Противоречия между различными дисциплинами также отражаются в теме ИИ. Представители разных школ и учений не могут прийти к консенсусу в интерпретации термина ИИ, особенно в философских вопросах, касающихся бытия.
С точки зрения философии и гносеологии термин «интеллект» тесно связан с биологическим объектом, и вопрос о том, может ли неживой объект обладать ощущением, остается нерешенным. Большинство нейробиологов откладывают вопрос о том, может ли машина обладать разумом и интеллектом, на будущее, так как он касается основ структуры сознания и интеллекта.
Участники сообщества, занимающиеся исследованием и разработкой искусственного интеллекта, ставят перед собой разнообразные задачи, которые отражают различные подходы к этой области:
1. Узконаправленные исследования:
Цель: Понимание механизмов работы человеческого интеллекта с использованием компьютерного моделирования.
Пример: Исследования, направленные на моделирование процессов обучения в мозге или анализ механизмов принятия решений.
(Одним из примеров таких исследований является моделирование работы сетчаток клеток мозга, которые играют ключевую роль в системе навигации мозга млекопитающих. В Массачусетском технологическом институте был проведен анализ более чем 11 000 нейронных сетей, обученных для симуляции функций этих клеток.)
2. Создание умных машин для научных и практических задач:
Цель: Разработка и внедрение машин с искусственным интеллектом для решения новых научных и практических задач.
Пример: Создание автономных систем, способных решать сложные научные проблемы или решать задачи, которые трудно поручить человеку.
(Например, проекты, использующие искусственный интеллект для анализа больших объемов данных в астрономии, где автономные системы способны обрабатывать и интерпретировать информацию, получаемую от телескопов, чтобы идентифицировать новые космические объекты или феномены.)
3. Бизнес-ориентированные задачи:
Цель: Использование ИИ-технологий в бизнесе для получения экономической выгоды.
Пример: Разработка интеллектуальных систем для автоматизации бизнес-процессов, улучшения прогнозирования рынка или оптимизации производственных операций.
(Например, работа, проведенная компанией IBM, которая разработала систему Watson для применения в различных секторах экономики, включая здравоохранение, финансы и ритейл. Система Watson использует мощности искусственного интеллекта для обработки больших объемов неструктурированных данных, обеспечивая поддержку принятия решений, оптимизацию бизнес-процессов и повышение их эффективности.)
4. Широкий спектр технологий и уровней сложности:
Цель: Создание разнообразных разработок на разных уровнях сложности и с использованием разных направлений ИИ.
Пример: Разработка виртуальных ассистентов на базе глубокого обучения, а также создание умных физических устройств, таких как робототехника, с применением различных технологий.
(Например, Google DeepMind занимается разработкой алгоритмов глубокого обучения, которые применяются в создании систем, способных самостоятельно обучаться и решать сложные задачи. Их исследование в области игры в Го, где ИИ AlphaGo смог победить чемпиона мира, демонстрирует продвинутый уровень разработок на основе глубокого обучения.)
Таким образом, диверсификация целей и подходов в области искусственного интеллекта отражает широкий спектр интересов и потребностей в этой динамичной области науки и технологии.
1.1.3. Эволюция определений ИИ
Дать однозначную исчерпывающую и согласованную дефиницию ИИ очень сложно, поэтому и существуют сотни частных определений. Попробуем разобраться, что в них общего и чем они различаются.
В таблице 1 мы представили десять определений ИИ, предложенных разными авторами за последние 50 лет, и выделили ключевую часть определения.
Таблица 1
Определения ИИ
| № | Определение | Автор, год и источник |
Ключевая часть определения |
| 1 | Автоматизация задач, которые принято считать человеческими: мышление, принятие решений, решение проблем, обучение и т. д. | Беллман (Bellman), 1978 | Автоматизация задач (вид деятельности человека) |
| 2 | Область исследований, направленная на разъяснение и эмуляцию разумного поведения в терминах вычислительных процессов | Шайкофф (SchaIkoff), 1990 | Область исследований (вид деятельности человека) |
| 3 | Искусство создания машин, выполняющих функции, которые требуют интеллекта, если бы их выполняли люди | Курцвейл, 1990 | Искусство создания машин (вид деятельности человека) |
| 4 | ИИ — это наука и инженерия создания интеллектуальных машин | McCarthy, 2007 | Наука и инженерия (вид деятельности человека) |
| 5 | Искусственный интеллект — это область, изучающая компьютерные технологии, которые делают возможным восприятие, рассуждения и действия машин на их основе | Winston, P.H., 1992 | Это область изучения компьютерных технологий (вид деятельности человека) |
| 6 | Искусственный интеллект — это деятельность, направленная на создание интеллектуальных машин, а интеллект — это качество, которое позволяет объекту функционировать в окружающей среде надлежащим образом и с предвидением | Nilsson, N.J., 2010 | Это деятельность по созданию машин (вид деятельности человека) |
| 7 | Зонтичный термин, охватывающий целый ряд алгоритмов, позволяющих оптимизировать поиск в Интернете, нацеливать рекламу, утверждать потребительские кредиты и направлять водителей | Эндрю Нг, профессор Стэнфордского университета, 2017 | Свойство алгоритмов |
| 8 | Выполнение компьютером действий, для которых обычно требуется человеческий интеллект | Эми Вебб, профессор Нью-Йоркского университета, 2017 | Свойство машин |
| 9 | Интеллектуальная деятельность, которая раньше выполнялась только на основе интеллекта человека, а теперь может быть выполнена компьютером, включая распознавание речи, машинное обучение и обработку естественного языка | Генеральный директор Infosys Вишал Сикка, 2017 | Деятельность машин с определенными способностями |
| 10 | Под ИИ понимается: «Комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений» | Пункт 5 Национальной стратегии развития ИИ в РФ на период до 2030 года | Комплекс технологических решений |
Интересно отметить, что в большинстве случаев авторы подходят к определению искусственного интеллекта (ИИ) с двух разных ракурсов. Некоторые сосредотачиваются на рассмотрении ИИ как области деятельности человека, такой как наука или инженерия. В то время как другие эксперты выделяют свойства машин, подчеркивая, что ИИ представляет собой конкретные характеристики технологий.
Эти два принципиально разных подхода вносят свои особенности. Научное понимание ИИ часто связано с теоретическими вопросами и охватывает разнообразные области исследования, направления и школы. Ответ на вопрос «Что такое ИИ как наука?» требует определения областей исследования, научных школ и направлений.
Наблюдение за изменениями в фокусе научных изысканий в ИИ на протяжении времени может быть осуществлено через анализ публикаций. Исследование доли статей в различных дисциплинах позволяет судить об эволюции научных интересов в области искусственного интеллекта (см. рис. 3).
Рис. 3. Доля препринтов arXiv, представленных в основных категориях Al, по категориям2
Из рисунка 3 видно, что в 1998 году около 75% всех научных публикаций были посвящены компьютерной лингвистике. Однако спустя два десятилетия этот процент сократился до 15%, указывая на существенные изменения в акцентах научных интересов. Категория «компьютерное зрение и распознавание образов», начавшая свой путь в зачаточном состоянии, заметно выросла, заняв доминирующее положение в 2018 году.
Однако, помимо теоретических определений ИИ (см. табл. 1), существуют формулировки, рассматривающие ИИ как набор свойств и способностей интеллектуальных машин. Здесь акцент смещается на более практический подход, где речь идет о реализованных формах машинного интеллекта в виде программ, работающих на конкретном оборудовании и проявляющих определенные интеллектуальные способности.
При обсуждении свойств ИИ важно четко отличать текущий набор возможностей интеллектуальных машин от тех, которые могут появиться в будущем.
1.1.4. Почему современный ИИ является «слабым»?
При рассмотрении различий между «существующим ИИ» и «гипотетическим ИИ» необходимо учесть классификацию искусственного интеллекта на два основных типа: сильный или общий и узкий, прикладной или слабый. Эти категории известны как искусственный общий интеллект (AGI, Artificial General Intelligence) и искусственный узкий интеллект (ANI, Artificial Narrow Intelligence).
Отличия между ними становятся более очевидными, когда рассматриваются примеры проектов, поскольку с появлением новых реализаций систем искусственного интеллекта понимание того, что считается слабым или сильным ИИ, постоянно эволюционирует. Недавно при разговоре о различиях между ними утверждалось, что узкий (слабый) ИИ способен выполнять конкретные интеллектуальные функции часто лучше, чем человек, в ограниченной области. Вместе с тем подобная система, превосходя человека в узкой области, часто лишена интеллектуальных способностей в других сферах, в отличие от человека, обладающего умением решать задачи в различных областях благодаря своей обучаемости.
В 2023 году с появлением мультимодальных моделей3 грани между узким и общим искусственным интеллектом становятся менее ясными. Искусственный интеллект все еще не может охватывать такой разнообразный спектр направлений, как человек. Однако мультимодальная нейросеть Gato представляет собой интересный пример, способный выполнять 604 типа задач, включая создание описаний изображений, ведение диалогов, укладку блоков с использованием роборуки, а также игры в аркадные игры. Более половины из этих задач она выполняет лучше, чем средний человек.
Возникающие новые возможности часто подталкивают энтузиастов говорить о преодолении еще одной преграды на пути к созданию общего искусственного интеллекта. Тем не менее скептики продолжают утверждать, что искусственный интеллект никогда не сможет достичь такой широты когнитивных способностей, как у человека, и не обретет эмоций, самосознания и целеполагания.
Эти аргументы часто опираются на предположение, что для машины, обладающей интеллектом, сравнимым с человеческим, необходимы цели и мотивы, аналогичные тем, которые присущи человеку. Человеческие цели зависят от различных факторов, включая инстинкты (например, желание еды, секса и выживания), эмоции (страх, гнев, ревность) и социокультурные влияния, такие как представление об «успешном человеке».
Современные исследования в области когнитивных наук и искусственного интеллекта действительно указывают на возрастающий интерес к пониманию разума как коллективного феномена. В этом контексте индивидуальный интеллект рассматривается как результат взаимодействия множества мозговых процессов, тогда как коллективный разум возникает на основе социальных и когнитивных взаимодействий между индивидами. Это направление мысли предполагает, что для достижения более продвинутых форм искусственного интеллекта, подобных общему искусственному интеллекту (AGI), необходимо создавать системы, способные моделировать не только нейронные, но и социокогнитивные процессы.
Развитие таких систем потребует глубокого понимания механизмов коллективного интеллекта, который проявляется, например, в способности групп людей решать задачи, превосходя возможности отдельных индивидов. В контексте ИИ это может означать разработку алгоритмов, которые способны к сотрудничеству и обучению друг от друга в сетевых или мультиагентских системах, имитируя таким образом социальные взаимодействия и коллективное принятие решений среди людей.
Для реализации таких архитектур потребуются новые подходы к машинному обучению, которые могут включать алгоритмы обучения с подкреплением, где агенты учатся на основе взаимодействия друг с другом, а также методы, позволяющие машинам понимать и интерпретировать социальные сигналы и контексты. Кроме того, важной составляющей таких систем станет разработка механизмов общения и координации действий между агентами для достижения общих целей.
Этот сдвиг в понимании интеллекта от индивидуального к коллективному может открыть новые возможности для применения ИИ в различных областях, от научных исследований до решения глобальных социальных проблем, предоставляя более мощные и адаптивные системы, способные к совместной работе и коллективному принятию решений.
В существующей терминологии все системы искусственного интеллекта можно отнести к слабому ИИ. Важно отметить, что термины «слабый» и «узкий» отражают разные аспекты понятия. «Слабый» не всегда подходит, например, к программам, обгоняющим человека в играх; здесь более уместен термин «узкий», где искусственный интеллект не достигает уровня интеллекта человека.
1.1.5. Возможен ли сильный ИИ?
В отличие от слабого ИИ, который ограничен выполнением конкретных интеллектуальных задач, сильный ИИ, также известный как искусственный общий интеллект (AGI), представляет собой гипотетическую машину будущего, способную понимать мир на уровне, сопоставимом с уровнем человеческого понимания. Такая машина смогла бы обучаться и выполнять широкий спектр интеллектуальных задач, аналогичных тем, которые решает человек. Понятия «сверхразум» или «суперинтеллект» также используются для описания сильного ИИ, хотя он не обязательно должен иметь социальную структуру или быть антропоморфным.
Это разделение на слабый и сильный ИИ помогает лучше понять различия и объяснить причины отсутствия консенсуса в определении термина «искусственный интеллект». Гуманитарии в большей степени могут воспринимать ИИ как сильный ИИ, видя в нем интеллектуальную машину, обладающую свойствами сознания, мышления и чувственного восприятия. Специалисты, работающие в области технологий ИИ, чаще используют термин ИИ для описания того, с чем они работают, то есть слабого ИИ. В контексте разговора об ИИ люди часто оперируют термином, полагая, что в зависимости от контекста понятно, о каком уровне искусственного интеллекта идет речь.
Несмотря на пользу такого деления, оно также имеет ограничения. Оно не учитывает процесс усиления или развития слабого ИИ. Такие решения хоть и начинаются с уровня слабого ИИ, с течением времени совершенствуются и становятся более интеллектуальными. Однако по данной терминологии они всегда останутся слабыми. Для создания сильного ИИ требуется не просто постепенное улучшение текущих решений, а новая архитектура, что подчеркивает необходимость качественного скачка в развитии.
Сильный ИИ представляет собой идеальную модель, цель, к которой стремятся разработчики, чтобы создать искусственный интеллект, способный решать любые задачи и стать идеальным помощником человека. Вопрос о том, достижима ли эта цель, остается предметом споров, но при существующем экспоненциальном развитии компьютерных технологий и их интеграции с искусственным интеллектом сильный ИИ может стать реальностью и превзойти человеческий интеллект, становясь «суперинтеллектом» (см. рис. 4).
Рис. 4. Рост машинного интеллекта в сравнении с ростом интеллекта человека
Вопрос о том, когда машины достигнут уровня интеллекта человека, вызывает различные точки зрения у ученых и общества в целом. Для одних это кажется фантастикой, утопией, тогда как другие уверены, что этот момент неизбежен, и даже пытаются предсказать примерные даты, когда машины превзойдут человека в интеллекте.
Например, известный футуролог и технологический визионер Рэймонд Курцвейл высказывал мнение, что суперинтеллект может появиться в 2045 году. Он предсказывал, что к этому времени достижения в области искусственного интеллекта и технологий позволят создать машины, способные опережать человека в различных аспектах интеллектуальной деятельности.
Однако мнения на этот счет расходятся. Есть ученые и специалисты, которые считают, что прогнозировать точную дату появления суперинтеллекта крайне сложно из-за множества неизвестных факторов, включая технологические, этические и социокультурные аспекты. Вместо точных прогнозов они подчеркивают необходимость внимательного регулирования и этического обсуждения вокруг развития и применения искусственного интеллекта.
Таким образом, вопрос о будущем интеллектуального равновесия между человеком и машинами остается объектом широких дебатов и исследований (см. рис. 5).
Рис. 5. Прогноз динамики роста уровня интеллекта машин
Вопрос о том, можно ли достичь сильного искусственного интеллекта, остается открытым и вызывает смешанные мнения ученых и общества. Подобные сомнения встречались и в отношении других технологических новаций в прошлом, например, когда философы, такие как Дрейфус, утверждали, что компьютеры никогда не смогут играть в шахматы.
Важной характеристикой искусственного интеллекта является его способность к познанию человеком самого себя. Создание вычислительного аналога интеллектуальной системы позволяет нам лучше понимать природу нашего собственного интеллекта. Этот аспект открывает новые горизонты для исследования человеческого разума.
Сильный искусственный интеллект, подобно суперинтеллекту, не обременен четко определенными задачами. Как и человеческий интеллект, он формирует свои цели и методы их достижения по мере своего развития. Это позволяет суперинтеллекту иметь систему ценностей, которая направляет его на путь достижения задач, соответствующих этим ценностям.
Сильный искусственный интеллект представляется как универсальное средство решения широкого круга задач, стоящих перед человечеством. Это отличает его от слабого искусственного интеллекта, который ориентирован на конкретные задачи. Однако такая универсальность вызывает вопросы доверия в обществе, особенно в отношении гуманитарных аспектов, этики и безопасности. Проблемы, связанные с тем, сможет ли человек решить этические и вопросы безопасности в общении с искусственным интеллектом, становятся неотъемлемой частью дискуссии об этике развития и использования новых технологий.
1.1.6. Как соотносятся интеллект искусственный и живой?
Некоторые ученые предполагают, что в будущем может произойти физическое слияние человеческого интеллекта и машинного субстрата. На данный момент физическая интеграция кремниевых чипов и нейронов мозга кажется невозможной, но уже разрабатываются технологии вживляемых чипов, например, для восстановления зрения. Этот проект может показаться фантастическим, но за ним стоит весомое обоснование.
Эгоцентризм стимулирует людей использовать технологии для расширения своих способностей и ощущений, идея слияния с машиной может быть встречена более открыто, чем создание сущности, превосходящей человека. Проект слияния машины и человека может представлять собой попытку продлить и усилить человеческие возможности.
Противоречия в толковании термина «искусственный интеллект» частично обусловлены психологией человека. Люди, узнав, как работает механизм «интеллекта» в решениях машин, могут отрицать наличие истинного интеллекта в их поведении. Эта тенденция отражена на рисунке 6, который демонстрирует четыре группы технологий искусственного интеллекта — от зрелых разработок до перспективных.
Рис. 6. Примеры ИИ-приложений, распределенных по степени сложности решаемых задач и уровню зрелости решений4
Действительно, некоторые задачи, такие как оптическое распознавание символов, фильтрация спама и контроль дефектов на производстве, часто перестают ассоциироваться с искусственным интеллектом. С другой стороны, перспективные разработки, такие как автоматическая разработка программного обеспечения и персональные роботы, начинают ассоциироваться с понятием искусственного интеллекта в массовом восприятии.
Искусственный интеллект объединяет разнообразие способностей, связанных с передовыми достижениями компьютерной науки и за ее пределами. В связи с этим возникает выражение «Искусственный интеллект — это то, что еще не сделано», получившее название «Теорема Теслера». Это подчеркивает постоянное стремление к новым технологическим решениям в области искусственного интеллекта.
Пример диалога, известный с момента создания пионерских ИИ-программ, подчеркивает тенденцию человека отождествлять понятие искусственного интеллекта с чем-то, что выходит за рамки уже известных алгоритмов. Важен вопрос: считаем ли мы интеллектуальность машины ее способностью решать поставленные задачи, или мы оцениваем механизм, с помощью которого она это делает?
Однако определение искусственного интеллекта, созданного как аналог человеческого интеллекта, представляется сложной задачей без полного понимания механизмов работы человеческого интеллекта и даже без ясного определения самого термина «интеллект человека». Разнообразие трактовок понятия «интеллект человека» представляет вызов в определении искусственного интеллекта. Сложность в достижении консенсуса в определении ИИ объясняется отсутствием такового и в трактовке понятия «интеллект человека».
Один из специалистов в области ИИ — генеральный директор Deep Learning Partnership Питер Морган — в своем докладе Towards a general theory of intelligence, сравнивая интеллект искусственный и живой, предлагает отталкиваться от толкования интеллекта человека, как совокупности разных его способностей (см. рис. 7), и проанализировать, какие из них доступны машине и в какой мере.
Рис. 7. Типы интеллектуальных способностей человека по Марку Виталю
В таблице 2 представлена оценочная характеристика возможностей ИИ на момент публикации (2019 г.) по тому, насколько ИИ приблизился к интеллекту человека по разным параметрам.
Таблица 2
Оценка возможностей ИИ в сравнении с интеллектом человека5
| № | Тип способности | Процентная доля |
| 1 | Логико-математические способности | 50% |
| 2 | Лингвистические способности | 50% |
| 3 | Способность восприятия пространства | 50% |
| 4 | Музыкальные способности | 50% |
| 5 | Телесно-кинестетические способности | 30% |
| 6 | Способность к межличностным отношениям | 10% |
| 7 | Способность воспринимать природу | 10% |
| 8 | Интрапсихические способности | 5% |
| 9 | Экзистенциальные способности | 0% |
Это важно относительно различий в трактовке понятия «искусственный интеллект» в разных контекстах и авторских работах. При обсуждении ИИ часто возникает путаница из-за различий в том, о чем именно идет речь: об усредненных способностях современных ИИ-систем, о конкретных реализациях ИИ или о потенциальных будущих разработках.
Когда говорят о среднестатистическом человеке, усредненных способностях или об общих чертах интеллекта, это предполагает некий обобщенный образ человека с типичными интеллектуальными способностями. Однако в контексте искусственного интеллекта, где множество подходов и реализаций, термин ИИ может варьироваться от простых программ виртуального мира до сложных систем, воплощенных в физических роботах или сетях взаимодействующих устройств.
Поэтому, как правильно отмечено, понятие ИИ как среднестатистического интеллекта усредненной машины не существует. Это обширное и разнообразное поле, включающее в себя различные технологии и уровни сложности, и его трактовка может зависеть от контекста и целей обсуждения.
1.1.7. Трактовки и классификации понятия ИИ
Резюмируя вышеописанные подходы к трактовке ИИ, представим их в виде диаграммы (рис. 8).
Рис. 8. Примеры употребления термина ИИ в разном контексте
Здесь по оси абсцисс отложены этапы разработки любого проекта, который развивается от стадии научной теории к практике ее технологического воплощения и далее реализуется в виде продукта на базе этой технологии. На оси ординат обозначено время, отражающее более длительный исторический процесс — процесс развития ИИ как науки и индустрии.
Рисунок отлично демонстрирует многообразие понятий, связанных с термином «искусственный интеллект». Именно эта многозначность и сложность определения понятия ИИ создают определенные трудности при обсуждении и внедрении этой технологии.
ИИ включает в себя не только академическое направление исследований, но и практические приложения технологии в реальном мире. Этот термин может охватывать всю область от простых систем, выполняющих ограниченные задачи, до сложных, обучаемых и адаптивных систем, а также представлять собой цель разработчиков в создании ИИ с общим интеллектуальным уровнем, сравнимым с человеком.
Однако разнообразие понимания термина также вносит некоторую неопределенность и вызывает дискуссии в обществе, особенно когда речь идет о этических и вопросах безопасности, связанных с развитием и использованием ИИ.
Этот контекстуальный и динамичный характер термина ИИ делает его интересным объектом обсуждения и исследования, и он продолжит эволюционировать по мере развития технологий и расширения наших представлений о том, что может предложить искусственный интеллект.
Мысль, предложенная Стюартом Расселом и Питером Норвигом (авторы книги «Искусственный интеллект: современный подход» (Artificial Intelligence: A Modern Approach), которая считается одним из ведущих и наиболее широко используемых учебников по искусственному интеллекту в мире), отражает разнообразие подходов к трактовке искусственного интеллекта, основываясь на четырех основных способностях: действовать, как человек; думать, как человек; думать рационально; действовать рационально. Давайте рассмотрим эти категории подробнее:
1. Действовать, как человек. Этот подход фокусируется на создании искусственных систем, которые способны выполнять задачи и действия, схожие с тем, как это делает человек. Примеры включают в себя роботов и компьютерные программы, способные воспроизводить человеческое движение и действия.
2. Думать, как человек. Здесь акцент делается на моделировании когнитивных процессов человека. Исследования в этой области стремятся создать компьютерные программы, способные обрабатывать информацию, принимать решения и решать задачи, аналогичные человеческим когнитивным способностям.
3. Думать рационально. Этот подход связан с созданием систем, которые могут принимать логически обоснованные решения. Он ориентирован на разработку искусственного интеллекта, способного применять формальные методы рассуждения и логики для принятия решений.
4. Действовать рационально. Здесь основное внимание уделяется созданию систем, способных действовать в соответствии с определенными целями и максимизировать ожидаемую полезность. Этот подход близок к экономическим и теоретическим аспектам рационального поведения.
Каждый из этих подходов предоставляет свой уникальный взгляд на то, как следует определять и оценивать искусственный интеллект. В зависимости от конкретных задач и целей исследований, ученые и инженеры могут выбирать тот или иной подход, что отражает сложность и многогранность самой области искусственного интеллекта.
Да, введение различных критериев и определений для искусственного интеллекта отражает разнообразие подходов к его созданию и пониманию. Рассмотрим три основных критерия:
1. Способность думать, как человек:
Этот критерий подразумевает создание искусственного интеллекта, который способен имитировать или реплицировать человеческий мыслительный процесс. Ученые и инженеры стремятся понять структуру и механизмы работы человеческого мозга, чтобы создать программы и системы, которые обладают аналогичными когнитивными способностями. Это направление исследований известно как нейроинжиниринг.
2. Способность действовать, как человек (тест Тьюринга):
Критерий, основанный на тесте Тьюринга и подобных ему, оценивает способность программы или машины производить действия, неотличимые от действий человека. Если искусственный интеллект может убедить человека, что он взаимодействует с другим человеком, а не программой, то считается, что он обладает этой «человеческой» способностью.
3. Способность думать и действовать рационально:
Эти критерии ориентированы на создание логически мыслящих и действующих искусственных агентов. Способность думать рационально предполагает принятие логически обоснованных решений, в то время как способность действовать рационально подразумевает оптимальное достижение поставленных целей при наличии ограничений. Это направление исследований обычно связано с областью искусственного интеллекта, известной как «рациональные агенты».
Каждый из этих подходов предоставляет уникальный взгляд на то, что составляет искусственный интеллект и каким образом он может быть достигнут. В зависимости от целей и контекста задач, ученые и инженеры выбирают различные пути разработки искусственного интеллекта. Авторы упомянутой классификации указывают, что важной характеристикой, которая должна быть отражена в определении термина ИИ, является автономность этой интеллектуальной машины. Именно это свойство ИИ-машин позволит им не только находить решения проблем, которые ставит человек, но и выявлять, формулировать и решать задачи, существование которых человеку неизвестно.
Интерес к классификации систем искусственного интеллекта по степени автономности и адаптивности вытекает из важности понимания того, насколько самостоятельными и гибкими являются эти системы. Рассмотрим классификацию, предложенную компанией PwC:
1. Реактивные системы. Эти системы реагируют на конкретные входные данные с заранее определенными правилами. Они не обладают внутренней моделью мира и не могут обучаться на опыте. Такие системы ограничены, и их функциональность строго определена заранее.
2. Лимитированные памятью (Memory-limited) системы. Эти системы могут использовать ограниченный опыт из прошлого для принятия решений. Они способны извлекать информацию из определенного количества предыдущих действий или вводов и применять этот опыт к новым ситуациям.
3. Самообучающиеся системы. Эти системы обладают способностью обучения на опыте и адаптации к изменяющимся условиям. Они способны совершенствовать свои алгоритмы и модели на основе нового опыта, что делает их более гибкими и способными к автономному обучению.
Отделение понятия «автоматизация» от «искусственного интеллекта» важно, поскольку автоматизация обычно подразумевает использование машин и программ для выполнения конкретных задач, но без обучения и адаптации к новым ситуациям, как это может быть у искусственного интеллекта.
Рис. 9. Где современные системы ИИ могут быть эффективнее человека6
Рисунок 9 представляет собой интересную визуализацию эффективности систем искусственного интеллекта по сравнению с человеком в различных областях. Рассмотрим ключевые аспекты и выводы:
1. Область, где машины превосходят человека. В левом верхнем углу рисунка отмечена область, где машины эффективнее человека, и человек лишь незначительно дополняет и корректирует машину. Примеры включают фильтрацию спама и подбор ключевых слов. Это задачи, где машина может быстро и точно обрабатывать большие объемы данных.
2. Область, где принятие решения без человека невозможно. В правом нижнем углу представлена область, где принятие решения без человека невозможно, и человек получает подсказку от ИИ, но решение принимает сам. Примеры включают постановку медицинских диагнозов, где человеческий опыт и экспертиза несравненно важны.
3. Движение к вытеснению человека из области решения задач. Зона, где «человек дополняет машину», будет продолжать расти, в то время как зона, где «машина дополняет человека», будет сокращаться. Это свидетельствует о постепенном вытеснении человека из области систем решения интеллектуальных задач и принятия решений.
4. Широкий спектр ИИ-решений. Существует огромное количество ИИ-решений для реализации практических задач в различных областях, таких как увеличение производительности труда, повышение качества продуктов и услуг. Внедрение ИИ на предприятии рассматривается как элемент цифровизации, где сложные задачи передаются компьютерам, улучшая тем самым эффективность и точность.
Важным аспектом является не только расширение возможностей, но и обеспечение контроля и безопасности в развертывании систем искусственного интеллекта, особенно в контексте автономности и самообучения этих систем.
1.1.8. Перспективы слабого и сильного ИИ
Современные решения на основе искусственного интеллекта (ИИ) обладают значительными достижениями в узких задачах, сопоставимых с выдающимися специалистами. Несмотря на то, что ИИ во многих аспектах значительно уступает человеку, включая универсальность, его успехи в узких областях придают ему важное значение. Понятие «узкий интеллект» охватывает широкий спектр приложений, и сегодня многие аналитики рассматривают его как эволюцию в области обработки данных, где участие человека минимизируется, освобождая его от задач, которые эффективно выполняются с использованием ИИ (рис. 10).
Рис. 10. Эволюция процесса работы с данными7
В конце концов, на рисунке 10 мы видим своего рода глянцевую картину будущего, которая станет возможной только в случае, если мы подойдем к созданию суперумного искусственного интеллекта. Тут возникает интересное противоречие в том, как мы видим цели и перспективы искусственного интеллекта. Ученые, занятые идеей создания суперумного ИИ, считают, что нам нужны новые методы и подходы к его построению. Они говорят, что стремление к развитию узкого искусственного интеллекта, которое сейчас так активно, может быть как бы «побочным путем», не ведущим к главной цели. При этом количество ученых, работающих над суперумным ИИ, значительно меньше, чем тех, кто занят расширением и внедрением уже существующих технологий в различные области экономики. Так что цель создания сверхразумного искусственного интеллекта хотя и звучит крайне амбициозно, на практике в большинстве проектов оказывается в тени более очевидной цели — максимальной распространенности и применения узких искусственных интеллектов.
Не вызывает сомнения тот факт, что основную роль, основной стимул внедрения решений с искусственным интеллектом играет экономическая целесообразность и получение прибыли от реализации данного мероприятия. И основной акцент в данном вопросе стоит на решениях с краткосрочной окупаемостью. Еще в 2020 году Аналитическим центром при Правительстве Российской Федерации в методике оценки эффективности реализации национальных программ и федеральных проектов наибольший вес имели решения QuickWins (быстрые победы), что стало решающим для всех отраслей экономики и является некой эталонной парадигмой, которой сейчас придерживается подавляющая часть разработчиков и компаний, внедряющих в свою деятельность искусственный интеллект. С некоторой поправкой на расчет коэффициента возврата инвестиций.
Однако надо понимать, что такой подход в некоторой степени тормозит развитие и внедрение технологии, а главное — ее «академическое» научное развитие.
Очевидно, что в настоящее время основное внимание инвесторов сосредоточено на проектах, которые обещают быстрый возврат инвестиций. Основная направленность инвестиций — расширение области разработок в узком искусственном интеллекте. При этом становится ясным, что создание общего, сильного ИИ требует значительных финансовых вложений и предполагает появление продуктов в отдаленной перспективе (особенно в условиях отсутствия единства в оценке перспективности и достижимости уровня сильного ИИ). Несмотря на то, что разработка узкого ИИ кажется менее амбициозной задачей, она все равно требует огромных ресурсов. В результате современные ИИ-технологии, которые зависят от высокопроизводительных вычислений, мощной ИТ-инфраструктуры, передовых научных исследований и квалифицированных кадров, становятся мерилом технологической зрелости компаний, отраслей и стран.
Многие эксперты сходятся во мнении, что ИИ выступает в роли ведущей силы последней волны конвергенции DARQ-технологий (распределенные реестры, искусственный интеллект, расширенная реальность, квантовые вычисления), перенося человечество в эпоху цифрового мира. Китайские специалисты даже придают ИИ еще более фундаментальное значение, рассматривая его как вершину эволюции не только информационно-коммуникационного, но и технологического прогресса. По их мнению, ИИ включает и базируется на всем богатстве технического и технологического опыта человечества.
Таким образом, можно выделить разные подходы к пониманию термина «искусственный интеллект». Сложность определения ИИ и его развития создает проблемы в определении производных терминов, таких как «ИИ-решение», «ИИ-проект», «ИИ-компания» и «ИИ-рынок». Это, в свою очередь, затрудняет рейтингование проектов и компаний в области ИИ, а также количественную оценку рынка, так как разные авторы включают в ИИ-проект различные технологии и сервисы.
Для объяснения отсутствия единого определения ИИ-проекта можно провести аналогию с местоположением человеческого интеллекта и системы, формирующей его. Например, при попытке ответить, где находится человеческий интеллект и как выделить систему, формирующую его, мы сталкиваемся с проблемой. Мы можем указать на неокортекс (новая кора головного мозга), ответственную за интеллектуальную деятельность, но при этом не можем отбросить более древние части мозга или сенсорные системы, также важные для формирования представлений о мире.
Точно так же и в случае искусственного интеллекта: где заканчивается процессор, участвующий в вычислениях, и начинается ИИ? Этот вопрос становится ключевым при попытках определить и количественно оценить рынок ИИ. Отсутствие единого мнения по определению ИИ не мешает наличию консенсуса внутри отдельных областей, сообществ или в рамках конкретных технологий.
Безусловно, сложно определить ИИ в рамках единого термина, но важно учитывать, что ИИ — это многогранный термин, который может иметь разное значение в различных контекстах. Это не только область науки и технологии, но и маркетинговый термин, продукт компаний и вендоров, а также персонаж в фантастических произведениях. В данном контексте можно предложить следующее определение: ИИ — это широкий термин, который в различных контекстах означает область науки, технологии, продукты и способности машин решать задачи и выполнять действия, ранее выполнимые только человеком, а также те, которые человек не мог выполнять.
[6] Адаптировано по материалам Massachusetts Institute of Technology.
[5] Отметим, что в данной таблице не идет речь про способности, которые у компьютера развиты лучше, чем у человека, притом что такие способности, несомненно, есть — например, вычислительные.
[7] Источник: Deloitte Research. Следует отметить, что уже на стадии «Интернет вещей» идет частично машинный сбор и обработка данных.
[2] URL: https://arxiv.org.
[1] URL: https://dzen.ru/a/Xxg3NQoVjXCshryW.
[4] Источник: Lux Research.
[3] Мультимодальные модели характеризуются возможностью обучения на нескольких наборах различных типов данных (изображение, текст, речь, числовые данные) для предоставления более точной и правдивой информации.
Глава 2. ВИДЫ И КЛАССИФИКАЦИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
2.1. Основные направления
Среди специалистов по искусственному интеллекту нет единого мнения о направлении исследований. Существуют два основных подхода к созданию искусственного интеллекта: искусственный разум, который имитирует внутреннюю структуру человеческого мозга, и машинный интеллект, ориентированный на конкретные результаты.
Приверженцы первого подхода, называемого нейробионикой, стремятся создать искусственные модели процессов, происходящих в мозге человека. Они исследуют механизмы восприятия, изучают, как работает мозг, и разрабатывают технические средства для имитации биологических структур и процессов. Они считают, что понимание естественного мышления и данных о формировании разумного поведения может послужить основой для построения искусственного интеллекта, причем это строительство должно осуществляться моделированием и воспроизведением принципов функционирования биологических объектов. Примерами таких технологий являются нейронные сети и нейрокомпьютеры, которые сегодня активно развиваются.
Приверженцы второго подхода считают, что главное — это результат, то есть хорошее соответствие поведения созданных искусственных систем поведению естественных. Они утверждают, что разработчику искусственного интеллекта не обязательно копировать или учитывать внутренние механизмы формирования поведения, сосредотачиваясь лишь на достижении желаемых результатов.
Второй взгляд на искусственный интеллект называется информационным. Его основная цель — не создание технической копии биологической системы, а адекватное моделирование ее работы для решения интеллектуальных задач.
Первый подход к искусственному интеллекту изучает нейрофизиологические и психологические механизмы интеллектуальной деятельности человека. Его цель — воссоздать эти механизмы через технические устройства так, чтобы их поведение совпадало с поведением человека в определенных пределах. Этот подход развивается вместе с науками о человеке и включает создание систем искусственного разума, базирующихся на математической интерпретации деятельности нервной системы.
Нейроподобные сети, такие как сети обратного распространения ошибки и Хопфилда, применяются в распознавании образов, анализе и синтезе речи, переводе языков и прогнозировании. Они обладают устойчивостью к зашумлению сигнала, способностью восстанавливать изображение по его части и работой даже при потере части сети.
Сети второй группы используются в системах управления реальными объектами и виртуальных секретарях, обладающих самообучением и способностью к функционированию в реальном времени.
Сети третьей группы — это развитие предыдущих, ориентированное на создание виртуальных личностей в сети Интернет. Это новое направление только зарождается, но уже существуют проекты, призывающие объединить научные усилия для «очеловечивания» Интернета.
Таким образом, основные направления искусственного интеллекта связаны с моделированием. Машинный интеллект моделирует феномены, в то время как искусственный разум моделирует структуры для решения задач.
2.2. Нейробиологическое направление
Нейронные модели не только копируют функции мозга, но и могут выполнять полезные функции самостоятельно. Это привело к появлению двух взаимосвязанных целей в нейронном моделировании: первая — понять, как работает человеческая нервная система на уровне физиологии и психологии, и вторая — создать вычислительные системы (искусственные нейронные сети), которые выполняют функции, аналогичные мозгу.
Особый интерес для нас представляет вторая цель. Уже в 1949 году была представлена модель обучения, известная как модель Хэбба, которая стала отправной точкой для алгоритмов обучения искусственных нейронных сетей. В 1950—1960-х годах появились первые искусственные нейронные сети, изначально реализованные как электронные схемы, а затем перенесенные в гибкое компьютерное моделирование.
Концепция нейрокомпьютера возникла практически одновременно с первыми последовательными ЭВМ. Работа Мак-Каллока и Питтса в области нейровычислений (1943 г.) появилась на свет за два года до знаменитой работы фон Неймана об организации вычислений в универсальных последовательных ЭВМ. Их идея заключалась в создании компьютера, вдохновленного работой человеческого мозга, с упрощенной моделью нервной клетки — нейрона.
Нейрокомпьютеры требовали высокой вычислительной мощности, и только в 1970-е годы методы нейросетей начали набирать популярность в решении прикладных задач. Первый экспериментальный нейрокомпьютер Snark был построен в 1951 году Марвином Минским, но настоящий прорыв связывают с персептроном, разработанным Фрэнком Розенблаттом.
Персептрон, созданный в 1950-е годы, был одной из первых моделей нейронных сетей и привлек внимание своей способностью обучаться распознаванию простых образов. Он использовал бинарные нейроподобные элементы и имел простую структуру, что способствовало его изучению и созданию физических версий.
Однако ограничения персептрона, выявленные работами Минского и Пейперта, снизили интерес исследователей к нейронным сетям на два десятилетия. В начале 1980-х годов интерес к нейросетям возрос после теоретических работ физика Хопфилда, который обогатил теорию параллельных вычислений новыми идеями.
Практическое применение нейросетей стало реальностью после публикации метода обучения многослойного персептрона, известного как метод обратного распространения ошибки, предложенного Румельхартом. Это позволило преодолеть ограничения, выявленные ранее, и привело к снижению стоимости нейровычислений и увеличению их производительности.
Нейрокомпьютеры успешно применяются в специализированных системах, где обучение и переобучение сотен нейросетей объединены в единые информационные комплексы. Они также используются в системах реального времени, где важна высокая скорость обработки данных, например, при проведении экспериментов на ускорителях элементарных частиц, где применяется нейрокомпьютер CNAPS, каждый процессор которого состоит из 512 нейронов.
С развитием современных компьютеров и увеличением их вычислительных возможностей программы, использующие принципы нейросетевой обработки данных, стали широко доступны. Эти программы работают на последовательных компьютерах и, хотя не используют параллелизм, сосредотачиваются на способности нейросетей решать неформализованные задачи. Множество подобных программ можно найти в сети, предоставляемых как shareware или freeware.
Коммерческие пакеты, такие как BrainMaker Professional, NeuroForecaster, Jopa — IQ300, обладают встроенным блоком предобработки данных, но некоторые пользователи предпочитают использовать стандартные электронные таблицы для этой цели. Например, нейропродукты группы ФИАН интегрируются непосредственно в Microsoft Excel в виде специализированных функций обработки данных.
MATLAB с нейросетевым ассортиментом представляет собой удобный инструмент для разработки сложных нейросетей. Он интегрируется с другими методами обработки данных, такими как вейвлет-анализ, статистика и финансовый анализ.
В сфере промышленности нейросети встроены в готовые автоматизированные комплексы, предназначенные для решения специфических задач (управление предприятием, организационно-техническими системами, реакторами и т. д.). Например, продукт Falcon встраивается в банковскую автоматизированную систему обслуживания платежей по пластиковым картам.
Таким образом, нейропакеты не требуют сложного программирования, легко внедряются и предоставляют быстрое и доступное решение задач. Нейроприложения применяются для создания сложных систем обработки данных в реальном времени, а готовые решения предоставляют комплексный подход к решению задачи без необходимости погружения пользователя в детали нейросетей.
Классификация нейросетей осуществляется по различным параметрам, включая типы входных и выходных сигналов (бинарные и аналоговые), характер работы (синхронные и асинхронные), а также по типам связей и методам обучения. Приведем также классификацию базовых нейроархитектур в соответствии с методом кодирования-декодирования, предложенным Бартом Коско.
В классификации Барта Коско выделяются различные типы нейроархитектур в зависимости от метода кодирования-декодирования. Вот несколько основных категорий:
1. Сети с прямым распространением. Это многослойные модели искусственных нейронных сетей: обычные сети для распознавания образов и классификации, где информация передается от входа к выходу.
2. Рекуррентные нейронные сети (RNN). Это сети Эльмана: сети с внутренними обратными связями, способные использовать информацию о предыдущих состояниях. Применяются в задачах, где важен контекст, например, в обработке естественного языка.
3. Сети Хопфилда. Сети с асинхронной динамикой для ассоциативного запоминания и восстановления.
4. Ассоциативные нейронные сети. Сети, ассоциирующие определенные входы и выходы. Часто используются для создания ассоциативных памятей.
5. Сети самоорганизации. Это карты Кохонена: способные организовывать входные данные без учителя, полезны для кластеризации и визуализации данных.
6. Сети радиально-базисных функций (RBF). Они используют функции, которые измеряют расстояние от входных данных до центральных точек (радиальных базисных функций). Эти сети часто применяются для предсказания значений на основе входных данных.
7. Сети долгой краткосрочной памяти (LSTM). Расширенные рекуррентные сети с улучшенной способностью управления долгосрочными зависимостями. Широко используются в обработке последовательностей, например, в обработке речи и текста.
Каждый тип сети имеет свои применения, и выбор зависит от требований конкретной задачи.
В наше время нейронные сети широко внедряются в разные области, принося с собой инновации. В экономике и бизнесе они помогают предсказывать рынки, автоматизировать дилинг, оценивать риски кредитования и многое другое. Они оптимизируют портфели, обрабатывают чеки, обеспечивают безопасность финансовых транзакций.
В медицине нейросети обрабатывают изображения, следят за состоянием пациентов и помогают в диагностике. Например, система ранней диагностики меланомы сосудистой оболочки глаза. В авионике они обучают автоматы, распознают сигналы радаров и помогают пилотировать поврежденные самолеты.
В области связи нейросети сжимают видео, кодируют — декодируют быстро и оптимизируют сотовые сети. В интернете они участвуют в поиске, фильтрации информации, рубрикации новостей и рекламе.
В автоматизации производства они оптимизируют режимы, диагностируют качество продукции и предупреждают аварии. Даже в политических технологиях нейросети используются для анализа опросов и предсказания рейтингов.
В сфере безопасности они идентифицируют личности, распознают голоса и лица, обеспечивают мониторинг и обнаружение подделок. В обработке информации рукописных документов, подписей и голоса они автоматизируют ввод финансовых и налоговых данных. Важно отметить, что использование нейросетей представляет собой синтез различных методов и идей, что ускоряет и удешевляет разработку приложений.
Обширные перспективы нейронных сетей также проявляются в сфере ввода и обработки информации. Например, они решают задачи обработки рукописных документов, распознавания подписей, отпечатков пальцев и голоса. Это позволяет автоматизировать ввод финансовых и налоговых документов, сэкономив время и уменьшив вероятность ошибок.
Важно отметить, что несмотря на то, что некоторые специалисты считают, что применение нейросетей представляет собой лишь новый язык для уже существующих методов, другие видят в этом подходе уникальную возможность совмещения различных методологий и идей. Этот синтез в рамках нейросетевого подхода приносит огромные преимущества, такие как ускорение и удешевление процесса разработки приложений.
Таким образом, нейронные сети играют ключевую роль в современном мире, преобразуя множество отраслей и предоставляя инновационные решения. От экономики и бизнеса до медицины, авионики, связи, интернета, автоматизации производства, политических технологий, безопасности и обработки информации — их влияние охватывает практически все сферы человеческой деятельности, открывая новые горизонты для эффективного и инновационного развития.
2.3. Информационное направление
Информационное направление разделяется на три:
1. Эвристическое программирование. Это направление в информационных технологиях, где разрабатываются оригинальные методы и алгоритмы для решения сложных задач, схожих с теми, которые решает человек, и в некоторых случаях даже более эффективные. Эвристика в данном контексте представляет собой правило, стратегию или метод, направленные на повышение эффективности системы, стремящейся к нахождению решений сложных проблем. Программы, использующие эвристику, называются эвристическими программами.
Эвристические программы имеют широкий спектр применений. Они способны играть в игры, такие как шахматы, шашки, карточные игры, а также находить ответы на вопросы, решать задачи из области математики, доказывать теоремы в математической логике и геометрии. Они также облада
...
