Демон внутри. Анатомия искусственного интеллекта
- Автор: Шнуренко Игорь Анатольевич
- Год: 2021
- Язык: русский
- Год: Наше завтра
- ISBN: 978-5-6045084-5-9
- Жанр: Публицистика
Электронная книга - «Демон внутри. Анатомия искусственного интеллекта». Краткое содержание книги:
Величайшее творение человека, искусственный интеллект, было создано для того, чтобы привести людей к полной и безграничной свободе. Однако, человечество оказалось в новом рабстве. Возможно, это рабство еще более цинично и аморально чем то, что было в Древней Греции.
Как случилось, что интернет, который был придуман для того, чтобы объединить народы, превратился в средство атомизации общества, сделав нас всех эгоистами-одиночками?
Что такое искусственный интеллект и кто за ним стоит? Чего ждать от технологий, которые вышли прямо из сериала “Черное зеркало”? Чем кончится гонка, победа в которой даст мировое господство?
Как нам выжить в борьбе с демоном, которого мы сами и породили?
Неудача японского проекта ICOT показала, что даже полная поддержка государства и предоставление в распоряжение ученых всех возможных ресурсов никуда не ведет, если нет теоретического прорыва и философского осмысления проблем. С другой стороны, наука настолько усложнилась, что теоретический прорыв был возможет лишь в результате крупных вложений. От науки вообще нельзя требовать немедленной отдачи, это не торговля пирожками на площади, а к власти в западных странах один за другим стали приходить сторонники неолиберальной модели экономики, которые стремились резко снизить государственные расходы.
Получался замкнутый круг, и очень скоро создание искусственного интеллекта стали ставить в ряд нерешаемых задач, наподобие запуска вечного двигателя. Впоследствии некоторые авторы даже будут писать, что «зима искусственного интеллекта» продлилась с 1970 по 1990 годы, хотя, конечно, это не совсем так.
И в 1970-е, и в 1980-е годы в этой области были сделаны важные открытия, подготовившие почву для следующего рывка.
Во-первых, даже критики принятых тогда методов, тот же Марвин Минский, указывали на возможности в смежных областях когнитивного моделирования. Критическому переосмыслению подверглись многие принятые в научной среде догмы и подходы, появились новые имена. Это было время господства символических моделей более высокого уровня, чем однослойные нейросети, и экспертных систем, которые, впрочем, было гораздо сложнее программировать.
Во-вторых, ученые продолжали работать над теорией нейросетей с тем, чтобы устранить ограничения, на которые указал Минский и другие. Финн Теуво Кохонен, американец Стефен Гроссберг, русский Александр Галушкин обосновали теорию многослойных нейросетей, которой было суждено привести к новому рывку.
КАК ВЫЯВИТЬ НЕРАДИВЫХ СТУДЕНТОВ
Александр Иванович Галушкин был преподавателем МФТИ. В 1970 году он выпустил пионерскую работу «Многослойные системы распознавания образов», а в 1974 защитил докторскую диссертацию, в которой предложил способ обойти ограничения, сформулированные Минским. Его революционный метод вычисления градиента, который используется при обновлении весов многослойной нейросети, применяется и сегодня. В одно время с ним ту же проблему алгоритма обратного распространения ошибки для обучения перцептронов решили американец Пол Вербос, и канадский когнитивный психолог (так он предпочитает себя называть) Джефф Хинтон.
Александр Галушкин — очень крутой ученый, его вполне можно сравнивать с Джеффом Хинтоном. Но у них, к сожалению, сложились разные жизни. Хинтон, работы которого мы еще не раз упомянем, продолжал работать над нейросетями во время «зимы искусственного интеллекта», когда это направление было совсем не модным. Его наработки тех лет вовсю используются и сегодня, но когда-то на них никто не обращал внимания. С началом новой «весны» в машинном обучении он возглавил целое направление в компании Google, которая воспользовалась его наработками, чтобы сначала создать, а потом и закрепить свое мировое лидерство в разработке ИИ.
Россия по причинам, о которых здесь рассказывать нет возможности, начиная с 1990-х стала резко сдавать как в научных разработках ИИ, так и в их практическом внедрении. В итоге лидерство было потеряно, и такие ученые, как Александр Галушкин, не смогли реализовать себя и свои идеи.
Теуво Кохонен, сделавший весьма серьезный вклад в машинное обучение и тем самым в преодоление «зимы искусственного интеллекта», стал в итоге самым цитируемым финским ученым за все времена, а после наступления в начале 1990-х новой «весны искусственного интеллекта» его избрали первым президентом Европейского общества нейронных сетей.
Финский ученый предложил новый класс многослойных нейронных сетей, где выходные сигналы обрабатываются по правилу «победитель получает всё»: наибольший сигнал превращается в единичный, остальные обращаются в ноль.
Развивая свою идею, в 1984 году он предложил самоорганизующуюся карту Кохонена — нейронную сеть с обучением без учителя. Принципы этой сети оказались настолько простыми, что она и сейчас применяется во множестве задач: для моделирования, прогнозирования, поиска закономерностей в больших массивах данных, в разработке компьютерных игр, квантизации цветов при печати на принтере, для архиваторов, видео-кодеков, и так далее.
При работе с учителем сопоставляются входные и выходные сигналы — их математическую запись называют «векторами». Вектора образуют обучающую пару. После завершения каждой «эпохи» происходит коррекция, то есть выходной вектор меняется до тех пор, пока его отклонение от цели не уложится в заданные пределы. Но в сетях Кохонена выходные сигналы для этой цели не используются, поэтому и говорится, что обучение происходит без учителя.