Становятся ли машины разумными? Способны ли они к сложному логическому мышлению, как мы? Заменит ли когда-нибудь ИИ всех нас в любой задаче или даже станет мошенником и истребит человеческую расу?

За последние пару лет потребителей засыпали удивительными вещами об искусственном интеллекте (ИИ) во многих сферах их повседневной жизни. Почти каждую неделю мы слышим о продуктах, новостях, рекламе технологических компаний и другой смешанной информации о более необычных вещах, которые может делать ИИ.

Итак, машины становятся разумными? Способны ли они к сложному логическому мышлению, как мы? Заменит ли в ближайшем будущем ИИ всех нас в какой-либо задаче или даже станет мошенником и истребит человеческую расу?

Короткий ответ на все эти вопросы — НЕТ. Отнюдь не.

Лучшее название для того, что у нас сейчас есть, — Машинное обучение (МО), но оно не так хорошо продает продукт или новости, не так ли?

Сегодня мы действительно находимся на золотой жиле машинного обучения, но многие из теорий, моделей и математики существуют десятилетиями, потому что они достаточно просты. Так почему же это важно сейчас? Что изменилось?

Что ж, большие данные и огромные серверные фермы, также известные как облако, привнесли потенциал теорий в практику и в широкие потребительские приложения. Сегодня мы сидим на золотом руднике информации и способе ее обработки с огромным количеством вычислительной мощности, с которой могут справиться большие фермы. Это означает, что анализ и категоризация миллионов терабайт данных становится тривиальной задачей, и благодаря этому мы получаем информацию, основанную на этих данных. Поскольку она категоризирована, мы можем найти отношения между, казалось бы, произвольными вещами, а также увидеть закономерности в информации, которые не смог бы увидеть ни один человек.

Так что же такое ML? Давайте сосредоточимся на одной из самых популярных моделей машинного обучения — Глубоком обучении (ГО) и приведем пример того, как Google изменил то, как мы обрабатываем фотографии и ищем их.

Google является одним из основных игроков в области ML и DL. Они считают это настолько важным, что еще в 2017 году Сундар Пичаи сказал, что Google переходит от стратегии Сначала мобильные к стратегии сначала искусственный интеллект (читай — машинное обучение с более красивым названием). Отныне они хотят поставить ИИ на первое место, думая об услугах и продуктах.

Одним из первых сервисов, которые они предоставили, был умопомрачительный сервис Google Фото, который мы можем искать по слову «дерево», и он находит в нем фотографии с деревьями. Это делается с использованием различных моделей, большинство из которых являются алгоритмами DL.

Что это за алгоритмы анализируют всю информацию с картинок и находят закономерности. Проанализировав миллионы или даже миллиарды изображений, он с определенной долей вероятности находит множество закономерностей и группирует их по вероятности того, что это одно и то же. Таким образом, его можно классифицировать. Кошку, дерево и даже человеческое лицо с некоторой помощью от нас (говоря ему название того, что он только что нашел) можно классифицировать. Это также может быть связано с другими данными и информацией. Если вы сфотографируете Эйфелеву башню, система машинного обучения может пометить GPS местоположение фотографии в Париже, даже если она была сделана без этой информации.

Одним из первых тестов стало видео узнаваемость кошек по всему Youtube. Использование алгоритмов DL сделало возможным распознавание кошек без каких-либо данных с большей степенью уверенности, чем любые предыдущие современные системы.

Все это делается с помощью математики и вероятностных приближений того, что должно получиться в результате, потому что оно содержит информацию о миллионах подобных вещей. В некоторых случаях есть тесты, которые некоторые системы машинного обучения уже могут анализировать лучше, чем человек, например, метки на коже для возможных признаков рака. Если у него есть данные о здоровье (исторические и настоящие) от пациентов для перекрестной ссылки, тем лучше будут результаты (более высокая вероятность быть правильным).

Конечно, есть некоторый предел для ошибки, но машины становятся лучше, чем люди, в тех же задачах, поскольку системы развиваются с большим объемом данных, а ошибочные или несоответствующие данные удаляются из потока данных. Реальная проблема с такими системами заключается в том, что они представляют собой черные ящики. Это означает, что алгоритм может с некоторой долей вероятности сказать, что кожная метка может быть раком, но не может сказать, почему он пришел к такому выводу. Это может сказать медик, по своему опыту и учебе, что тот или иной цвет и форма шишки означает высокую вероятность рака, но не систему МЛ. Он просто сравнивает изображение (и) с миллионами других случаев и классифицирует его в диапазоне вероятности диагноза рака, но не объясняет, почему он выбрал именно этот путь, а не другой. Это само по себе может создать у систем машинного обучения впечатление, что они менее заслуживают доверия с точки зрения нашего человеческого мышления, хотя они уже лучше, чем большинство врачей, решают определенные задачи. Это задача, которую необходимо решить ML, чтобы получить более широкое признание в системах здравоохранения.

Другими опасностями являются плохие данные и манипулирование моделью человеком для собственных разработок. Например, работа Microsoft Twitter bot была прервана из-за того, что ML-бот был наполнен расистскими и женоненавистническими данными от пользователей Twitter. ML просто следует шаблону, которым его кормили. В связи с этим я думаю, что это больше говорит о человеческой природе, чем об опасности ИИ.

Как мы видим, это означает, что эти системы на самом деле очень прямолинейны и не являются разумными, но следуют очень специфическим правилам статистики и приближения к цели правдивости и намерения.

Нет высшей функции мышления, которая могла бы привести их к абстрактной логике и самосознанию мышления. Так что самое большое беспокойство — это не проблема. Они не могут стать изгоями. Даже сегодня ведущие исследователи в этой области не уверены, возможна ли сознательная машина, не говоря уже об опасности для человечества. Цитируя ведущего исследователя Эндрю Нг:

Есть большая разница между интеллектом и разумом. В далеком будущем может появиться раса роботов-убийц, но сегодня я не работаю над тем, чтобы не превратить ИИ во зло по той же причине, по которой меня не волнует проблема перенаселения на планете Марс.

Если мы колонизируем Марс, там может быть слишком много людей, что станет серьезной насущной проблемой. Но сейчас нет смысла над этим работать, и поэтому я не могу продуктивно работать над тем, чтобы не превратить ИИ во зло.

- "Источник".

Таким образом, тревожные звуки в средствах массовой информации и даже некоторые ведущие бизнесмены, такие как Илон Маск (который сегодня является одним из предпринимателей, которых я уважаю больше всего) далеки от реальности. Они не разумны и не отнимают у нас все, но могут и действительно отнимут много рабочих мест.

На высокой ноте это можно считать началом индустриальной эпохи. В какой-то момент также были опасения, что промышленность, автомобили и т. д. приведут к безработице, худшим условиям для людей и т. д., и на какое-то время это могло привести к тому, что, пока общество не адаптировалось к новой реальности, были созданы новые рабочие места и условия. Если мы оглянемся назад, на индустриализацию, то она была благом для человечества во многих аспектах, и то же самое относится и к AI/ML. Мы сократим некоторые рабочие места, но дадим людям возможность сосредоточиться на других вещах и предоставим больше возможностей и лучшую жизнь для всех. Так что не зацикливайтесь на этом и принимайте эволюцию, не беспокоясь :)