Я не знал, что роботы так далеко продвинулись, — заметил читатель после публикации на прошлой неделе о том, как компьютеры вытесняют работников умственного труда. Что изменилось, чтобы это произошло? Машины научились учиться. Это из статьи Искусственный интеллект становится двуязычным — без словаря, журнал Science Magazine, 28 ноября 2017 г.

«Представьте, что вы даете одному человеку много китайских книг и много арабских книг — ни одна из них не пересекается, — и этот человек должен научиться переводить с китайского на арабский. Это кажется невозможным, верно? говорит… Микель Артече, ученый-компьютерщик из Университета Страны Басков (UPV) в Сан-Себастьяне, Испания. «Но мы показываем, что компьютер может это сделать».

Большая часть машинного обучения, в котором нейронные сети и другие компьютерные алгоритмы учатся на собственном опыте, «контролируется». Компьютер делает предположение, получает правильный ответ и соответствующим образом корректирует свой процесс. Это хорошо работает при обучении компьютера переводу, скажем, между английским и французским языками, потому что многие документы существуют на обоих языках. Это не так хорошо работает для редких языков или для популярных языков без большого количества параллельных текстов.

[Эта методика обучения называется] машинное обучение без присмотра. [Компьютер, использующий эту технику] создает двуязычные словари без помощи учителя-человека, говорящего им, когда их предположения верны.

Хммм… Я мог бы использовать это в прошлом году, когда мы с женой провели три месяца в гостях у нашей дочери в Южной Корее. Корейский язык смехотворно сложен; Я никогда не заходил дальше «доброго утра».

Матчи Go были стандартным предложением по телевизору в спортзале, где я тренировался в Сеуле. (Представьте себе двух парней в черных костюмах, пристально смотрящих на игровое поле — не совсем захватывающая визуализация тренировки.) Как и корейский язык, го также смехотворно сложен и загадочен: кажется, мастера движется более интуитивно, чем аналитически. Но дни человеческого превосходства Go прошли. Волшебник Google и отличник в целом Себастьян Трун [1] объясняет, почему в этой беседе с куратором TED Крисом Андерсоном:

«Искусственному интеллекту и машинному обучению около 60 лет, и до недавнего времени в его прошлом не было больших успехов. И причина в том, что сегодня мы достигли масштаба вычислений и наборов данных, необходимых для того, чтобы сделать машины умными. Новым сейчас является то, что компьютеры могут устанавливать свои собственные правила. Поэтому вместо того, чтобы эксперт шаг за шагом расшифровывал правило для каждого непредвиденного обстоятельства, вы сейчас даете компьютеру примеры, и он выводит свои собственные правила.

«Действительно хороший пример — AlphaGo. Обычно в игре вы действительно записываете все правила, но в случае с AlphaGo система просмотрела более миллиона игр и смогла вывести свои собственные правила, а затем победить действующего чемпиона мира по го. Это захватывающе, потому что избавляет инженера-программиста от необходимости быть суперумным и перекладывает бремя на данные.

«20 лет назад компьютеры были размером с мозг таракана. Теперь они достаточно сильны, чтобы действительно имитировать специализированное человеческое мышление. И тогда компьютеры используют тот факт, что они могут просматривать гораздо больше данных, чем люди. AlphaGo просмотрела более миллиона игр. Ни один эксперт-человек не сможет изучить миллион игр. В результате компьютер может найти правила, которые не могут найти даже люди».

Трун сделал эти комментарии в апреле 2017 года. Чемпионство AlphaGo было недолгим: шесть месяцев спустя он крупно проиграл новому киберпретенденту, который научился сам, не просматривая все эти данные. Это из статьи AlphaGo Zero показывает, что машины могут стать сверхчеловеческими без посторонней помощи, MIT Technology Review, 18 октября 2017 г.

AlphaGo недолго был лучшим игроком в го на планете. Появилась новая версия мастерской программы искусственного интеллекта, и это монстр. В очной встрече AlphaGo Zero победила исходную программу со счетом 100 игр, но ни одной.

В то время как первоначальный AlphaGo учился, собирая данные из сотен тысяч игр, в которые играли люди-эксперты, AlphaGo Zero начинал с пустой доски и правил игры. Он научился, просто сыграв миллионы игр против самого себя, используя то, чему научился в каждой игре, чтобы совершенствоваться.

Новая программа представляет собой шаг вперед в стремлении создать действительно интеллектуальные машины. Это связано с тем, что машинам нужно будет находить решения сложных проблем, даже если нет большого количества обучающих данных, на которых можно учиться.

«Самое поразительное, что нам больше не нужны никакие человеческие данные», — говорит Демис Хассабис, генеральный директор и соучредитель DeepMind [создатели AlphaGo Zero].

«Не используя человеческие данные или человеческий опыт, мы фактически устранили ограничения человеческого знания», — говорит Дэвид Сильвер, ведущий исследователь DeepMind и профессор Университетского колледжа Лондона. «Он способен создавать для себя знания из первых принципов».

Вы уловили это? «Мы сняли ограничения человеческого знания». Ух ты. Неудивительно, что компьютеры вытесняют с дороги всех этих работников умственного труда.

Что остается делать человеку? Мы услышим от Себастьяна Труна и других на эту тему в следующий раз.

[1] Биография Себастьяна Труна на TED описывает его как педагога, предпринимателя и нарушителя спокойствия. После долгой жизни в качестве профессора Стэнфордского университета Трун отказался от должности, чтобы присоединиться к Google. В Google он основал Google X, дом для беспилотных автомобилей и многих других передовых технологий. Трун также основал Udacity, онлайн-университет с мировым именем, и Kitty Hawk, компанию по производству «летающих автомобилей. Он является автором 11 книг, 400 статей, имеет 3 докторские степени и получил множество наград».

Первоначально опубликовано на странице http://theneweconomyandthefutureofwork.wordpress.com 15 февраля 2018 г.