Причем технология обучения нейросетей хорошо отработана и дает свои плоды. Под термином «искусственный интеллект» зачастую имеются в виду нейросети, построенные на технологии глубокого машинного обучения. Кто-то даже полагает, что таким системам «не стоит доверять» и ни к чему хорошему их развитие не приведет. Однако не все ученые разделяют мнение о том, что искусственный интеллект должен развиваться именно по этому пути.
Почему машинное обучение — это плохо для развития человечества
В масштабной работе, опубликованной на страницах издания Тechnologyreview, профессор Нью-Йоркского университета, специалист в области когнитивистики (науки о познании) Гэри Маркус рассказал, чем чревато повсеместное использование нейросетей на основе глубокого машинного обучения.
В частности, уже давно ведутся разговоры о том, что требуется создать, так называемый, «настоящий ИИ», который подойдет для решения широкого круга задач, а не какой-то одной конкретной, как происходит сейчас. Во-первых, ученый считает, что у технологии есть явные ограничения. К тому же нельзя просто взять и, скажем сначала научить один ИИ водить машину, а другой заставить чинить ее и затем объединить системы, создав универсального помощника. Существующие ИИ-системы уже подошли к пику своего развития и им практически «некуда расти». Искусственные интеллекты просто не смогут взаимодействовать, так как «учились по-разному».
Хотя эта задача тоже довольно узкоспециализированная. Вы можете обучить ИИ играть на Atari лучше человека, но сделать хороший робомобиль — вряд ли. Сдвиньте элементы в компьютерной игре на два-три пикселя, и обученный ИИ станет неэффективным. Глубокое обучение хорошо проявляет себя в анализе больших данных, но алгоритмы не видят причинно-следственной связи и плохо воспринимают любую перемену условий. Сделайте поле для игры в го не квадратным, а прямоугольным, и искусственный разум проиграет даже начинающему игроку.
Как сделать ИИ умнее
Необходимо сделать так, чтобы они начинали видеть взаимосвязь объектов и последствий от взаимодействия с ними. Для того, чтобы алгоритмы стали более эффективными, их нужно «обучать иначе». В данном случае лучшим примером послужим мы с вами.
Не потому, что все из них умные. Наберите студентов-стажеров, и они через несколько дней начнут работать над любой проблемой — от юриспруденции до медицины. А от того, что люди имеют общее представление об окружающем мире, а не частное.
Описанный выше пример — это то, как ученые представляли себе «классический ИИ». Причем то, что предлагает Маркус совсем не ново. А это практически нереально. Только вот для того, чтобы такой ИИ эффективно работал, нам нужно заранее запрограммировать все возможные исходы. Кстати, какой путь развития ИИ является предпочтительным по вашему мнению? Но выход есть. Расскажите об этом в нашем чате в Телеграм.
Читайте также: Как работает искусственный интеллект
Это может быть некая базовая система правил и предписаний, касающихся окружающего мира. Решением может быть своего рода симбиоз «классического ИИ», который видит взаимосвязи и получает решения понятным образом, и глубокого обучения, способного находить вариант решения путем «проб и ошибок». Настоящий искусственный интеллект должен осознать, как работает все вокруг для того, чтобы понять причинно-следственные связи и легко переключиться с одной задачи на другую. На их основе ИИ-системы уже и смогут развивать себя в определенной области. Современные системы, созданные с помощью технологии глубокого обучения, на такое просто-напросто не способны.