Содержание

• Мифология и искусственный интеллект
• Первая программируемая машина
• Три закона робототехники и тест Тьюринга
• Рождение ИИ
• Базовые подходы к созданию ИИ
• Первый «ледниковый период» ИИ и период разочарования
• Первый робот, способный принимать решения
• ИИ необходимо учить иначе
• Экономический пузырь ИИ
• Восстание ИИ

Мифология и искусственный интеллект

О появлении разумного, мыслящего существа, воплощенного не матерью-природой, а человеком, задумывались даже не в прошлом веке. И кто-то даже смог реализовать задуманное. Вероятно. Древние философы ломали голову и рассуждали о том, что такое разум, какие свойства для него характерны. В мифах и сказках появлялись невероятные существа — бронзовый Талос, оживленная Афродитой Галатея, Голем из глины и множество других. Они изначально задумывались как помощники человеку или исполнители указаний «сверху». Некоторые из созданий обладали простейшими навыками и ограниченными возможностями, выполняя непосредственные приказы. Другие становились подобными человеку (в том числе внешне), были практически неотличимы от него.

Тенденция отождествлять ИИ с человеком живет по сей день — чаще всего высокоразвитая «ЭВМ» будет представлена как двуногое, двурукое существо с головой и чертами «венца природы». Это когда речь идет о мифах, сказках и иных фантастических произведениях.

Так, много позже появился Железный дровосек, а где-то в 20-х годах прошлого века — R.U.R. Карла Чапека. Иногда именно рождение чешского робота называют началом эпохи ИИ, хотя в реальности это скорее не так. Раймунда Луллия из XIII века, например, считают одним из родоначальников комбинаторики, наравне с ним упоминаются Уильям Оккам (вернее, принцип в его честь — «бритва Оккама») и Аль-Хорезми. Благодаря последнему появились алгебра и понятие алгоритма, которые пригодились в будущем. Тогда изыскания носили теоретический характер, до создания реальных образцов пройдет еще немало времени.

Первая программируемая машина

Теория усилиями множества искала путь к реальности. В самом начале XIX века Жозеф Мари Жаккар, французский изобретатель, представил миру первую программируемую машину. Нет, это был не компьютер, а ткацкий станок, работающий на перфокартах. Сегодня это кажется примитивом, но тогда… Интеллектом станок не блистал, но его способность выполнять разные задачи самостоятельно воспринималась как чудо.

Философия отошла на задний план, теперь главенствовала математика и другие точные науки, необходимые для создания чего-то сложного и пока не имеющего определенной формы. Последняя начала обретать черты в 20—30-х годах прошлого века и затем лишь набирала обороты. В 1943-м мелькает термин «кибернетика» (относительно вычислительных машин), а в 1948-м выходит книга Норберта Винера, которого называют основоположником теории искусственного интеллекта, — «Кибернетика, или Управление и связь в животном и машине». В ней автор рассуждал о проблематике поведения и воспроизведения управляющих и информационных систем как в живом мире, так и технике.

Как это бывало и в прошлом, война дала толчок развитию науки и технологий, ученые по-новому посмотрели на природу всего и вся вокруг. С момента запуска в 1941 году первого в мире полностью автоматического и программируемого компьютера Z3 Конрада Цузе прошло совсем немного времени, но вот появился британский ламповый Colossus, который предназначался для расшифровки сообщений нацистов, а затем вошел в строй американский ЭНИАК, также нужный военным.

Три закона робототехники и тест Тьюринга

В 1950-е годы «робот» и «искусственный интеллект» были почти синонимами, по крайней мере в глазах обывателей. Айзек Азимов публикует сборник рассказов «Я, робот», постепенно формулируя легендарные «три закона робототехники», которые должны определить правила поведения искусственных существ или, корректнее, — интеллекта. Они ограничивают деятельность ИИ и одновременно диктуют ему правила взаимодействия с человеком — так, чтобы не появилось нечто похожее на SkyNet.

В этот же период (а именно в 1950-м) появляется статья «Вычислительные машины и разум» Алана Тьюринга и вводится понятие «теста Тьюринга». С помощью последнего планировалось выяснить, обладает ли машина разумом, вернее, способна ли мыслить. Оставалось создать такую машину.

Выделяют три основные версии теста Тьюринга. В рамках двух из них, объединенных под названием «Имитационная игра», в роли отвечающих выступают компьютер и человек, которым задают вопросы. Цель спрашивающего — выяснить, кто скрывается за ответами — мужчина или женщина (а не компьютер или человек). Цель компьютера — запутать спрашивающего и сделать так, чтобы тот ошибся в выборе. В этих версиях условия могут различаться: один из опрашиваемых (человек) либо помогает экзаменатору, либо также мешает ему сделать правильный выбор.

В третьей версии («Стандартная интерпретация») компьютер не пытается запутать экзаменатора, а демонстрирует способность выдавать себя за человека. Именно в этом варианте спрашивающий должен понять, кто скрывается за ответами — компьютер или живое существо.

По прошествии времени тест Тьюринга обрел как сторонников, так и противников: одни считают его эффективным инструментом, другие — чрезмерно упрощенным и потому не работающим «на все 100». Попытки пройти тест предпринимались не раз, одной из наиболее известных считают историю с «13-летним украинским мальчиком». В 2014 году виртуальный Женя Густман во время прохождения теста Тьюринга смог ввести в заблуждение треть экзаменаторов — они посчитали «уроженца Одессы» человеком. Пресса моментально сообщила, что Женя стал первым ИИ, который прошел испытание. Ряд экспертов опроверг эти заявления, приведя в пример аналогичные и даже более успешные результаты теста. Современные чат-боты, вероятно, также способны на подобное.

Рождение ИИ

Академической дисциплиной ИИ стал в 1956 году после проведения Дартмутского семинара. Математики и инженеры предлагали обсудить гипотезу о том, что все аспекты обучения и свойства интеллекта могут быть описаны настолько точно, что машина способна симулировать его. Ну а более глобальной целью была оценка возможности создания машин, владеющих естественным языком и готовых выполнять задачи, подъемные ныне лишь для людей.

Автором термина Artificial Intelligence называют Джона Маккарти, который и стал одним из организаторов Дартмутского семинара. Он же позже реализовал язык программирования высокого уровня Lisp (вернее, семейство языков), второй по старшинству после Фортрана. Lisp стал основным языком программирования под задачи ИИ, он до сих пор в строю. Его применяли для описания идей, связанных с обработкой естественного языка, генерации текста, автоматического планирования и диспетчеризации, автоматического доказательства теорем, в ранних системах машинного зрения и так далее.

Базовые подходы к созданию ИИ

В начале современной истории ИИ рассматривали несколько основных подходов к его созданию, программированию: «сверху вниз» (Top-Down) и «снизу вверх» (Bottom-Up). Они были предложены Аланом Тьюрингом еще в 1940-х годах. Первый подразумевал создание искусственного интеллекта, основываясь на человеческих «программах» и «алгоритмах» поведения, которые необходимо привить ИИ. Сторонником данного подхода, который считался наиболее перспективным во времена холодной войны, был Марвин Минский.

Этот ученый, кстати, приложил заметные усилия к развитию теории ИИ. Он принимал непосредственное участие в организации упоминавшегося выше Дартмутского семинара, а в 1963 году основал в MIT лабораторию искусственного интеллекта (CSAIL).

Плюсы первого подхода? Сторонники Top-Down утверждают, что он ближе к привычному обучению, когда определенные модели передаются «по наследству» путем передачи знаний и паттернов с применением естественного языка от человека компьютеру. Можно быть уверенным, что машина примет как истину то, что ей «рассказывают», а не будет выдумывать «непонятно что» в нейронных сетях. Это, конечно, грубая аналогия, однако она указывает на особенности подхода. Таким образом, мы видим повышенный контроль над обучением ИИ, его предсказуемостью.

Второй подход, Bottom-Up (он же — коннекционизм), виделся в создании нейронных сетей, симулирующих работу клеток мозга и самообучающихся. Является противоположностью первому подходу. Он подразумевает набор простейших «реакций», которые, объединяясь, способны решать сложные задачи. Эту своего рода самостоятельность иногда называют слабым звеном системы — она малопредсказуема и действует «на свое усмотрение».

Как бы то ни было, в будущее тогда смотрели с энтузиазмом, и считалось, что спустя какие-то 20 лет машины смогут выполнять все те же задачи, что и человек. Тем более в 1950-х на свет появилась Logic Theorist, которую иногда называют «первой в мире ИИ-программой». Она смогла доказать 38 из 52 предложенных ей теорем, сгенерировав несколько новых решений. Однако прогнозу не суждено было сбыться, более того, то и дело наступали периоды глубокого разочарования.

Первый «ледниковый период» ИИ и период разочарования

В 1960-х американские ученые и инженеры приостановили работу над системами машинного перевода, так как ожидания оказались куда выше достигнутых результатов. Идею пытались реализовать давно, но не слишком успешно. Поэтому в 1964 году была собрана комиссия ALPAC (Automatic Language Processing Advisory Committee), которая должна была проверить, каких высот достигла компьютерная лингвистика и можно ли ее применять для эффективного перевода.

Речь в первую очередь шла о технической документации и научных статьях и их автоматическом переводе с русского на английский. Спустя пару лет в ALPAC пришли к выводу: смысла развивать это направление нет (медленно, дорого, много ошибок). В других странах работа продолжалась, а годы спустя глобализация все же потребовала работающих и дешевых решений.

Следующим ударом для ИИ, ближе к 1970-м годам, стал упадок теории коннекционизма. Ее предали забвению, по крайней мере на время и в оригинальном виде. Может, людей напугал HAL 9000 Артура Кларка и Стэнли Кубрика?

Первый робот, способный принимать решения

Марвин Минский уточнил прогнозы, заявив, что робот с интеллектом уровня среднего человека будет создан лет через 7—8. Тем временем благодаря покровительству ARPA из глубин лабораторий появляется первая машина, способная принимать решения, — Shakey the Robot (он же Робот Шеки, или Робот Трясучка).

Работавший на Lisp и применявший планировщик STRIPS, он умел анализировать окружение, исполняя составные команды, генерируемые на основании условий вокруг из более мелких команд. Задачу «столкни коробку с платформы» (дословно — push the block off the platform), например, Робот Шеки интерпретировал как следующую последовательность: осмотреться с помощью камеры и сонаров, идентифицировать коробку, найти дорогу к ней, используя пандус, столкнуть предмет.

Простой по современным меркам механизм дал зеленый свет разработке алгоритмов поиска кратчайшего пути и обхода препятствий, а также анализа изображений с разбивкой на элементы.

ИИ необходимо учить иначе

И снова, в очередной «ледниковый период», идея развития ИИ едва не затухла. Одной из причин стала публикация в 1973-м в Великобритании «Отчета Лайтхилла», в котором утверждалось, что ни одну из разработок в области ИИ нельзя применить для решения задач реального мира. Проблема была связана с так называемым комбинаторным взрывом: система захлебывается в количестве возможных вариантов решения, и по мере появления новых переменных таких вариантов становится все больше. Автор отчета предположил, что целесообразнее сосредоточиться на создании решений для четко обозначенных и конкретных областей применения.

В конце 70-х — начале 80-х годов прошлого века компьютерная компания Digital Equipment Corporation, которая была позже поглощена Compaq, действительно предложила такой подход: ИИ должен иметь узкую специализацию, а не быть профи во всем. В итоге появилась экспертная система XCON/R1, с помощью которой клиент фирмы получал конфигурацию ЭВМ под свои нужды и бюджет. К 1986 году DEC экономила до $40 млн в год на эксплуатации XCON, а экспертные системы проживали свой «золотой век». Их называли первой действительно эффективной формой ИИ в программном исполнении.

Экономический пузырь ИИ

Оглядываясь назад, можно лишь удивляться амбициозным планам. В 1980-х годах японцы выделили $850 млн (более $2,3 млрд сегодня с учетом инфляции) на разработку «компьютеров пятого поколения» (после ламповых, транзисторных, на интегральных микросхемах и микропроцессорах). Они должны были общаться с людьми, легко переводить с языка на язык, с ходу понимать, что изображено на картинках и фотографиях, работать с огромными массивами данных, проводить параллельные вычисления и обладать почти человеческим мышлением. В качестве основного языка программирования был выбран Пролог.

В США впечатлились идеей японцев, и ARPA (сейчас — DARPA), совсем недавно сократившая финансирование разработок в области ИИ, запустила новую программу — Strategic Computing Initiative, в рамках которой планировалось вести разработку программного и аппаратного обеспечения для ИИ. Аналогичным образом поступили и в Великобритании. Правда, реализовать задуманное не смог никто, а ИИ начал обретать черты экономического пузыря: существующие ЭВМ от IBM наращивали производительность и были дешевле, чем Lisp-компьютеры.

Корпорации, тратившие миллиарды на ИИ, вероятно, пожалели, что не прислушались к прогнозу Марвина Минского и Роджера Шанка — в 1984-м они предрекали экономический крах новой индустрии, и спустя три года прогноз сбылся.

Отношение к ИИ стало куда более осторожным, но его не забыли. В 1980–90-е годы инженеры то и дело возвращались к идее коннекционизма, появилось больше сторонников этого направления. В 1980-е же берет свое начало проект «Cyc». Прошло 34 года, но он до сих пор активен. «Cyc» представляет собой процесс создания объемной базы знаний, необходимой ИИ для вынесения суждений, сходных с человеческими, при столкновении с новыми ситуациями. Разработчики базы утверждают, что она уже нашла практическое применение в качестве продвинутого переводчика, способного действовать в соответствии с контекстом и спецификой документов, «умной» базой данных о террористах и в других сферах. К сожалению, эти примеры либо устарели, либо, напротив, еще не заработали в полную силу. Кроме того, что-то подобное реализовано другими компаниями.

Восстание ИИ

К концу 1990-х благодаря очередному росту производительности компьютеров наметилась оттепель, в игру (в прямом и переносном смысле) включились суперкомпьютеры нового поколения. Новые технологические возможности и прошлые наработки позволили инженерам и математикам заняться созданием инструментария и решений, недоступных ранее. Системы распознавания речи, логистика, сбор и обработка больших объемов данных, постановка медицинских диагнозов, машинное обучение и так далее. Многое существовало и ранее, но эффективность была несравнимо меньше. За прошедшее время ИИ подрастерял человеческий облик и, как утверждают некоторые эксперты, его роль часто игнорировалась — слишком он стал привычным. Сейчас наступила своего рода эпоха возрождения: ИИ вновь начинает управлять автомобилями, поисковыми системами, смартфонами и ракетами. Но об этом в следующий раз.

---

В теме искусственного интеллекта мы разбираемся вместе с экспертами из Huawei. На IFA 2017 компания представила первую мобильную платформу для ИИ — чипсет Kirin 970, который позже был использован в смартфонах Mate 10 Pro, P20 и P20 Pro с камерой Leica. Алгоритмы ИИ сами выставляют настройки для ночной съемки или под 19 других категорий, моделируют портреты, помогают с яркостью, детализацией и цветопередачей, дают советы по выстраиванию композиции фотографии. По версии DxOMark камера смартфона P20 Pro является лучшей в мире.

---

Партнерский проект подготовлен при поддержке ООО «Бел Хуавэй Технолоджис» УНП 190835312.

Процессоры в каталоге Onliner.by

Читайте также:

• «Хотели английское право для всей страны — получите!» Юрист о введении норм английского права в Гражданский кодекс
• Смартфон, который поднимает планку камерофонов: обзор Huawei P20

Быстрая связь с редакцией: читайте паблик-чат Onliner и пишите нам в Viber!

Какая-то дичь на нашем Telegram-канале

Перепечатка текста и фотографий Onliner.by запрещена без разрешения редакции. nak@onliner.by