В этом тексте речь пойдёт вовсе не о Терминаторе. И не о том, как предотвратить восстание машин. Мы будем говорить о тех вещах, с которыми разработчикам и инженерам предстоит справиться, чтобы искусственный интеллект стал по-настоящему массовым.
Монополизация больших данных
Для обучения искусственного интеллекта нужны большие данные. Big Data часто называют «нефтью 21 века». И сейчас большая часть «нефтяных запасов» сосредоточена в руках нескольких корпораций — Google, Facebook, Amazon, Microsoft, IBM. Доступа к ним нет даже у пользователей, которые их генерируют.
Покупая технику (например, самые доступные смартфоны на Android) или пользуясь сервисами бесплатно (Chrome, Gmail), по факту пользователи расплачиваются за эти блага данными о своем поведении и привычках. Сейчас корпорации используют это в таргетинге рекламы, но некоторые уже пошли дальше. С помощью алгоритмов для ранжирования выдачи информации, такие гиганты, как Google и Facebook, уже моделируют реальность для своих пользователей. Чем больше данных, тем сильнее контроль, и тем больше вероятность у одних компаний создать продвинутый искусственный интеллект, а у других (тех самых, что лишены доступа к массиву данных о поведении пользователей) — остаться не у дел. Корпорации покупают самые перспективные ИИ-стартапы, чтобы пользоваться их алгоритмами или получить доступ к их Big Data. Или чтобы просто уничтожить потенциального конкурента.
Но до тех пор, пока Big Data сконцентрирована в руках у нескольких игроков, велик риск монополизации искусственного интеллекта. Средством против монополии является открытый рынок, где и Big Data, и алгоритмы обработки, могут свободно продаваться и покупаться. В этом направлении уже ведутся работы (в том числе и украинскими или российскими стартапами).
Ошибки данных
Искусственный интеллект использует для «обучения» данные, которые нагенерировал человек. Поэтому (если отставить в сторону практически «бесконечную» память и возможность быстро обрабатывать большие объемы данных) ИИ умен настолько же, насколько умны данные, которые мы ему предоставляем. Например, нейросети, которые учатся рисовать, «осваивают» стили существовавших художников и создают картины, повторяя творчество человека.
Нейросеть Яндекса, прежде чем написать стихи в духе Егора Летова, изучила его песни, и, по сути, не привнесла в стиль ничего своего. Время от времени говорят о том, что ИИ вытеснит профессию журналиста: он сможет быстрее осваивать большие массивы данных и писать как живой человек. Но вместе с человеческими знаниями ИИ впитывает и человеческие ошибки.
Грубо говоря, если нейросеть изучит стиль определенного писателя, она освоит и его типичные ошибки. Однако если проблемы со стилистикой в современной публицистике — терпимое дело (в конце концов, интернет полон безграмотных текстов), то, когда речь заходит о медицине, юриспруденции или беспилотном транспорте, цена таких ошибок слишком велика.
Страх перед «рубильником»
Один из величайших физиков современности Стивен Хокинг говорит о том, что искусственный интеллект может стать как лучшим, так и худшим изобретением человечества. Среди рисков ИИ ученый называет использование его меньшинством для эксплуатации большинства. И — классика — прямой конфликт ИИ с человечеством. Этой идеей научная фантастика последних 50-70 лет буквально пропитана: есть теория, что, обретя сознание (то есть, осознав себя), искусственный интеллект почувствует угрозу со стороны человечества. Так как именно в руках людей находится «рубильник», способный его отключить. И, разумеется, постарается уничтожить угрозу.
Сознательным формам жизни свойственно бороться с потенциальной угрозой, это так. И хотя до создания высокоразвитого ИИ (того самого, что способен осознать себя) нам еще очень далеко (и вообще, не факт, что он будет создан), есть еще одна хорошая новость. Некоторые специалисты в сфере ИИ, в частности, украинец Максим Орловский (PhD в области нейронауки, руководитель BICA Labs, лаборатории, занимающейся решениями в сфере ИИ) считают, что создание искусственного интеллекта без «рубильника» как такового станет панацеей от потенциального конфликта. А поможет в этом технология блокчейн, которая как раз подразумевает распределенную работу и отсутствие единого пункта управления. Сейчас Максим и его BICA Labs работают над созданием такого ИИ.
Неподходящее «железо»
Лучшие умы мира бьются над тем, чтобы обучить ИИ тому, что под силу маленькому ребенку. Распознаванию объектов, например. Но чтобы «думать» как человек, искусственный интеллект должен работать подобно человеческому мозгу. А наш мозг одновременно обрабатывает информацию из разных источников и не перегружается от этого. Для него это привычная ежедневная работа. Нейросети работают на «железе», которое не рассчитано на такое количество параллельных потоков. Графические процессоры (GPU) для таких задач подходит больше, чем классические (CPU), но и те, и другие работают не идеально как по скорости, так и по энергопотреблению. Необходимы принципиально другие принципы, и над ними не прекращается работа учёных.
За последние годы несколько компаний объявили о разработке чипов для нейросетей. В 2014 году IBM представила SyNAPSE, который обрабатывает одновременно множество сигналов, подобно биологическому мозгу, при этом потребление ресурсов — минимально. Но с SyNAPSE не все так просто: чип оказался несовместим с существующей вычислительной архитектурой, и для него компании даже пришлось написать свой язык программирования. Тем не менее, разработка оказалась перспективной, что подтверждает тот факт, что в неё инвестировало даже DARPA. В 2016 году разработчики из MIT представили Eyeriss – прототип 168-ядерного процессора для работы с нейронными сетями в устройствах малой мощности. Об анонсах говорят и другие компании. Пока что речь не идёт о серийном производстве и массовой доступности таких микросхем. То есть доступной и популярной технология станет очень нескоро.
Как показывает предыдущий опыт развития технологий, с момента появления первых моделей несколько поколений устройств решения улучшаются и оттачиваются. Сейчас мы находимся в самом начале пути создания настоящего «железа» для искусственного интеллекта.
Неготовность инфраструктуры
Искусственный интеллект — это в том числе и беспилотные технологии. Самоуправляемые автомобили, дроны, роботы-помощники, которые возьмут на себя бытовую рутину или помогут сориентироваться в незнакомом месте — сегодня их работа выстраивается таким образом, чтобы избежать столкновений и опасных ситуаций в рамках уже разработанной инфраструктуры.
Вы наверняка слышали о дилеммах для беспилотных автомобилей о том, как машина должна себя вести в аварийной ситуации — спасать пассажиров или пешеходов, например. Роботы для доставки грузов наземным способом обучаются обходить препятствия, чтобы не стать источником проблем для пешеходов. Решение подобного рода задач отнимает много ресурсов у разработчиков. Но, вполне вероятно, оно лежит в другой плоскости — плоскости создания полностью новой инфраструктуры для беспилотных объектов, где они взаимодействуют только друг с другом, и где нет вероятности, что навстречу выбежит ребенок или выедет грузовик цвета неба (если это будет беспилотный грузовик, он сможет подавать сигналы другим объектам на дороге, которые являются частью интернета вещей).
Покупая технику (например, самые доступные смартфоны на Android) или пользуясь сервисами бесплатно (Chrome, Gmail), по факту пользователи расплачиваются за эти блага данными о своем поведении и привычках. Сейчас корпорации используют это в таргетинге рекламы, но некоторые уже пошли дальше. С помощью алгоритмов для ранжирования выдачи информации, такие гиганты, как Google и Facebook, уже моделируют реальность для своих пользователей. Чем больше данных, тем сильнее контроль, и тем больше вероятность у одних компаний создать продвинутый искусственный интеллект, а у других (тех самых, что лишены доступа к массиву данных о поведении пользователей) — остаться не у дел. Корпорации покупают самые перспективные ИИ-стартапы, чтобы пользоваться их алгоритмами или получить доступ к их Big Data. Или чтобы просто уничтожить потенциального конкурента.
Но до тех пор, пока Big Data сконцентрирована в руках у нескольких игроков, велик риск монополизации искусственного интеллекта. Средством против монополии является открытый рынок, где и Big Data, и алгоритмы обработки, могут свободно продаваться и покупаться. В этом направлении уже ведутся работы (в том числе и украинскими или российскими стартапами).
За последние годы несколько компаний объявили о разработке чипов для нейросетей. В 2014 году IBM представила SyNAPSE, который обрабатывает одновременно множество сигналов, подобно биологическому мозгу, при этом потребление ресурсов — минимально. Но с SyNAPSE не все так просто: чип оказался несовместим с существующей вычислительной архитектурой, и для него компании даже пришлось написать свой язык программирования. Тем не менее, разработка оказалась перспективной, что подтверждает тот факт, что в неё инвестировало даже DARPA. В 2016 году разработчики из MIT представили Eyeriss – прототип 168-ядерного процессора для работы с нейронными сетями в устройствах малой мощности. Об анонсах говорят и другие компании. Пока что речь не идёт о серийном производстве и массовой доступности таких микросхем. То есть доступной и популярной технология станет очень нескоро.
Как показывает предыдущий опыт развития технологий, с момента появления первых моделей несколько поколений устройств решения улучшаются и оттачиваются. Сейчас мы находимся в самом начале пути создания настоящего «железа» для искусственного интеллекта.
ПЕРЕЙДИТЕ В ПОЛНУЮ ВЕРСИЮ