У цьому тексті мова піде зовсім не про Термінатора. І не про те, як запобігти повстанню машин. Ми говоритимемо про ті речі, з якими розробникам та інженерам доведеться впоратися, щоб штучний інтелект став по-справжньому масовим.
Монополізація великих даних
Для навчання штучного інтелекту потрібні величезні дані. Big Data часто називають "нафтою 21 століття". І зараз більшість «нафтових запасів» зосереджена до рук кількох корпорацій — Google, Facebook, Amazon, Microsoft, IBM. Доступу до них немає навіть користувачів, які їх генерують.
Купуючи техніку (наприклад, найдоступніші смартфони на Android) або користуючись сервісами безкоштовно (Chrome, Gmail), за фактом користувачі розплачуються за ці блага даними про свою поведінку та звички. Зараз корпорації використовують це у націленні реклами, але деякі вже пішли далі. За допомогою алгоритмів для ранжування видачі інформації такі гіганти, як Google та Facebook, вже моделюють реальність для своїх користувачів. Чим більше даних, тим сильніший контроль, і тим більша ймовірність у одних компаній створити просунутий штучний інтелект, а в інших (тих самих, що позбавлені доступу до масиву даних про поведінку користувачів) залишитися не при справах. Корпорації купують найперспективніші ІІ-стартапи, щоб користуватися їх алгоритмами або отримати доступ до їх Big Data. Або просто знищити потенційного конкурента. Але доки Big Data сконцентрована в руках у декількох гравців, великий ризик монополізації штучного інтелекту. Засобом проти монополії є відкритий ринок, де і Big Data, і алгоритми обробки можуть вільно продаватися і купуватися. У цьому напрямі вже ведуться роботи (зокрема і українськими чи російськими стартапами).
Помилки даних
Штучний інтелект використовує для «навчання» дані, які нагенерувала людина. Тому (якщо відставити убік практично «нескінченну» пам'ять і можливість швидко обробляти великі обсяги даних) ІІ розумний настільки ж, наскільки розумні дані, які ми надаємо йому. Наприклад, нейромережі, які вчаться малювати, «освоюють» стилі художників і створюють картини, повторюючи творчість людини.
Нейросеть Яндекса, перш ніж написати вірші в дусі Єгора Лєтова, вивчила його пісні, і, по суті, не привнесла до стилю нічого свого. Іноді говорять про те, що ІІ витіснить професію журналіста: він зможе швидше освоювати великі масиви даних та писати як жива людина. Але разом із людськими знаннями ІІ вбирає і людські помилки. Грубо кажучи, якщо нейромережа вивчить стиль певного письменника, вона освоїть його типові помилки. Однак якщо проблеми зі стилістикою в сучасній публіцистиці — толерантна справа (зрештою, інтернет сповнений безграмотних текстів), то коли йдеться про медицину, юриспруденцію чи безпілотний транспорт, ціна таких помилок надто велика.
Страх перед «рубильником»
Один із найбільших фізиків сучасності Стівен Хокінг говорить про те, що штучний інтелект може стати як найкращим, так і найгіршим винаходом людства. Серед ризиків ІІ вчений називає використання його меншістю для експлуатації більшості. І – класика – прямий конфлікт ІІ з людством. Цією ідеєю наукова фантастика останніх 50-70 років буквально просочена: є теорія, що, набувши свідомості (тобто, усвідомивши себе), штучний інтелект відчує загрозу з боку людства. Тому що саме в руках людей знаходиться "рубильник", здатний його вимкнути. І, зрозуміло, намагатиметься знищити загрозу.
Свідомим формам життя властиво боротися з потенційною загрозою це так. І хоча до створення високорозвиненого ІІ (того самого, що здатний усвідомити себе) нам ще дуже далеко (і взагалі, не факт, що його буде створено), є ще одна гарна новина. Деякі фахівці у сфері ІІ, зокрема, українець Максим Орловський (PhD в галузі нейронауки, керівник BICA Labs, лабораторії, що займається рішеннями у сфері ІІ) вважають, що створення штучного інтелекту без «рубильника» як такого стане панацеєю від потенційного конфлікту. А допоможе в цьому технологія блокчейн, яка має на увазі розподілену роботу та відсутність єдиного пункту управління. Зараз Максим та його BICA Labs працюють над створенням такого ІІ.
Невідповідне «залізо»
Кращі уми світу б'ються над тим, щоб навчити ІІ тому, що під силу маленькій дитині. Розпізнавання об'єктів, наприклад. Але щоб «думати» як людина, штучний інтелект повинен працювати подібно до людського мозку. А наш мозок одночасно опрацьовує інформацію з різних джерел і не перевантажується від цього. Для нього це звична щоденна робота. Нейросети працюють на залізі, яке не розраховане на таку кількість паралельних потоків. Графічні процесори (GPU) для таких завдань підходить більше, ніж класичні (CPU), але і ті, й інші працюють не ідеально як за швидкістю, так і енергоспоживанням. Необхідні принципово інші принципи, і з них не припиняється робота учених.
За останні роки кілька компаній оголосабо про створення чіпів для нейромереж. У 2014 році IBM представила SyNAPSE, який обробляє одночасно безліч сигналів, подібно до біологічного мозку, при цьому споживання ресурсів — мінімальне. Але з SyNAPSE не все так просто: чіп виявився несумісним із існуючою обчислювальною архітектурою, і для нього компанії навіть довелося написати свою мову програмування. Проте розробка виявилася перспективною, що підтверджує той факт, що в неї інвестувало навіть DARPA. У 2016 році розробники MIT представабо Eyeriss – прототип 168-ядерного процесора для роботи з нейронними мережами в пристроях малої потужності. Про анонси говорять і інші компанії. Поки що не йдеться про серійне виробництво та масову доступність таких мікросхем. Тобто доступною та популярною технологія стане дуже нескоро. Як показує попередній досвід розвитку технологій, з моменту появи перших моделей кілька поколінь пристроїв рішення покращуються та відточуються. Зараз ми знаходимося на початку шляху створення справжнього «заліза» для штучного інтелекту.
Неготовність інфраструктури
Штучний інтелект — це навіть безпілотні технології. Самокеровані автомобілі, дрони, роботи-помічники, які візьмуть на себе побутову рутину або допоможуть зорієнтуватися в незнайомому місці — сьогодні їхня робота вибудовується таким чином, щоб уникнути зіткнень та небезпечних ситуацій у рамках уже розробленої інфраструктури.
Ви напевно чули про проблеми для безпілотних автомобілів про те, як машина повинна поводитися в аварійній ситуації — рятувати пасажирів або пішоходів, наприклад. Роботи для доставки вантажів наземним способом навчаються обходити перешкоди, щоб стати джерелом проблем для пішоходів. Рішення подібних завдань забирає багато ресурсів у розробників. Але, цілком імовірно, воно лежить в іншій площині — площині створення цілком нової інфраструктури для безпілотних об'єктів, де вони взаємодіють тільки один з одним, і де немає ймовірності, що назустріч вибіжить дитина або виїде вантажівка кольору неба (якщо це буде безпілотна вантажівка, вона зможе подавати сигнали іншим об'єктам на дорозі, які є частиною інтернету (речей).
ПЕРЕЙДІТЬ В ПОВНУ ВЕРСІЮ