Искусственный интеллект
Что такое искусственный интелект? — вопрос Google. Возможно, вы имели в виду: «Что такое искусственный интеллект?» последует ответ. Да, конечно же!
И через доли секунды поисковая система исправит опечатку и выдаст множество результатов: веб-страницы, изображения, видео, новости и другие материалы. Количество найденных страниц постоянно меняется, поэтому приводить здесь фиксированную цифру бессмысленно. Современный поиск использует множество алгоритмов, в том числе методы машинного обучения, но сама поисковая система не является единым «искусственным разумом».
Современная история искусственного интеллекта складывалась постепенно. В 1950 году английский математик Алан Тьюринг опубликовал статью «Вычислительные машины и разум», начав её вопросом «Могут ли машины мыслить?». Сам термин «искусственный интеллект» появился в заявке 1955 года на Дартмутский летний исследовательский проект, а встреча исследователей состоялась летом 1956 года и стала одним из ключевых событий в становлении ИИ как самостоятельной области науки.
По сути, изучение искусственного интеллекта сводится к стремлению понять сами механизмы интеллекта. Интеллект человека или машины может быть определен как способность решать проблемы и достигать цели. Компьютеры, как оказалось, являются идеальными машинами для изучения искусственного интеллекта, поскольку очень «обучаемы». В течение полувека исследователи изучали когнитивную психологию — науку о том, как люди думают, — пытаясь вывести различные математические формулы и алгоритмы, имитирующие логические механизмы человеческого интеллекта.
Компьютеры особенно сильны в задачах, где можно быстро перебрать и оценить огромное число вариантов. Например, шахматная система IBM Deep Blue в 1997 году выиграла матч у чемпиона мира Гарри Каспарова. Это не означало перебора «практически бесконечного» числа ходов: программа сочетала высокую вычислительную скорость с алгоритмами поиска и оценивания позиций.
Как вариант можно рассмотреть обыденные примеры поразительного искусственного интеллекта, такие как спутниковые навигационные системы, установленные во многих новых моделях автомобилей. Вы сообщаете адрес пункта назначения, после чего бортовой компьютер распознает ваш голос, определяет ваше точное местоположение и предоставляет пошаговый маршрут, к примеру, из Москвы в Мадрид. Или даже «простая» функция проверки орфографии в текстовом редакторе, выделяющая или даже автоматически исправляющая случайную опечатку во время набора текста.
Есть и системы ИИ, управляющие физическими устройствами, например автономными автомобилями и роботами. Один из ранних знаменитых примеров — Stanley Стэнфордского университета, который в 2005 году без водителя выиграл DARPA Grand Challenge, пройдя 132 мили (около 212 км) по пустынному маршруту. Для навигации автомобиль объединял GPS, лазерные дальномеры, камеры и инерциальные датчики с бортовыми алгоритмами управления.
Робот ASIMO (Advanced Step in Innovative Mobility) компании Honda стал одним из самых известных гуманоидных роботов начала XXI века. Он умел ходить и бегать, распознавать обстановку с помощью датчиков и корректировать движение. Honda прекратила демонстрации ASIMO в 2022 году, поэтому сегодня его правильнее рассматривать как важный исторический этап развития гуманоидной робототехники.
ASIMO мог быстро корректировать равновесие после внешнего воздействия, но слово «инстинктивно» здесь лишь образное сравнение: движения определялись датчиками и алгоритмами управления. Развитие ИИ за последние десятилетия вышло далеко за рамки поисковых систем и робототехники: машинное обучение применяется в распознавании изображений и речи, переводе, рекомендательных системах, научных вычислениях и генеративных моделях.
Интеллектуальные системы сотовых операторов перенаправляют пакеты голосовых данных по наиболее эффективным маршрутам. Логистическое программное обеспечение продвигает глобальный бизнес, вычисляя наиболее удобные и выгодные способы закупки товаров, работы с производителями и доставки по всему миру. Платежные компании используют интеллектуальное программное обеспечение для анализа моделей транзакций миллионов держателей карт и выявления тревожных сигналов мошенничества или кражи средств со счетов. В информационную эпоху мы полагаемся на такие интеллектуальные машины, чтобы обуздать потоки кажущихся случайными данных.
Рост вычислительных мощностей и объёмов данных сделал системы ИИ значительно способнее, однако вопрос Тьюринга нельзя считать решённым только благодаря успехам машинного обучения. Современные модели могут находить закономерности, строить вероятностные прогнозы и генерировать сложные ответы, но это не доказывает наличие у машины человеческого мышления, сознания или «интуиции» в обычном смысле этих слов.
Робототехника и искусственный интеллект
Самые современные роботы умеют ориентироваться в окружающей среде с помощью датчиков, имитирующих чувства зрения, слуха, осязания и равновесия человека.
Реалистичные андроиды, разработанные Хироси Исигуро в лаборатории Intelligent Robots Laboratory, используют работающее в режиме реального времени программное обеспечение для распознавания лица «контроллера» для имитации мимики.
Шагающие роботы, например «Асимо», оснащены встроенными гироскопом и датчиком скорости, позволяющими сохранять равновесие даже при толчке. А инфракрасные и ультразвуковые датчики позволяют измерить расстояние от пола, а также скорость и траекторию приближающихся объектов. Датчики в руках и ногах помогают «чувствовать» шесть осей силы — вверх/вниз, влево/вправо, вперед/назад — и степень приложенной силы.
Происхождение ИИ. Где и когда появился искусственный интеллект и куда он движется дальше...
- IV век до н.э. Логика Аристотеля. Аристотель определяет силлогизм — когда из двух суждений вытекает третье.
- IV век до н.э. Механический голубь. Архит Тарентский строит деревянного голубя, который мог махать крыльями и даже летать.
- XIII век. Машина Луллия. Каталанский монах создает машину, позволяющую получить различные сочетания понятий.
- XV век. Часы с пружинным механизмом. Эти часы считаются первой механической измерительной машиной.
- 1642 г. Суммирующая машина Паскаля. Деревянный ящик с металлической рукояткой мог обрабатывать операции сложения и вычитания.
- 1801 г. Перфокарта. Французский ткач шелка изобрел автоматический ткацкий станок, работающий на основе перфокарт.
- 1821 г. Первая разностная машина. Чарльз Бэббидж работает над созданием сложной вычислительной машины.
- 1850-е годы. Булева алгебра. Джордж Буль использует логические принципы силлогизма, свести математические функции до двух символов, 0 и 1.
- 1889 г. Электрическая табулирующая система. Герман Холлерит придумывает способ механической записи данных.
- 1910 г. Принципы математики. Первая работа, выводящая математические истины из набора аксиом с помощью символической логики.
- 1920 г. Появилось слово «робот». Карел Чапек использовал слово robot в пьесе «R.U.R.»; сама пьеса была опубликована в 1920 году и поставлена в 1921-м.
- 1936 г. Машина Тьюринга. Алан Тьюринг описывает абстрактную вычислительную машину в работе «О вычислимых числах», заложившей важную часть теоретических основ информатики.
- 1948 г. Кибернетика. Норберт Винер публикует книгу «Кибернетика, или Управление и связь в животном и машине», давшую название междисциплинарному направлению.
- 1950 г. Компьютерные шахматы. Клод Шеннон публикует работу «Programming a Computer for Playing Chess», описывающую принципы программирования шахматной игры.
- 1955 г. Появление термина «искусственный интеллект». Джон Маккарти использует его в заявке на Дартмутский летний исследовательский проект, состоявшийся в 1956 году.
- 1956 г. Первая программа искусственного интеллекта. Разработана Logic Theorist — первая программа, созданная в целях имитации процесса мышления человека.
- 1979 г. Автономная навигация. Стэнфордская тележка под руководством Ханса Моравека смогла самостоятельно проходить помещение с препятствиями, анализируя изображения с камеры. Передвигалась она очень медленно, делая паузы для вычислений.
- 1997 г. Deep Blue. Чемпион мира по шахматам Гарри Каспаров проигрывает суперкомпьютеру компании IBM.
- 2011 г. IBM Watson. Суперкомпьютер с системой DeepQA, используя алгоритмы анализа языка, победил двух бывших чемпионов викторины.
Строение искусственного интеллекта
Человеческий мозг крайне сложно устроен. То, что мы считаем простым здравым смыслом, — это на самом деле интерпретация совокупности накопленных знаний, логического мышления, вероятности и языка. За последние 50 лет исследователи в области искусственного интеллекта добились значительных успехов на пути к созданию машины, которая действительно умеет «мыслить».
Логика
Еще во времена Аристотеля философы пытались сопоставить и определить логические процессы, с помощью которых мы принимаем решения. Вместо того чтобы жить, как хочется, «рациональная составляющая» принуждает нас делать выбор и предпринимать действия, основанные на доказательствах и умозаключениях, причинах и следствиях. Если машина должна стать рационально действующей, ее программа должна определять, что если А и Б истинны, то единственным логическим заключением является В.
Задача реализации искусственного интеллекта — создать математические модели логических процессов, которые машина сможет использовать для принятия обоснованных решений на основе доказательств и теории вероятности.
Язык
Компьютерные системы можно обучать не только на текстах и программном коде. Современное машинное обучение использует числа, изображения, звук, видео, показания датчиков и другие данные. Языки программирования задают инструкции для вычислений, а модели машинного обучения находят закономерности в подготовленных данных. Обработка естественного языка — лишь одно из направлений ИИ.
Суперкомпьютер IBM Watson может считывать текст на естественном языке, поскольку запрограммирован на синтаксический анализ предложений на предмет наличия подлежащих, сказуемых и дополнений и сравнения полученных записей с обширной базой знаний.
Поиск и оптимизация
Поисковая система Google — пример сложной информационной системы, в которой наряду с обычными алгоритмами используются методы машинного обучения. Поиск не просто перечисляет страницы в случайном порядке: системы ранжирования оценивают множество сигналов, чтобы определить, какие результаты вероятнее всего соответствуют запросу пользователя.
Компьютеры с искусственным интеллектом используют те же методы поиска наиболее логичных реакций на полученные из окружающей среды данные (не врежься в этот стол) или на прямые запросы (каков баланс моего банковского счета?). Они запрограммированы на использование эвристических методов для исключения наименее вероятных путей поиска.
Вероятность
Во многих задачах ИИ используются вероятностные методы: система оценивает, насколько правдоподобны разные варианты ответа или действия с учётом имеющихся данных. Однако не все системы ИИ построены на одной и той же вероятностной модели, и сводить искусственный интеллект только к байесовскому подходу неправильно.
Компьютеры способны быстро выполнять огромное количество вычислений и оценивать статистические закономерности. В одних моделях используются байесовские методы, в других — нейронные сети, деревья решений, методы оптимизации и множество иных подходов. Выбор зависит от конкретной задачи.
Алгоритмы
Алгоритмы — это фрагменты программной логики, которые инструктируют компьютер, как выполнить то или иное действие. Хорошим примером может служить алгоритм минимакса, помогающий шахматным компьютерам наподобие Deep Blue компании IBM принимать решение о следующем шаге.
В шахматных программах поиск ходов обычно ограничивают: программа оценивает наиболее перспективные ветви игрового дерева вместо перебора всех партий до мата. Deep Blue сочетал специализированное оборудование, функцию оценки позиции и методы отсечения вариантов, поэтому фиксировать его работу как анализ ровно «12 ходов» было бы слишком упрощённо.
Рассуждение
Ранние системы ИИ часто строились прежде всего на формальной логике и явно заданных правилах. Позже большое значение получили статистические методы и машинное обучение. При этом слова «рассуждает» или «понимает» применительно к машине следует воспринимать осторожно: они описывают наблюдаемое поведение системы, а не доказывают наличие человеческого сознания.
Watson в задаче Jeopardy! анализировал текст вопроса, формировал несколько вариантов ответа, искал подтверждения в загруженных источниках и присваивал вариантам оценки уверенности. Это был сложный конвейер обработки естественного языка и статистического ранжирования, а не человеческая «интуиция» или опыт в буквальном смысле.
Watson компании IBM
В феврале 2011 года система IBM Watson победила двух известных чемпионов американской телевикторины Jeopardy! — Кена Дженнингса и Брэда Раттера. Watson анализировал вопросы на естественном языке и сопоставлял возможные ответы с большой локальной базой текстов; доступ к Интернету во время игры ему не требовался.
В Watson использовались передовые алгоритмы, позволяющие «рассуждать», какой из его миллионов гипотетических ответов, скорее всего, правда. За пределами телестудии компьютер представляла целая комната серверов, сравнивающих результаты за доли секунды, пока компьютер не вычислял статистически правильный ответ. После победы в Jeopardy! технологии Watson применялись в разных коммерческих проектах, в том числе в здравоохранении. Однако ранние обещания создать на их основе универсального «робота-врача» не стали обычной медицинской практикой; сегодня IBM развивает другое поколение корпоративных ИИ-инструментов под брендом watsonx.
Источники для проверки дат и ключевых событий: Dartmouth College (история термина artificial intelligence), MIT Press (Норберт Винер, «Cybernetics», 1948), Computer History Museum (работа Клода Шеннона о компьютерных шахматах, 1950), Stanford University (история Stanford Cart), IBM (Deep Blue и Watson).