07.10.2022. - Грезы о весне искусственного интеллекта

Грезы о весне искусственного интеллекта

К осени 2022 года редакция Naked Science осмотрелась вокруг и решила, что настала пора запустить цикл статей об искусственном интеллекте. Мы начинаем с большой статьи, подзаголовком которой могла бы стать фраза «краткое введение в историю ИИ — от средневековых монахов до глубокого обучения». Искусственный интеллект (ИИ) — эти два слова знают почти все, но мало кто может дать четкое определение и объяснить, что же это такое. Наши представления об ИИ сформированы скорее голливудским кинематографом, чем реальным пониманием стоящих за этим словом технологий. Кино, как и любое искусство, всегда работает со своим зрителем через эмоции. И самая продаваемая из них — страх.

Компьютер с ИИ HAL 9000 в «Космической одиссее 2001 года» захватывает управление межпланетным кораблем. Киборг Т-800 в «Терминаторе» отправляется в прошлое убить Сару Коннор. Совсем недавние примеры — нейроимплантат подчиняет сознание своего носителя в фильме «Апгрейд». Гиноид Ава легко манипулирует приглашенным для проведения обратного теста Тьюринга программистом, убивает своего создателя и сбегает на волю в фильме «Из машины». Примеров не перечесть. Однако реальность предельно далека от кинематографических образов.

Человечество прошло долгий путь из 80 лет поисков, ошибок и тупиков, каждый из которых заканчивался «зимой искусственного интеллекта» — разочарованием в возможностях и потенциале этой технологии. Но с начала 2010-х мир вновь переживает «потепление» в области ИИ. Поэтому пока в кинотеатрах пытаются напугать обывателя — крупные корпорации и правительства ведущих стран вкладывают миллиарды в развитие ИИ, так как прямо сейчас он меняет всё — от научных исследований до повседневного быта.

Впрочем, даже самые передовые современные разработки до сих пор далеки по возможностям от любой фантазии режиссеров и сценаристов. Как обычно, представления о будущем могут совпасть в деталях, но никогда в главном. Давайте разберемся, что такое искусственный интеллект, и кратко проследим за основными вехами в истории его развития.

Изобретая понятия

Американский математик Джон Маккарти (1927-2011) впервые заинтересовался компьютерами в 1948 году, начав посещать семинар «Церебральные механизмы поведения», на котором в том числе обсуждалось, могут ли компьютеры начать мыслить как люди. Эта тема так увлекла его, что гораздо позже — летом 1956 года — он организовал десятинедельный семинар в Дартмутском колледже (частный исследовательский университет в штате Нью-Гэмпшир, США) на деньги фонда Рокфеллера.

В грантовой заявке Маккарти сформулировал цели семинара:

(Наше) исследование будет проводиться на основе предположения, что каждый аспект обучения или любая другая особенность (человеческого) интеллекта потенциально может быть настолько точно описана (математически), что станет возможно создать вычислительное устройство для его моделирования. (Мы) попытаемся найти способ, как заставить компьютеры использовать (естественный человеческий) язык, формировать абстракции и понятия, решать разнообразные проблемы, которые сейчас способны решить только люди, а также самосовершенствоваться. Мы считаем, что в одной или нескольких из этих проблем можно добиться значительного прогресса, если тщательно отобранная группа ученых будет работать над ней вместе в течение лета.

Собранная Маккарти команда действительно впечатляла. Там был создатель теории информации Клод Шеннон, будущая звезда математических оснований искусственного интеллекта и создатель теории фреймов Марвин Минский, когнитивный психолог Аллен Ньюэлл, разработавший впоследствии программу «Логик-теоретик», чьи модификации научились играть в шахматы и решать головоломки, и многие-многие другие талантливые люди.

Как положено настоящим ученым, Джон Маккарти с коллегами начали с определения понятий. И первое звучало так: «Искусственный интеллект — наука и инженерная деятельность, направленная на создание умных (intelligent) машин». Считается, что это первое в истории появление термина «искусственный интеллект». Позже название научной дисциплины, как это нередко бывает, перенесли и на обозначение объекта ее изучения и конструирования — сами «умные машины», реализованные как физически, так и в виде алгоритмов.

Более современный вариант определения может звучать иначе. Например, искусственный интеллект — одна из отраслей компьютерных наук, чьей задачей является обеспечение разумных рассуждений и действий с помощью вычислительных систем и иных искусственных устройств. При этом технологии, создаваемые на основе полученных внутри этой отрасли знаний, относятся к информационным технологиям.

Ну а если говорить совсем просто, то искусственный интеллект — это область науки и технологий, которая занимается автоматизацией решения интеллектуальных задач. Если существует какая-то задача, которую люди решают при помощи своего интеллекта, то ученые и инженеры могут создать искусственную систему, которая подменит человека в ее решении. Это и будет система искусственного интеллекта.

Однако любой человек может решать множество интеллектуальных задач, например вести автомобиль, играть в шахматы, обсуждать по телефону планы на день и т. д. Причем иногда делать это все одновременно. А вот компьютеры пока на это не способны. Поэтому считается, что у нас созданы только системы слабого (weak) или узкого (narrow), либо прикладного (applied) искусственного интеллекта.

Все они способны выполнять только одну интеллектуальную задачу — управлять беспилотным автомобилем на улицах города или в совершенстве играть в шахматы. И даже если программа обыгрывает в шахматы чемпиона мира, она не способна вести автомобиль. А вот люди легко переключаются с одной задачи на другую и могут овладевать новыми навыками всю жизнь.

Систем слабого искусственного интеллекта — бессчетное количество. По сути, почти все инженеры и ученые заняты именно их развитием. Тем не менее основная цель отрасли — создание сильного (strong) или общего (general) искусственного интеллекта. Здесь уже не все так просто, и трудно сформулировать единое, удовлетворяющее всех определение. Связано это как с историей понятия, так и со сложностями в понимании человеческого и интеллекта и его возможностей.

Дело в том, что понятие сильного искусственного интеллекта впервые предложил философ Джон Сёрль наряду с концепцией «китайской комнаты». Вкратце она звучит так: если в закрытую комнату поместить человека, знающего китайский язык, а потом через специальный люк передавать ему вопросы, написанные по-китайски, то он будет писать ответы также на китайском исходя из понимания этого языка. Но что будет, продолжает мысленный эксперимент Сёрль, если в эту же комнату посадить другого человека, который не знает китайского, но при этом снабдить его исчерпывающей системой правил, позволяющей в ответ на получение одних последовательностей иероглифов, формировать другие?

Если система правил достаточно обширна, то не знающий китайского человек будет давать вполне осмысленные ответы на вопросы, даже не понимая их сути. Иными словами, он будет имитировать понимание китайского языка, не обладая им в действительности. Отсюда проистекает и его понятие «сильный искусственный интеллект», обозначающий систему, которая «ведет себя так, как будто является разумной», дабы отличить ее от системы, которая «на самом деле разумна».

Впрочем, сейчас оригинальную трактовку понятия «сильный искусственный интеллект» можно найти только в книгах по философии. А, например, компания IBM дает иное определение:

Сильный ИИ, также известный как общий искусственный интеллект (Artificial General Intelligence, AGI) — это теоретическое описание определенной формы ИИ, обладающей интеллектом, равным человеческому, самосознанием, а также способностью решать широкий круг интеллектуальных задач, учиться и планировать будущие действия.

Проще всего пояснить это определение на примере «Кофейного теста», предложенного сооснователем Apple Inc. и создателем первых персональных компьютеров этой компании Стивеном Возняком. Он достаточно прост, но до сих пор непреодолим ни для одной системы.

Суть «Кофейного теста» в том, чтобы проверить, насколько ИИ может полноценно взаимодействовать с человеком и реальным физическим окружением, а также успешно ориентироваться в новой обстановке без предварительного обучения. Для этого робот под управлением ИИ должен уметь в любой случайно взятой кухне, где он раньше не был и план которой не загружен в его систему, найти кофе, кофеварку или кофемашину — и приготовить напиток.

Множество кухонь здесь — широкий диапазон незнакомых сред, про которые ИИ ничего не знает. Цель — приготовление напитка. Ограничение — наличие или отсутствие средств достижения цели. Ведь иногда признать, что задачу невозможно решить — гораздо большее свидетельство интеллекта, чем бесплодные повторы.

Интересно, что ряд российских специалистов предполагает — создать общий ИИ будет невозможно, если роботы и алгоритмы не будут взаимодействовать с физической средой, как люди в ходе своего онтогенетического развития. Качественный прорыв возникнет именно с переходом в реальную действительность.

Многие ученые, такие как Марвин Минский, или предприниматели вроде Илона Маска, предсказывали, что общий ИИ будет создан в ближайшие десятилетия. Другие, наоборот, и сейчас считают, что его вовсе невозможно создать. Максимальным достижением будет разработка элементов сильного ИИ или узкого общего ИИ (narrow AGI), то есть систем, достигающих выдающихся результатов в одном типе задач и умеющих решать другие, но существенно ниже средних человеческих возможностей.

В круге третьем

Официальную историю ИИ обычно начинают за полтора десятка лет до появления самого понятия — с 1940-х годов. А вот предысторию можно провести с античных времен — автоматов Герона Александрийского и антикитерского механизма — механического устройства для расчета движения небесных тел. Однако все эти достижения скорее можно отнести к ранним этапам развития автоматики и вычислительной техники, но никак не к созданию машин, способных заменить человека в решении интеллектуальных задач.

Вероятно, отсчет справедливо начинать с логической машины Раймонда Луллия (1235-1315). Луллий долго служил поэтом при арагонском короле, но затем сменил придворную жизнь на стезю монаха. В 1272 году во время религиозного экстаза его посетило божественное видение — особое устройство, с помощью которого можно из конечного числа общих понятий вывести все истины мира.

Свою машину Луллий описал в трактате «Великое искусство» (Ars Magna). По сути она представляла собой набор концентрических кругов, вращение которых позволяло получать различные сочетания символов и первичных понятий, главным образом богословских.

Наиболее простая вариация машины состояла из трех кругов. В первом содержался ряд латинских букв, во втором — понятия («сила», «доброта», «мудрость»), в третьем — свойства («сильный», «добрый», «мудрый»). А посередине между кругами располагался звездообразный граф, соединяющий все сектора кругов. В своем самом сложном варианте устройство содержало 14 кругов и давало астрономическое количество комбинаций.

Идеи Луллия впоследствии оказали серьезное влияние на философа и математика Готфрида Вильгельма Лейбница:

«В философии мною найдено средство достичь того же, что сделали Декарт и другие для арифметики и геометрии с помощью алгебры и анализа… посредством комбинаторики… указан путь, на котором все существующие составные понятия могут быть разложены на небольшое число простых понятий, являющихся как бы их алфавитом, и посредством правильного метода из комбинаций букв такого алфавита могут быть со временем получены все вещи вместе с их теоретическими доказательствами».

Увы, но в итоге создать «алфавит человеческой мысли» и привести все философские умозаключения к строгой форме Лейбницу не удалось. Зато в попытках его изобретения он придумал всем известную двоичную систему из 0 и 1. Сейчас она лежит в основе любых вычислительных устройств и кодирует как числовые данные, так и логические операции.

Параллельно труды Луллия заинтересовали и российских мыслителей. В конце XVII — начале XVIII веков Ars Magna на русский язык перевел поэт и философ Андрей Белобоцкий. В допетровской Руси большое распространение получили две его рукописи «Великая наука Раймунда Луллия» и «Краткая наука Раймунда Луллия».

Отец перфокарт

Судя по всему, с этими книгами был хорошо знаком Семен Корсаков (1787-1853), изобретатель первых российских интеллектуальных машин. Корсаков придумал и подробно описал пять схожих друг с другом устройств, предназначенных для поиска и классификации информации. Самое простое из них — «прямолинейный гомеоскоп с неподвижными частями». В нем использовалась перфорированная таблица, по столбцам которой перемещалась деревянная планка с булавками-шипами разной высоты. По совпадению отверстий в таблице с выступающими шипами определялся нужный столбец. Сходным образом работали и другие предложенные им машины, несколько более сложные: прямолинейный гомеоскоп с подвижными частями, плоский гомеоскоп, идеоскоп и компаратор.

Объясняя принцип работы гомеоскопа, Корсаков приводил пример из медицинской диагностики: столбцы таблицы содержат симптомы болезней, а шипы на планке врач выставляет в соответствии с симптомами, которые наблюдаются у пациента. Планка движется вдоль столбцов, пока не упрется в нужный, и врачу остается лишь выбрать подходящее лекарство. «Число деталей, которые учитывает устройство, может достигать многих сотен», — добавляет Корсаков. По сути, это первая в мире экспертная система для поддержки принятия решений врачом!

Спустя почти полтора века, в 1980-х, на публикации Корсакова наткнулся крупный советский математик и кибернетик Гелий Поваров, живо интересовавшийся историей и предысторией развития этих наук в нашей стране. Поваров популяризировал его идеи и сделал Корсакова одним из основоположников отечественной кибернетики, а также закрепил за ним весомое мировое достижение — первое в истории информатики использование перфокарт.

Ранние идеи

С кибернетики, собственно, и начинается официальная история искусственного интеллекта. В первоначальном изводе кибернетика не столько наука, сколько метатеория, описывающая, как информация создается и обрабатывается в рамках управления любыми сложными системами от биологического организма до транснациональной компании.

В итоге кибернетика быстро распалась, дав плодотворную почву для возникновения компьютерных наук, ряда направлений в биологии, математике, менеджменте, инжиниринге и так далее. А что касается искусственного интеллекта, то в лоне кибернетики зародилась самая длительная и успешная, хотя и пережившая несколько кризисов, программа исследований искусственных нейронных сетей.

С точки зрения специалиста из Исследовательского центра прикладных систем искусственного интеллекта МФТИ — PhysTech AI Михаила Бурцева, существует три подхода к конструированию умных машин, способных выполнять интеллектуальные задачи.

1. Обучение нейросетей и глубинное обучение. Основано на физическом и программном моделировании отдельных нейронов, нервных сетей и мозга животных и человека.

2. Символьный искусственный интеллект. Основан на моделировании способов рассуждения и логических выводов людей.

3. Эволюционное программирование и генетические алгоритмы. Основаны на моделировании эволюционных механизмов, в условиях которых алгоритмам для достижения лучших решений приходится мутировать и выживать, испытывая жесткое давление естественного отбора.

Источник