Как у медали есть две разных стороны, так есть две стороны и у распространения искусственного интеллекта. Одни исследователи мечтают о системе, которая самостоятельно сможет создавать другие системы. Другие – наоборот, в этом страшный сон всего человечества.
Недавно в китайской Кремниевой долине Чжунгуаньцунь выступал один из ведущих инженеров Google Джефф Дин. Он обратил внимание на проект — AutoML, который является только единицей в крупных планах по использованию других технологий в деятельности иных создателей программного обеспечения. «ML» означает «машинное обучение». Это система действий компьютера, который учится выполнять заложенные функции без помощи людей, проводя анализ больших объемов данных. Проект, о котором говорил Дин, создается как система операций для возможности выпускать другие технические алгоритмы. С его использованием компания в скором будущем сможет выпускать современные механизмы самостоятельно. Как считают специалисты, из этого и состоит технологическое «завтра».
Технологическое развитие обнадёживает людей: будут приложения на телефонах, которые узнают своих пользователей, будут машины с автопилотом в управлении. Однако только единицы людей по всему миру имеют необходимые знания, навыки и талант для выпуска подобных сложных, а в некоторых случаях и вовсе нерешаемых механизмов, которые будут руководить искусственным интеллектом. Поэтому, многие идеи сейчас воспринимаются как нечто из параллельной Вселенной, а эксперты в области ИИ получают миллионные доходы от крупнейших мировых IT-компаний (Google, Facebook и Microsoft и другие). Но пока что ситуация с недостатком специалистов не изменится, поскольку, чтобы развить необходимые навыки, должны пройти долгие годы тренировок и изучения.
Но все хотят, чтобы развитие было моментальным. В индустрии разрабатываются различные механизмы, облегчающие выпуск собственного программного обеспечения, основывающегося на работе искусственного интеллекта. Они содержат узнавание изображений, речи и онлайн чат-ботов. Сейчас компании передвигаются по той же дороге, по которой развивались компьютерные науки при создании новых технологий. Недавно был представлен способ, который помогает программистам создавать глубокие нейронные сети — особый вид компьютерного алгоритма, важный для прогресса в сфере искусственного интеллекта. Разработка таких сетей поможет упростить работу программистов.
Некоторые учёные утверждают: работа над искусственным интеллектом способствует развитию исследований специалистов в области компьютерных технологий. Все компании предлагают услуги облачных вычислений, помогающих специалистам придумывать и выпускать искусственный интеллект. Сооснователь и главный технический директор Malong Мэтт Скотт объяснил: «На это существует реальный спрос, и вспомогательное ПО пока не удовлетворяет весь этот спрос».
Учёные в лаборатории Беркли обучают роботов успешно выполнять разнообразные команды. Например, машина с искусственным интеллектом выполняет задание под руководством человека — положить яблоко в голубую миску. Все эти предметы робот видит в первый раз своей искусственной жизни. Только когда он научится работать с разнообразными предметами, несколько раз допустит ошибки, сможет осознать, как узнавать голубую миску среди других мисок из пикселей и помещать в эту неё яблоко без всяких трудностей. Возможно эти успехи — это то, что Google считает AutoML. Исполнительный директор компании Сундар Пичаи в прошлом месяце уже хвастался компьютерным алгоритмом на презентации нового смартфона на Android. Проект должен помочь компаниям интегрировать в свои процессы оборудование с искусственным интеллектом, даже если они не являются владельцами достаточного технического развития и обширными знаниями в этой области. Возможности, конечно, есть у многих, но необходимые таланты только у единиц.
Однако компании всё равно стараются развиваться и крупно вкладываются в освоение современных технологий. На это есть свои разумные причины. Если прислушиваться к прогнозам экспертов, они должны стать движущей силой экономики в ближайшие годы. Теперь важно правильно задать её для последующей скорости. Нейросети играют в этом значительную роль, поскольку дают возможность специалистам быстро придумать систему действий, которая будет самостоятельно выполнять порученные ей задания.
Но разработать целую нейросеть намного труднее чем какую-нибудь программу по распознаванию изображений или переводчик на смартфон. Это требует сложных математических знаний, проб, ошибок, взлётов и падений, таланта. Руководитель независимой лаборатории машинного обучения Element AI Жан-Франсуа Ганье называет этот процесс «новым видом программирования». Когда учёные работают над нейросетью, они проводят множество экспериментов над механизмами, чтобы отладить всё до автоматизма. Учёным важно понимать, научился ли робот распознавать картинки, звуки, языки, а потом использовать эти умения с пользой. Когда результаты окажутся нужными, разработчики начнут перенастраивать определенные части алгоритма, пока он не заработает как надо. Это можно по праву называть «темным искусством» просто потому, что специалисты сами иногда затрудняются объяснить те правки, которые вносят. Однако после всех махинаций, получается единственно верный и нужный продукт.
Google пытается облегчить жизнь специалистов и автоматизировать этот процесс. Перед ним ставится задача построить алгоритм, который будет анализировать развитие других алгоритмов. Система должна распознавать, какие методы стоит использовать, а какие лучше не стоит. Также специалисты хотят, чтобы AutoML занимался успешным обучением других систем, которые, например, будут определять предметы на фотографиях с точностью как у человека со стопроцентным зрением. Они должны работать намного лучше, чем те, которые были созданы исключительно людьми. Один из инженеров Google Баррет Зоф работал над проектом AutoML и поэтому утверждает, что конце всего процесса разработки систему можно будет с успешно использовать и для распознания речи или машинного перевода. Хотя сейчас в это трудно поверить, но всё это становится главным в исследовании искусственного интеллекта. Учёные обозначают это «обучением самообучению» или «метаобучением».
Многие продолжают верить, что подобные методы значительно ускорят процесс развития искусственного интеллекта. В Калифорнийском университете Беркли ученые уже думают над способами, которые позволят машинам учиться выполнять новые задачи на основе уже приобретённых навыков. «По сути, компьютеры будут создавать алгоритмы для нас, — объясняет Питер Эббил, профессор из Калифорнийского университета в Беркли. — Алгоритмы, созданные компьютерами, могут решить множество проблем очень быстро — по крайней мере, мы на это надеемся».
Так постепенно увеличивается количество людей и компаний, которые проявляют интерес в создании искусственного интеллекта. Конечно, эти методы не смогут полностью заменить инженеров в области создания искусственного интеллекта. В крупных компаниях многие задания до сих выполняют нанятые специалисты. Да и полный отказ от труда людей совсем не выгоден для работников, которые получают хорошую зарплату за выполняемые обязанности.
Ученый из Университета Карнеги–Меллон Ренато Негрино занимается изучением механизмов, близких к методам AutoML. Он рассказал, что такие технологические новинки станут реальностью в скором времени. Сейчас остаётся только вопрос, как долго ещё осталось ждать.