Искусственный интеллект, как акселератор личностного развития человека

Искусственный интеллект, как акселератор личностного развития человека

Зам. Генерального директора
АО «НПО «Андроидная техника»
Герасимов Е.Ю.

На сегодняшний день искусственный интеллект (ИИ) — это уже не дань моде и не интересная игрушка, а жизненная реальность. В 2017 году в РФ насчитывалось только несколько десятков проектов с применением искусственного интеллекта, в 2018 году их число выросло до нескольких сотен. По прогнозу исследовательской группы ЦИРКОН, к 2020 году объем российского рынка искусственного интеллекта и машинного обучения увеличится до 28 млрд рублей, что в 40 раз больше, чем в 2017 году. Активней всего ИИ-решения внедряют представители финансового рынка, энергетические компании, ритейлеры и предприятия в сфере коммуникаций, такие как Сбербанк, «Газпром нефть», «Северсталь», МТС. Ему посвящена отдельная «сквозная технология» Национальной программы РФ «Цифровая экономика».

Но раз ИИ — это неотъемлемая часть современной и будущей жизни, то как его направить на пользу и развитие конкретных людей, а не только на процветание и извлечение прибылей корпораций? Об этом данная монография.

Сталкиваясь с различными людьми, так или иначе интересующимися ИИ, стало понятно, что люди имеют отдаленное понимание, что же такое ИИ и какие технологии он включает. Поэтому, вначале остановимся на определении и очень кратком описании ИИ, которые есть в различных свободных источниках.

Итак, Искусственный интеллект (ИИ; англ. artificial intelligence, AI) — свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека. Структура интеллектуальной системы включает три основных блока — базу знаний, решатель и интеллектуальный интерфейс, позволяющий вести общение с ЭВМ без специальных программ для ввода данных. ИИ, как системе, свойственна способность правильно интерпретировать внешние данные, опираясь на алгоритмы оптимального или неоптимального выбора из широкого пространства возможностей для достижения целей путем применения стратегий, извлекать уроки из таких данных и использовать полученные знания для достижения конкретных целей и задач при помощи обучения и гибкой адаптации к окружающей среде.

На сегодняшний день нет точного критерия достижения компьютерами «разумности», предлагается только отдельные гипотезы, такие как, тест Тьюринга: «Человек взаимодействует с одним компьютером и одним человеком. На основании ответов на вопросы он должен определить, с кем он разговаривает: с человеком или компьютерной программой. Задача компьютерной программы — ввести человека в заблуждение, заставив сделать неверный выбор. Все участники теста не видят друг друга. Если судья не может сказать определённо, кто из собеседников является человеком, то считается, что машина прошла тест».

В любом случае, «разумность» компьютера и человека всегда будет отличаться: главными словами в определении ИИ являются «обучение», «способность рассуждать» и «принимать решения в недетерминированной среде» (условиях высокой неопределенности). ИИ не способен полностью заменить интеллект человека, так как интеллект человека подразумевает еще много чего, например, способности к самовыражению, привязанность, чувства, эмоции, этические принципы и многое другое. Зато ИИ может отлично (во много раз быстрее и эффективнее человека) справиться со способностью рассуждать, прорабатывать детали в различных вариантах, выбирать оптимальные решения по заданным параметрам из любого объема исходных данных и т.д. Наглядно данное различие видно на рисунке:

Потенциальная опасность Суперинтеллекта — ИИ уровня ASI, лежит правой части поведения ИИ — в какой-то момент он может решить, что слабости человека — ненужное звено (не разумно, не оптимально) и исключить его из процесса.

Исходя из представлений на текущий момент, можно выделить пять главных составляющих искусственного интеллекта.

1. Машинное обучение

В настоящее время машинное обучение является самой популярной составляющей ИИ, поскольку организации имеют дело с постоянно растущими большими источниками данных. Системы машинного обучения постоянно учатся, чтобы лучше и быстрее реагировать на новые интересные тенденции. Машинное обучение хорошо справляется с разнообразными и сложными данными, постепенного обучаясь и, таким образом, помогая принимать решения и необходимые меры. Наиболее трудную часть работы здесь выполняют машины, но ключевым фактором успеха является качество и контроль данных. Обучение может улучшаться за счет использования нейронных сетей для создания методов глубокого обучения, чтобы ускорить эволюцию технологии.

Глубокое обучение (глубинное обучение; англ. Deep learning) — совокупность методов машинного обучения (с учителем, с частичным привлечением учителя, без учителя, с подкреплением), основанных на обучении представлениям (англ. feature/representation learning), а не специализированным алгоритмам под конкретные задачи. Эффект был достигнут при появлении возможности создавать сложные технологические архитектуры нейронных сетей, обладающие достаточной производительностью и позволяющие решать широкий спектр задач, не поддававшихся эффективному решению ранее, например, в компьютерном зрении, машинном переводе, распознавании речи, причём качество решения во многих случаях теперь сопоставимо, а в некоторых случаях превосходит эффективность людей. Основной прорыв в развитии ИИ на текущий момент связан именно с развитием глубокого обучения. Глубокое обучение, фактически, широко внедрило машинное обучение в практику. Оно разбивает задачи так, что все виды машинного содействия кажутся возможными. Автомобили без водителей, лучшее превентивное здравоохранение, рекомендации фильмов — все это уже есть или почти есть сегодня.

Соотношения ИИ, машинного обучения и глубокого обучения приведены на рисунке:

 

2. Искусственная нейронная сеть

Хотя нейронные сети обычно применяются в тех областях машинного обучения, где происходит глубокое изучение, у них есть и другие особенности. Нейронные сети хорошо подходят для интерполяции данных между несколькими обучаемыми паттернами для их классификации и категоризации. Они обращают внимание на различия и возникающие модели поведения. Нейронные сети также хорошо справляются с самообучением и обучением, особенно в отношении неструктурированных данных, часто встречающихся в естественно-языковых вопросах. Одним из главных преимуществ нейронных сетей является то, что для их обучения не нужно задействовать специалистов, все, что им нужно — это набор данных для обучения. Стоит также отметить, что искусственные нейронные сети требует огромного количества паттернов для достижения лучших результатов, а сохранение этих паттернов — это уже управленческая проблема. Еще одним важным фактором, который следует учитывать при работе с этими составляющими ИИ, является переобучение нейронных сетей.

3. Нечеткая логика

Нечеткая логика применяется, когда нет точных и четких понятий, поскольку она обрабатывает степень истины. Хорошо, когда есть неопределенные ситуации. Такое часто случается во время диалога между человеком и машиной, где может существовать языковая неопределенность. Методы нечеткой логики трудно объяснить в некоторых ситуациях, поскольку они помогают справляться с языковой неопределенностью. Из-за этой неопределенности могут возникнуть ситуации, подлежащие толкованию.

4. Байесовская сеть доверия

Байесовская сеть используется для выявления причинно-следственных связей. Данная сеть доверия применяется, чтобы оценить вероятность взаимосвязи между симптомами и ситуациями или результатами. Это достигается путем отображения вероятностной зависимости между набором случайных переменных, условных зависимостей и совместного распределения вероятностей. Это отображение часто представляется в качестве визуальной модели, которая отображает набор переменных и их условных зависимостей посредством направленного ациклического графика (DAG). Имейте в виду, что эффективное использование Байесовских сетей доверия зависит от качества статистики.

5. Обратная цепочка

Обратная цепочка эффективно применяется для достижения целей при неполных базовых данных, когда можно использовать входные данные. С помощью искусственной обратной цепочки можно выяснить характерные пути, которые привели организацию к нынешней ситуации. Несомненным преимуществом является то, что данная технология также обрабатывает недостающую информацию и данные. Стоит также отметить, что поскольку данная технология требует много испытаний и проверок на ошибки, это не лучший вариант для использования в управлении в режиме реального времени.

По мере развития искусственного интеллекта их может появиться еще больше, но пока именно эти составляющие считаются главными преимуществами ИИ.

Существует несколько видов искусственного интеллекта, среди которых можно выделить три основные категории:

  1. Ограниченный Искусственный Интеллект (ANI, Artificial Narrow Intelligence). Он представляет собой ИИ, специализирующийся в одной конкретной области. Например, может победить чемпиона мира по шахматам в шахматной партии, но это все, на что он способен.
  2. Общий Искусственный Интеллект (AGI, Artificial General Intelligence). Такой ИИ представляет собой компьютер, чей интеллект напоминает человеческий, то есть он может выполнять все те же задачи, что и человек. Профессор Линда Готтфредсон описывает этот феномен так: «Общий ИИ воплощает в себе генерализованные мыслительные способности, среди которых также отмечается умение обосновывать, планировать, решать проблемы, мыслить абстрактно, сравнивать комплексные идеи, быстро обучаться, использовать накопленный опыт».
  3. Искусственный Суперинтеллект (ASI, Artificial Superintelligence). Шведский философ и профессор Оксфордского Университета Ник Бостром дает следующее определение суперинтеллекту: «Это интеллект, который превосходит человеческий практически во всех областях, включая научные изобретения, общие познания и социальные навыки».

В настоящее время человечество уже с успехом применяет ограниченный ИИ. Мы находимся на пути к освоению AGI. Формирование ASI скорее всего будет осуществляться во второй половине 21 века.

На текущий момент ИИ применяется для:

  • Представления и использования знаний (получения знаний из простой информации, их систематизации и использования).
  • Производства знаний из данных (одна из базовых проблем интеллектуального анализа данных).
  • Работы (обработки) с естественными языками (анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке).
  • Машинное обучение (самостоятельного получения знаний интеллектуальной системой в процессе её работы).
  • Биологического моделирования искусственного интеллекта.
  • Робототехника (создание автономных робототехнических комплексов).
  • Реализации машинного творчества (написание статей, сказок, стихов, музыки и т.д.)

На сегодняшний день разработки ИИ находятся под контролем крупнейших корпораций. Основное применение ИИ — повышение эффективности деятельности крупных корпораций со специализацией выполнения конкретных задач (уровень AGI). Области применения:

1. Финансы.
2. Алгоритмическая торговля.
3. Исследования рынка и интеллектуальный анализ данных.
4. Управление личными финансами.
5. Управление финансовым портфелем.
6. Андеррайтинг (Онлайн-кредитор).
7. Военное дело.
8. Тяжелая промышленность.
9. Медицина (Компьютерная интерпретация медицинских изображений, Анализ сердечного ритма и т.д.) .
10. Управление человеческими ресурсами и рекрутинг.
11. Развлечение и игры.
12. Транспорт и др.

Задачи ИИ в науке и бизнесе в нашей стране хорошо проработаны и расписаны в программах различного уровня от корпоративных до национальных. А что может дать ИИ конкретному человеку, прежде всего уровень AGI?

Прежде всего — возможность интеллектуального, творческого и личностного развития.

Безграничные возможности открываются перед творческими, талантливыми людьми: учеными-исследователями, писателями, композиторами и др. в коллаборации с ИИ. В этом тандеме им теперь не надо тратить время и силы на проработку и реализацию своих идей, необходимо будет только задавать направления и менять основные условия до получения желаемого результата, а проработку и реализацию ИИ возьмет на себя и выполнит это на порядок быстрее и эффективнее! Теперь время на совершение открытия в науке, сотворение шедевра в фактически любом направлении искусства сократится в разы, тупиковые варианты будут отсеяны на ранних стадиях, а масштаб творений будет максимальным! В результате человечество получит мощный толчок в своем развитии: как в научно-техническом, так и в духовно-личностном.

Подобное же сотрудничество с ИИ грядет и в массовом искусстве, существенно повышая его качественный уровень до лучших образцов.

Сотрудничество с ИИ даст возможность раскрыть свои творческие возможности и обычным людям, далеким от искусства позволит развивать творческие и инноваторские способности у детей. Одним из примеров такого применения — является графический редактор Google, который может дорисовать рисунок за человека и превратить грубые наброски в красивые схематичные изображения. Чем более точно задавать изображения, тем более законченные варианты рисунков получаются на выходе, из которых можно выбрать идеальный желаемый результат. Подобную методику возможно внедрить в центрах развития детей и молодежи, общеобразовательных школах на уроках художественного мастерства и творческого развития.

Еще одно направление возможного развития человека с применением ИИ — это игры и тренажеры, которые помогут осваивать определенные навыки, движения, компетенции человека, ассистировать и проводить профилактические и реабилитационные процедуры и мероприятия. В подобных устройствах могут применяться дополнительные датчики и устройства, считывающие информацию о движениях человека и его состоянии. Подобное устройство сейчас разрабатывается НПО «Андроидная техника» — проект «Ассистент». Что касается игр — можно привести пример разработку при участии все той же Google, предпринимающей очень активные попытки в освоении искусственного интеллекта. Игра предлагает нарисовать то, что она попросит. После этого она постарается узнать, что нарисовано и скажет, получилось ли у нее. Нейросеть знает, что вы должны нарисовать и смотрит, как вы это сделаете. Через какое-то время условный фломастер нарисуют сотни тысяч человек и будет создан алгоритм определения нарисованного фломастера.

Отдельная тема — использование ИИ для помощи людям с ограниченными возможностями, например, парализованным людям писать от руки при помощи мысли, немым людям — воспроизводить звуком их речь.

Ежегодно тысячи людей по всему миру сталкиваются с различными неврологическими заболеваниями вроде инсульта и получают травмы спинного мозга. Вследствие этих заболеваний у многих из них перестают двигаться некоторые конечности, то есть у них возникает паралич. Такие люди практически полностью лишаются способности общаться с докторами и родственниками, поэтому без использования дорогостоящего оборудования иногда просто невозможно обойтись. В мире уже существуют технологии для чтения мыслей и превращения их в текстовые сообщения. Пример: ученые из американского штата Иллинойс разработали технологию с применением ИИ (источник: издание ScienceMag со ссылкой на Американское общество нейронаук). Они провели эксперимент, в котором новая технология возвращает возможность общения пациенту с так называемой тетраплегией (паралич рук и ног, вызванный сдавлением или разделением спинного мозга вследствие несчастного случая). В ходе эксперимента пациент с вживленными в мозг электродами представлял, как бы он двигал рукой, если бы писал определенные буквы алфавита. При написании каждого символа мозг выдавал разную активность, которая запоминалась искусственным интеллектом. В конечном итоге, компьютер смог запомнить, активность в какой части мозга соответствует каждой букве алфавита и впоследствии смог поочередно выдавать на экране символы, которые мысленно прорисовывал пациент. По словам исследователей, искусственный интеллект научился распознавать символы с точностью до 95%. В основном ошибки возникали только при распознавании похожих букв, вроде «q» и «g». Пусть и с некоторыми ошибками, но благодаря новой технологии парализованный человек смог печатать текст со скоростью 66 символов в минуту. Для сравнения, обычная скорость письма человека составляет около 120 знаков в минуту.

Еще одна область служения ИИ на благо человека — создание новых специальностей, рабочих мест, принципиально новых подходов к обучению.

Революция рынка труда за счет развития ИИ для таких людей — прекрасный шанс влиться в процесс стремительного преобразования многих сторон жизни, причем у некоторых получится возглавить этот процесс, по крайней мере на его локальных участках. ИИ позволит раскрыть нереализованный потенциал фундаментального образования (все равно, технического или гуманитарного) в гораздо большей степени, чем это возможно в сложившихся карьерных сценариях. Возникают новые условия: за ростом возможностей и перспектив ИИ человеку нужно будет поспевать ровно с той скоростью, которую он сам и задает развитию этой технологии. Обратной дороги нет: исследование Genpact показало, что 88% топ-менеджеров в технологических компаниях считают, что ИИ начнет радикально преобразовывать повседневную жизнь в ближайшие 3 года.

Вопреки расхожему мнению искусственный интеллект не лишит людей работы, а создаст новые рабочие места. Правда, это будут новые, до сих пор не существовавшие профессии.

Существует ряд рутинных рабочих задач, которые с развитием машин будут полностью переданы им на откуп, что вызовет исчезновение ряда профессий. С другой стороны, по мере развития ИИ-решений пропорционально будет расти и окно возможностей для профессионального развития людей в этой области. И мы говорим здесь о специальностях, ранее не существовавших.

Работы в ИИ хватит всем. Например, для обучения ИИ нужно делать огромное количество различных разметок фотографий или текстов. Такую работу может делать практически любой человек. Здесь становятся возможными социально значимые проекты в ИИ: подобные задания можно поручить, например, студентам или пенсионерам.

Приведем наиболее очевидные новые профессии будущего, которые возникнут на стыке человеческого и машинного участия:

  • Воспитатели чат-ботов — этом адаптация ИИ-технологий к практике компаний поможет создать 2,3 млн новых позиций для сотрудников-людей. Таким образом, ИИ обеспечит чистый прирост в 500 000 рабочих мест. В контексте чат-ботов перспективна профессия специалиста по обучению мировоззрению и локализации. Чат-боты будущего должны считывать локальную специфику региона и общества, в которых они работают.
  • Специалисты по эмпатии. Уже существуют системы машинного обучения, позволяющие чат-ботам типа Siri и Alexa реагировать на вопросы людей с глубоким пониманием, состраданием и даже юмором. Это могут быть, к примеру, проблемы, связанные с потерей багажа, покупкой некачественного продукта или неисправностью в работе бытовой техники. Однако эмпатии нужно учить: машина не может сгенерировать ее самостоятельно.
  • Специалист по интерпретации алгоритмов — еще одна перспективная ИИ-профессия. Если система совершает ошибку, такому специалисту необходимо определить алгоритм, который к ней привел, и внести необходимые коррективы.
  • Специалист по безопасности систем искусственного интеллекта: его задача сделать все возможное, чтобы предвидеть непреднамеренные действия ИИ с возможными негативными последствиями.
  • Специалист по обеспечению устойчивости работает над тем, чтобы системы искусственного интеллекта функционировали надлежащим образом, не выходя за пределы этических нормативов по отношению к человеку и обществу.

В заключении данного исследования хотелось бы поговорить о следующем.

Внезапный захват мира сверхразумом невозможен в ближайшие 10-15 лет. Такому сценарию должны предшествовать, по крайней мере два этапа. На первом мы создаем общий ИИ — такой искусственный разум, который не уступает человеческому по всем параметрам. По самым оптимистичным прогнозам, он появится после 2030 года. На втором этапе мы используем общий ИИ для создания сверхразума. И только после создания сверхразума человечество может позволить (или не позволить) искусственному интеллекту захватить мир.

В складывающихся условиях развивать ИИ, обходя трудно прогнозируемые сегодня угрозы, сможет лишь тот, кто способен ответственно и осознанно подойти к вопросу о ценностях. В противном случае есть риск, что игровая и имитационная аксиология (философская наука о ценностях) постмодерна приведет нас к неспособности передать самообучающемуся искусственному интеллекту устойчивые ценностные ориентиры. Со всеми вытекающими отсюда последствиями.

И в первую очередь перед нашей страной встает важный вопрос — формирование качественно нового запроса на лидерство в сфере развития ИИ. Лидером станет тот, кто сможет передать ИИ ценностный капитал человечества, сделав его по-настоящему безопасным и гуманным. Не приносящим человека в жертву экономоцентризму, а раскрывающим новые возможности для развития, совершенствования, творчества.

И очень бы хотелось, чтобы таким лидером стала Россия!