Akademiker Alexander Kuleshov fortalte Rusnano om hvor nær menneskeheten er å lage selvforbedrende maskiner, hva deres opprettelse vil føre til, og om Stephen Hawking hadde rett når han fryktet problemene som intelligente maskiner utgjør.
Alexander Kuleshov er en av de ledende russiske spesialistene i etableringen av nevrale nettverk, kunstig intelligens og komplekse informasjonsbehandlingssystemer. Nå leder han Skolkovo institutt for vitenskap og teknologi, og frem til februar i år ledet han instituttet for informasjonsoverføringsproblemer ved det russiske vitenskapsakademiet.
Denne fredagen holdt akademiker Kuleshov et foredrag innenfor veggene til det statlige selskapet "Rusnano", der han fortalte publikum, inkludert Anatoly Borisovich Chubais, om fremgangen innen å skape kunstig intelligens de siste årene og hvordan AI-teknologier vil endre samfunnet vårt gjennom noen år.
"Alien" eller menneskelig intelligens?
“Hvorfor får kunstig intelligens og smart databehandling så mye oppmerksomhet i dag? Hva skjedde? Faktisk har data alltid blitt behandlet. Siden Galileo har resultatene av vitenskapelige eksperimenter blitt behandlet (matematisk). Hva har skjedd i dag som har presset dette problemet frem?”, Begynte Skoltech-rektor sin historie.
Som akademikeren Kuleshov bemerker, har datamengden som mennesker og datamaskiner jobber med i dag endret seg - nå samler, lagrer og behandler dataprogrammer terabyte og petabyte data, hvor behandlingen av tradisjonelle informasjonsanalysesystemer er ekstremt vanskelig.
Folk, for eksempel kjernekraftverkoperatører eller flypiloter, har tilgang til dusinvis eller hundrevis av skjermer med forskjellig diagnostisk informasjon, som hver nesten ikke betyr noe i seg selv, og vil ikke hjelpe å finne en feil i driften av utstyret, men kombinasjonen av disse med nesten 100 % vil sannsynligvis tillate deg å løse problemet allerede før det når et kritisk stadium.
Naturligvis, fortsetter forskeren, er en person ikke i stand til å overvåke 50 skjermer samtidig, noe som gir opphav til behovet for å lage systemer som vil analysere disse dataene og bare vise det som er viktig for å ta beslutninger og overvåke situasjonen på en skjerm.
Kampanjevideo:
“Helt nye matematiske systemer som har dukket opp for analyse av slike 'big data' har vokst utover dem, og de kan brukes til analyse av all informasjon ved hjelp av tekniske midler. Faktisk ville de ha vært nye på 1600-tallet og ville vært nyttige for forskere på den tiden. Men jeg understreker at alt dette dukket opp nettopp i bølgen av ny teknologi,”fortsetter Kuleshov.
Mye av diskusjonen rundt disse teknologiene, som akademikeren bemerker, stammer fra det faktum at det er en forskjell mellom det russiske ordet "intellekt" og det engelske ordet intelligens, noe som får mange deltakere i disse stridene til å tro at kunstig intelligens bør være en slags antropomorf konstruksjon som ligner og etterligner egenskaper av menneskelig intelligens. I følge Kuleshov viser faktisk de siste 25-30 årene med forskning at en slik tilnærming er feil og ikke fører til meningsfulle resultater som kan brukes i praksis.
“Antropomorfisme og naturlikhet er populære begreper, men ingenting har noen gang fungert de siste århundrene. For eksempel tegnet Leonardo da Vinci mekaniske hester, Daedalus og Icarus prøvde å fly som fugler, men ingenting gikk noen gang - i dag er det ingen mekaniske hester som løper rundt gatene våre, og vi flyr annerledes. Det er det samme med hjernen - de forsøkene på å forstå hvordan hjernen fungerer, og å gjøre det samme i en datamaskin, har fullstendig mislyktes,”legger foreleseren til.
Alle disse mislykkede forsøkene på å lage håndlagde analoger av nevroner og koble dem til en slags hjerne, så vel som andre tilnærminger som etterligner arbeidet til det menneskelige nervesystemet og måten vi tar beslutninger og analyserer informasjon, førte til det faktum at uttrykket på 90-tallet av forrige århundre "Kunstig intelligens" blant matematikere har blitt et skittent ord på grunn av de urimelige forventningene, som hadde antropomorfe ideer om nevrale nettverk og kunstig intelligens.
Dybder av intelligens
Faktisk startet renessansen av utviklingen av "kunstig intelligens" veldig nylig, på slutten av 2000-tallet, da en rekke amerikanske og russiske matematikere og programmerere foreslo og implementerte AI-algoritmer, som senere ble kjent som "deep learning" og "mangfoldsbasert læringsmetoder".
”Til slutt begynte folk å glemme nevrale nettverk, det ble klart at ingenting arbeidet med dem, og alle savnet på en eller annen måte publiseringen i 2005 av artikkelen av Hinton og Krizhevsky, som nå bestemmer vår fremtid. Jeg deltok også i disse begravelsene, men det viste seg at det ikke var så enkelt, forklarer forskeren.
Som det viste seg, oppfører enkle nevrale nettverk, kombinert i kaskader og komplekse systemer av forskjellige ordnede nettverk, annerledes enn forskere forventet. Og som praksis har vist, er de i stand til å løse de oppgavene som tidligere var utenfor kunstig intelligens, inkludert talegjenkjenning, fotografier av mennesker, forskjellige gjenstander og til og med å forutsi sammenbrudd og katastrofer.
“En helt unik situasjon har oppstått - ingen i dag kan si hvor dype nevrale nettverk fungerer. Det amerikanske forsvarsbyrået DARPA er klar til å utstede en million dollar-pris for å forklare hvordan de fungerer, men jeg tror at denne prisen vil forbli uavhentet de neste 30-40 årene. Jeg kjenner veldig seriøse matematikere som sliter med dette problemet uten den minste suksess. Vi kan si at vi har kommet tilbake til naturfilosofiens dager - det er en bestemt metode som fungerer fantastisk bra, men vi kan ikke forklare hvorfor, sier Kuleshov.
Dype nevrale nettverk, sier forskeren, har lenge fanget opp og gått forbi mennesker innen mange kunnskapsområder, og har vært i stand til å identifisere og skille ting som en vanlig, utrent person ganske enkelt ikke kan gjøre. De siste versjonene av slike nevrale nettverk gjør færre feil enn folk som er opplært til å løse problemene som slike AI-systemer vil være ansvarlige for i fremtiden.
For eksempel har forskere allerede opprettet nevrale nettverk som kan beskrive hva som skjer på fotografier og i videoer som ikke er verre enn en person gjør. Slike algoritmer kan hjelpe blinde eller døve å forstå hva som skjer rundt dem og hva de ikke kan høre eller se, og spesialtjenester kan bruke slike nettverk til å søke etter terrorister eller mistenkte i videoovervåkingsarkiver eller under operasjonsarbeid på flyplasser og andre overfylte steder.
”Det er rundt 70 millioner designingeniører i verden i dag, og statistikk viser at bare 20% av produktene deres er en slags ny utvikling. De resterende 80% ble enten allerede opprettet av andre ingeniører, eller er mindre endringer i eksisterende modeller. Å bygge et AI-system som kan finne det du trenger, vil redusere tiden og ressursene som vanligvis brukes på å utvikle dem drastisk. Så langt er det ingen slike systemer, men om 1-2 år vil de dukke opp, fortsetter akademikeren.
Ifølge ham er et annet eksempel på slike systemer et program utviklet av kandidatstudenter fra Kuleshov, som gjør det mulig å avgjøre om en person har Alzheimers sykdom eller ikke ved å studere fotografier av hjernen som er oppnådd med en magnetisk resonansbildeskanner.
Bare 200 MR-bilder av mennesker som led av denne sykdommen var nok til at russiske forskere "lærte" kunstig intelligens til å skille mellom sunne og syke hjerner med 90% nøyaktighet. På lignende måte har russiske matematikere lært å finne sår i en persons mage ved hjelp av hans elektrokardiogram.
I samarbeid og på bestilling fra RSC Energia har Kuleshov og hans kolleger opprettet en revolusjonerende ny algoritme for å kontrollere ISS-motorene, noe som vil redusere drivstoffkostnadene for å opprettholde stasjonens høyde med omtrent 40 ganger sammenlignet med det nåværende programmet laget av amerikanske forskere for å erstatte det gamle russiske systemet, og fem ganger bedre enn NASAs kommende program.
Det nye systemet, basert på teknologi for mangfoldslæring, vil bli testet ombord på stasjonen neste år. Et annet AI-system, opprettet av russiske matematikere og programmerere, jobber allerede ved Russian Railways og hjelper med å bestemme hvilke sammenbrudd som skal repareres i utgangspunktet for å minimere ressurskostnadene.
Lignende programmer, ifølge forskeren, brukes noen ganger til de mest uventede formålene - for eksempel brukes AI, opprettet for å gjengi flyvinger, av Louis Vuitton for å lage hudblekingskremer.
“Videreutvikling av disse teknologiene vil radikalt endre menneskeliv. Tenk deg, du forlater et utenlandsk hotell, du blir ved et uhell fotografert av turister, dette bildet havner i en søkemotor, det "beregner" deg på disse bildene, og om fem minutter vil sjefen din finne ut om det. Som et resultat vil det være veldig vanskelig for deg å overbevise ham om at du dro på en 'lokal' forretningsreise, "forklarer Kuleshov.
Utvidet arkaisk virkelighet
De første eksemplene på denne "nye, fantastiske verdenen" finnes i dag - det er AI-systemet AlphaGo, som slo verdensmesteren i Go i år. Som Kuleshov forklarer, er det det første eksemplet på en unik klasse maskiner som er i stand til å løse uberegnelige problemer og forbedre seg selv.
“Go skiller seg fra sjakk ved at dette spillet rett og slett er umulig å beregne matematisk. Antall mulige trekk i Go overstiger antall atomer i universet, det er umulig å tømme tøyningene i det. I sjakk, hvis du har en kraftig datamaskin, vil du slå hvem som helst, både Kasparov og Karjakin. Dette er umulig i Go, fordi ingen datamaskiner klarer det. Og nevrale nettverk var i stand til å løse dette problemet, sier forskeren.
Det viktigste kjennetegnet ved AlphaGo fra alle andre AI-systemer er at dette programmet kan spille med seg selv og forbedre seg selv, tilpasse seg motstanderen og finne absolutt ikke-trivielle og uventede måter for en person å slå ham.
“Hvorfor stopper jeg med dette - dette er første skritt inn i en helt mystisk fremtid. Hvordan ble AlphaGo født? For det første samlet skaperne en database med 30 millioner forskjellige spillposisjoner, og trente det primære nevrale nettverket på den. Så dupliserte de det, og det andre nettverket begynte å spille fra det første. Og som et resultat, etter flere milliarder iterasjoner, oppsto noe tredje som en person ikke lenger kontrollerer. Det er uklart hvor den kom fra - dette er resultatet av noe selvkonstruksjon. Ingen vet hvordan det skjer, understreker Kuleshov.
Fødselen til AlphaGo og dens seier, ifølge akademikeren, åpner døren til et helt nytt rom der menneskeheten vil komme inn raskt. Og ikke alt i denne verden vil være nyttig og hyggelig for menneskeheten generelt og enkeltpersoner spesielt.
- Det er klart at de sosiale endringene fra dette vil være enorme. Antall halvkvalifiserte arbeidere synker allerede som shagreen lær, og fremveksten av AI som er i stand til å løse disse problemene vil frata dem jobben. Alle disse ingeniørene, drosjesjåførene, piloter, sykepleiere, arbeidstakere - millioner av mennesker - må forsvinne, og bare 1%, som dagens studier viser, kan tilpasse seg nye realiteter og omskole seg, sier forskeren.
Ifølge ham “er vi på randen av helt uhyrlige sosiale konsekvenser av utviklingen av kunstig intelligenssystemer. Vi kan ikke nå vurdere deres skala, som mennesker midt i en orkan eller på høyden av en revolusjon. Nå må det umiddelbart investeres penger i utdanning, ettersom folk med gjennomsnittlig kvalifisering blir helt unødvendige."
Som rektoren for Skoltech bemerker, er verden i dag i stand til å mate hele menneskeheten, men den er ikke i stand til å okkupere den. Denne arbeidsledigheten og den manglende hensikten i livet kan allerede påvirke livet i Europa og andre utviklede land og gi opphav til ulike radikale bevegelser som IS og andre forbudte ekstremistiske og religiøse grupper.
“Dette er en bevisst arkaisering av livet, skaper en situasjon der jeg vil føle meg nødvendig. I helvete med ham at jeg lever dårligere, men jeg lever ikke som alle andre. Følelsen av at du hele tiden får tilsendt hurtigmat gratis og får joggesko hver sjette måned, men samtidig at du ikke trengs til noe, er faktisk forferdelig. Og denne følelsen vil bare vokse med utviklingen av AI og robotikk, fortsetter Kuleshov.
En merkbar del av dette problemet er relatert til det faktum at en person rett og slett ikke har tid til å "utvikle seg" etter AI - generasjoner av mennesker skifter hvert 25. år, og teknologiske revolusjoner skjer med et intervall på 5-6 år. Derfor, som rektor bemerker, vil antallet "unødvendige" mennesker stadig vokse, og bare masseutdannelse kan bidra til å unngå en sosial eksplosjon og fremveksten av en ny bølge av ludditter.
“Det vi er på randen av har ikke noe navn ennå, og jeg vet ikke engang hva jeg skal kalle det. Kanskje de kan kalles "ikke-styrte intelligente systemer". Dette er fundamentalt nye systemer som genererer seg selv, og vi er ikke langt fra den tiden da de begynner å trenge inn i våre liv, avslutter forskeren.
