Искусственный интеллект — это помощник
Человеческое восприятие ограничено: мы не видим ультрафиолета и инфракрасных волн, не слышим тихих звуков и ультразвука, наша кратковременная память вмещает 5–9 объектов, а долговременная подвержена различным искажениям — например, воспоминания могут измениться под влиянием окружения.
Даже если бы у нас были развитые органы чувств, они всё равно представляли бы собой темницу из знаменитого мифа о пещере, узники которой прикованы так, что видят лишь смутные тени на одной из её стен — и только по этим теням могут судить о происходящем снаружи.
По Платону, пещера олицетворяет собой чувственный мир, в котором живут люди. Подобно узникам пещеры, они полагают, будто благодаря органам чувств познают истинную реальность. Но это всего лишь иллюзия. Подлинный мир во всём его богатстве и многообразии остаётся за пределами восприятия.
Способность мыслить компенсирует несовершенство чувств и позволяет проникать в суть вещей. Благодаря мышлению мы научились видеть то, что не видно глазу, и слышать то, что не слышно уху, узнали то, что недоступно восприятию, стали быстрее, сильнее и опаснее любого живого существа на планете.
Но у всего есть цена — у мышления тоже. Мозг взрослого человека составляет всего 2% от массы тела, но потребляет до 20% всей энергии. А чтобы подготовить одного учёного, требуются годы, и это не бесплатно — за образование платит либо он сам, либо государство.
Поэтому возникает вопрос: «Как бы всё это удешевить, автоматизировать, а ещё лучше — кому-нибудь делегировать?»
Изображение: мультфильм «Вовка в тридевятом царстве»
От подневольного труда к искусственному интеллекту
Первые упоминания об искусственных разумных существах можно обнаружить еще в греческой мифологии. Согласно легендам, Гефест по просьбе Зевса создал бронзового гиганта Талоса (рис. 4), который охранял Елену на острове Крит. В средние века появились предания о гомункулусах и Големе — созданных человеком разумных существах.
Рисунок 4. Бронзовый гигант Талос — пожалуй, первый робот в мифологическом фольклоре (кадр из фильма «Ясон и аргонавты», 1965 год).
Рисунок 5. Монстр Франкенштейна (а), Карел Чапек (б) и Алан Тьюринг (в)
До середины XX века разговоры о разумных машинах носили чисто теоретический характер, но уже в 1956 году разработка искусственного интеллекта приобрела статус научной дисциплины. Произошло это благодаря появлению электронных вычислительных машин, а также прорыву в нейробиологии. Наука о мозге помогла понять, что нервная система функционирует благодаря обмену нейронов электрическими импульсами, а вычислительные машины позволили описывать эти процессы с помощью программ.
Идея теста заключается в том, что экзаменатор общается в текстовом режиме с двумя испытуемыми, один из которых — машина, а другой — человек. Цель экзаменатора — определить, кто есть кто. Тест считается успешным, если машине удается обмануть эксперта. Несмотря на кажущуюся простоту, ни одной программе до сих пор не удалось его пройти.
Хотя настоящего думающего робота создать пока не удалось, различные современные подходы позволяют непрерывно расширять область задач, которые способны решать компьютеры, даже в тех сферах, которые всегда считались доступными лишь людям — например, работа с символами и написание научных статей.
Решение в уме: на пятерку
Из-за чего эмуляция мозга оказывается несказанно трудным делом? Прежде всего, в нем задействован огромный потенциал производительности, благодаря которому шедевр эволюции может противостоять высшим достижениям цифровой современности. В человеческом мозге содержится около 100 млрд нейронов, а синапсов, соединяющих их, и вовсе больше в десять тысяч раз.
Скорость обработки данных нейронами относительно невысокая — около ста операций в секунду. В настоящее время цифровые схемы умеют производить вычислительные операции со скоростью как минимум в десять миллионов раз больше. Тем не менее, сверхразум — это не только скорость. Рецепт успеха от природы — массовый параллелизм: все нейроны и около квадриллиона синапсов могут работать одновременно. Поэтому победа в карточной игре с суперкомпьютером остается за человеческим мозгом.
Производительность 500 лучших в мире компьютеров соответствует логике закона Мура. Китайский Tianhe-2 с почти 34 петафлопс занимает первую строчку рейтинга.
Если наш мыслительный аппарат когда-нибудь можно будет эмулировать, то потребуется компьютер с производительностью порядка одного экзафлопса, производящий от 1018 операций над числами с плавающей запятой в секунду. Производительность самого мощного на сегодняшний день суперкомпьютера в мире, китайского Tianhe-2, составляет около 34 петафлопс — на три порядка ниже требуемой.
Такие мощные компьютеры будут созданы не ранее чем через три года — вероятнее всего, через пять лет. Разработки, кроме Китая, начинают Индия, США и Европа. Важным вопросом станет энергопотребление, которое по нынешним меркам должно составить от 200 до 1000 МВт. Для сравнения: мощность средней атомной электростанции составляет 700 МВт, а наш мозг обходится несколькими миллионными долями от этого значения; во всяком случае, 30 Вт синапсам для интенсивной работы хватает.
Вместе с тем, несмотря на конкретную направленность, HBP — это IT-проект. Юлихскому исследовательскому центру супервычислений, предоставляющему аппаратное обеспечение для HBP, следует разработать более быстрые и эффективные компьютеры, которые были бы ориентированы на биологическую модель: более низкая предельная производительность, более высокий параллелизм.
Взаимосвязь между стоимостью транзисторов и увеличением их тактовой частоты — каждые 13 месяцев расходы снижаются вдвое.
Объемы данных по всему миру ежегодно увеличиваются в два раза, при этом цены на память постоянно снижаются.
Машина может захотеть снова стать биологическим созданием
Давайте предположим, что некий развитый космический разум успешно превращается в машинную форму, либо же его обгоняют супер-умные машинные создания, которые, однако, не превосходят его в геометрической прогрессии. Что произойдет дальше?
Поскольку эти машины ограничены показателями эффективности, существует возможность, что они в итоге начнут оглядываться на свое прошлое в поисках новых способов и уловок для продвижения вперед. Им будет известно (как это известно нам), что биология работает, и что работает она очень хорошо.
Согласно оценкам некоторых ученых, мозг современного человека имеет вычислительные пределы, но для переделки такого сложного органа может потребоваться машина, которая лишь чуть-чуть умнее его. Иными словами, может существовать более оптимальная траектория, которая уведет нас прочь от машины обратно к биологии, обладающей удивительной энергоэффективностью.
Кроме того, нет никакой гарантии, что машинный разум будет абсолютно рационален, и сможет быть таковым. Чтобы взаимодействовать со сложной вселенной, где в самой математике содержатся недоказуемые теоремы, может понадобиться малая толика иррациональности. Сегодня мы обычно строим предположения о том, что будущее нашего разума в какой-то иной форме, кремниевой, а может, квантовой, так как мы считаем, что эти формы превосходят плоть.
Пожалуй, тот же самый спектакль разыгрывается с любым другим разумом. Машина может захотеть снова стать биологическим созданием по практическим соображениям энергетизма, либо по другим причинам, которые мы не в состоянии представить и понять.
Сергей Марков: «Чтобы устроить апокалипсис, человеку не нужен ИИ»
О спикере: специалист по машинному обучению, основатель научно-популярного портала 22century.ru.
— В целом, сценарии с выходом некоторой системы общего ИИ из-под контроля с последующими катастрофическими последствиями мне представляется крайне маловероятным. Для его реализации необходимо стечение огромного количества совершенно невероятных обстоятельств.
Сергей Марков
(Фото: из личного архива)
Большинство предполагаемых апокалиптических сценариев с участием ИИ в действительности включают систему ИИ лишь в качестве своеобразной «вишенки на торте». Бостромовская машина для максимизации числа скрепок может перемолоть все человечество на скрепки лишь благодаря разрушительной технологии, которую не могут остановить другие системы ИИ. Такой машине не нужен «оператор» в виде сверхразума или ИИ-системы человеческого уровня. Устроить катастрофу при наличии такой технологии без проблем смогут и сами люди.
Некоторые интерпретации этой теории предполагают, что система ИИ будет каким-то образом манипулировать людьми, в силу своего интеллектуального превосходства. В действительности такого превосходства, скорее всего, просто никогда не возникнет, поскольку существуют фундаментальные физические лимиты на скорость вычислений (Бремерманна, Ландауэра). Построение оптимальной стратегии в среде, подобной реальному миру, относится к классу сложности EXPTIME-complete. Проще говоря, экспоненциальное увеличение скорости вычислений будет давать лишь линейный прирост «интеллекта».
Разумеется, системы AGI (Artificial general intelligence, сильный искусственный интеллект) в определенный момент начнут превосходить людей в широком спектре интеллектуальных задач, как сегодня это делают системы слабого ИИ для тех задач, для которых они разработаны. Но они плотно интегрированы в систему общественных отношений и используются, прежде всего, для усиления интеллектуальных возможностей человека. В будущем степень интеграции людей и систем ИИ будет только увеличиваться.
Футурология
Работа для робота: сможет ли искусственный интеллект заменить человека
Наверняка можно найти истории, когда обычный автомобильный навигатор мог спровоцировать аварию
Но важно понимать, что риски использования «умных» систем надо сопоставлять с рисками от их неиспользования, а не с гипотетической ситуацией отсутствия рисков
Герд Леонгард, футуролог и главный скептик в отношении того, как технологии влияют на человечество, посвятил искусственному интеллекту целую главу в своей книге «Технологии против человека». Вот что он пишет:
«Представьте себе общество, где технологии, в особенности ИИ, могут решить любую серьезную проблему человечества — начиная от болезней, старения и смерти и заканчивая изменением климата, глобальным потеплением, производством энергии и продуктов питания и даже терроризмом. Представьте машинный интеллект, который сможет обработать большее количество информации, чем мы когда-либо сможем воспринять, и считывать всю информацию в мире в режиме реального времени, где угодно и когда угодно. Это устройство (и его владельцы и разработчики) станет чем-то наподобие глобального мозга, невероятно мощного, за гранью человеческого понимания. К этому ли хотят нас подвести компании типа DeepMind и Google? Как нам удастся сохранить наши человеческие качества при таком раскладе?»
Философская плоскость
Возможно, такая сбивающая с толку невозмутимость объясняется распространяющейся концепцией сингулярности, которую представляет Рэй Курцвейл. Изобретатель и футурист, как известно, нацелен на великие дела: в его истории человек и техника дружно шагают к вечному счастью; любая крупная проблема человечества решается, человек оцифрован, смерть побеждена. Именно овеянная метафизикой тема бессмертия вызывает у критиков ассоциации с безумным лидером секты, который внушает своим отрешенным от мира ученикам почтительный страх перед техникой. Философ Томас Метцингер знает таких цифровых хиппи не понаслышке: «Я часто бывал в Калифорнии и прожил там год. И считаю эту церковь сингулярности и так называемый трансгуманизм полной чепухой».
Швейцарский «Институт эффективного альтруизма» опубликовал доклад об обращении с искусственным интеллектом, в том числе и для того, чтобы инициировать общественное обсуждение
По сути своей это течение могло бы составить конкуренцию традиционным религиям, если оно разработает такую же сильную модель отрицания бессмертия, например, через загрузку на аватары и цифровой дух. Даже если это получит техническое воплощение, Метцингер видит в этом мало смысла: «Это все неверно с философской точки зрения. Если нет субстанционального «я», то что же загружать? Ваши детские травмы, страхи, неврозы? Ваши страдания и вашу жадность? Будет ли это благом? Эта форма трансгуманизма будет не более чем дешевым заменителем религии для технарей».
Курцвейл распознал проблему и отвергает такое понятие, как «трансгуманист». Как он пишет в своей книге «Человечество 2.0», он хочет, чтобы его ассоциировали с его техническими тезисами, а не с сомнительными религиозными производными. Тем не менее, в эзотерической шкатулке он прячет то, что зачастую перекрывает его технические прогнозы и аргументации.
Илон Макс, как и многие другие, не склонен недооценивать проблему искусственного интеллекта
Если Курцвейл и верит еще во что-то кроме технического прогресса, так это в силу свободного рынка, который, по его мнению, постоянно улучшает жизнь всех людей.
Томас Метцингер выходит далеко за рамки философии духа, на которой он специализируется. 58-летний философ исследует человеческое сознание и интенсивно занимается вопросами искусственного интеллекта. Его критика в отношении трансгуманизма никоим образом не должна пониматься как карт-бланш для игнорирования технологической сингулярности интеллектуального взрыва.
Клетки-деревья
Однако один нейрон сам по себе не способен обеспечить сложное поведение, характерное для животных и тем более самого умного из них — человека. По оценкам ученых, в человеческом мозге около 100 миллиардов нервных клеток, которые соединены в сложнейшую сеть со 100 триллионами синаптических контактов между ними (рис. 1). При виде таких чисел в пору отчаяться и бросить попытки разобраться в том, как функционирует этот сложнейший природный объект. К счастью, ученые — люди не робкого десятка и продолжают упорно двигаться вперед.
Рисунок 1. Множество нейронов в срезе гиппокампа крысы. Клетки помечены различными флуоресцентными белками с помощью технологии Brainbow.
Cоотношение вычислительной емкости и энергопотребления
Одной из таких реальностей является вопрос энергетизма (учение, рассматривающее материю как энергетическое образование). Эту тему поднимал фон Нейман, но часто игнорировали в своих беседах футурологи. В компьютерном дизайне ключевым фактором является соотношение вычислительной емкости и энергопотребления. Иногда это соотношение измеряют в вычислениях на джоуль. Микропроцессоры сегодня становятся все сложнее, а кремниевая архитектура все меньше и меньше (сейчас она измеряется десятками нанометров). И тем не менее, показатели эффективности по-прежнему улучшаются. В результате соотношение вычислений на джоуль с каждым годом неизменно увеличивается.
Правда, увеличение с каждым годом все больше замедляется. Некоторые исследователи даже утверждают, что на пути процессорной архитектуры где-то в будущем стоит «стена» энергоэффективности, составляющая примерно 10 гига-вычислений на джоуль по таким действиям как простое умножение.
Это серьезное препятствие для настоящего искусственного интеллекта и для аппаратуры загрузки мозга. Если оценивать необходимую для преодоления этой стены вычислительную мощность (измеряемую скоростью и сложностью операций), то получается, что энергоэффективность должна в миллиард раз превышать показатели стены.
Это можно изложить и иначе. Наш мозг потребляет энергию мощностью 20 ватт. Если вы хотите загрузить себя целиком в машину, используя сегодняшние компьютерные технологии, то вам понадобится источник энергии примерно такой же мощности, какую вырабатывает китайская гидроэлектростанция «Три ущелья», являющаяся самой крупной в мире. Чтобы перевести в компьютерную форму все 7,3 миллиарда живых умов, потребуется энергия мощностью 140 тысяч петаватт. Это примерно в 800 раз больше всей солнечной энергии, попадающей в верхние слои земной атмосферы. Да уж, до перехода человечества в трансцендентальное состояние нам пока далеко.
Где уже применяется искусственный интеллект
Где уже применяется искусственный интеллект. Когда мы набираем слово в поисковой системе в интернете и нажимаем на одну из множества предложенных ссылок, то тем самым мы повышаем авторитет той ссылки, на которую нажали, и снижаем авторитет всех остальных ссылок. На основе этих данных поисковая система перестраивает выдачу таким образом, чтобы наиболее популярные варианты были наверху. Поисковая система может случайным образом на некоторое время поместить на первой странице ссылку, чтобы оценить её популярность, и если кликов по ней не будет, это означает, что поисковая система ошиблась, на базе этой информации она снизит показатели для данной ссылки. В данном случае мы видим пример, когда компьютерный алгоритм учится на своих ошибках, автоматически предлагая всё более хорошие решения. Поисковая система и алгоритмы её настройки — это пример элементарного искусственного интеллекта.
Генетические алгоритмы
Под алгоритмом в общем случае подразумевают последовательный набор действий, который приводит к желаемому результату за конечное число ходов. Например, чтобы прийти в университет, необходимо: 1) проснуться, 2) умыться, 3) одеться, 4) позавтракать, 5) собраться, 6) пойти. Конечно, детали алгоритмов могут быть разными: например, кому-то не нужно собирать вещи, потому что они были собраны вчера. Но важным является то, что в любом случае выполняется последовательность действий, приводящая к нужному результату.
Рисунок 7. Принцип работы генетических алгоритмов. В начале рассматривается популяция алгоритмов, которые выполняют определенную задачу. Затем вводится правило, в соответствии с которым селективно выбираются только те из них, которые способны выполнить задачу лучше других. Затем алгоритмы обмениваются отдельными частями, чтобы получить новые на этапе рекомбинации. После этого на этапе мутаций в алгоритмы вносятся небольшие случайные изменения, чтобы увеличитель их разнообразие. Затем процедура выбора алгоритмов повторяется много раз, и на завершающем этапе остаются только те алгоритмы, которые выполняют задачу наилучшим образом.
Для того, чтобы алгоритмы могли эволюционировать, их разделяют на отдельные части, которые можно менять между собой. Например:
- проснуться—умыться—одеться—позавтракать—собраться—пойти;
- проснуться—собраться—одеться—позавтракать—умыться—пойти и т.д.
Также необходимо отказаться от невозможных вариантов: к примеру, алгоритм «одеться→позавтракать→проснуться→…» невозможен по понятным причинам.
После этого оценивают работу каждого алгоритма и выбирают наилучший. К примеру, в случае с походом в университет лучшим алгоритмом будет самый быстрый. Затем производится обмен их частей между собой и внесение мутаций (добавление и/или видоизменение действий), после чего появляются новые алгоритмы, которые снова оцениваются. Таким образом, через несколько поколений отбираются именно те, которые справляются с задачей лучше всего. Такие алгоритмы часто используют в биоинформатике, инженерном деле и многих других приложениях, чтобы находить наилучшие решения.
Искусственный интеллект — это процесс познания
В середине прошлого века машины стали способны реализовывать достаточно сложную математику, и атака на мышление началась всерьёз. Она велась по двум главным направлениям, которые Алан Тьюринг в своём манифесте обозначил как «сверху вниз» и «снизу вверх».
- С одной стороны, люди разрабатывали алгоритмы, которые могли лежать в основе мышления. Здесь ключевым прорывом стала машина Тьюринга, позволившая разбить задачи вычисления на элементарные шаги, доступные компьютеру. Это направление «сверху вниз».
- С другой, люди создавали модели нейронов и соединяли их в сети в надежде получить действующую модель мозга — а от него вроде как и до мышления недалеко. Это направление получило название «снизу вверх», или коннекционизм.
Вне зависимости от подхода все современные исследования в области ИИ могут служить иллюстрацией принципа «Fake it till you make it» («Подделывай, пока не получится по-настоящему»). Мы моделируем (подделываем) разные аспекты мозга и мышления, затем соединяем полученное между собой и, как у Стругацких в «Понедельнике», «тупо смотрим, что к чему».
Изображение: Reddit
И хотя мы пока что не построили настоящий сильный ИИ, даже неудачные попытки воссоздать человеческий разум в коде и железе помогают нам лучше его понять. Дональд Кнут сказал: «Я не понимаю предмета, если не пытаюсь его запрограммировать». А мы пытаемся закодить себя — и благодаря этому понимаем себя лучше и лучше:
- Педагоги говорят о необходимости обучать детей : умению разбивать задачу на части, использовать циклы, символы и логические операции, представлять решение в виде ряда упорядоченных шагов, то есть алгоритма.
- Учёные уже не первый год рассуждают о «вычислительном повороте» — проникновении компьютерных методов в исследовательский процесс, причём не только в технических и точных науках.
- В прошлом году в энциклопедии Стэнфорда появился раздел, посвящённый вычислительной философии, и это не «философия вычислений», а именно другая философия, использующая цифровые методы.
Всё это инструменты человеческого познания — и одновременно плоды эволюции компьютеров, священным Граалем которой является ИИ.
Что такое квантовый компьютер
Привычные нам компьютеры хранят информацию в двоичном коде, а наименьшей единицей хранения информации является бит. Он может принимать строго одно из двух значений: 0 или 1. При решении задачи ПК проводит множество последовательных операций с битами, и в случае со сложными задачами этот процесс занимает много времени.
Квантовые компьютеры работают принципиально иначе, чем классические. Для решения любых алгоритмических задач они используют квантовые биты — кубиты.
Кубиты могут существовать одновременно в нескольких состояниях, поэтому при проведении вычислений не перебирают последовательно все возможные комбинации, как обычный компьютер, а делают вычисления моментально. В итоге та задача, на выполнение которой у обычного компьютера ушла бы неделя, может выполняться на квантовом компьютере за секунду.
В настоящее время усилия ведущих игроков сосредоточены в направлении разработки специализированных квантовых вычислителей для конкретной задачи (так делает D-Wave) и универсальных квантовых компьютеров для решения разных задач (IBM, Google).
Первый двухкубитный квантовый компьютер появился в 1998 году. Он работал на так называемом явлении «ядерного магнитного резонанса». Компьютер использовался в Оксфордском университете, в исследовательском центре IBM и Калифорнийским университетом в Беркли вместе с сотрудниками из Стэнфордского университета и Массачусетского технологического института. В 2018 году IBM предложила сторонним компаниям использовать ее 20-кубитный квантовый компьютер через облако. Google представила 53-кубитный компьютер Sycamore и заявила о достижении квантового превосходства. Квантовое превосходство подразумевает способность квантовых вычислительных устройств решать те проблемы, которые не могут решить классические компьютеры. По заявлению компании, Sycamore потребовалось около 200 секунд, чтобы выполнить выборку одного экземпляра схемы миллион раз. Самому мощному суперкомпьютеру Summit для той же задачи понадобилось бы около 10 тыс. лет.
Работа Sycamore
(Видео: Google)
Правда, в IBM оспорили утверждение Google. Компания утверждала, что Summit справится с задачей для Sycamore в худшем случае за 2,5 дня, но полученный ответ будет точнее, чем у квантового компьютера. Это позволил предположить теоретический анализ.
В России квантовые технологии также привлекают внимание исследователей. Так, в 2010 году для проведения исследовательских работ в этой области был организован Российский квантовый центр
В 2019 году была разработана сначала единая дорожная карта, а после — дорожная карта на каждое отдельное направление: квантовые вычисления, квантовые коммуникации и квантовые сенсоры. Руслан Юнусов, руководитель проектного офиса по квантовым технологиям госкорпорации «Росатом», говорит, что создание квантовых процессоров стало одной из основных задач дорожной карты, утвержденной в июле 2020 года. По его словам, работа ведется в нескольких плоскостях: развитии фундаментальной науки и первых прикладных внедрениях квантовых продуктов. Россия стала одним из 17 технологически развитых государств с официально утвержденной квантовой стратегией.
Индустрия 4.0
Что надо знать о квантовых вычислениях
Юнусов рассказал, что перед отечественными разработчиками стоит задача к 2025 году построить квантовые процессоры на четырех основных платформах: сверхпроводниках, ионах, атомах и фотонах, а также создать облачный софт, который позволил бы работать с этими процессорами удаленно, вне лабораторий. На реализацию дорожной карты предусмотрено финансирование в размере 23,7 млрд рублей.
Предсказать это не смог никто
История учит нас, что практически невозможно предугадать долговременные последствия революционных технологий. Здесь можно привести один пример. Когда в конце 1700-х была изобретена паровая машина с возвратно-поступательным движением поршня, это изменило жизнь человечества. Предсказать это не смог никто.
Точно так же, никто не смог предсказать появление двигателя внутреннего сгорания и электричества, которые спустя 150 лет превратили паровую машину в устаревший реликт. В равной мере, никто не смог предугадать, что сжигание углеводородов может серьезно навредить нашему виду, изменив состав земной атмосферы.
Мы также не можем привести веских доказательств того, что наша разновидность разума это нечто большее, чем странный результат эволюции длиной в миллиарды лет, и что в космических масштабах такая эволюция является оптимальной. (Справедливости ради надо сказать, что нет и весомых доказательств противного — данных, указывающих на то, что мы странный выверт эволюции.) Положительный момент здесь состоит в том, что когда мы пытаемся экстраполировать наши ощущения от сознания и интеллекта, дабы предложить некую конкретику о состоянии внеземного разума и его мотивов, нам крайне сложно это сделать.
Такая аргументация звучит чрезвычайно удручающе. Получается, что мы глупеем, не можем предсказать собственное будущее, и понятия не имеем, какие разумные существа существуют в космосе (и существуют ли вообще). Однако я утверждаю, что здесь есть и светлые пятна, потому что эти самые действия сил самоанализа заставляют нас смотреть в глаза неким суровым, но удивительным реальностям нашей культуры и наших технологий.
Го: следующий большой успех искусственного интеллекта
Как и в игре в шахматы ни один человек не может рассчитать вперед все комбинации ходов, то же касается и машин: количество соответствующих правилам позиций составляет более чем 2 на 10 в 170 степени. И это немало. Число атомов во всей Вселенной оценивается как 10 в 80 степени.
Можно было бы заменить каждый отдельный атом во всей Вселенной новой вселенной с количеством атомов, составляющим 10 в 80 степени, и все равно их число не достигло бы количества разрешенных позиций в го. Кстати, число соответствующих правилам комбинаций ходов составляет около 10 в 360 степени.
Хороший стратег в го не может полагаться только на комбинационные и математические способности. Ему нужна интуиция, опыт, проницательность, креативность, а также хладнокровие при работе над ошибками. В этом отношении го представляет собой бастион человеческого интеллекта, требующий большего, чем просто применение всех или очень многих теоретических возможностей.
До сих пор настольная игра го считалась недоступной для искусственного интеллекта. Полной неожиданностью было заявление DeepMind о победе ее программы AlphaGo над профессионалом Фанем Хуэем. Теперь AlphaGo побеждает лучшего в мире игрока — Ли Седоля.
То есть, чтобы по-настоящему овладеть игрой, искусственный интеллект должен идти другим путем. И компания DeepMind его нашла. Со своей программой AlphaGo дочерняя компания Google, занимающаяся искусственным интеллектом, пять раз обыграла троекратного чемпиона Европы по игре в го Фаня Хуэя в пяти играх. Была еще вторая неофициальная серия с более коротким временем на размышление; в этой серии из пяти игр победила AlphaGo со счетом 3:2.
В некотором отношении этот триумф имеет большее значение, чем победа суперкомпьютера Deep Blue над чемпионом мира по шахматам Гарри Каспаровым двадцать лет назад, что объяснялось, прежде всего, чистой вычислительной мощностью и обширными игровыми библиотеками. Лучше сравнить AlphaGo с TDgammon — нейронной сетью, которая еще в 1994 году без учителя научилась играть в нарды на уровне мирового чемпиона среди людей.
Превосходство в мышлении благодаря технологиям
С ИИ ситуация может сложиться точно так же: природа показывает нам, как работает мышление, мы же заново его создаем. Преимущество такого подхода будет заключаться в том, что мы полностью можем полагаться на сильные стороны достижений техники — а их несметное количество.
Нейроморфные сети из полупроводниковых пластин, созданные специалистами Гейдельбергского университета, моделируют работу настоящей нейронной сети.
Аппаратное обеспечение производит вычислительные операции и обменивается данными гораздо быстрее, чем их биологический соперник, и кроме того, его возможности могут беспредельно расширяться. Оборудование можно в любой момент оптимизировать, и оно будет надежнее, чем живой человек. Программы и алгоритмы можно обрабатывать и дублировать на любой вкус. Цифровой интеллект обучается гораздо быстрее биологического, к тому же он в состоянии справиться с различными задачами, тогда как даже гении человечества вроде Альберта Эйнштейна могут блистать только в очень узкой области.
Такой цифровой сверхинтеллект будет состоять из рекурсивно самоулучшающегося ИИ (жарг. Seed AI). Начало ему даст первое поколение мыслящих машин. А затем рекурсия позволит самообучающемуся ИИ совершенствоваться. Каждое поколение будет умнее предыдущего. А в конце цикла произойдет «интеллектуальный взрыв».
Как это произойдет и что это значит, мы расскажем в следующей статье.
ИИ – это угроза?
Сегодня может показаться, что искусственный интеллект, представляющий угрозу для человечества – это удел научных фантастов и фильмов наподобие «Матрицы» или «Я-робот». Согласитесь, довольно сложно представить себе всемогущий и страшный ИИ, когда Siri не способна дать правильный прогноз погоды. Но Шейн Джонсон, директор Центра будущих преступлений Дауэса в Калифорнийском университете объясняет, что количество потенциальных угроз будет расти и они будут становится все сложнее и сложнее, переплетаясь с нашей повседневной жизнью.
По мнению Джонсона, чьи слова приводит Inverse, мы живем в постоянно меняющемся мире, который создает новые возможности – как хорошие, так и плохие
Вот почему так важно предвидеть будущие угрозы, в том числе рост преступности. Это необходимо, чтобы политики и другие заинтересованные стороны, обладающие компетенцией, могли выявить преступления еще до того, как они произойдут
Да, прямо как в фильме «Особое мнение» с Томом Крузом в главных ролях.
Хотя авторы работы, опубликованной в журнале Crime Science признают, что выводы исследования по своей сути носят спекулятивный характер и зависят от современной политической обстановки и технического развития, в будущем технологии и политика будут идти рука об руку.
Кадр из фильма «Осбое мнение»
