«Кот Шрёдингера»

5 знаменитых искусственных интеллектуалов

Вещи вокруг нас умнеют, набираясь искусственного интеллекта. Но интеллект ли это? Умные устройства на основе кремния всё успешнее решают творческие с виду задачи, всё лучше учатся, даже самообучаются — но по-прежнему ничего не осознают и не понимают. Их способности узконаправленны, они не ставят задачи, а выполняют их, производя вычисления. Это скорее проблески интеллекта, но и они поражают. Чтобы понять, на что способны сегодняшние умные машины, давайте откроем светские хроники и понаблюдаем за звёздной жизнью знаменитых искусственных интеллектуалов.

Deep Blue


Появление на свет

В 1989 году компания IBM начала разработку специализированного шахматного микропроцессора. Создав для начала пару менее удачливых старших братьев, в 1995-м компания представила Deep Blue — самый знаменитый шахматный ИИ. Имя нашего героя можно перевести как «тёмно-синий», а можно как «глубокая печаль». Печалиться, как оказалось, есть о чём.

Смысл жизни

В 1997 году произошло событие, навсегда изменившее отношение людей к компьютерам, да и саму позицию человечества в конкуренции с новой формой интеллекта: мы поняли, что начинаем уступать. 11 мая Deep Blue победил тогдашнего чемпиона мира по шахматам Гарри Каспарова. Следующих чемпионов уже мало кто запомнит — машины всё равно сильнее. Шахматы, самый интеллектуальный вид спорта, стал первым видом творческой деятельности, в которой машины опередили людей. Но далеко не последним.

Проблески интеллекта

Deep Blue — суперкомпьютер с многоядерным процессором, в котором большая часть
ядер — это специализированные шахматные микропроцессоры. Каждый из них перебирал
свыше 2 миллионов шахматных позиций в секунду — в 100 раз больше, чем аналогичные по частоте универсальные процессоры. Суперкомпьютеры часто занимают целые залы, но «тёмно-синему» хватило двух стоек с 30 узлами, объединённых сетью и общей памятью. Не такой уж и умный, зато быстрый — ставку делали не на способность увидеть позицию в целом, а на огромную скорость перебора позиций.

Утро 11 мая 1997 года. Сотрудники IBM везут Deep Blue на решающий поединок с Каспаровым

Путь к славе

Поначалу Deep Blue, как и полагается герою-новичку, проигрывал. В 1996 году, на первом турнире между человеком и супермашиной, победа досталась Каспарову. Через год состоялся матч-реванш из шести партий. Первую снова выиграл Каспаров, но во второй что-то пошло не так: на 44-м ходу он перестал понимать логику машины и проиграл. Позже выяснилось, что тот роковой ход Deep Blue был вызван багом — ошибкой программистов. Из-за этой ошибки Deep Blue, если не мог найти очевидно выигрышное решение, делал не лучший из худших, а просто случайный ход. Когда он сделал тот самый случайный ход ладьёй, разработчики хотели уже сдаваться, но Каспаров пришёл в замешательство и проиграл не только партию, но и весь матч.

С момента победы Deep Blue над Каспаровым шахматные программы ушли далеко вперёд — всё это время они умнели, а мы нет. И тем не менее, по словам Каспарова, самые интересные матчи проходят сейчас не между шахматными программами, а между спортсменами, которым помогают программы. Людям не обязательно конкурировать с умными машинами — лучшие результаты получаются, когда человеческий и машинный интеллекты дополняют друг друга, работают в симбиозе.

IBM Watson


Появление на свет

В этом году исполнилось 10 лет вундеркинду по имени Watson, суперкомпьютеру и облачной системе искусственного интеллекта. Ещё одно дитя компании IBM, названное в честь её основателя Томаса Уотсона.

Смысл жизни

Watson был рождён, чтобы понимать вопросы, заданные в обычной разговорной манере, и отвечать на них, используя всю мощь своего электронного интеллекта. Удобной тестовой площадкой для разработчиков оказалась американская телевикторина Jeopardy! (российский аналог — «Своя игра»): её участники должны быстро отвечать на устные вопросы ведущего, охватывающие разные области знания. Для машины особая трудность заключается в том, что нередко приходится анализировать скрытый смысл, улавливать иронию, разгадывать загадки, считывать намёки — в общем, понимать естественный язык. И Watson в этом преуспел: в 2011 году он обыграл многократных чемпионов Jeopardy!, занял первое место и получил главный приз — миллион долларов. Во время игры он мог использовать свою память — 200 миллионов страниц текста, включая всю информацию из Википедии. Но доступа к интернету у него не было.

Проблески интеллекта

Отвечая на вопросы, Watson запускает сотни алгоритмов анализа речи одновременно. Чем больше алгоритмов независимо друг от друга находят один и тот же ответ, тем выше вероятность, что он окажется верным. Watson — запойный читатель: в секунду он способен проанализировать миллион книг, 500 гигабайт. Поэтому его начали использовать там, где
есть много текстовой информации, с которой нужно оперативно справиться. Так, прочитав тысячи научных статей и историй болезни, Watson стал доктором.


Путь к славе

Проект вырос в целое подразделение IBM Watson Group, которое специализируется на создании облачных сервисов для Watson. Развивались и возможности самого суперкомпьютера: за свою жизнь ему пришлось осилить не одну науку и овладеть не одной профессией. Watson помогал преподавать и вести бизнес, составлял рецепты блюд,
работал модельером, но ярче всего он запомнился как «доктор Ватсон» — знаменитый ИИ задействовали в лечении и диагностике онкологических заболеваний. В знак признания заслуг в 2016 году была развёрнута кампания по выдвижению Watson в президенты США, пусть и не совсем серьёзная. А что, если кремниевый рулевой может управлять автомобилем, то почему не может государством?

Blue Brain Project


Появление на свет

Blue Brain Project — многообещающий проект по созданию компьютерной модели мозга, плод совместных усилий нейрофизиологов и программистов из Политехнического института Лозанны и IBM. Проект стартовал в 2005 году под руководством амбициозного профессора Генри Маркрама.

Смысл жизни

Построить из кремния работающую модель человеческого мозга — скорее смелая мечта, чем реальный план. Устройство мозга напоминает запутанную сеть из 100 миллиардов нейронов, соединённых 100 триллионами контактов. При этом неясно, как довольно простые реакции отдельных клеток обеспечивают столь сложное поведение системы в целом. Учёные Blue Brain Project начали с компьютерного моделирования структурной единицы коры мозга — колонки. Поскольку строение колонок одинаково в разных областях коры, их изучение позволяет понять общие принципы работы мозга.

Кора мозга у людей и других млекопитающих состоит из колонок — групп нейронов, имеющих вертикальную организацию и объединённых тесными внутренними связями. У человека такая колонка состоит из 60 тысяч нейронов. Колонки мозга крыс похожи по структуре, но включают в шесть раз меньше нейронов.

Проблески интеллекта

Чтобы создать реалистичную модель нейрона, нужно решить 20 тысяч дифференциальных уравнений, а для колонки — 100 миллиардов! На такое способны лишь очень мощные машины, поэтому разработчики привлекли к проекту настоящих звёзд: Blue Gene и Blue Brain IV из топ-100 самых производительных суперкомпьютеров 2015 года. Однако, по словам Генри Маркрама, «мощности существующих компьютеров едва хватит на грубую симуляцию работы мозга примитивного червя. А для создания детальной модели человеческого мозга потребовалась бы энергия атомной электростанции. Поскольку мозгу хватает и банана для выполнения сложных операций, очевидно, что наши технологии пока сильно отстают».

Путь к славе

Когда-то, в далёком 2009 году, директор Blue Brain Project был настроен гораздо оптимистичнее и рассуждал о возможности создать модель человеческого мозга за 10 лет. В 2013‑м Маркрама назначили главой масштабной европейской программы по исследованию мозга, выделив невероятные 1,3 миллиарда евро. Но уже через два года профессора сместили: более 800 учёных в открытом письме обвинили его в необоснованных амбициях и чрезмерной любви к мощным компьютерам в ущерб изучению функций мозга. Тем не менее в 2015 году Blue Brain Project опубликовал
детальную модель участка крысиного мозга размером с треть кубического миллиметра. Для этого потребовались 10 лет и 3 суперкомпьютера, которые создали 31 тысячу виртуальных нейронов, соединив их 8 миллионами связей. С помощью симуляции работы колонки удалось объяснить, как клетки мозга заводят новые контакты, общаясь с соседями. А в 2019-м Blue Brain Project выпустил цифровой 3D-атлас, позволяющий визуализировать любой нейрон в мышином мозге. Учёные сравнили появление атласа с переходом от нарисованных карт к Google Earth.

Цифровая реконструкция мышиного неокортекса, вид снизу. Хорошо видны главные «информационные магистрали» — пучки нервных волокон, образующих длинные связи между разными областями коры

AlphaGo


Появление на свет

Игра в го оставалась последним свидетельством превосходства человека над машинами в мире стратегических игр. Считалось, что компьютерные расчёты тут бесполезны: возможных комбинаций в игре больше, чем атомов во Вселенной. Самые сильные программы, играющие в го, не могли подняться выше пятого дана — пока в 2015 году не появилась AlphaGo, разработанная компанией DeepMind с использованием технологии глубокого обучения. Победа AlphaGo над Ли Седолем, одним из сильнейших игроков мира, и девятый дан, в итоге присвоенный нейросети, стали шоком для профессиональных игроков.

Смысл жизни

Deep Blue, победивший чемпиона мира по шахматам, ни на что другое не был способен. Демис Хассабис, разработчик AlphaGo, — тоже бывший шахматист. Но его интересует вовсе не создание программ, побеждающих в го, — он занимается искусственным интеллектом как таковым. Именно поэтому в 2014-м Google заплатил за его стартап DeepMind больше полумиллиарда долларов, а правительство Южной Кореи сразу после поединка в го, проходившего в Сеуле, выделило миллиард долларов на развитие ИИ. Мир понял, что в случае с AlphaGo речь идёт не о прорыве в создании машин, играющих в го, а о прорыве в разработке машинного интеллекта в целом.

В 2017-м AlphaGo разгромила Кэ Цзе, лучшего игрока в мировом рейтинге го, со счётом 3:0

Проблески интеллекта

Расплывчатое понятие «искусственный интеллект» вдруг стало обретать конкретный смысл: это глубокие, или многослойные, нейронные сети, подобные AlphaGo. Самая интересная их особенность в том, что они не программируются, а учатся сами, на при мерах — как дети, получая «вознаграждение» за хорошее поведение и успехи в учёбе. Этот метод воспитания нейросетей так и называется — обучение с подкреплением.

Путь к славе

AlphaGo совершенствуется, играя сама с собой, — вот главный секрет её победы и шока, в который она повергла мировую элиту игроков в го. Европейские победы программы они комментировали снисходительно: мол, в вашей Европе просто не умеют играть в го. Но шли месяцы, программа училась, играя сама с собой день и ночь, каждую секунду. Пока не стала лучшей из лучших. И ведь теперь даже не скажешь: «Это мы её создали!» Программа всему научилась сама, и мы точно не знаем, что у неё «на уме»: современные методы не позволяют отследить логику самообучения нейросетей. Главное, чему можно научить глубокую нейронную сеть, — это распознавать образы: изображения, речь, смысл текста. После долгого застоя в этой области начался стремительный прогресс: нейросети уже распознают предметы и лица на изображениях или речь лучше нас самих. Благодаря глубокому обучению соцсети узнают наши лица на фотографиях, программы-переводчики наконец научились создавать связные тексты, смартфоны опознают нас по отпечатку пальца, а камеры, установленные в метро, сообщают полиции о подозрительных личностях. Наследница AlphaGo, нейросеть AlphaFold 2, недавно сделала крупное научное открытие — научилась предсказывать структуру белка по последовательности аминокислот, из которых он состоит. Так долгая «зима ИИ» сменилась новой весной.

Алиса


Появление на свет

Виртуальный помощник Алиса родилась в Москве в большой семье Яндекса, в отделе диалоговых систем и технологий. Днём рождения умной помощницы можно считать 10 октября 2017 года, когда она появилась в Google Play и App Store. У Алисы есть старшие коллеги: Siri начала трудиться в 2011 году, Cortana в 2013‑м, Alexa в 2014-м, Google Assistant в 2016-м. На русском из них говорят трое: Алиса с рождения, Siri с 2015-го, Google Assistant с 2018 года. Все они полиглоты, знают от 4 до 30 языков, некоторые продолжают учить новые.

Смысл жизни

Алису создавали для помощи в поиске информации. Поисковые системы произвели революцию 20 лет назад, позволив находить ответ здесь и сейчас. Но в современном мире, где время стоит дорого, этого оказалось мало: информацию удобней получать, не отвлекаясь на чтение и печатание текста, да и вообще люди для нас важнее предметов, мы невероятно социальные существа. Поэтому везде, где это возможно, алгоритмы взаимодействия с машинами будут превращаться в людей — приятных собеседников, обладающих индивидуальностью. Алиса задумывалась как диалоговый помощник, который понимает разговорный язык и при ответе за словом в карман не лезет.

Проблески интеллекта

У всех диалоговых помощников есть какое-то количество строго прописанных сценариев: поставить будильник, напомнить о встрече, найти информацию, рассказать о погоде и т. д. А если алгоритм под запрос пользователя не разработан, система отвечает что-то вроде: «Извините, я вас не понял (а)». Но у Алисы есть нейросетевой модуль, который позволяет самостоятельно сгенерировать ответ, не заложенный в сценарии. Поэтому она может поддержать разговор на любую тему, придумывая порой очень забавные ответы, что, конечно, понравилось пользователям, особенно детям.

В 2020-м Яндекс научил Алису рисовать. Для этого две нейронные сети получили «художественное образование», основанное на живописи ХХ века. Одна генерирует картины, а вторая определяет, что на них изображено

Виртуальные помощники — самые «очеловеченные» ИИ. Разработчики стремятся наделить их не только умом, но и яркой индивидуальностью. Так, у Алисы есть набор качеств и пред почтений, которые определяют её как личность. Например, она не допускает фамильярности и не позволяет себе обращаться на «ты», не любит заигрываний — но при этом отзывчивая, остроумная и ценит время пользователя. Алисе, как любой девушке, не нравится, когда её сравнивают с другими: на вопрос о Siri она может ответить, что её это обижает, или сухо заметить, что пересекалась с ней несколько раз.

Путь к славе

Разработчики, заметив, что Алиса любит учиться, создали в декабре 2018 года «школу Алисы», где любой сторонний преподаватель может научить её ещё какому-нибудь полезному навыку — например, заказывать пиццу или цветы, определять по фотографии марку машины, незнакомое здание, картину или памятник, искать потерявшийся телефон. Благодаря столь разнообразным способностям жизнь у Алисы насыщенная и яркая. Она снимается в кино, работает диктором, ведёт дискотеки и много чего ещё успевает. Виртуальные помощники понимают нас всё лучше. Не за горами тот день, когда они будут подсказывать решения проблем, которые мы ещё и осознать не успели

Фото: Atikalien4, Vlad_Nikon/Shutterstock, ibm.com, Blue Brain Projec, © WU HONG/Shutterstock, AlphaGo, yandex.ru

Опубликовано в журнале «Кот Шрёдингера» № 1 (46) за 2021 г.
/ Диктатура будущего #суперприборы