По мнению специалистов Google, мы живем в “первом веке искусственного интеллекта”. Последние прорывы в области машинного обучения, компьютерного зрения, распознавания речи не дают оснований утверждать, что человечество вплотную приблизилось к созданию ИИ.
Путь к этой цели тернист, и чтобы его пройти ученым необходимо преодолеть 3 глобальных препятствия, — уверен Нил Лоуренс, профессор кафедры машинного обучения Шеффилдского университета и член команды разработок технологий ИИ компании Amazon.
1. Информация
В XXI веке информация подобна углю в начале промышленной революции: люди понимают ценность этого ресурса, но пока не могут использовать его максимально эффективно.
Мы знаем, что для создания ИИ требуется много данных. Собирать их могут лишь крупные компании, вроде Google или Facebook — и то, в рамках строгой конфиденциальности. Стартапам доступ к ним ограничен.
Первое препятствие на пути к созданию ИИ, по мнению Лоуренса, — нынешнее представление людей о неэтичности доступа сторонними лицами к персональной информации. Это барьер, преодолеть который современному обществу еще предстоит.
2. Многозадачность
По сути дела, все существующие алгоритмы очень глупы, так как не могут выполнять одновременно несколько задач.
«Мы не можем научить систему играть во все игры сразу, так как правила каждой будут смешиваться друг с другом и в конечном итоге мешать выполнять поставленную задачу. Каждый раз приходится учить машину заново, и при этом система каждый раз «забывает» то, как играть в предыдущую игру», — отмечает Райа Хадселл, научной сотрудницы DeepMind компании Google.
Возможное решение кроется в так называемых прогрессивных нейронных сетях – объединении независимых систем глубинного обучения в единое целое для более эффективной работы с информацией. Более подробно о них можно почитать здесь.
3. Логика
Как бы хорошо мы не понимали принцип работы нейронной сети, принимаемые ею решения для нас не всегда ясны и предсказуемы.
Отличным примером этой проблемы служит эксперимент Политехнического университета Виргинии. Исследователи создали для нейронной сети систему слежения, которая записывает, с каких пикселей цифрового изображения компьютер начинает свой анализ. Исследователи показали нейронной сети изображения спальни и задали ей вопрос: «Что висит на окнах?». Машина, вместо того чтобы сразу посмотреть на окна, начала анализировать изображения, начиная с пола. В поле ее зрения попала кровать и машина дала ответ: «на окнах висят шторы».
Ответ оказался правильный, но только потому, что система была научена работе с ограниченным объемом данных. На основе показанной картинки нейронная сеть сделала вывод, что если на фото изображена спальня, то на окнах, вероятнее всего, должны быть шторы. Поэтому, когда в поле ее зрения попала деталь, которая обычно присутствует в любой спальне (в данном случае кровать), она не стала анализировать изображение дальше. Она, возможно, даже не видела эту кровать, она видела шторы. Логично, но очень уж поверхностно и притянуто. Кроме того, во многих спальнях нет штор!
Источники: