«Успех в создании ИИ станет самым большим событием в истории человечества. К сожалению, она может оказаться и последней, если мы не научимся избегать рисков». — Стивен Хокинг, физик-теоретик

Все слышали о конфликте. Как ИИ резко сделает общество более эффективным и способным за относительно короткий период времени или как люди станут домашними животными по воле таких машин. Как люди могли наконец достичь утопии, или как мы могли быть вынуждены выживать во время вторжений машин. Простой ответ на эту дилемму: нет. Точный ответ: никто не знает, кроме нашего воображения.

Для всех людей, слишком ограниченных во времени для чтения, вот краткое объяснение содержания статьи.

Точное будущее человечества зависит от нашего собственного решения. Это хорошо известно с древних времен. Однако в быстро меняющемся мире влияние наших повседневных решений, по-видимому, возросло. Одной из движущих технологий, которые продолжают продвигать доминирование и эффективность человечества, был и остается искусственный интеллект. Из-за его захватывающих дух достижений, а также его заметного изображения в СМИ как угрозы, стереотипные и неустойчивые заблуждения заполонили отрасль. Чаще всего люди склонны задаваться вопросом, окажет ли ИИ положительное влияние на человеческое общество, как только он превысит уровень «разума».

Ответ на этот вопрос – нет; по крайней мере на данный момент. Вопрос не недействительный, а скорее неопределенный, поскольку по-прежнему отсутствует достоверная информация о разработке интеллектуальной модели. Существуют широко распространенные разногласия по поводу того, возможна ли такая модель вообще, и какой степени интеллекта сможет достичь искусственный интеллект (искусственный узкий интеллект / искусственный общий интеллект / искусственный сверхинтеллект). Разногласия в этом разговоре включают, но не ограничиваются разногласиями относительно скорости развития интеллекта, способности каких-либо моделей в данный момент повторять свой собственный интеллект, а также временных рамок развития ИИ, среди множества других соответствующих вопросов. подобсуждения.

Однако долгосрочная неопределенность в отношении влияния искусственного интеллекта на человеческое общество не должна ограничивать его неоспоримое эффективное влияние практически на все аспекты человечества в настоящий момент. Искусственный интеллект принес комбинацию сложных математических моделей с невероятной скоростью благодаря вновь обретенной вычислительной мощности машин. Это помогает создавать модели машинного обучения, способные выполнять широкий спектр задач, с различными приложениями, такими как модели прогнозирования, решающие модели и модели синтеза данных. В заключение, долгосрочная неопределенность не должна ограничивать современное внедрение ИИ из-за отсутствия предварительных доказательств любого потенциального результата.

Например, обучение с подкреплением — одна из самых передовых моделей машинного обучения — имеет бесчисленное количество современных применений в различных областях, от экономики до медицины. Обучение с подкреплением использует исследование среды агента для сбора данных о состоянии и коррелированном поведении агента. Благодаря повторению и наказанию агент может сформулировать поведение, которое приведет к наиболее существенному вознаграждению. Это может быть применено для создания торговых алгоритмов, которые посредством моделирования определяют идеальный поведенческий выбор для получения наибольшей денежной ценности. Другие приложения включают в себя идентификацию различных заболеваний, оптимизацию траектории, динамическое определение пути, анализ политики и планирование движения среди различных других интерпретаций, ограниченных воображением программиста!

Еще одной прорывной моделью машинного обучения стала GAN. GAN расшифровывается как Generative Adversarial Networks, которые имеют довольно нишу, но, тем не менее, мощное использование. Модель работает через случайный входной вектор, вставленный в модель генератора. На основе этого входного вектора (в первую очередь многомерного гауссова) модель генератора создает поддельное изображение. Благодаря собранным образцам данных в реальной жизни как поддельные, сгенерированные изображения, так и настоящие изображения вставляются в модель дискриминатора. Затем модель дискриминатора пытается точно определить поддельные и реальные изображения. Это приводит к бинарной классификации множества поддельных и реальных изображений. Модели генератора и дискриминатора пытаются модифицировать себя в зависимости от их точности/успешности. Следовательно, благодаря самосовершенствованию, вызванному конкуренцией между этими моделями, модель-генератор учится создавать реалистичные изображения, тогда как модель-дискриминатор учится выявлять второстепенные детали между наборами изображений. Такую сложную модель можно описать как соревнование между двумя моделями машинного обучения. GAN помогают создавать гиперреалистичные изображения, видео, а также другие форматы мультимедиа (в первую очередь звук и текст).

Хотя модели, упомянутые выше, довольно мощные и находятся в заголовках ниши машинного обучения, они весьма далеки от гуманоидных машин, способных разрушить современное общество (если такой искусственный интеллект вообще возможен). Текущее состояние машинного обучения известно как ANI или искусственный узкий интеллект. Для справки, людей можно сравнить с общим искусственным интеллектом. Эти АОН способны решать узкие задачи с относительно специфическими критериями. В более широкой среде без необходимой подготовки модели пытаются использовать интеллект, не применимый к текущей ситуации. Например, искусственный интеллект, умеющий играть в шахматы, не смог бы играть в крестики-нолики без необходимой подготовки. Это ключевое отличие. ИИ еще не способен применять общие знания для получения узких знаний.

Лично я считаю, что развитие ИИ должно продолжаться более структурировано. По мнению экспертов, если бы такой общий интеллект мог быть создан, он мог бы посредством повторяющегося обучения получить сверхчеловеческий интеллект. Ожидается, что такие сроки будут экспоненциальными в целом. Однако непосредственные преимущества искусственного интеллекта слишком важны, чтобы их игнорировать, и поэтому я считаю, что мы должны контролировать развитие ИИ. Под этим я подразумеваю, что необходимо принять официальное законодательство, требующее, чтобы прорывы искусственного интеллекта проводились документально, чтобы обеспечить более быстрое время реагирования в случае возникновения таких разрушительных событий. Эта структура позволит проводить более структурированные исследования и разработки, а также установить больше связей между международными лидерами в области искусственного интеллекта.

На протяжении всей истории человечество всегда параноидально относилось к неизведанному. Гомогенный сценарий произошел с ядерной энергетикой несколько десятилетий назад. Хотя область ядерной энергетики еще не исследована до крайних глубин, это более опытная подтема по сравнению с искусственным интеллектом. Мы были параноиками из-за неуверенности в его воздействии на человека и рисках, которые он представлял для окружающих регионов. Без разведки; однако мы никогда не смогли бы узнать больше о глубинах физики, наряду с 10% мирового электричества! Другим примером может быть промышленная революция. В то время считалось, что эти машины увеличат безработицу, но вместо этого они привели к безудержному развитию наряду с увеличением занятости (путем создания новых отраслей для занятости). Эти сценарии не были идеальными, нет ничего идеального. Промышленная революция привела к глобальному потеплению, а атомная энергетика привела к нескольким жертвам. Однако, по сравнению с их положительным влиянием, я чувствую, что мы не можем игнорировать невероятные возможности, которые предоставляет нам искусственный интеллект.

Как и в случае со всеми стереотипами и чрезмерными обобщениями, единственный способ стать более информированным гражданином — это взглянуть на историю с нескольких сторон. Вместо того, чтобы принимать необоснованные утверждения/мнения в СМИ, постарайтесь получить информацию из мнений экспертов, передовых исследований или надежных источников. Посмотрите на различные входные данные о будущем искусственного интеллекта и их соответствующие предложения о том, как следует продолжать развитие в отрасли. Глядя на различные стороны этой уместной истории, вы как читатели лучше понимаете, где находится будущее человечества, и можете принимать обоснованные решения для себя.

Что касается будущего ИИ, я считаю крайне важным, чтобы мы принимали преждевременные решения, а не оставались в нерешительности. Если человечество продолжит идти несколькими противоположными путями, единственным мыслимым исходом будут различные формы конфликтов. Поэтому, независимо от того, решит ли человечество противостоять или поддержать искусственный интеллект, очень важно, чтобы мы придерживались решения, чтобы иметь хотя бы минимальный шанс на конструктивное воздействие.

Дополнительные ссылки, чтобы узнать больше о будущем машинного обучения:

Книги-бестселлеры

Подробный обзор: https://www.yalescientific.org/2018/01/life-3-0-review-being-human-in-the-age-of-artificial-intelligence/

«Жизнь 3.0» — чрезвычайно хорошо написанная книга, которая служит исчерпывающим руководством по различным аспектам (моральные последствия, сознание, преступность, система правосудия, воздействие, развитие среди различных других определяющих факторов ИИ) будущего общества в мире, окруженном различными формы искусственного интеллекта. В книге перечислены различные теории и результаты в зависимости от нескольких факторов развития искусственного интеллекта. Книга написана довольно непредвзято, чтобы читатели могли составить собственное мнение и внести свой вклад в соответствующую дискуссию об искусственном интеллекте.

Другие известные обязательные к прочтению:

Подробный обзор: https://medium.com/@rossrco/book-review-superintelligence-paths-dangers-strategies-by-nick-bostrom-19675475d31f

Расширенный обзор: https://insidebigdata.com/2016/01/12/book-review-master-algorithm/

Лаборатории искусственного интеллекта

Подробный обзор: https://www.technologyreview.com/2020/02/17/844721/ai-openai-moonshot-elon-musk-sam-altman-greg-brockman-messy-secretive-reality/

OpenAI предлагает как введение в искусственный интеллект для начинающих, так и передовые модели, которые углубляются в глубины существенного влияния, которое может оказать искусственный интеллект. Он дает своим читателям концептуальное представление о последних аспектах искусственного интеллекта, а также помогает сориентировать широкую публику в том, как может выглядеть мир с ИИ. Будучи некоммерческой организацией, OpenAI предоставляет своим последователям широкий спектр средств массовой информации и взаимодействия, чтобы обеспечить максимально конструктивные и информативные обсуждения искусственного интеллекта (изображения, видео, блоги, статьи, публикации, API, код, исследования).

Другая известная лаборатория ИИ:

Дополнительные темы для изучения:

Нейронная машина Тьюринга (НТМ) — это рекуррентная нейросетевая модель машины Тьюринга. Подход был опубликован Alex Graves et al. в 2014 году. НТМ сочетают в себе возможности нечеткого сопоставления образов нейронных сетей с алгоритмической мощностью программируемых компьютеров. — Википедия НТМ