Наука и технологии России

Вход Регистрация

Зачем искусственному интеллекту интуиция?

Новость о том, что «компьютер» обыгрывает профессионала в го, облетела интернет. Уже вторую из пяти игр кореец Ли Седоль, один из лучших в мире игроков в го и обладатель девятого дана проигрывает программе AlphaGo, созданной Google Deep Mind. Для Ли Седоля это, видимо, стало большой неожиданностью, ведь он был уверен, что справится с программой, наблюдая её игру с чемпионом Европы по го Фанем Хуэем, прошедшую в октябре 2015 года (в тот раз, кстати, тоже победил AlphaGo, но Фаню Хуэю далеко до уровня Ли Седоля). Почему одному из сильнейших игроков пока не удаётся победить машину, а также что такое искусственный интеллект (ИИ) и какие ещё задачи он может решать, рассказал журналистам главный человек в компании Яндекс по искусственному интеллекту Александр Крайнов.

Как работает искусственный интеллект?

Сначала необходимо разобраться, по какому принципу работает искусственный интеллект. «Искусственный интеллект – это частный случай машинного обучения», – рассказал Александр Крайнов. – Но есть определённая грань, когда просто машинное обучение становится искусственным интеллектом».

Александр_Крайнов
Александр Крайнов: «искусственный интеллект – это как работник, опыту которого вы доверяете, а не ограничиваете его действия должностной инструкцией»

Как ни странно, эта грань не соприкасается с областью логического мышления, а лежит скорее в области опыта. Когда мы решаем какую-либо задачу (принимаем решение), мы опираемся на определённые факторы. Эти факторы неравнозначны. Например, при покупке дачи мы смотрим на цену участка, природу, соседей, удалённость от города и многие другие «переменные». Но главной для нас является, допустим, цена – если стоимость дачи выше, чем мы рассчитывали, мы её не купим.

Так вот, при машинном обучении мы сами задаём программе значимые факторы, а машина подбирает веса коэффициентов, то есть, насколько они важны. А искусственный интеллект сам определяет, какой фактор важен, причём не вообще, а для конкретного случая. С этой задачей хорошо справляется так называемое дерево решений. Это алгоритм, где на каждом шаге машина должна ответить на определённый вопрос, который конкретизирует область поиска.

Как поисковый браузер, Яндекс должен обрабатывать, понимать и правильно интерпретировать запросы пользователей. Например, при создании дерева решений для поисковика первым вопросом может быть, есть ли искомое слово в новостях за ближайшее время? Затем – есть ли соответствующий материал в «Википедии», и так далее.

Игра_ГО
Пример дерева решений

Нейронная сеть – это очень большая многослойная структура, в которой каждый из слоёв состоит из тысяч точек-«нейронов», анализирующих поступающую информацию. У каждого «нейрона» есть два состояния: «да», эта информация верна, и «нет», это неправда. Если первый слой нейронов ориентируется на само изображение, текст, звук или по-другому представленную информацию, то более глубокие слои (кстати. сам интерфейс называется глубокая нейронная сеть, а процесс его обучения – Deep learning) «смотрят» на предыдущий слой и получает таким образом более целостную информацию. И каждый «нейрон» прогоняет через себя всю информацию в поисках соответствия его запросу.

Чтобы обучить нейронную сеть выделять какие-то признаки (например, картинки с человеком среди пейзажных и интерьерных изображений), ей необходимо предоставить доступ к огромному количеству картинок с человеком, а также к не меньшему пулу картинок без человека. Отсортировав миллионы картинок и получив фидбэк, программа запоминает важные признаки и запускает процесс по новой – с новой картинкой. Так постепенно она набирает определённый «пул» значимых признаков и может уже легко, а главное, точно справляться с аналогичными задачами.

«Разница заключается в том, что если до этого факторы мы придумывали сами и давали на «дообучение», в случае нейронной сети мы перестали это делать, мы стали давать примеры, – подытожил Александр Крайнов –

Нейронная сеть учится примерно таким же образом, как дети. Мы же не объясняем ребёнку, что кошечка отличается от собачки формой ушек, усов и так далее. Ребёнку показывают в книжке: вот кошка, а вот собачка. Как ребёнок закрепляет полученные знания? Он переспрашивает у всех членов семьи, по миллиону раз, ошибается вначале, но получает подтверждения или опровержения и закрепляет тем самым полученные навыки. В результате его нейронная сеть сама выработает признаки, по которым он сможет отличать кошку от собаки, хотя мы его этим признакам не обучали».

Почему го?

То есть, у искусственной нейронной сети вырабатывается опыт, который превращается в своего рода интуицию, то есть, способность принимать правильные решения в условиях, когда их очень трудно просчитать. Именно поэтому для проверки искусственного интеллекта была выбрана игра го, а не шахматы, например, как в случае с Deep Blue.

Го – это истинное порождение азиатской культуры. Её суть состоит в том, чтобы «отгородить на игровой доске камнями своего цвета большую территорию, чем противник», а при размере стандартной доски 19×19 клеток и равнозначности игровых фишек у каждого игрока есть огромное количество вариантов хода. Поэтому игрокам на каждом ходу приходится как бы заново оценивать ситуацию. Как утверждает Александр Крайнов, который сам является ярым поклонником  игры го, просчитать партию просто невозможно. Да и знатоки будут объяснять тот или иной ход такими категориями, как «красивый» или «создающий равновесие», которые сложно логически объяснить, но если сыграть сто партий, можно уловить разницу. Поэтому у других вариантов программ с машинным обучением и не получалось обыграть человека в го.

Программа AlphaGo наблюдала огромное количество партий, причём она была настроена так, что ходы победителей она воспринимала как «хорошие», а проигравших – как «плохие». «Конечно же, не все ходы хороших игроков обязательно самые лучшие в сложившейся ситуации, – пояснил Крайнов. – Но на большой выборке они в среднем лучше, чем ходы проигравших».

Игра_ГО
Результат второго матча AlphaGo против Ли Седоля – пример «красивой игры»

AlphaGo и сейчас продолжает учиться: наблюдать другие матчи и играть с собой. Роковая ошибка Ли Седоля заключалась в том, что он не учёл способности программы к самосовершенствованию. Поэтому в октябре, когда программа обыграла европейского чемпиона, он и заявил с такой уверенностью, что его компьютеру не одолеть. Кстати. компьютером AlphaGo можно назвать лишь условно: сейчас с корейским чемпионом играет устройство, включающее аж 1202 процессора. Но как бы то ни было, за прошедшие месяцы программа существенно повысила уровень игры. Как отмечают специалисты, разрыв между сильными и слабыми ходами AlphaGo очень невелик, а это и определяет хорошего игрока.

Искусственный интеллект на службе

Естественно, глубокие сети можно научить не только различным играм. Важнейшим применением сегодня является извлечение смысла – из текста (это позволило бы создать универсальный переводчик), аудиозаписи (расшифровка аудиоматериалов до сих пор остаётся больной темой для журналистов), картинок (расшифровка текста).

Система искусственного интеллекта может разбить поток информации на части, выбрать из них значимые, потом конвертировать их в такие же значимые части но «в другой системе координат» и выдать заново. Для поисковых систем развитие этого направления значило бы революцию. Начало этому процессу уже положено – это и распознавание голосовых запросов в браузере или навигаторе, и система распознавания лиц в Facebook.

Кстати, распознавание лиц нужно не только в соцсетях. Например, компания Insilico Medicine использует фотографии для изучения старения и его проявлений. А помимо фотографий искусственный интеллект можно обучить распознавать и различные биомаркёры или изменения в тканях, которые с большой вероятностью свидетельствуют о том или ином заболевании.

Сегодня искусственному интеллекту доступны все те же области, что и человеку. Поэтому ничего удивительного, что у ИИ можно развить и художественный вкус, и даже навыки работника творческих профессий. «Я думаю, через какое-то время под угрозой окажется, например, профессия композитора поп-песен, – уверен Крайнов. – У системы будет возможность проанализировать сотни тысяч мелодий, по архивам прессы выяснить, какие из них добивались успеха, и создавать похожие мелодии. Более того, у таких программ будет даже возможность предсказать, насколько популярным окажется шлягер».

Но не стоит переживать. Гений человека, который обеспечивает не только количественные, но и качественные изменения пока остаётся вне конкуренции, уверены специалисты.

РЕЙТИНГ

4.88
голосов: 8

Обсуждение

Новости

Хотите получить умного ребенка – ешьте больше фруктов во время беременности

Греческий археолог уверен, что нашёл могилу Аристотеля

На юге России открыты могильники «безымянной» кавказской цивилизации

Работать стоя гораздо продуктивней, чем сидя

Робота-таракана научили прыгать и летать

Монголы раздумали завоевывать Европу из-за резкого изменения климата

Кстати,
до
0,006
кельвина...
Конференция IPS-21