ИЦАЭ

Просто фантастика

Как искусственный интеллект незаметно стал частью повседневности

Год науки закончился, но научная работа продолжается, и в Информационных центрах по атомной энергии эксперты продолжают рассказывать о том, какие открытия происходят в их научных областях. А сотрудники ИЦАЭ помогают подобрать яркие метафоры и примеры применения технологий в обычной жизни, обсуждая их со спикерами на научно-популярных ток-шоу, телемостах между регионами и лекториях. В феврале Информационные центры по атомной энергии в Воронеже, Нижнем Новгороде и Владимире в режиме телемоста говорили о креативности и искусственном интеллекте, и у зрителей была возможность сравнить творения гениев и компьютера. Сегодня эксперты ИЦАЭ Антон Бурцев и Алексей Незнанов рассказывают об искусственном интеллекте нашим читателям.

Бояться ли восстания машин?

Пока научно-фантастические фильмы пугают зрителей восстанием машин и мрачными перспективами для человечества, искусственный интеллект постепенно внедряется в нашу обычную жизнь, делая ее более комфортной, усиливает профессиональные компетенции специалистов, осваивает творчество во всех его видах, становится незаменимым помощником в отдельных областях, например в медицинской диагностике, на производстве, в сфере обработки больших данных.

По мнению Антона Бурцева, научного сотрудника Института проблем лазерных и информационных технологий РАН, один из самых частых вопросов звучит так: «А не будут ли машины умнее людей?»

«Боюсь, что ответ у меня пессимистический — не будут. По крайней мере работа человеческого мозга и работа ИИ строятся по совершенно разным алгоритмам. В качестве примера могу привести систему распознавания лиц. Человек и компьютер осуществляют эту процедуру с помощью совершенно разных алгоритмов. Компьютер способен за короткий срок обработать колоссальный объем информации, но так интерпретировать, как это делает человеческий мозг, искусственный интеллект еще не умеет. И во многом выводы искусственного интеллекта зависят от того, какие данные в него загружены и какой алгоритм анализа задан. А это уже задачи, которые ставит человек. Поэтому я думаю, что ближайшие перспективы исследований в области ИИ — сделать его алгоритмы более похожими на процесс работы человеческого мозга», — уверен Антон.

Той же точки зрения придерживается и Алексей Незнанов, кандидат технических наук, старший научный сотрудник Международной лаборатории интеллектуальных систем и структурного анализа факультета компьютерных наук Высшей школы экономики: «Искусственный интеллект начинает решать широкий класс задач, но пока без целеполагания, поэтому войной ИИ на нас не пойдет. Задачи ИИ ставит человек».

При этом гораздо более перспективно и продуктивно от страхов переходить к эффективному освоению технологий, считает Алексей Незнанов: «Когда человек начинает общаться с компьютером как с интеллектуальной системой, то начинается настоящее взаимодействие. ИИ подсказывает, выдает дополнительные знания, диагностирует заболевания, определяет, когда оптимально назначить анализы… В результате человек, который не умеет взаимодействовать с такой интеллектуальной системой, вскоре окажется невостребованным на рынке труда, потому что его производительность будет гораздо меньше — умение работать с ИИ экономит время и повышает эффективность работы в несколько раз».

Искусственный интеллект у нас в кармане

Искусственный интеллект постоянно развивается, используется в новых сферах, и то, что считалось ИИ совсем недавно, уже перестает им считаться. Алексей Незнанов называет несколько таких сфер. Во-первых, это системы аналитики с интеллектуальным анализом данных. «Все виды кластеризации, классификации, методов ранжирования, особенно анализ мультимодальных данных, в которых используются видео, аудио, картинки, текст — все это вполне работа искусственного интеллекта», — комментирует эксперт. Во-вторых, виртуальный фон, в том числе анимированный, используемый во время онлайн-общения, тоже создается за счет классических приемов ИИ — в частности распознавания изображения.

В-третьих, это смартфон, который сейчас есть практически у каждого. «С точки зрения прикладных задач смартфон становится инструментом производства. Мы с его помощью можем получать трехмерные карты объекта, переходить по QR-кодам и получать всю необходимую информацию, фотографировать полки с товарами и тут же проверять, не украли ли чего-нибудь, правильно ли все расставлено, какие были продажи за день. В этом плане смартфон — универсальный гаджет с ИИ, который при этом управляется человеком», — рассказывает Алексей Незнанов.

Бесчеловечность как концепт

Понятие «бесчеловечность» применительно к использованию искусственного интеллекта на производстве — это не жестокость и безразличие к чужим страданиям, а полное отсутствие людей, когда механизмы, устройства и сложные комплексы работают автоматически, без вмешательства человека, и управляются ИИ. «Например, есть термин “темные фабрики” (dark factories). Если фабрика работает без людей, то свет в помещениях не нужен», — отмечает Алексей Незнанов.

Надежд на повсеместное внедрение робототехники было много, потом этот процесс затормозился, но сейчас ученые, программисты и конструкторы активно наверстывают упущенное. Достаточно посмотреть на летнее представление андроидов Илона Маска или на новое поколение классических промышленных роботов с точки зрения развития умений и микроминиатюризации. Да и любая современная фабрика по производству микрочипов — это, по мнению Алексея Незнанова, один большой робот, где используется достаточно большое количество искусственного интеллекта.

Второй аспект — это оптимизация. Все начинается с задач в рамках классического программирования, чтобы понять, сколько нужно выпускать подушек, а сколько одеял, а заканчивается решением логистических задач. Здесь начинают использовать квантовые вычисления, и они уже внедряются в производство. Понятно, что искусственный интеллект справляется с подобными задачами быстрее и эффективнее человека.

Креативная индустрия

Креативная индустрия активно использует генеративные модели — воссоздание моделей определенного класса. Это и музыка, похожая на произведения определенных композиторов, и картины, и тексты — все, что касается стилизации, и аватары в кино, которые говорят и двигаются как люди.

Здесь также есть применение для робототехники. «В этой сфере очень удобно экспериментировать. Например, я сам участвую в проекте по созданию робохудожника», — делится Алексей Незнанов.

Роботы приобретают все больше качеств по взаимодействию в разных модальностях. Они могут что-то показать человеку, сказать, написать текст, а сейчас активно занялись анализом и распознаванием, а также генерацией запахов. «Чтобы сгенерировать нужный нам запах на основе базовых, нужен серьезный искусственный интеллект», — поясняет Алексей.

От механизма до организма: ставим диагноз и лечим

Искусственный интеллект позволяет спрогнозировать поломку или отказ оборудования по изменению звука работающего устройства. Достаточно поставить микрофон, и ИИ по изменению звука определит, что в работе начались сбои и оборудование скоро выйдет из строя. «С помощью алгоритмов это считать тяжело, а с помощью нейросетевой модели гораздо проще», — объясняет Алексей Незнанов.

Цифровой двойник Земли, созданный ИИ с помощью телеметрии и анализа данных со спутников и датчиков, помогает более точно прогнозировать погоду и создавать модели изменения климата, которые отличаются гораздо большей точностью. ИИ способен сделать множество интересных открытий в этой области, используя теорию динамического хаоса и отслеживая динамику процесса.

«Искусственный интеллект помогает нам делать протезы нового поколения. Сейчас упор делают не на то, чтобы спрогнозировать все возможные импульсы и состыковать протез с нервной системой, а на процессы, похожие на обучение ребенка ходьбе. Мы запускаем процесс, и он отлаживается в динамике. И мы их учим примерно так же, как учим детей ходить», — говорит Алексей Незнанов. Кроме того, ИИ по фотографии может определить, какие у человека проблемы со здоровьем. Например, по фотографии ноги можно диагностировать заболевание сосудов.

Немного истории

Понятие «искусственный интеллект» появилось в середине ХХ века. Это научное направление, в рамках которого ставятся задачи аппаратного и компьютерного моделирования видов деятельности и функций, считающихся интеллектуальными (мышление, восприятие, память, творчество и т. д.). Повышенный интерес публики к этой области информационных технологий, вероятно, связан с ошибочным восприятием термина массовым сознанием: часто «искусственный интеллект» понимается как машина, обладающая разумом и поэтому способная конкурировать с человеком.

Преподаватель информатики в Сорбонне, действительный член Европейской ассоциации искусственного интеллекта, профессор Жан-Габриэль Ганасия выделяет в истории ИИ несколько периодов.

Период пророчеств. В конце 1950-х делалось довольно много оптимистичных, но не сбывшихся прогнозов, например, предполагалось, что через 10 лет машины будут чемпионами мира по шахматам.

Мрачные времена. В середине 1960-х стали понятны существующие для ИИ ограничения, прогресс замедлился примерно на 10 лет.

Семантический ИИ. Исследования пошли в новых направлениях — психология памяти, механизмы понимания, роль знаний в мыслительном процессе. С середины 1970-х получили развитие алгоритмы представления предложений, написанных на каком-либо естественном языке, в форме, подходящей для обработки компьютером. В начале 1980-х появились экспертные системы (для воспроизведения мыслительных процессов в них использовались знания квалифицированных специалистов), дающие широкие возможности, например, для медицинской диагностики.

Машинное обучение. Технические усовершенствования позволили разработать алгоритмы машинного обучения (Machine Learning), компьютеры смогли накапливать знания и автоматически перепрограммироваться на основе собственного опыта, выполняя самые разные задачи (идентификация отпечатков пальцев, распознавание речи и т. д.)

«Человек — машина». С конца 1990-х ИИ стали объединять с робототехникой и интерфейсом «человек – машина» для создания интеллектуальных агентов, предполагающих наличие чувств и эмоций: появились вычисления, направленные на анализ реакций субъекта, ощущающего эмоции, что позволило, например, усовершенствовать диалоговые системы (чат-боты).

Эпоха возрождения. С начала 2010-х мощность компьютеров позволяет сочетать большие данные (Big Data) с методами глубокого обучения (Deep Learning), основанными на использовании искусственных нейросетей. ИИ все более успешно применяется во многих областях (распознавание речи и изображений, понимание естественного языка, беспилотные автомобили и т. д.).

Луч света в электронном царстве

Об альтернативной системе, на основе которой можно создать искусственный интеллект, рассказывает Антон Бурцев. По его словам, развитие компьютерных технологий сейчас тормозится из-за архитектуры фон Неймана — совместного хранения команд и данных в памяти компьютера. И все больше сложных вычислительных задач уже не могут быть решены из-за ограничений, связанных с пропускной способностью от процессора к памяти. «Образно говоря, пока каждый пассажир не сядет на свое место, поезд не поедет. Сейчас компьютер не может одновременно и учиться, и вычислять. Ему нужно либо останавливаться и заниматься записью и структурированием данных, либо производить новые вычисления», — поясняет Антон Бурцев.

У живых существ и вычислительный процессор, и модуль памяти совмещены в мозге. Отдельный нейрон и образуемые им синаптические связи можно образно рассматривать в виде сумматора. И возникает вопрос: а можно ли создать что-то подобное синаптическим связям?

Решением может стать создание оптического (фотонного) синапса — этой темой занимается лаборатория, в которой работает эксперт. «В целом наша научная группа занимается нейроморфными оптическими системами. Нейроморфные — это биоподобные», — рассказывает Антон.

Кстати, ответ подсказали оптические диски, а если точнее, фазоизменяемые материалы (ФИМ) — вещества, которые обладают несколькими фазовыми состояниями, например аморфным и кристаллическим. Как же происходит фазовый переход? С помощью либо электрического, либо лазерного импульса аморфную пленку нагревают до температуры кристаллизации, и после остывания она сохраняет кристаллическую структуру.

«У нас чаще всего используется термин “стеклование”. Нагреваем до точки плавления и быстро охлаждаем. Получаем переохлажденную жидкость, другими словами, стекло. При переходе из аморфного состояния к устройству ФИМ может быть приложено несколько частично кристаллизующих импульсов, недостаточных для полной кристаллизации. Пороговое значение энергии фазового перехода и стабильность каждого фазового состояния позволяют объединить функции обработки и хранения информации в одном и том же функциональном компоненте», — рассказывает эксперт.

В целом такой материал ведет себя почти так же, как нейрон. Нейрон получает информацию, которая кодируется в синапсе, а изначально аморфная пленка после воздействия на нее нескольких импульсов принимает кристаллическую структуру, в которой закодирована информация.

Научная группа в ИПЛИТ РАН уже создала полноценный оптический синапс на основе полимерного волновода. Переходы в ФИМ осуществлялись с помощью внешнего источника воздействия (лазера). В ходе экспериментов выяснилось, что разработанные учеными оптические синапсы работают практически так же, как и нейронные синаптические объединения в человеческом мозге. Технология пока что достаточно дорогостоящая, но применение полимеров позволяет снизить расходы.

Композитный ИИ

«В ближайшей перспективе — широкое использование мультимодальных моделей, которые умеют одновременно работать с текстом, аудио, видео, потому что специалисты наконец-то научились такие модели эффективно обучать. Уже есть модели, которые по текстовому описанию делают картинки. Сейчас все пошли намного дальше. Например, генерируют фотореалистичные ландшафты», — объясняет Алексей Незнанов.

На основе этой технологии можно подойти к тому, что сейчас называется композитным искусственным интеллектом — включение в решение на основе ИИ комплексного набора знаний, логики и умения мыслить с точки зрения рациональности. В итоге на основе анализа данных делаются выводы, к которым добавляются базовые статистические и специальные нейросетевые модели, а на выходе получается очень интересный инструмент с новыми возможностями.

Так что, подводя итог, можно с уверенностью сказать, что всем нам нужно перестать бояться восстания машин и пора начать осваивать эффективное взаимодействие с ИИ.