Тоби Уолш: Искусственный интеллект не несет в себе экзистенциальной угрозы

Тоби Уолш: «Искусственный интеллект помогает компьютерам принимать решения, которые обычно принимает человек. И делать это гораздо более тщательным, систематическим и оптимальным образом»


10:15 15.10.2018   |   3189 |  Дженнифер О'Брайен |  CIO Magazine, Австралия

Рубрика Предприятие



Есть целый ряд причин, объясняющих прогресс искусственного интеллекта сегодня и в будущем, считает австралийский профессор.

По словам эксперта по искусственному интеллекту, профессора Университета Нового Южного Уэльса и руководителя исследовательской группы Data61 (CSIRO) Тоби Уолша, ИТ-директорам необходимо избавиться от навеянной голливудскими фильмами боязни того, что машины завоюют весь мир, а дни человека уже сочтены.

«Мы еще очень далеки от создания машин, которые могли бы сравниться с человеческим мозгом, – заявил он в ходе своего выступления на конференции CIO Summit. – Мы можем разрабатывать машины, способные решать определенные узкие задачи (и они решают эти задачи на сверхчеловеческом уровне), но пройдет еще, наверное, 50 или 100 лет, прежде чем нам удастся наладить выпуск машин, обладающих всеми возможностями человека. И мы, конечно, не создаем машины, у которых есть собственные сознание, чувства и желания. Они делают в точности то, что им скажут. И это действительно серьезный недостаток – компьютеры воспринимают все слишком буквально. На планете есть масса насущных проблем (изменение климата, например), которые требуют первоочередного внимания и поиска решений, прежде чем мы начнем задумываться об экзистенциальной угрозе со стороны искусственного интеллекта».

Тем не менее, Уолш рад тому, что эта тема стала предметом обсуждения в сообществе ИТ-директоров и находит отражение в их стратегических бизнес-планах.

«Искусственный интеллект сегодня – любимая тема всех и каждого, – подчеркнул он. – Это и моя любимая тема еще с юных лет. В детстве я читал много научной фантастики и мечтал о будущем засилье компьютеров умнее человека и роботов. Похоже, что будущее это наступило довольно быстро, и можно лишь приветствовать, что некоторые из вас воплощают в жизнь мечту, которая появилась у меня в свое время после чтения книг Артура Кларка и Айзека Азимова».

Четыре ключевые тенденции

Уолш назвал несколько причин, объясняющих прогресс искусственного интеллекта, который происходит сегодня и будет происходить в перспективе.

«Искусственный интеллект определенным образом начинает проникать в нашу жизнь, – указал он. – В чем-то это хорошо, а в чем-то плохо. Но почему это происходит именно сегодня? Не десять лет назад и не еще через десять лет? Ответ следует искать в четырех экспоненциальных тенденциях. Первой из них является закон Мура, который фактически уже исчерпал себя из-за технических проблем, связанных с физическими квантовыми ограничениями. В Intel официально объявили о том, что не в состоянии удваивать число транзисторов через каждые два года. Меня не беспокоит то, что это станет сдерживающим фактором. Конструкторы чипов за последние 20 лет изрядно обленились. По сути, они продолжают уменьшать в размерах архитектуру x86. В конструкции процессоров практически не было революционных инноваций. Одной из немногих, пожалуй, является DPU (data processing unit). Специализированное оборудование обещает немало интересного при решении конкретных задач (в том числе машинного обучения), что позволит получить более высокую вычислительную мощность при том же количестве транзисторов. И несмотря на то, что с технической точки зрения закон Мура мертв, есть достаточное количество инноваций, которые готовы предоставить нам постоянно растущую вычислительную мощность».

Второй тенденцией является непрерывно растущий объем данных. «Компании начинают понимать, что одним из наиболее важных ресурсов в бизнесе становятся имеющиеся у них данные – об операциях, о клиентах, – отметил Уолш. – Объем доступных данных удвоился, и это очень полезно для искусственного интеллекта, поскольку многое из того, что мы делаем сегодня, особенно в области машинного обучения, основано на данных. Но есть одно ограничение, которое стоит отметить применительно к искусственному интеллекту. Машины обучаются невероятно медленно в отличие от людей, которым иногда достаточно всего одного примера. Машинам и современным средствам машинного обучения для обучения нужны сотни тысяч, а иногда и миллионы примеров. Отрадно, что данные эти собираются регулярно, и зачастую у нас уже есть наборы данных, из которых можно извлечь эти примеры».

Третья тенденция – прогресс на алгоритмическом фронте. «В последние несколько лет, с появлением глубинного обучения, во многих случаях мы видим экспоненциальные улучшения производительности подобных алгоритмов», – подчеркнул Уолш.

Четвертая тенденция связана с вкладываемыми в эту область деньгами. «Посмотрите на объем венчурного капитала, поступающего в эту сферу, – заметил Уолш. – На активность в этой области – число людей, число компаний, число стартапов. Все эти цифры за последние пару лет удвоились. Бросьте четыре этих компонента в одну кастрюлю, и вы получите рецепт для достижения значительного прогресса».

Но несмотря на прогресс Уолш предупредил, что предстоит пройти еще долгий путь, прежде чем отрасль сможет выпускать машины, выполняющие широкий круг задач, подвластных человеку.

«Мы можем создавать узкоспециализированных роботов, – отметил он. – Готовы обучать их решению конкретных узких задач наподобие игры в Го, интерпретации рентгеновских снимков или диагностики глазных заболеваний. Мы способны на многое, но еще больше сделать не можем, и перед нами сегодня стоят многочисленные и очень серьезные вызовы».

С учетом существующих ограничений искусственный интеллект сегодня в состоянии решать задачи, которые требуют моментальной реакции.

«Вы можете распознавать лица в мгновение ока, и мы способны научить этому компьютеры, – указал Уолш. – Да, их можно этому научить, но следует быть очень осторожным, потому что компьютерам присущи те же самые предубеждения, что и нам. Итак, что же будут делать машины? Конечная цель заключается в том, чтобы охватить так называемые 4D – dirty, dull, difficult, dangerous (грязная, скучная, сложная и опасная работа. — Прим. перев.). Все, от чего хотелось бы освободить человека. И в этом смысле можно только порадоваться тому, что у нас есть машины, способные взять на себя решение таких задач».

Уже сегодня некоторые из этих задач предусматривают увеличение объемов автоматизации и привлечение искусственного интеллекта. Хорошим примером практического использования искусственного интеллекта являются чатботы.

«Все это начинает проникать в нашу жизнь, а мы даже не подозреваем об этом, – подчеркнул Уолш. – Искусственный интеллект – это нечто гораздо большее, чем просто машинное обучение. Искусственный интеллект помогает компьютерам принимать решения, которые принимает человек. И делать это гораздо более тщательным, систематическим и оптимальным образом».


Теги: Робототехника Искусственный интеллект Машинное обучение
На ту же тему: