Akademiker Alexander Kuleshov fortalte Rusnano om, hvor tæt menneskeheden er på at skabe selvforbedrende maskiner, hvad deres oprettelse vil føre til, og om Stephen Hawking havde ret, da han frygtede de problemer, som intelligente maskiner udgør.
Alexander Kuleshov er en af de førende russiske specialister inden for oprettelse af neurale netværk, kunstig intelligens og komplekse informationsbehandlingssystemer. Nu leder han Skolkovo Institut for Videnskab og Teknologi, og indtil februar i år ledede han Institut for Informationsoverførselsproblemer ved det Russiske Videnskabsakademi.
Denne fredag holdt akademiker Kuleshov et foredrag inden for murene i det statslige selskab "Rusnano", hvor han fortalte publikum, herunder Anatoly Borisovich Chubais, om fremskridtene inden for skabelse af kunstig intelligens i de senere år, og hvordan AI-teknologier vil ændre vores samfund gennem nogle år.
"Fremmede" eller menneskelig intelligens?
”Hvorfor får kunstig intelligens og intelligent databehandling så meget opmærksomhed i dag? Hvad skete der? Faktisk er data altid blevet behandlet. Siden Galileos tid er resultaterne af videnskabelige eksperimenter blevet behandlet (matematisk). Hvad er der sket i dag, der har skubbet dette problem frem?”, Begyndte Skoltech-rektor sin historie.
Som akademikeren Kuleshov bemærker, har mængden af data, som mennesker og computere arbejder med i dag, ændret sig - nu indsamler, gemmer og behandler computerprogrammer terabyte og petabyte data, hvis behandling ved hjælp af traditionelle informationsanalysesystemer er ekstremt vanskelig.
Folk, for eksempel kernekraftværksoperatører eller flypiloter, har adgang til snesevis eller endda hundreder af skærme med forskellige diagnostiske oplysninger, som hver især næsten ikke betyder noget i sig selv, og vil ikke hjælpe med at finde en fejl i betjeningen af udstyr, men hvis kombination med næsten 100 % vil sandsynligvis give dig mulighed for at løse problemet, selv før det når et kritisk stadium.
Naturligvis fortsætter videnskabsmanden, at en person ikke er i stand til samtidigt at overvåge 50 skærme, hvilket giver anledning til behovet for at skabe systemer, der analyserer disse data og kun viser på en skærm, hvad der virkelig er vigtigt for at træffe beslutninger og overvåge situationen.
Salgsfremmende video:
”Helt nye matematiske systemer, der er dukket op til analyse af sådanne 'big data', er vokset ud over dem, og de kan anvendes til analyse af enhver information ved hjælp af tekniske midler. Faktisk ville de have været nye i det 17. århundrede og ville have været nyttige for forskere fra den tid. Men jeg understreger, at alt dette dukkede op præcist i bølgen af nye teknologier,”fortsætter Kuleshov.
De fleste af diskussionerne omkring disse teknologier, som akademikeren bemærker, stammer fra det faktum, at der er forskel på det russiske ord "intellekt" og det engelske ord intelligens, hvilket får mange deltagere i disse tvister til at tro, at kunstig intelligens burde være en slags antropomorf konstruktion, der ligner og efterligner egenskaber ved menneskelig intelligens. Ifølge Kuleshov viser de sidste 25-30 års forskning faktisk, at en sådan tilgang er forkert og ikke fører til meningsfulde resultater, der kan anvendes i praksis.
”Antropomorfisme og lighed med naturen er populære udtryk, men intet har nogensinde fungeret gennem de sidste århundreder. For eksempel tegnede Leonardo da Vinci mekaniske heste, Daedalus og Icarus forsøgte at flyve som fugle, men intet nogensinde gik ud - i dag er der ingen mekaniske heste, der løber rundt i vores gader, og vi flyver anderledes. Det er det samme med hjernen - disse forsøg på at forstå, hvordan hjernen fungerer, og at gøre det samme på en computer, er fuldstændig mislykkede,”tilføjer lektoren.
Alle disse mislykkede forsøg på at lave håndlavede analoger af neuroner og forbinde dem til en slags hjerne såvel som andre tilgange, der efterligner arbejdet i det menneskelige nervesystem og den måde, vi træffer beslutninger og analyserer information, førte til det faktum, at sætningen i 90'erne i sidste århundrede "Kunstig intelligens" blandt matematikere er blevet et beskidt ord på grund af disse urimelige forventninger, der bar antropomorfe ideer om neurale netværk og kunstig intelligens.
Dybder af intelligens
Faktisk begyndte renæssancen af "kunstig intelligens" -udvikling for nylig i slutningen af 2000'erne, da en række amerikanske og russiske matematikere og programmører foreslog og implementerede AI-algoritmer, som senere blev kendt som "dyb læring" og "mangfoldighedsbaseret læringsmetoder".
”I sidste ende begyndte folk at glemme neurale netværk, det blev klart, at intet arbejdede med dem, og alle savnede på en eller anden måde offentliggørelsen i 2005 af artiklen af Hinton og Krizhevsky, som nu bestemmer vores fremtid. Jeg deltog også i disse 'begravelser', men det viste sig, at det ikke var så simpelt,”forklarer videnskabsmanden.
Som det viste sig, opfører sig enkle neurale netværk kombineret i kaskader og komplekse systemer af forskelligt arrangerede netværk anderledes end forskerne forventede. Og som praksis har vist, er de i stand til at løse de opgaver, der tidligere var uden for kunstig intelligens, herunder talegenkendelse, fotografier af mennesker, forskellige objekter og endda forudsigelse af sammenbrud og katastrofer.
”En helt unik situation er opstået - ingen i dag kan sige, hvor dybe neurale netværk fungerer. Det amerikanske forsvarsagentur DARPA er klar til at udstede en million dollar præmie for at forklare, hvordan de fungerer, men jeg tror, at denne pris forbliver uanmeldt i de næste 30-40 år. Jeg kender meget seriøse matematikere, der kæmper med dette problem uden den mindste succes. Vi kan sige, at vi er vendt tilbage til naturfilosofiens dage - der er en bestemt metode, der fungerer fantastisk godt, men vi kan ikke forklare hvorfor, siger Kuleshov.
Dybe neurale netværk, siger videnskabsmanden, har længe fanget og overhalet mennesker inden for mange vidensområder og er i stand til at identificere og skelne mellem ting, som en almindelig, utrænet person simpelthen ikke kan gøre. De seneste versioner af sådanne neurale netværk begår færre fejl end folk, der er uddannet til at løse de problemer, som sådanne AI-systemer vil være ansvarlige for i fremtiden.
For eksempel har forskere allerede oprettet neurale netværk, der kan beskrive, hvad der sker på fotografier og i videoer, der ikke er værre end en person gør. Sådanne algoritmer kan hjælpe blinde eller døve med at forstå, hvad der sker omkring dem, og hvad de ikke kan høre eller se, og specielle tjenester kan bruge sådanne netværk til at søge efter terrorister eller mistænkte i videoovervågningsarkiver eller under operationelt arbejde i lufthavne og andre overfyldte steder.
”Der er omkring 70 millioner designteknikere i verden i dag, og statistikker viser, at kun 20% af deres produkter er en slags ny udvikling. De resterende 80% blev enten allerede oprettet af andre ingeniører eller er mindre ændringer af eksisterende modeller. Oprettelse af et AI-system, der kan finde det, du har brug for, reducerer den tid og ressourcer, der normalt bruges til at udvikle dem drastisk. Indtil videre er der ingen sådanne systemer, men om 1-2 år vil de dukke op,”fortsætter akademikeren.
Ifølge ham er et andet eksempel på sådanne systemer et program udviklet af kandidatstuderende fra Kuleshov, som gør det muligt at bestemme, om en person har Alzheimers sygdom eller ej ved at studere fotografier af hans hjerne opnået ved hjælp af en magnetisk resonansbilleddannelsesscanner.
Kun 200 MR-billeder af mennesker, der lider af denne sygdom, var nok til, at russiske forskere "lærte" kunstig intelligens til at skelne mellem sunde og syge hjerner med 90% nøjagtighed. På lignende måde har russiske matematikere lært at finde sår i en persons mave ved hjælp af hans elektrokardiogram.
I samarbejde og på ordre fra RSC Energia har Kuleshov og hans kolleger skabt en revolutionerende ny algoritme til styring af ISS-motorerne, hvilket vil reducere brændstofomkostningerne til at opretholde stationens højde ca. 40 gange sammenlignet med det nuværende program oprettet af amerikanske forskere til erstatning for det gamle russiske system. og fem gange bedre end NASAs kommende program.
Det nye system, der er baseret på Diversity Learning-teknologier, testes om bord på stationen næste år. Et andet AI-system, oprettet af russiske matematikere og programmører, arbejder allerede hos Russian Railways og hjælper med at bestemme, hvilke nedbrud der skal repareres i første omgang for at minimere ressourceomkostningerne.
Lignende programmer, ifølge forskeren, bruges undertiden til de mest uventede formål - for eksempel bruges AI, skabt til at gengive flyvinger, af Louis Vuitton til at skabe hudblegende cremer.
”Yderligere udvikling af disse teknologier vil ændre menneskeliv radikalt. Forestil dig, du forlader et udenlandsk hotel, du bliver ved et uheld fotograferet af turister, dette billede kommer ind i en søgemaskine, det "beregner" dig på disse billeder, og om fem minutter finder din chef ud af det. Som et resultat vil det være meget vanskeligt for dig at overbevise ham om, at du var på en 'lokal' forretningsrejse,”forklarer Kuleshov.
Augmented archaic reality
De første eksempler på denne "nye, vidunderlige verden" findes i dag - det er AI-systemet AlphaGo, der slog verdensmesteren i Go i år. Som Kuleshov forklarer, er det det første eksempel på en unik klasse maskiner, der er i stand til at løse uberegnelige problemer og forbedre sig selv.
”Go adskiller sig fra skak ved, at dette spil simpelthen er umuligt at beregne matematisk. Antallet af mulige bevægelser i Go overstiger antallet af atomer i universet, det er umuligt at tåle at tælle bevægelserne i det. I skak, hvis du har en stærk computer, så vil du slå nogen, både Kasparov og Karjakin. Dette er umuligt i Go, fordi ingen computere kan gøre det. Og det neurale netværk var i stand til at løse dette problem,”siger videnskabsmanden.
Det vigtigste kendetegn ved AlphaGo fra alle andre AI-systemer er, at dette program kan lege med sig selv og forbedre sig selv, tilpasse sig modstanderen og finde absolut ikke-trivielle og uventede måder for en person at slå ham på.
”Hvorfor jeg stopper ved dette er det første skridt ind i en helt mystisk fremtid. Hvordan blev AlphaGo født? For det første samlede dets skabere en database med 30 millioner forskellige spilpositioner og trænede det primære neurale netværk på den. Derefter duplikerede de det, og det andet netværk begyndte at spille fra det første. Og som et resultat, efter flere milliarder iterationer, opstod der noget tredje, som en person ikke længere kontrollerer. Det er uklart, hvor det kom fra - dette er resultatet af en eller anden selvkonstruktion. Ingen ved, hvordan det sker,”understreger Kuleshov.
Fødslen af AlphaGo og dens sejr, ifølge akademikeren, åbner døren til et helt nyt rum, hvor menneskeheden vil komme meget hurtigt ind. Og ikke alt i denne verden vil være nyttigt og behageligt for menneskeheden generelt og enkeltpersoner i særdeleshed.
”Det er klart, at de sociale skift fra dette vil være enorme. Antallet af halvuddannede arbejdere er allerede faldende som shagreen læder, og fremkomsten af AI, der er i stand til at løse disse problemer, fratager dem deres job. Alle disse ingeniører, taxachauffører, piloter, sygeplejersker, arbejdstagere - millioner af mennesker - bliver nødt til at forsvinde, og kun 1% kan, som den nuværende forskning viser, tilpasse sig nye realiteter og omskole sig, siger videnskabsmanden.
Ifølge ham “er vi på randen af absolut uhyrlige sociale konsekvenser af udviklingen af kunstige intelligenssystemer. Vi kan ikke nu vurdere deres skala, som mennesker midt i en orkan eller på højden af en revolution. Penge skal nu straks investeres i uddannelse, da folk med gennemsnitlig kvalifikation bliver helt unødvendige."
Som rektor for Skoltech bemærker, er verden i dag i stand til at fodre hele menneskeheden, men den er ikke i stand til at besætte den. Denne arbejdsløshed og manglende formål i livet kunne allerede påvirke Europas og andre udviklede landes liv og give anledning til forskellige radikale bevægelser som IS og andre forbudte ekstremistiske og religiøse grupper.
”Dette er en bevidst arkivering af livet, skabelsen af en situation, hvor jeg føler mig nødvendigt. For helvede med ham, at jeg lever værre, men jeg lever ikke som alle andre. Følelsen af, at du konstant får fastfood gratis og får sneakers hver sjette måned, men at du samtidig ikke har brug for noget, er faktisk forfærdelig. Og denne følelse vil kun vokse med udviklingen af AI og robotik,”fortsætter Kuleshov.
En mærkbar del af dette problem er relateret til det faktum, at en person simpelthen ikke har tid til at "udvikle sig" efter AI - generationer af mennesker skifter hvert 25. år, og teknologiske revolutioner sker med et interval på 5-6 år. Derfor, som rektor bemærker, vil antallet af "unødvendige" mennesker konstant vokse, og kun masseuddannelse kan hjælpe med at undgå en social eksplosion og fremkomsten af en ny bølge af ludditter.
”Det, vi er på randen af, har endnu ikke noget navn, og jeg ved ikke engang, hvad jeg skal kalde det. Måske kan de kaldes "ikke-styrede intelligente systemer". Disse er fundamentalt nye systemer, der genererer sig selv, og vi er ikke langt fra det tidspunkt, hvor de begynder at trænge ind i vores liv,”konkluderer videnskabsmanden.