Вместе с заместителем декана по учебной работе Финансового университета при Правительстве РФ, кандидата экономических наук, Михаилом Коротеевым разбираемся в будущем искусственного интеллекта.
Наука пытается проникнуть в тайны человеческого мозга на протяжении тысячелетий. Еще древние ученые предположили, что определенные участки мозга отвечают за определенные аспекты поведения и сознания. Современный прогресс в области нейрофизиологии, технологии неинвазивного сканирования, исследования на животных дали в руки ученых много информации о работе мозга. Но мы все еще не приблизились ни к пониманию феномена сознания, ни к более или менее практическому чтению и пониманию мыслей.
Существенным толчком в развитии этого научного направления стало применение технологии фМРТ, которая позволила более детально наблюдать за активностью участков мозга в режиме реального времени. Тогда исследователи заметили, что восприятие пространственных образов обставляет в рисунке активности мозга четкие картины, по которым можно восстановить такие образы. Результаты ученых из университета Радбоуда как раз продолжает эту линию исследований.
Но это исследование интересно еще тем, что в нем активно используются методы искусственного интеллекта. Так как же интеллект искусственный может помочь в понимании интеллекта естественного? Надо понимать, что термин “искусственный интеллект” — немного запутывающий. Он происходит из давнишней мечты ученых и футурологов о создании думающей машины, обладающей сознанием. Но мы по-прежнему далеки от такого. ИИ в современном понимании — это набор техник и алгоритмов, которые “обучаются” определенным математическим моделям на множестве примеров. Поэтому я обычно предпочитаю более приземленный термин “машинное обучение” (между ними есть разница, но в текущем контексте она несущественна).
Методы искусственного интеллекта — это способ написать программу, решающую определенную задачу, без создания детального алгоритма решения такой задачи. Сначала создается такая заготовка, модель, которая может давать совершенно любой результат (это может быть нейросеть, или другая математическая модель). А затем она “обучается” на большом количестве примеров. И в результате она учится обобщать эти примеры и решать задачу в общем виде. То есть мы заменяем понимание способа решения определенной задачи кучей готовых примеров решения.
Именно так обучаются системы распознавания изображений, системы беспилотного вождения, шахматные программы, бесчисленное множество других систем принятия решений и, кстати, системы взаимодействия человек-компьютер. Так что интерфейс управления компьютером при помощи мыслей не значит, что компьютер может читать мысли, он просто очень хорошо “притворяется”, что может их читать.
Методы искусственного интеллекта очень хороши как раз в тех задачах, в которых собрать большое количество примеров проще или дешевле, чем описывать алгоритм решения. Все вышеперечисленные задачи как раз относятся к такому классу. Вполне естественно предположить, что и задачу интерпретации картин активности мозга тоже можно сформулировать как большой набор примеров. И интеллектуальные технологии подходят для решения этой задачи как нельзя лучше. Я даже возьмусь утверждать, что если и будет достигнут прогресс в этой области, то только с помощью ИИ.
Однако, не все, конечно, так просто. Главная проблема состоит в объеме “обучающей выборки” — того самого набора примеров, на которых учится ИИ. Здесь все просто — чем больше примеров, тем точнее и универсальнее получится модель. Если примеров мало, модель будет “глупой”. Причем, чем сложнее задача, тем больше примеров нужно собрать. Для прогнозирования простых рядов достаточно нескольких десятков наблюдений, для распознавания простых визуальных образов — десятки и сотни тысяч размеченных картинок, для создания совершенного шахматного движка — миллиарды партий.
Кажется очевидным, что проблема интерпретации мыслей в образы относится к сложным. Может, посложнее игры в шахматы. Поэтому даже представить страшно, сколько придется собрать информации, чтобы достигнуть успехов в этой области. Однако, технологии развиваются, объем собираемой информации растет экспоненциально, алгоритмы совершенствуются. В любом случае, эта задача рано или поздно будет решена. Но можно не рассчитывать на полноценное “чтение мыслей” в ближайшие десятилетия.
Любой прогресс в области понимания работы человеческого сознания даст огромный толчок развитию психологии, психиатрии, нейрофизиологии, биохимии, даже педагогике и экономике. Понимание природы сновидений, природы психических расстройств — это лишь самые поверхностные примеры практического применения.
Проникновение в такую глубокую тайну может дать науке очень мощные инструменты и технологии. Даже более мощные, чем тайны атома или гена. Естественно, что любая мощная технология может использоваться как во благо — для диагностики и лечения психологических и психиатрических болезней, так и во вред. Моральные и этические вопросы в случае с “чтением” мыслей не более и не менее сложны, чем вопросы применения, например, ядерного оружия и атомной энергетики. Человечество не решило эти дилеммы до сих пор.
| Комментарии: |