Общий искусственный интеллект

Прорыв произошел в 2016 году, когда исследовательское подразделение Google компания DeepMind представила систему AlphaGo. Как и шахматный компьютер Deep Blue, AlphaGo основана на поисковом алгоритме, однако вместо алгоритма минимакс она использует статистические вычисления для выбора перспективных ходов. В дополнение к этому система включает несколько нейронных сетей, помогающих оценивать позицию на доске и определять приоритетные направления поиска. Сначала эти нейронные сети обучались на партиях профессиональных игроков, а затем совершенствовали свое мастерство в играх против самих себя.[13]

Победа AlphaGo над одним из лучших игроков в го Ли Седолем привлекла огромное внимание публики.[14] В прессе поднялась шумиха: многие комментаторы предрекали, что скоро искусственный интеллект захватит власть над миром, видя в успехе AlphaGo предвестник появления общего искусственного интеллекта. Другие же указывали, что го – не лучший показатель общего интеллекта и что AlphaGo, как и шахматный Deep Blue, умеет играть только в одну игру. Без перепрограммирования эти системы не могли даже сыграть в шашки, не говоря уже о более сложных задачах вроде вождения автомобиля или написания очерка о колдовстве в средневековой Эстонии.

Сегодня любой может установить на смартфон программу, которая играет в шахматы или го сильнее любого человека в мире.[15] По сути, мы уже создали искусственный интеллект, превосходящий людей в этих играх. Однако люди продолжают в них играть. Более того, стало привычным тренироваться с помощью ИИ и разбирать партии ведущих компьютерных программ для изучения новых стратегий и техник игры. Что касается исследований в области ИИ, основное внимание теперь сместилось от настольных игр к видеоиграм и их разработке. К этим темам я вернусь позже.

Методы искусственного интеллекта применяются не только в математике и играх. И не только здесь ИИ смог превзойти человеческие возможности. На самом деле таких областей гораздо больше. Чтобы завершить с примерами в этой главе, обратимся к области, которая особенно важна на практике, – распознаванию изображений.

Способность смотреть на предметы и понимать, что это такое, – один из базовых навыков, которым мы пользуемся постоянно. За рулем, на кухне, при выборе одежды или работе за компьютером – везде мы полагаемся на умение распознавать то, что находится перед нами. Нам важно понимать, что за кусок синей материи лежит в ящике – носки или трусы и что движется впереди по дороге – пластиковый пакет или кошка.

Казалось бы, учитывая, насколько важно для повседневной жизни умение распознавать объекты и изображения, первые исследователи ИИ должны были сосредоточиться именно на этих задачах. Но история сложилась иначе. Как ни странно, мы научили компьютеры доказывать теоремы и играть в шахматы лучше любителей задолго до того, как всерьез взялись за создание систем распознавания изображений.

Конец ознакомительного фрагмента.

Текст предоставлен ООО «Литрес».

Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.

Сноски

1

Bill Gates, «The Age of AI Has Begun», GatesNotes (blog), March 21, 2023, https://www.gatesnotes.com/The-Age-of-AI-Has-Begun.

2

Glenn Hunter, «Exclusive Q&A: John Carmack’s ‘Different Path’ to Artificial General Intelligence», Dallas Innovates, February 2, 2023, https://dallasinnovates.com/exclusive-qa-john-carmacks-different-path-to-artificial-general-intelligence/.

3

Murray Shanahan, The Technological Singularity (Cambridge, MA: MIT Press, 2015); Мюррей Шанахан, Технологическая сингулярность (Москва: Издательская группа Точка, 2017).

4

Ben Goertzel, «Artificial General Intelligence: Concept, State of the Art, and Future Prospects», Journal of Artificial General Intelligence 5, no. 1 (2014): 1.

5

Shane Legg and Marcus Hutter, «A Collection of Definitions of Intelligence», Frontiers in Artificial Intelligence and Applications 157 (2007): 17.

6

M. Mitchell Waldrop, The Dream Machine (Toronto: Stripe Press, 2018).

7

Alfred North Whitehead and Bertrand Russell, Principia Mathematica (Cambridge: Cambridge University Press, 1910); Альфред Н. Уайтхед и Бертран Рассел, Основания математики: в 3 т. Самара: Самарский университет, 2005.

8

Allen Newell and Herbert Simon, «The Logic Theory Machine – a Complex Information Processing System», IRE Transactions on Information Theory 2, no. 3 (1956): 61–79.

9

T. Anthony Marsland, «A Review of Game-Tree Pruning», ICGA Journal 9, no. 1 (1986): 3–19.

10

Nathan Ensmenger, «Is Chess the Drosophila of Artificial Intelligence? A Social History of an Algorithm», Social Studies of Science 42, no. 1 (2012): 5–30.

11

Murray Campbell, A. Joseph Hoane Jr., and Feng-hsiung Hsu, «Deep Blue», Artificial Intelligence 134, nos. 1–2 (2002): 57–83.

12

Garry Kasparov, Deep Thinking: Where Machine Intelligence Ends and Human Creativity Begins (London: John Murray, 2017); Гарри Каспаров, Человек и компьютер. Взгляд в будущее (Москва: Альпина Паблишер, 2018).

13

David Silver et al., «Mastering the Game of Go with Deep Neural Networks and Tree Search», Nature 529, no. 7587 (2016): 484–489.

14

Elizabeth Gibney, «Go Players React to Computer Defeat», Nature, January 2016, 24.

15

Шахматная программа Stockfish, разработанная Тордом Ромстадом, Марко Костальбой и Йоной Кииски, бесплатно доступна на сайте stockfishchess.org.