`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Леонид Бараш

Что может и чего не может делать сегодня ИИ

+11
голос

Искусственный интеллект был назван следующей большой вещью. На состоявшейся в конце марта посвященной ИИ конференции EmTech Digital в Сан-Франциско, эпицентре технологических инноваций, могли бы и не обращать внимания на скептиков, однако включение в список докладчиков проф. психологии Гери Маркуса (Gary Marcus) позволило уравнять позиции сторон. Его доклад о том, где работает и где не работает ИИ, добавил порцию здоровой критики этой несколько раздутой технологии. По его мнению, направление разработок в этой области не приведет к созданию ИИ общего назначения (Artificial General Intelligence, AGI). AGI является теоретическим машинным интеллектом, который равноценен по возможностям человеческому.

Гери Маркус, профессор нейрологии в Университете Нью-Йорке и ведущая фигура в области ИИ, имеет особый авторитет как критик, потому что он только что продал Uber свой двухлетний ИИ-стартап «Геометрический интеллект».

Проф. Маркус определил три вещи, которые может делать ИИ:
- распознавание речи;
- распознавание образов, когда количество объектов в образе ограничено;
- понимание естественного языка в узкой области;
и шесть вещей, которых он делать не может:
- диалоговые интерфейсы - спросите Siri что-то вне сценария, и она ломается;
- автоматизированное научное открытие;
- автоматизированная медицинская диагностика;
- автоматическое понимание сцены для слепых людей;
- домашние роботы;
- безопасные и надежные беспилотные автомобили.

Несколько тезисов проф. Маркуса являются спорными, поскольку использование распознавания образов для чтения рентгенограмм для радиологической диагностики заболевания или для чтения изображения сетчатки глаза для диагностики диабетической ретинопатии, достигли равенства, а в некоторых случаях превосходят точность человека-клинициста. Но считают, что в целом он прав. Он выбрал эти шесть областей, чтобы создать систему отсчета для сравнения: для использования в них ИИ, машины должны обучаться подобно тому, как ребенок учится языкам, а не теми методами, которыми машины обучаются сегодня.

За исключением нескольких примеров обучения с подкреплением, таких как Libratus pokerbot и Google AlphaGo-bot, в большинстве ИИ основан на машинном обучении, которое предсказывает результат с использованием нейронных сетей.

Хорошим примером этого является распознавание образов. Миллионы изображений показываются нейронной сети, которая разбивает их на категории для обучения компьютерной модели. Затем множество правильно классифицированных изображений показывается компьютерной модели, которая математически исправляет ошибки, сделанные нейронной сетью с использованием градиентного спуска, сложной формы усредненного уменьшения ошибок, чтобы улучшить точность модели правильно предсказывать объекты в изображении.

Сегодня точность прогнозирования с помощью машинного обучения составляет около 98%. Проф. Маркус сказал, что этот показатель хорош для таких систем, как система рекомендаций на базе машинного обучения Amazon, которая может рекомендовать какую-то из своих книг кому-то, кто купил одну из ее книг. Но он подвергает сомнению, что точность предсказания 98% достаточна для беспилотного автомобиля.
Однако от проф. Маркуса можно было услышать не только критические замечания. Он сказал, что настанет день, когда машинный интеллект сможет выполнять сложные задачи, такие как чтение научных статей, скажем, о такой болезни, как рак мочевого пузыря, и предложить новое лечение, но возможно, это случится не при его жизни.

    Что может и чего не может делать сегодня ИИ

Прежде чем AGI может быть создан, необходимо ответить на фундаментальные научные вопросы. Необходимые исследования могут занять десятилетие или два, прежде чем дадут результаты. Теоретики, занимающиеся фундаментальными исследованиями ИИ, ограничены в бюджете и вычислительных ресурсах. Исследование в частных компаниях слишком сосредоточено на технологиях, которые направлены на достижение более краткосрочных финансовых целей, что, по мнению проф. Маркуса, не приведет к созданию машин со здравым смыслом и AGI.

      

+11
голос

Напечатать Отправить другу

Читайте также

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT