Главная » Хабрахабр » [Перевод] «Возрождение ИИ» – не более, чем дорогое железо и реклама, брошенные на реализацию старой идеи

[Перевод] «Возрождение ИИ» – не более, чем дорогое железо и реклама, брошенные на реализацию старой идеи

Никакого духа в машине нет

Кажется, что ещё ни разу в области информатики не было такого, чтобы столько смехотворных заявлений делало такое количество людей, обладающих таким малым представлением о происходящем. В последние несколько лет СМИ захлестнули преувеличенные описания технологий искусственного интеллекта (ИИ) и машинного обучения (МО). Для любого человека, активно занимавшегося передовым компьютерным оборудованием в 1980-х, происходящее кажется странным.

Краткая история человечества" и " Homo Deus: Краткая история завтрашнего дня", Юваль Ной Харари описывает влияние ИИ на демократию. В номере The Atlantic за этот месяц интеллектуал высокого полёта и автор бестселлеров "Sapiens. Он описывает товарища Google, программу для игры в шахматы от компании DeepMind, как «творческую», «обладающую воображением» и «гениальными инстинктами».
В документальном фильме ВВС «Радость ИИ» профессор Джим Аль-Халили и основатель DeepMind Демис Хассабис описывают, как ИИ-система «сделала настоящее открытие», «способна реально породить новую идею» и разработала «стратегии, придуманные самостоятельно». Самым интересным аспектом статьи является чрезмерная вера Харари в возможности современных технологий ИИ.

И если подобный поток преувеличений и антропоморфизмов используется для описания тупых и механистических систем, то настало время для проверки реальности с возвращением к основам.

Метафоры типа «интуиция», «творческое начало» и более новые «стратегии» являются частью нарождающейся мифологии. Обсуждение компьютерных технологий часто происходит посредством мифов, метафор и человеческих интерпретаций того, что появляется на экране. Если и есть какое-то творческое начало, то оно принадлежат исследователям из DeepMind, разрабатывающим и управляющим процессами тренировки систем. Эксперты по ИИ находят в игровых ходах ИИ закономерности и называют их «стратегиями», но нейросеть и понятия не имеет о том, что такое стратегия.

Сегодняшние системы ИИ тренируются на основе огромного количества автоматизированных проб и ошибок; на каждом этапе для передачи информации об ошибках и подстройки системы с целью уменьшения количества ошибок в будущем используется техника обратного распространения – и это постепенно улучшает эффективность ИИ в выполнении определённой задачи, такой, как игра в шахматы.

«глубинного обучения» (ГО) по большей части основан на применении этой техники обратного распространения. Происходящий всплеск эффективности ИИ, МО и т.н. Иначе говоря, в течение более чем 30 лет никакого значительного концептуального прогресса в области ИИ не было. Её впервые придумали в 1960-х, а к нейросетям её применил в 1980-х Джоффри Хинтон. Большая часть результатов исследований в области ИИ и статей в СМИ показывает, что происходит, когда на исполнение старой идеи бросают горы дорогого вычислительного оборудования и хитроумную рекламную кампанию.

Вспомогательная работа машин при создании новых стратегий и идей – штука интересная, особенно если работу этой машины сложно понять из-за её сложности. И нельзя сказать, что в компании DeepMind не делают ценной работы. Но в машине-товарище Google нет никакого духа. В нашей светской культуре магия и загадка технологий манит людей, и придание загадочного образа по большей части сухой и рациональной инженерной области идёт только на пользу.

Железо против софта, аналоговое против цифрового, Томпсон против Хассабиса

Вся шумиха вокруг машин DeepMind напоминает мне радостное возбуждение, возникшее пару десятилетий назад на волне совсем другой, и, возможно, более глубокой системы «машинного обучения».

Жёсткая машина, которую никто не понимает». В ноябре 1997 года работа Адриана Томпсона – исследователя из Центра вычислительной нейробиологии и робототехники Сассекского университета – попала на обложку журнала New Scientist вместе со статьёй «Создания из доисторического кремния – выпускаем дарвинизм в лаборатории электроники и смотрим, что он создаст.

Он решил сделать это, поскольку понял, что возможности цифрового ПО ограничены двоичной вкл/выкл природой переключателей, составляющих обрабатывающий сигналы мозг любого цифрового компьютера. Работа Томпсона вызвала небольшую сенсацию, поскольку он отверг обычаи и запустил эволюцию МО-системы в электронном оборудовании, вместо того, чтобы как все, использовать программный подход.

Томпсон предположил, что развитие вычислительного оборудования при помощи автоматического процесса естественного отбора может воспользоваться всеми аналоговыми (бесконечно разнообразными) физическими свойствами реального мира, присущими кремнию, из которого и состоят простейшие цифровые переключатели компьютеров – что, возможно, приведёт к чему-то, напоминающему эффективную аналоговую работу компонентов человеческого мозга. Нейроны человеческого мозга, наоборот, развились так, чтобы участвовать в различных тонких, подчас непостижимо сложных физических и биохимических процессах. И он был прав.

Заглянув после этого внутрь чипа, чтобы посмотреть, как эволюционный процесс настроил связи между переключателями, он отметил впечатляюще эффективную схему работы – она использовала всего 37 компонентов. В своей лаборатории Томпсон провёл эволюцию конфигурации FPGA (типа цифрового кремниевого чипа, в котором связи между его цифровыми переключателями можно постоянно перенастраивать) в целях научить его разделять два разных аудиосигнала.

Некоторые из 37 компонент не были связаны с другими, но при их удалении из схемы вся система переставала работать. Кроме того, получившаяся в результате эволюции схема перестала быть понятной цифровым инженерам. Иначе говоря, эволюционный процесс взял на вооружение аналоговые характеристики компонентов и материалов системы из реального мира, чтобы проводить свои «вычисления». Единственным разумным объяснением этой странной ситуации было то, что система использовала какие-то загадочные электромагнитные связи между своими вроде как цифровыми компонентами.

Я в 1990-х был молодым исследователем, я имел опыт работы как в области исследований электронного оборудования, так и ИИ, и работа Томпсона меня поразила. Это был взрыв мозга. Компьютер не только смог изобрести совершенно новый вид электронных схем и превзойти возможности инженеров-электронщиков, но, что более важно, указал путь к разработке бесконечно более мощных компьютерных систем и ИИ.


Хассабис начинал в качестве ведущего программиста ИИ в забытой ныне игре от Lionhead Studio, Black & White.

Почему Томпсон практически забыт, а материнская компания Google, Alphabet, закидывает Хассабиса деньгами, а документалки от ВВС поют ему панегирики? Так что же произошло? В 1990-х ИИ был модным, как бабушкины панталоны. По большей части, дело в удачном моменте. Капитал гоняется за «следующим крупным проектом». Сегодня на плечах ИИ лежит груз необходимости привести нас к «четвёртой индустриальной революции». И хотя цифровые ИИ-системы от DeepMind не очень подходят для моделирования сложных аналоговых систем реального мира вроде погоды или человеческого мозга, они определённо хорошо подходят для перемалывания цифровых данных, поступающих из простейшего цифрового мира онлайна в виде линков, кликов, лайков, плейлистов и пикселей.

DeepMind рекламировала свои технологии и руководство, культивируя технологическую загадочность, однако вся демонстрация её работы сводилась к игрушкам с простейшими вычислимыми правилами. DeepMind также пошло на пользу её способность показать товар лицом. На самом деле, большая часть коммерческих применений этой технологии будет связана с банальными фоновыми бизнес-приложениями, например, оптимизацией энергоэффективности дата-центров, в которых Google держит свои компьютеры. Преимущество игр состоит в их понятности и визуальной привлекательности для СМИ и общественности.

Ceci n'est pas une paddle*

*«Это не весло» – отсылка к картине "Вероломство образов"

Также их технологии были весьма хрупкими. Общими у Томпсона и Хассабиса – кроме принадлежности к Британии — определённо были опыт и умения, необходимые для эффективной тренировки и эволюции их систем, но такая зависимость от умений и творческого начала людей, очевидно, является слабостью любого ИИ или МО-системы. Тем временем в DeepMind простое изменение размера весла в одной из видеоигр компании полностью сводило на нет эффективность ИИ. К примеру, системы Томпсона часто переставали работать при температурах, отличных от тех, при которых они эволюционировали. Эта хрупкость связана с тем, что ИИ от DeepMind не понимает, что такое весло – и даже сама видеоигра; её переключатели работают только с двоичными числами.

В какой-то момент недалёкого будущего уже не получится запихнуть больше крохотных кремниевых переключателей на кремниевый чип. Системы МО в последнее время действительно достигли больших успехов, но этот прогресс, по большей части, был получен благодаря использованию для решения задач огромного количества стандартного вычислительного оборудования, а не радикальным инновациям. Эффективность схемы (больше вычислений на меньшем количестве оборудования) станет важной коммерчески, и в этот момент эволюционирующее оборудование может, наконец, стать модным.

Но, что бы ни случилось, Харрари придётся подождать, пока он сможет приобрести «творческую» ИИ-систему для написания своего следующего бестселлера. Могут появиться и гибридные системы, комбинирующие подходы Томпсона и Хассабиса.


Оставить комментарий

Ваш email нигде не будет показан
Обязательные для заполнения поля помечены *

*

x

Ещё Hi-Tech Интересное!

Расширяйте кругозор, Холмс! Или зачем физикам скрипка и кулинарные навыки

О современной литературе, философии и политике он, по-видимому, не знал почти ничего.… Однако мое изумление достигло апогея, когда я случайно обнаружил, что он не знаком с теорией Коперника и не представляет себе, как устроена Солнечная система.… «Но не знать о ...

Спам звонки. Можно ли с ними бороться?

Доброго времени суток, Хабр. Есть несколько способов бороться со спамными звонками на мобильный телефон, но бывают такие ситуации, когда это практически невозможно. Я расскажу свой случай о систематических звонках со скрытого номера.Все мы привыкли раз в какое-то время получать спамные ...