Профессор Ольфа Насрои об изучении искусственного интеллекта

В ПГНИУ с циклом лекций об интеллектуальном анализе данных выступила профессор университета Луисвилля (Кентукки, США) Олфа Насрои (Olfa Nasraoui). В ходе интервью она пояснила, что будущее искусственного интеллекта неизбежно упирается в наши знания о собственном разуме.

— Олфа, благодаря чему удалось продвинуться в исследованиях искусственного интеллекта? Каковы перспективы машинного обучения?

— Действительно, сейчас мы наблюдаем значительное продвижение исследований в этой области, что стало возможно благодаря ряду факторов. Во-первых, появилось огромное количество алгоритмов (взаимосвязей, кластеризации, дерева принятия решений, нейронной сети и т.д.) анализа данных. Во-вторых, существенно увеличилось количество данных, то есть раньше просто те или иные алгоритмы просто не к чему было приложить из-за недостаточного объёма информации.

Кроме того, технологии («железо») позволяют сегодня работать с таким количеством сведений, которое раньше было просто невообразимо. Всё это позволяет говорить об организации «глубинного обучения» машин, когда они самостоятельно начинают анализировать данные, находить между ними нетривиальные взаимосвязи. Кстати, в «глубинном обучении» используются так называемые нейронные сети (прим. ред.: несмотря на биологическую подоплёку термина, имеются в виду сложные математические модели, позволяющие анализировать информацию). И здесь уже мы сами вынуждены пытаться понять, каким образом работает машина, как она организует многослойную структуру данных и хранит их, и пока мы в этом не до конца разобрались.

— Можно ли сказать, что развитие искусственного интеллекта сегодня осуществляется за счёт изучения механизмов анализа данных, строится вокруг этого?

— Да, это действительно так. Вообще концепт искусственного интеллекта состоит из нескольких элементов, среди которых ядром являются именно базы данных. Давайте проведём здесь аналогию с людьми: что означает наличие у нас интеллекта? Прежде всего, это указывает на нашу способность адаптироваться к изменяющимся внешним условиям. То есть наличие определённого алгоритма одинакового и сегодня, и завтра при работе с потоком данных не знаменует работу интеллекта. Но если мы сможем настроить его так, что машина сможет самостоятельно накапливать данные, подстраиваясь под меняющиеся условия (адаптироваться), то в этом случае мы можем признать работу машины как интеллектуальную и актуальную. Но этого нельзя сделать без данных, ведь именно они и говорят о том, к чему и как адаптироваться.

Другим ключевым моментом, если продолжить рассуждать о роли данных в искусственном интеллекте, являются некие общие, базовые знания о мире, которых машина обычно лишена. Наличие своего рода «картины мира» позволяет анализировать информацию с учётом контекста. Например, в рамках использования естественного языка у нас может возникнуть ситуация, когда одно и то же слово может означать разные вещи (ключ от замка или ключ как источник воды), и его значение определяется именно контекстом. Машина, как правило, не может учитывать такие сложные связи. Но если у неё имеются какие-то знания о мире в целом, то она сможет глубже анализировать различные сведения. Таким образом, ещё одним показателем интеллекта машины является возможность учёта контекста слов или данных. Только представьте: для нас совершенно очевидно, что небо сверху, а земля снизу, но для машины это совершенно не так!

В этой связи следует отметить достижения центра Томаса Уотсона фирмы IBN. Именно здесь машинам пытаются привить контекстуальное восприятие при анализе большого объёма данных. По мнению разработчиков, это может позволить машине выводить новые знания просто потому, что она является носителем невообразимого количества данных.

— Можно ли сказать, что все знания, накопленные человечеством, стали данными?

— Да! Более того, данные уже превысили сумму наших знаний. И теперь из их огромного количества нам и предстоит научиться получать новые знания. Уже существуют способы представления этих сведений, например, так называемые «онтологии», которые имеют строгую логическую базу и формат, удобный для чтения компьютером.

Данные уже превысили сумму наших знаний. И теперь из их огромного количества нам и предстоит научиться получать новые знания.

— Очевидно, основным принципом работы искусственного интеллекта сегодня является агрегирование данных. Можно ли на основе агрегации получить действительно нетривиальные знания, или это всего лишь более глубокая проработка накопленной информации?

— Из данных действительно можно извлекать новые знания. Предположим, из огромного числа статистических сведений по заболеваемости мы можем выявить действительные причины той или иной болезни. И это знание было скрыто в статистике, но для того, чтобы его ухватить, необходимо было проанализировать огромные объёмы информации, выявить в этом массиве что-то общее, некие закономерности. Поэтому подобное открытие нельзя назвать просто более глубокой проработкой информации.

Данные — это просто фактографические сведения о чём-либо, если из них выводится что-то новое, то это уже будет считаться знаниями. Например, мы можем располагать информацией о том, какая температура бывает в это время года на этой территории, когда здесь выпадал первый снег, и знаем, что сейчас происходит за окном, – это всё просто объём данных. Но как только на их основе формируется прогноз, то уже можно говорить о новом знании, а значит и интеллектуальной работе.

— Машины ещё не стали анализировать данные эффективнее человека?

— Нет. В любом случае они действует по заданному человеком алгоритму, даже те, что базируются на искусственном интеллекте. И мы не достигли того уровня, когда машина могла бы самостоятельно определить, какие именно данные ей изучать и с использованием каких методов.

— Изучая искусственный разум, мы всё равно ориентируемся на наши механизмы мышления? И, напротив, помогают ли исследования искусственного интеллекта лучше понять, как устроен наш мозг?

— Применение технологий искусственного интеллекта в реальном мире, особенно в части обучения машин, действительно позволили лучше понять работу отдельных структур мозга. Здесь вам больше расскажут нейробиологи. Но если абсолютизировать ваш вопрос и попытаться понять, сможем ли мы создать искусственный разум, который будет совершеннее нашего, то здесь я настроена весьма скептично.

— На чём основан ваш скепсис?

— Может быть, когда-нибудь у нас подобное и получится, но для этого необходимо иметь глубокое понимание того, как работает наш собственный разум. Мы сейчас можем построить модель, которая повторяет некоторые функции и особенности человеческого интеллекта. Но здесь сразу возникают обозримые границы работы данной модели.  И в целом она всё равно не будет соотносима с человеческим разумом. Максимум на что она способна – это повторение определенных когнитивных функций человека.

Проблема здесь заключается и в том, что мы в принципе не понимаем, как работает наш разум. А, следовательно, сложно повторить то, о чём имеются смутные представления. Мы ещё не знаем всех элементов, из которых складывается наш разум, не говоря уже о том, как он работает! Кроме того, сложно представить, как машине удастся сочетать эмоциональный интеллект и рациональность, ведь для неё это противоречащие друг другу вещи. Возможностей решения этой проблемы в обозримом будущем я не вижу.

Проблема искусственного интеллекта заключается в том, что мы в принципе не понимаем, как работает наш разум. А, следовательно, сложно повторить то, о чём имеются смутные представления

— Где сейчас используется искусственный интеллект?

— Прежде всего, это поисковые системы и различные сервисы от Google, IBN, системы планирования и снабжения (DART), робототехника и др.

— В каких направлениях применения искусственного интеллекта стоит ждать прорывов?

— Их стоит ждать в области обработки естественного языка (siri и google now). Подобные системы активно внедрятся в мобильные устройства связи. Раньше для их развития просто не хватало объёма запросов для анализа данных. Стоит ждать достижений в области медицины. Когда мы сможем не только эффективнее выявлять причины тех или иных заболеваний (скажем, путём анализа данных на молекулярном уровне), но и индивидуально подбирать терапию.  Сейчас же у нас имеются лекарства от той или иной болезни для всех, без учёта индивидуальной переносимости препаратов и других особенностей конкретного человека.

Справка: Olfa Nasraoui, профессор кафедры компьютерного инжиниринга и информатики, директор лаборатории интеллектуального анализа данных университета Луисвилля (США).

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Оцените статью
Пермский Комсомолец
Добавить комментарий

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: