Что такое искусственный интеллект?

Сейчас использование искусственного интеллекта вышло за рамки бизнеса и стало частью повседневной жизни — от интеллектуальных диалоговых сетей, например ГигаЧат, до рекомендаций в социальных сетях. В статье расскажем, какие виды ИИ есть, в чем их плюсы и риски.

Определение искусственного интеллекта

Искусственный интеллект (ИИ) — это научно-техническая дисциплина о создании систем, которые могут решать сложные задачи подобно человеку или даже эффективнее. Это включает в себя способность учиться, рассуждать, воспринимать окружающую среду и адаптироваться к новым ситуациям. Исторически многие решения вдохновлены именно принципами работы человеческого мозга.

Современные технологии искусственного интеллекта основаны на нейронных сетях и алгоритмах машинного обучения, которые анализируют большие объёмы данных и находят в них закономерности. Такие системы могут обучаться на опыте и принимать решения на основе полученных знаний.

Узкий и общий ИИ

Узкий искусственный интеллект — это системы, разработанные для решения конкретных задач в определенной области. Они имеют высокую эффективность в рамках своей специализации, но не могут выходить за ее пределы и самостоятельно применять знания в новых сферах. Все существующие системы (голосовые помощники, чат-боты, рекомендательные алгоритмы и т. д.) относятся к узкому ИИ.

Приведем пример: программа для распознавания лиц успешно справляется с этой задачей, но не может управлять беспилотным автомобилем или писать музыку без отдельного обучения и новых алгоритмов. Плюс узкого ИИ в его высокой точности, относительно простой разработке и доступности. Уже сейчас его используют в промышленности, медицине и других сферах.

Общий ИИ (AGI) — это система, способная решать любые интеллектуальные задачи на уровне человека или превосходить этот уровень. Соответственно, AGI должен уметь самостоятельно обучаться, адаптироваться к новым условиям и переносить знания между разными областями (как это делает человек).

Например, он мог бы решать математические задачи, делать транскрибацию видеовстреч, анализировать отчеты и писать книги без настройки каждой функции разработчиком. Общий ИИ существует только в теории, поэтому протестировать такую систему пока не получится.

История развития искусственного интеллекта

Сама идея воспроизведения человеческого разума зародилась задолго до появления первых компьютеров. Она существовала еще в античные времена, но тогда речь шла не о «думающих» машинах, а о мифических созданиях. Однако настоящая история ИИ началась в середине 20 века, когда британский математик Алан Тьюринг представил работу «Вычислительные машины и разум», главный вопрос которой — «могут ли машины мыслить?». В этой же научной работе предложен тест Тьюринга — метод оценки способности машины демонстрировать интеллект, неотличимый от человеческого.

В 1956 году на Дартмутском семинаре впервые прозвучал термин «искусственный интеллект». Организаторами мероприятия выступали Джон Маккарти, Марвин Мински, Клод Шеннон и Натаниэль Рочестер. Участники семинара обсуждали возможность имитации интеллекта человека машинами, а также предполагали, когда эта концепция может стать реальностью. В тот период ученые разрабатывали алгоритмы для решения логических и математических задач.

Несмотря на потенциальный успех технологии, разработчики были ограничены вычислительными мощностями существовавших компьютеров. Из-за отсутствия результатов интерес к ИИ снизился — в 1970-е годы финансирование исследований сократилось. Постепенно проблемы разрешались, поэтому к началу 90-х ученые вновь направили силы на реализацию нейронных сетей.

В 2010-х годах активно развивалось глубокое обучение. Создание многослойных нейросетей стало возможным благодаря росту объемов данных, появлению мощных графических процессоров и улучшению алгоритмов. В результате машины научились переводить тексты, понимать речь и распознавать объекты на изображениях. Значимое событие тех лет — победа программы AlphaGo над Ли Седолем (один из лучших игроков мира) в игре го. До этого считалось, что го — слишком сложная игра для компьютеров из-за огромного числа возможных комбинаций.

В начале 2020-х весь мир впервые увидел генеративные модели — те, что умеют создавать тексты, картинки, код, музыку и другой контент на основе запросов пользователя. Большие языковые модели научились поддерживать диалог, помогать в обучении и решении рабочих задач.

Сейчас ИИ может быть применен в любой области, но чаще используется в образовании, медицине, маркетинге, промышленности, логистике и финансах. Вместе с бурным развитием технологии появляются опасения: от этических вопросов до риска полной замены человека машиной.

Основные технологии и подходы ИИ

Машинное обучение и нейронные сети

Машинное обучение — одно из наиболее развитых направлений ИИ. Его идея состоит в том, что машины могут обучаться на данных без необходимости описывать каждое действие кодом, как это делается в классическом программировании. Вместо жестких правил алгоритм получает огромное количество примеров, сам выявляет закономерности и строит модели решения задач. Чем больше обучающих данных, тем более точно будет работать модель.

Есть несколько типов машинного обучения:

• Обучение с учителем. Алгоритм получает размеченные данные вместе с правильными ответами. Например, в виде пар «картинка—изображенный объект».
• Обучение без учителя. Алгоритм самостоятельно ищет скрытые закономерности в неразмеченных данных, человек не участвует.
• Обучение с подкреплением. Модель учится принимать решения методом проб и ошибок, получая награду за успешные результаты и штраф — за ошибки.

Нейронные сети — это модели, построенные по принципу работы человеческого мозга. Они состоят из множества искусственных нейронов, которые обрабатывают и передают друг другу информацию.

Глубокое обучение и генеративный ИИ

Глубокое обучение — это подраздел машинного обучения, который использует многослойные нейронные сети. Они могут последовательно извлекать полезную информацию из данных. Например, при обработке фотографий первые слои могут распознавать контуры, последующие — формы объектов, а более глубокие — конкретные предметы и их взаимодействия. В реальности таких слоев могут быть сотни и тысячи.

Развитие глубокого обучения позволило создать генеративный ИИ. Он может не только анализировать данные, но и создавать новый контент. Например, писать тексты или музыку, генерировать код, рисовать картинки. Сейчас в основе популярных систем лежит именно генеративный ИИ.

Сферы применения искусственного интеллекта

Образование. Здесь ИИ анализирует прогресс обучающихся, находит пробелы в знаниях и предлагает индивидуальные программы обучения. Также образовательные платформы разрабатывают чат-боты, которые быстро отвечают на вопросы учеников — это ускоряет обучение и снижает нагрузку на преподавателей.

Промышленность. Умные системы контролируют работу оборудования и прогнозируют поломки, помогают автоматизировать процессы. Компьютерное зрение позволяет отслеживать качество продукции быстрее и точнее, чем люди. В результате эффективность работы предприятия повышается.

Медицина. Сейчас в первую очередь развивается распознавание медицинских изображений: МРТ-, КТ- и рентгеновских снимков. Нейросети способны выявлять ранние признаки заболеваний (в том числе онкологических) — иногда точнее, чем врачи. Кроме того, искусственный интеллект используют для анализа данных исследований, поскольку они умеют находить закономерности, неочевидные для человека.

Маркетинг. В этой сфере ИИ помогает анализировать поведение аудитории, сегментировать клиентов и создавать контент, включая рекламные материалы.

Финансовый сектор. Банки и инвестиционные компании используют искусственный интеллект для оценки рисков, расчета кредитного рейтинга, анализа рынка, обнаружения мошеннических операций. Это важно для повышения безопасности: для ручной проверки транзакций требуется либо много сотрудников, либо много времени, а машина может анализировать тысячи операций значительно быстрее.

Развлечения. Многие люди пользуются нейросетями из любопытства и желания повеселиться. Например, кому-то интересно попробовать создать песню через ИИ, или посмотреть, насколько реалистичные пейзажи может рисовать система.

Этика и риски ИИ

Любые инновации имеют потенциальные риски, искусственный интеллект — не исключение. В этом разделе разберем главные проблемы технологии:

• Ответственность. Со временем ИИ проникает во все более чувствительные области и начинает принимать или влиять на решения. Если модель допускает ошибки, они могут навредить здоровью, привести к финансовым потерям или другим негативным последствиям. Здесь появляется вопрос: кто и в каком объеме должен нести ответственность за это — разработчики или владелец системы, пользователь или организация, внедрившая технологию, или вообще никто? ИИ, в отличие от людей, не может нести юридическую и моральную ответственность, поэтому обвинять его в каких-либо последствиях не получится.
• Проблема «черного ящика». Известно, что прогнозы нейросетей могут быть довольно точными, однако на чем они основаны не знают даже разработчики этих систем. Виден только промпт и результат, а механизм принятия решений остается неясным. Поэтому технология может применяться в некоторых сферах ограниченно.
• Предвзятость. ИИ обучается на данных, так или иначе созданных людьми. Если они содержат искажения (стереотипы, ошибки и т. д.), модель может воспроизводить их в своих ответах. Например, считать одни социальные группы хуже других или неверно производить математические расчеты.
• Конфиденциальность. Проблема также вытекает из способа обучения моделей. Обучающая выборка может содержать личные данные: имена и фамилии, номера телефонов, сведения из документов и медицинских карточек. Неправильное хранение и использование таких данных приводит к утечкам — это нарушает право на частную жизнь и может стать основой для мошеннических схем.
• Дезинформация. Сейчас генеративные модели умеют создавать очень реалистичные картинки, аудио- и видеоконтент (дипфейки). В поддельных материалах могут участвовать известные или знакомые (для жертвы) люди — дипфейки становятся способом распространения ложных данных и мошенничества. Вскоре проверять на подлинность придется любую важную информацию.
• Зависимость общества. Для многих ИИ — это только инструмент, но некоторые полагаются на него полностью. Например, списывают домашние задания, принимают решения, связанные со здоровьем (вместо похода к врачу), финансами и т. д. В результате уровень критического мышления снижается, человек теряет контроль над наиболее значимыми сферами жизни.

Для минимизации рисков многие государства разрабатывают и вводят законы об искусственном интеллекте. Они касаются защиты персональных данных, прозрачности алгоритмов, применения нейросетей в чувствительных областях.

Перспективы развития ИИ

В ближайшие годы ИИ станет еще более интеллектуальным: он будет лучше понимать контекст и решать усложненные задачи. Также он станет доступнее и будет выполнять больше рутинной работы, освобождая время специалистов для наиболее значимых дел. Есть тренд на персонализацию — создание систем, способных понимать предпочтения пользователей, планировать задачи, искать информацию и помогать в принятии решений.

Вместе с развитием технологии возрастет контроль над ее использованием: отслеживание качества обучающей выборки, мер безопасности и соблюдения этических норм. Для общества искусственный интеллект может сделать более доступным образование и медицинские услуги, а также ускорить научные открытия, которые повысят качество жизни. Однако одновременно людям потребуется решать проблемы, связанные с изменением рынка труда, защитой персональных данных и сохранением контроля над принятием решений.

Говоря про AGI, прогнозы делать тяжело. Пока сроки появления таких систем неясны: одни ученые считают, что AGI может быть разработан уже к 2050-м годам, а другие полагают, что технология станет реальностью только в следующем столетии.

ГигаЧат: ваш помощник на базе ИИ

ГигаЧат — это бесплатная нейросеть от Сбера. Она умеет вести диалоги, генерировать тексты, реалистичные картинки, видео, аудио, открытки и другие типы контента. В отличие от иностранных моделей, ГигаЧат отлично интерпретирует запросы на русском языке — он адаптирован под русскоязычных пользователей.

Для регистрации в сервисе достаточно Сбер ID (его легко сделать, даже если вы — не клиент банка). Нейросетью можно пользоваться через веб-версию, бот в Telegram, «ВКонтакте» или приложении MAX.