Файл: Основные проблемы искусственного интеллекта в науке.docx

В мае 2017 программа AlphaGo[1], обладающая искусственным интеллектом и Кэ Цзе[2] сражались в го[3]. Многие эксперты по ИИ считали, что компьютеру никогда не выиграть. Поскольку построение стратегии в игре - невероятно сложный и требующий “человеческого чутья” процесс. Инженеры считали, что количество вероятных позиций на доске слишком велико, чтобы компьютер мог их просчитать.

КАРИМОВ Константин Сергеевич - аспирант кафедры “Политологии и права” Московского Государственного Областного Университета. Адрес: Российская Федерация, 105005, г. Москва, ул. Фридриха Энгельса, д. 21 стр. 3. E-mail: const.karimoff@yandex.ru.

Ключевые слова: искусственный интеллект, проблемы искусственного интеллекта, технологии, исследования.

AlphaGo не просто выиграла чемпиона Кэ Цзе, она его разгромила с счетом 4-1. Эта победа ознаменовала собой важный прорыв в области искусственного интеллекта, так как ожидалось появление таких программ не ранее 2020-2025 годов. При разработке AlphaGo авторы использовали только самую элементарную теорию игры в го, программа достигла высокого уровня игры, обучаясь сама на партиях профессионалов. Таким образом, её методы машинного обучения стали использовать в других областях применения искусственного интеллекта, например для анализа медицинских данных.

Определений ИИ много,но нет полностью описанного понятия, так как термин включает в себя сочетание множества наук, что является одной из проблем. Если вкратце, то Искусственного Интеллекта - это структура данных и алгоритмов, использующие такие методы, как глубокое и машинное обучения, для выполнения различных задач, приближенных к уровню человеческого интеллекта.

Применение ИИ широко распространилось во многие сферы, связанных с обработкой данных:

В финансовой сфере ИИ давно используется для определения платежеспособности заемщика. Например, приложение Smart Finance только полагаясь на свои алгоритмы, выдает миллионы небольших кредитов. Теперь заемщику не нужно вводить сумму заработка, только разрешить доступ приложению подключиться к некоторым данным. Алгоритмы глубокого обучения Smart Finance не просто рассматривают очевидные показатели, например кредитная история, ваш счет или уровень зарплаты. Методы приложения опираются на данные, которые для человека казались бы несвязанными. Например, учитывается скорость введения даты рождения или уровень заряда вашего смартфона. Какая зависимость между кредитоспособностью и аккумулятором телефона? Человеку на данный вопрос сложно ответить, но это не значит, что ИИ ошибается, это означает, что наш разум не всегда способен распознать корреляции в больших потоках данных.

Врачам алгоритмы помогают поставить более верный диагноз. «СберМедИИ» анализирует параметры пациента: кашель, голос, дыхание и определяет вероятность коронавирусной инфекции.

Онлайн-сервис «КТ Легких» по снимкам компьютерной томографии может определять не только степень поражения легких для диагностики вирусной пневмонии, но и выявлять онкологические заболевания на ранней стадии.
С помощью ИИ модерируются транспортные процессы районов, городов и стран, чтобы обезопасить дорожное движение. В логистике ИИ может оптимизировать маршрутизацию трафика доставки, повышая топливную экономичность и сокращая сроки доставки. Waymo, Яндекс, Baidu и крупные автопроизводители Nissan, VAG, BMW и другие с каждым днем ближе к созданию беспилотного транспортного средства. Многие стартапы по всему миру занимаются созданием беспилотных аэротакси.

Алгоритмы и методы ИИ начинают все больше внедрять в бизнес для оптимизации и получения большей прибыли. ИИ может использоваться для повышения эффективности бизнеса в таких областях, как профилактическое обслуживание, где способность глубокого обучения анализировать большие объемы данных из аудио и изображений может эффективно обнаруживать аномалии на заводских сборочных линиях или авиационных двигателях. В управлении обслуживанием клиентов ИИ стал ценным инструментом в колл-центрах благодаря улучшенному распознаванию речи.

Такие практические сценарии использования и приложения ИИ можно найти во всех секторах экономики и многочисленных

бизнес-функциях, от маркетинга до операций цепочки поставок.

По прогнозам PwC ИИ может внести до 15,7 триллиона долларов США в мировую экономику в 2030 году, что больше, чем текущий объем производства Китая и Индии вместе взятых[4].

Бесспорно алгоритмы ИИ в обработке данных превосходят возможности человека. Однако остается ряд проблем, требующих внимания.

Основные споры по ИИ

Существует три вида искусственного интеллекта:

Слабый ИИ (ANI)- это искусственный интеллект, который специализируется в одной области. Есть ИИ, который может победить чемпиона мира по шахматам в шахматах, но это единственное, что он делает. Это единственный существующий ИИ сегодня: Google Assistans, Google Translate, Siri, Алиса.

Все они используют обработку естественного языка (Natural Language Processing, NLP). Понимая речь и текст, они запрограммированы на взаимодействие с людьми персонализированным, естественным образом.
Сильный(AGI)- это сильный искусственный интеллект, максимально приближенный к способностям человеческого интеллекта.

Для сравнения, мощность человеческого мозга, по данным академика РАН Каляевым И.А. 10 зеттафлопс, а самый мощный суперкомпьютер на сегодняшний день Фугару с производительностью 537 петафлопс.То есть для того, чтобы смоделировать человеческий мозг, нам нужно поднять производительность суперкомпьютеров еще на три-четыре порядка[5].

Супер(ASI)- это супер искусственный интеллект, который превосходит человека во всех сферах деятельности. Это путь в будущее.

Какое будущее у человека с ASI? На этот вопрос мнения ученых изучающих ИИ, разделилось.

Многие, среди которых профессор Вернор Виндж, ученый Бен Герцель, соучредитель Sun Microsystems Билл Джой, футуролог Рэй Курцвейл разделяют мнение, что ASI появится скоро,в ближайшие несколько десятилетий и способен победить смертность и расширить наше сознание, когда люди и машины сольются в одно целое. Человек сможет загружать свой разум в облако и обновлять тела посредством интеллектуальных наноботов, введенных в кровоток. К тому же суперинтеллект может нам помочь избавиться от неизлечимых болезней и справиться с глобальным потеплением.

Другие вроде соучредителя Microsoft Пола Аллена, психолога исследований Гари Маркуса, компьютерного эксперта Эрнеста Дэвиса и технопредпринимателя Митча Капора считают, что мыслители вроде Курцвейла серьезно недооценивают масштабы проблемы, и думают, что мы не так-то и близки к переломному моменту. Лагерь Курцвейла возражает, что единственная недооценка, которая имеет место, — это игнорирование экспоненциального роста, и можно сравнить сомневающихся с теми, кто смотрел на медленно расцветающий интернет в 1985 году и утверждал, что он не будет иметь влияния на мир в ближайшем будущем.

«Сомневающиеся» могут парировать, мол, что прогрессу сложнее делать каждый последующий шаг, когда дело доходит до экспоненциального развития интеллекта, что нивелирует типичную экспоненциальную природу технологического прогресса. Это иллюзия быстрого прогресса. Прогресс в решении легких проблем не равно прогрессу в решении сложных проблем. Если компьютер обыгрывает человека в интеллектуальные игры, не значит, что он умнее.

Третий лагерь, в котором находится Ник Бостром, не согласен ни с первыми, ни со вторыми, утверждая, что все это абсолютно может произойти в ближайшем будущем и нет никаких гарантий в том, что это произойдет вообще или потребует больше времени.

Другие же вроде философа Хьюберта Дрейфуса считают, что все эти три группы наивно полагают, что переломный момент вообще будет, а также что, скорее всего, мы никогда не доберемся до ASI. В 2013 году Бостром провел опрос, в котором опросил сотни экспертов в сфере искусственного интеллекта в ходе ряда конференций на следующую тему: «Каков будет ваш прогноз по достижению AGI человеческого уровня?» и попросил назвать оптимистичный год (в который мы будем иметь AGI с 10-процентным шансом), реалистичное предположение (год, в который у нас с 50-процентной вероятностью будет AGI ) и уверенное предположение (самый ранний год, в который AGI появится с 90-процентной вероятностью).[6] Вот результаты:

• 
  Средний оптимистичный год (10%): 2022
  
• 
  Средний реалистичный год (50%): 2040
  
• 
  Средний пессимистичный год (90%): 2075
  

Среднестатистические опрошенные считают, что 90-процентная вероятность появления AGI к 2075 году.

В исследование, проведенное Джеймсом Барратом на конференции AGI, говорится о мнении ученых в сфере ИИ, в каком году мы доберемся до AGI: к 2030, 2050, 2100, позже или никогда. Вот результаты:

• 
  К 2030: 42% респондентов
  
• 
  К 2050: 25%
  
• 
  К 2100: 20%
  
• 
  После 2100: 10%
  
• 
  Никогда: 2%
  

Результаты схожи с выводами Бострома. Ожидаемые годы появление AGI: 2030-2040.

AGI не является переломным моментом для человечества, как ASI. Когда ожидается появление супер интеллекта по мнению экспертов?

Большинство склоняется к выводу, что быстрый переход (менее 10 лет) от AGI к ASI произойдет с 10% вероятностью, но через 30 лет или меньше вероятность перехода возрастает до 75%.
То есть эксперты считаю, что появление ASI возможно к 2060-2070 годах.

Конечно, все вышеперечисленные статистики являются спекулятивными и просто представляют мнение экспертов в сфере искусственного интеллекта, но они также указывают, что большинство заинтересованных людей сходятся в том, что к 2060 году ASI может появиться.

Проблемы искусственного интеллекта

1.Энергетическая и ценовая

Одна из главных проблем является большое потребление энергии для выполнения алгоритмов. Машинное обучение и глубокое обучение являются ступенькой искусственного интеллекта, и они требуют постоянно растущего числа ядер и графических процессоров для эффективной работы. Существуют различные области где необходимы технологии глубокого обучения, таких как отслеживание астероидов, здравоохранения, беспилотный транспорт и многое другое. Они требуют вычислительной мощности суперкомпьютера, который не только потребляет много энергии, но и не дешевый.

В отчете Deloitte говорится, что около 94% предприятий сталкиваются с потенциальными проблемами искусственного интеллекта при его внедрении.[7]

Малые и средние организации испытывают большие трудности, когда дело доходит до внедрения технологий искусственного интеллекта, так как это дорогостоящее дело. Даже крупные фирмы, такие как Facebook, Apple, Microsoft, Google, Amazon, выделяют отдельный бюджет на внедрение и внедрение технологий искусственного интеллекта. Возможным решением проблемы предоставление специальных программ и льгот от государства.

2. Данные

Данные - основа развития искусственного интеллекта. От качества и количества данных зависит скорость обучения машины. Качество данных учитывает много аспектов, включая согласованность, целостность, точность и полноту. Современные системы должны осознавать качество ввода-вывода данных. Они должны мгновенно выявлять потенциальные проблемы и выявлять “грязные”, неточные или неполные данные. Ошибочные алгоритмы, созданные с использованием неподходящего набора данных, может оставить колоссальную вмятину в прибыли организации. Решение проблемы с данными заключается в том, чтобы потратить время на оценку и масштабирование с тщательным управлением данными, интеграцией и исследованием, пока вы не получите четкие данные.

Текущие приложения на основе искусственного интеллекта требуют не только качественных данных, но и массивных данных. Amazon, Google, Facebook и т. д., они лидируют, потому что у них есть доступ к такому количеству данных. Не все компании имеют доступ к массивным данным.

3.Отсутствие квалификационных ресурсов и знаний

Глубокая аналитика и машинное обучение в их нынешнем виде все еще являются новыми технологиями. Таким образом, ощущается нехватка квалифицированных сотрудников. Представители российской ИТ-отрасли прямым текстом говорят, что отечественные вузы почти не уделяют внимание подготовке кадров по направлению искусственного интеллекта.[8]

Также помимо энтузиастов ИИ, студентов и исследователей, есть лишь ограниченное число людей, которые знают о потенциале ИИ. Например, для интеграции, развертывания и внедрения приложений искусственного интеллекта на предприятии организация должна знать о текущих достижениях и технологиях ИИ, а также о его недостатках. Отсутствие технических ноу-хау препятствует принятию этой нишевой области в большей части организации. Поэтому предприятиям требуется специалист для выявления препятствий в процессе развертывания.

Как потребитель и разработчик технологий искусственного интеллекта, мы должны знать как о достоинствах, так и о проблемах, связанных с внедрением ИИ. Знание этих деталей любой технологии помогает пользователю/разработчику снизить риски, связанные с технологией, а также в полной мере воспользоваться ею.

4.Этические

Одной из основных проблем ИИ, которые еще предстоит решить, являются этика и мораль. Нам нужны данные для обучения наших алгоритмов искусственного интеллекта, и нам нужно сделать все возможное, чтобы устранить предвзятость в этих данных.

Например, база данных ImageNet имеет гораздо больше белых граней, чем небелых. Когда мы обучаем наши алгоритмы искусственного интеллекта распознавать черты лица с помощью базы данных, которая не включает правильный баланс лиц, алгоритм не будет работать так хорошо на не белых лицах, создавая встроенное смещение, которое может оказать огромное влияние. Важно устранить как можно больше предвзятости по мере обучения ИИ.

По мере того, как мы используем все больше и больше технологий искусственного интеллекта, мы просим машины принимать все более важные решения. Кто будет нести ответственность за эти решения? Как отвественность будет перекладываться на систему? Будет ли система ответственной за решения?

Конфиденциальность (и согласие) на использование данных уже давно является этической дилеммой ИИ. Нам нужны данные для обучения машин, но откуда берутся эти данные и как их используют, будут ли они защищены?

Огромные компании, такие как Amazon, Facebook, Google, используют искусственный интеллект, чтобы раздавить своих конкурентов и стать практически неудержимыми на рынке. Такие страны, как Китай, также имеют амбициозные стратегии ИИ, которые поддерживаются правительством. Президент России Путин В.В. сказал: "Тот, кто победит в гонке в ИИ, вероятно, станет правителем мира". Неравенство между странами лидерами ИИ и развивающимися странами будет только расти, это является серьезной проблемой в мире.

5. Доверие

Алгоритмы становятся сложнее с каждым днем, появляется вопрос доверия, в отношении его способности принимать справедливые решения и улучшать качество человечества. Одним из наиболее важных факторов, вызывающих беспокойство у ИИ, является неизвестный характер того, как модели глубокого обучения предсказывают результат. Как конкретный набор входных данных может разработать решение различных проблем, трудно понять непрофессионалу. Кроме того, алгоритмы большинства продуктов или приложений на основе ИИ хранятся в секрете, чтобы избежать нарушений безопасности и аналогичных угроз. По этим причинам нет прозрачности внутренних алгоритмов продуктов искусственного интеллекта, что затрудняет доверие к таким продуктам.

6. Безработица

Согласно отчету Mckinsey, искусственный интеллект может заменить 30% нынешней рабочей силы в мире. По мнению эксперта в сфере ИИ Кай-Фу Ли, 40% рабочих мест в мире будут заменены социальными ботами в ближайшем будущем 10-15 лет. Изменения сильнее всего коснуться низкоквалифицированных рабочих. При развитие ИИ, даже для высокооплачиваемые, высококвалифицированные работников становятся более уязвимыми для потери рабочих мест, потому что, компании получают более высокую прибыль, автоматизируя свою работу.

Транспорт является одной из сфер, где вышеперечисленные проблемы ИИ существуют и требуют внимания. Решения в нейронных сетях принимаются на основе больших массивов данных, сама логика решений скрыта и не понятна не только обычным пользователям, но и экспертам. Чем больше мы полагаемся на нейронные сети, тем важнее становится понимание принципов, по которым они принимают решения. Ведь когда ИИ интерпретирует очевидные для человека изображения неправильно, например, картинку бейсбольного мяча с пеной для бритья за чашку кофе или совсем не распознает черный автомобиль ночью, как произошло в дтп с участием Tesla[9]. Эти ошибки имеют критические значения, если мы собираемся передавать системам функции управления транспортным средством. Многие переоценивают возможности глубокого обучения и его надежности. Люди думают, если беспилотный автомобиль может двигаться по магистрали, то после доработки он успешно справится с городским потоком. Однако между двумя этими возможностями огромная технологическая пропасть.

Глубокое обучение лишено человеческого разума, а распознавание речи и изображений- это не интеллект, а лишь его мельчайшие фрагменты.

Для создания искусственного интеллекта сходному интеллекту человека нужно уйти от систем, использующих обучение на статистических корреляциях и перейти к системам с базовыми пониманиями, подобным человеческим, для постижения мира. Нужно заложить в ИИ принципы, которые помогают людям учиться и изучать мир вокруг: способность к абстракции, композиционности, причинно-следственные представления, понимание того, что объекты существуют в течение какого-то времени. Нужно заложить в искусственные системы основы в виде понимания времени, пространства и причинности. Поэтому при создании ИИ компьютерные науки должны обогащаться знаниями из других дисциплин, в том числе когнитивных наук.

Пока не существует сильного интеллекта(AGI) и супер интеллекта(ASI), то один из путей решения проблем в транспортной сфере и других областях тандем человек-машина. Этот симбиоз взаимоотвественно контролирует, дополняет друг друга и помогает сделать систему “человек-машина-среда” эффективнее и безопаснее. ИИ пока не может заменить человека и должен дополнять его.

ИИ может принести огромные преимущества, например, в медицине, образовании, распределении продуктов питания и помощи, более эффективном общественном транспорте и в борьбе с изменением климата.Это технология, которая, изменит человеческую историю, как и промышленная революция. Тем не менее, существуют серьезные этические, социальные риски и риски для безопасности, связанные с быстрым распространением технологий искусственного интеллекта.

ИИ создает серьезные регуляторные проблемы из-за того, как он финансируется, исследуется и разрабатывается. Частный сектор стимулирует прогресс в области ИИ, и правительства в основном полагаются на крупные технологические компании, которые создают свое программное обеспечение для ИИ, предоставляют свои таланты в области ИИ и совершают прорывы в области ИИ. Во многих отношениях это отражение мира, в котором мы живем, поскольку крупные технологические фирмы обладают необходимыми ресурсами и опытом.

Однако без надзора со стороны правительства дальнейшее применение необычайного потенциала ИИ будет фактически отдано на привлечение коммерческих интересов. Этот результат дает мало стимулов для использования ИИ для решения самых серьезных мировых проблем, от бедности и голода до изменения климата.

В настоящее время правительства играют в гонки по разработке и развертывания приложений ИИ. Несмотря на международный характер этой технологии, единого политического подхода к регулированию ИИ или использованию данных не существует. Крайне важно, чтобы правительства обеспечивали «ограждения» для развития частного сектора посредством эффективного регулирования. Но этого еще нет ни в США (где ведется наибольшее количество разработок), ни в большинстве других частей мира. Этот регулирующий «вакуум» имеет важные этические последствия и последствия для безопасности ИИ.

Некоторые правительства опасаются, что введение строгих правил будет препятствовать инвестициям и инновациям в их странах и лишит их конкурентных преимуществ. Такое отношение чревато «гонкой на выживание», когда страны соревнуются в минимизации регулирования, чтобы привлечь крупные инвестиции в технологии.

Вероятно, наиболее многообещающим подходом к государственной политике в отношении ИИ является предложенный ЕС подход, основанный на оценке рисков. Он запретит наиболее проблемные виды использования ИИ, такие как ИИ, который искажает человеческое поведение или манипулирует гражданами с помощью подсознательных методов. Не менее важно, чтобы использование ИИ правительствами было понятным, согласованным и этичным, с соблюдением обязательств в области прав человека. Непрозрачная практика правительств может способствовать восприятию ИИ как инструмента подавления.

Будет сложно доверять ИИ, пока не существует нормативно-правовой базы, регулирующей его финансирование, разработку и использование, однако глобальные действия по установлению четкого и эффективного регулирования и подотчетности могут помочь укрепить уверенность в безопасном и этичном использовании ИИ.

ИИ не является «волшебной таблеткой» от всех глобальных проблем человечества. Но может стать главным помощником человека, для трансформации в новую эпоху. Эпоху умных городов, безопасных дорог и автомобилей, космических путешествий и новых открытий.

In May 2017, AlphaGo[1], an artificial intelligence program, and Ke Jie[2] battled it out in go[3]. Many AI experts believed that a computer could never win. Because strategizing a game is incredibly complex and requires "human instincts. Engineers believed that the number of probable positions on the board were too many for a computer to calculate.

KARIMOV Konstantin Sergeevich - is a postgraduate student at the Political Science and Law Department of Moscow State University. Address: Russian Federation, 105005, Moscow, 21 Friedrich Engels St. 3. E-mail: const.karimoff@yandex.ru

Key words: artificial intelligence, artificial intelligence problems, technology, research.