Разработчики не знают, как на самом деле работает искусственный интеллект

  1. Аналитический ум машины
  2. Доктор-компьютер, который лучше понимает разум пациента от человека-врача.
  3. Машины вышли из-под контроля?

Разработчики не знают, почему высокоразвитые алгоритмы делают то, что делают. Глубокое обучение или продвинутое машинное обучение вышли из-под контроля, и неизвестно, какие могут быть последствия.

«Развитие полного искусственного интеллекта может привести к исчезновению человеческой расы», - это мрачное предупреждение пришло из уст Стивена Хокинга, выдающегося физика-теоретика. Через два года после ее лекции в Кембриджском университете был открыт Центр разведки будущего Leverhulme - учреждение, занимающееся анализом развития искусственного интеллекта.

Во время инаугурационного вечера в короткой речи Хокинг еще раз выразил свою обеспокоенность. - Я думаю, что нет никакой разницы между тем, что может быть достигнуто биологическим мозгом, и тем, что может быть достигнуто с помощью компьютера. Компьютеры теоретически могут подражать человеческому интеллекту и даже превосходить его, - сказал физик и добавил, что СИ, с одной стороны, может привести к ликвидации болезней, бедности и изменения климата, с другой стороны, может способствовать появлению нежелательных явлений или вещей, таких как автономное оружие, экономические сбои и машины, которые могут развиться в конфликт с людьми после развития их собственной воли.

Разработчики не знают, почему высокоразвитые алгоритмы делают то, что делают

Стивен Хокинг предостерегает от искусственного интеллекта.

По его утверждению, искусственный интеллект может быть лучшим или худшим, что случится с человечеством. Одной из самых больших угроз, создаваемых развитием IS, является независимость машин. Уже сегодня процессы, выполняемые интеллектуальными алгоритмами, являются загадкой для программистов, которые открыто признают, что за решениями, принимаемыми нейронными сетями, скрывается большая неизвестность. Технологией, которая привела к этому, является глубокое обучение или глубокое машинное обучение.

В прошлом году автономная машина выехала на улицы округа Монмут, штат Нью-Джерси, на первый взгляд мало чем отличавшаяся от конкурентов. Автомобиль, созданный Nvidia, ведущим производителем видеокарт, обязан своими навыками вождения машинному обучению, а не - как в случае с автомобилями из конюшен Google, Tesla или General Motors - заранее запрограммированным инструкциям.

Экспериментальная машина, секреты хорошего поведения, изучение того, как мужчина это делает. Это первый в истории случай, когда транспортное средство само узнало правила движения в пробках. Прорывная технология, то есть машинное обучение, предвосхитила ее удивительные возможности. Для ученых они оба сладкие и горькие.

Автомобиль Nvidia в действии

Приятно, потому что интеллектуальные машины могут революционизировать жизнь на Земле и помочь решить многие проблемы, с которыми сталкивается наша цивилизация. Однако трудности заключаются в том, что даже лучшие программисты не могут определить, почему алгоритмы принимают такие, а не другие решения. Информация от датчиков поступает в мощную нейронную сеть, которая обрабатывает данные и на основе системы решает, что делать в данной ситуации: замедляться, поворачивать, тормозить, а может и ускоряться?

Пока что реакции - это то, что вы ожидаете от человека, сидящего за рулем. Так что поводов для беспокойства нет? Не совсем. Если однажды компьютер примет неожиданное решение, войдет в противоположную полосу движения и столкнется лицом к лицу с входящим транспортным средством или пролетит над красным светом, программисты не смогут сказать, почему это произошло. Если они не могут приручить машинное обучение достаточно, чтобы отделить и исследовать отдельные процессы принятия решений.

Аналитический ум машины

На нашем дворе все больше технологических компаний используют машинное обучение. Одной из них является варшавская компания Cloud Technologies, которая располагает крупнейшим в Европе хранилищем данных о предпочтениях и поведении интернет-пользователей . OnAudience.com - его проприетарная платформа DMP (платформа управления данными), используемая для анализа больших, неструктурированных наборов данных, в ее расчетах основана на искусственном интеллекте. - Мы уже анализируем более 3 миллиардов. анонимные профили пользователей сети. Это гигантский ресурс больших данных, который вместе с демографическими или геолокационными данными обрабатывается нашей системой в режиме реального времени. Благодаря машинному обучению он анализирует сотни тысяч переменных и дает точные, ранее недостижимые результаты, - говорит Петр Прайснар, генеральный директор Cloud Technologies. Откуда спрос на такие услуги?

Аналитика больших данных стала маховиком цифровой экономики. Компании хотят знать больше о социальных отношениях, конкуренции и своих клиентах, принимать лучшие бизнес-решения, предлагать привлекательные продукты, улучшать существующие услуги или точно ориентировать онлайн-рекламу на людей, которые могут в ней заинтересованы .

Компании хотят знать больше о социальных отношениях, конкуренции и своих клиентах, принимать лучшие бизнес-решения, предлагать привлекательные продукты, улучшать существующие услуги или точно ориентировать онлайн-рекламу на людей, которые могут в ней заинтересованы

Существует множество приложений такой аналитики, и данные стали валютой оцифрованного мира и катализатором развития искусственного интеллекта. - Даже если бы в компании работали сотрудники из специализированных сотрудников, было бы чудом проанализировать такой объем неструктурированной информации и сделать аналогичные выводы. Стоимость операции и время, необходимое для ее завершения, являются дополнительными факторами, которые говорят против нее », - говорит Прашнар . Программисты, которые годами работают над автоматизацией аналитических процессов, прекрасно это понимают. Именно с машинным обучением они доверяют больше всего. Уже сегодня последствия развития этой технологии могут ошеломить величайших скептиков.

Доктор-компьютер, который лучше понимает разум пациента от человека-врача.

Это то, что Джоэл Дадли, председатель группы исследователей в больнице Маунт Синай в Нью-Йорке, обнаружил. Его программа Deep Patient заключалась в том, чтобы использовать потенциал искусственного интеллекта для прогнозирования заболеваний. Система взяла 700 тысяч карт под микроскопом пациентов, анализируя отчеты о посещениях клиники, результаты анализов, физиологические данные и сотни переменных.

Его компьютерное приключение началось в детстве, которое после прихода в мир напрягает его чувства, пытаясь познакомиться с новой реальностью, которая их окружает. Аристотель описал это состояние сознания как «Tabula rasa», что означает «несохраненная доска» на польском языке. Используя технологию глубокого обучения, лишенную правил, наложенных программистами, система обнаружила шаблоны, спрятанные в базе данных больницы, и на их основе поставила удивительно точные диагнозы. « Существует много хороших методов выявления заболеваний, основанных на файлах пациентов, но этот намного лучше», - сказал Джоэл Дадли.

« Существует много хороших методов выявления заболеваний, основанных на файлах пациентов, но этот намного лучше», - сказал Джоэл Дадли

Тем не менее, это не та легкость, с которой Deep Patient обнаружил относительно простые диагнозы симптомов, вызвавших удивление в медицинской среде. Истинный ужас преобладал, когда выяснилось, что система хорошо справляется с диагностикой психических расстройств, таких как шизофрения.

Заболевания такого типа сложно диагностировать даже лучшим специалистам в области психиатрии. Поскольку Deep Patient запрограммирован сам, Дадли до сих пор не может сказать, что стоит за эффективностью системы и какие аномалии она учитывает при формулировании таких продвинутых оценок. Знания этого типа могут помочь врачам не только улучшить диагностические процессы, но и разработать новые методы лечения. Мир должен будет подождать таких данных на мгновение, потому что еще не создано решение, которое объяснило бы влияние многослойных нейронных сетей.

Машины вышли из-под контроля?

Слишком рано для такого заявления, у искусственного интеллекта нет самого важного элемента, который сделал бы его подобным человеческому сознанию. До того, как мы родимся, мы можем спать спокойно и наблюдать за восстанием машин только во время кинопоказа последующих частей Терминатора. Это не означает, что проблема СИ должна быть недооценена.