… Но у меня мало времени. И я ненавижу математику.
Кто-то недавно сказал мне: «Расскажите мне больше о машинном обучении и искусственном интеллекте». Моей первой мыслью было то, что Интернет буквально взорван буквами и объяснителями. Но я понял, что эти статьи либо предназначены для потенциальных инженеров, либо настолько длинные, что пугают. Осознание этого также послужило оправданием написания моей статьи. Итак, начнем.
В основе каждой компьютерной программы лежит математическая функция, которая помогает программе выполнять свою работу. Проще говоря, задача программы - передавать входные данные функции и собирать ее выходные данные. Эта функция может быть такой же простой, как добавление нескольких чисел, или такой сложной, как автоматическое управление самолетом.
Инженеры-программисты пишут эти программы, а также детали основных функций. Искусственный интеллект (или AI) - это общее название, данное любой компьютерной программе, основная математическая функция которой была создана автоматически.
Так как же это работает и, кстати, что такое машинное обучение?
С высоты птичьего полета. Машинное обучение - это, по сути, набор методов, позволяющих создавать ИИ. Они позволяют нам начать с элементарных спецификаций и набора образцов и помогают нам создавать сложные системы, которые выполняют конкретные, специализированные задачи.
Например, предположим, что у нас есть набор методов, которые «знают», как прикрепить мышцы к костям, понимают, как работают суставы, и осознают ограничение, заключающееся в том, что здоровые организмы требуют некоторого общего баланса в распределении мышц. Мы могли бы начать с человеческого скелета (наша элементарная спецификация) и огромной коллекции мазков кисти (примеров) и создать ИИ, который умеет рисовать.
И вот здесь все усложняется.
Занятие ученого. Возможно, легко создать организм (то есть ИИ), который хорошо красит стены. Но добиться чего-то с помощью навыков Моне или Ван Гога несоразмерно труднее.
Каждое постепенное улучшение навыков организма требует, возможно, удвоения усилий по сравнению с предыдущим приращением. Именно здесь научное сообщество тратит свои исследовательские усилия. Он пытается выжать больше энергии как из математики, так и из кремниевых чипов, чтобы улучшить методы, чтобы они работали быстрее, точнее и изощреннее.
Забавно то, что иногда основной ИИ, созданный с помощью методов машинного обучения, оказывается слишком сложным для того, чтобы даже ученые могли распутать и понять. Но что ж, это работает.
Полезность для непрофессионала. Искусственный интеллект кажется более распространенным, чем другие современные технологии, поскольку он тесно связан с нашей повседневной деятельностью и кажется волшебным. Или жутко. Математика и естественные науки всегда окружали нас во всем, что мы делаем, по крайней мере, в 21 веке. Но каким-то образом, каким бы сложным он ни был, емкость мобильного телефона в 64 ГБ или способность навигационной системы находить быстрый маршрут между моим домом и офисом не кажутся волшебными.
Машинное обучение позволяет использовать технологии, которые можно легко персонализировать, что придает им волшебный вид. И его можно персонализировать в массовом масштабе.
Мои запросы на веб-сайтах Amazon или Tripadvisor вызывают показ объявлений в моем поиске в Google. Facebook распознает фотографии со мной и моими друзьями. LinkedIn выясняет, что я ищу смену работы, и присылает мне объявления о вакансии. Местный супермаркет понимает, что внезапная покупка девушкой туалетных принадлежностей без парфюмерии является признаком ее беременности, еще до того, как об этом узнала семья. Эта предполагаемая близость этих технологий вызывает проблемы с конфиденциальностью и вызывает некоторые проблемы.
Когда я говорю «LinkedIn выясняет…», я имею в виду, что где-то на своих огромных серверах LinkedIn имеет математическую функцию, которая отвечает «Очень вероятно!» на вопрос «Может, этот пользователь ищет смену работы?»
Основа общества. ИИ, создавая больше, чем личные выгоды или головные боли, которые создает для отдельных людей, оказывает большее социальное воздействие, чем все, что мы создавали в недавнем прошлом.
От влияния на наше поведение во время свиданий до ограничения нашего доступа к новостям, которые соответствуют только нашим политическим взглядам, до информирования правоохранительных органов о том, что правонарушители определенных рас более склонны к рецидивизму, чем в среднем, до решения чего-то столь обыденного, как какие картинки нам показывать, когда мы ищем «счастливых подростков» или «гангстеров», ИИ принимает за нас ряд решений.
Эти решения влияют на общество в целом, действуя не только как влияние, но и как зеркало.
Мы совершаем полный цикл, когда понимаем, что наш гуманоид-художник, в конце концов, настолько хорош, насколько хороши образцы, используемые для его обучения. Когда недавно Google подвергся критике за то, что на изображениях афроамериканской пары был назван «пара горилл», он сосредоточил внимание на социальных предубеждениях в выборе инженерами примеров, с помощью которых они создают ИИ с использованием технологии машинного обучения. Таких примеров предостаточно, и они, как и все, что создано руками человека, напоминают нам, что искусственный интеллект найдет свои пределы в естественной глупости.
