В ожидании Терминатора
С искусственным интеллектом (ИИ) в России похуже, чем с «естественным»: русских ученых, занимающихся ИИ, на международных симпозиумах немало, но они, как правило, работают за рубежом. Тем не менее на последней конференции GECCO (Genetic and Evolutionary Computation Conference) выступление старшекурсника Университета ИТМО Игоря БУЖИНСКОГО было признано лучшим – из студенческих и аспирантских.
РИСУНОК Виктора БОГОРАДА
Сейчас Игорь – сотрудник международной лаборатории «Компьютерные технологии» Университета ИТМО. Лаборатория собрала сливки: в штате, к примеру, чемпионы мира по программированию. Это неудивительно: базируется лаборатория на знаменитой кафедре «Компьютерные технологии», возглавляемой ректором Университета ИТМО Владимиром Васильевым (кафедра и готовит чемпионов); руководитель лаборатории – декан факультета «Информационные технологии и программирование» профессор Владимир Парфенов, научрук – зав. кафедрой «Технологии программирования» профессор Анатолий Шалыто.
Сотрудники лаборатории рассказали нам, что искусственный интеллект бывает сильным и слабым; что решения задач могут скрещиваться и оставлять потомство; и что разница между нами и машинами со временем может стать зыбкой.
Человеку бы на ум
и не пришло
– Конференция GECCO – крупнейшая по эволюционным вычислениям. Что это за вычисления?
Максим БУЗДАЛОВ, ассистент кафедры, чемпион мира по программированию:
– Очень многие задачи, которые задает реальный мир, не решить классическими способами, которым обучают в вузах. Поэтому иногда используют алгоритм, подсмотренный у природы. Например, генетический алгоритм, или эволюционные вычисления. На компьютере симулируем очень упрощенную эволюцию, а в качестве особей выступают решения задачи: эти решения скрещиваются, выводят потомство, мутируют, выживают в естественном отборе, который как раз и делает решение все лучше и лучше.
Алгоритмами подобного рода решаются самые разные задачи – первые научные публикации в 1970-х касались, кажется, оптимального построения крыла самолета.
Андрей ФИЛЬЧЕНКОВ, канд. физ-мат. наук:
– Или недавний пример: в НАСА запустили генетический алгоритм, чтобы «вырастить» антенну для принятия сигналов определенного рода. Видимо, классические способы постройки антенны не подходили. Так и говорится – «вырастили»: алгоритм как бы выращивает самое лучшее решение, причем антенна получилась абсолютно непривычного вида. Человеку такая форма в голову бы не пришла.
– Мы в шорах своих представлений о том, как должны выглядеть антенна, холодильник, телевизор и т. д.?
М. Б.:
– Да, мешает багаж знаний. Кто-то когда-то изобрел антенну в виде этакой палочки, дальше все базировалось именно на этой форме, накапливались знания... Люди думают, что область изучена, нужно просто совершенствовать старое, а на самом деле оптимальное решение может лежать в стороне от накопленных знаний.
Генетический алгоритм специально пишут так, что машина практически ничего не знает об области, для которой работает, – отсюда совершенно неожиданные решения.
– И задача искусственного интеллекта – «выдумывать» то, до чего не додумается наш, естественный?
М. Б.:
– Я люблю повторять: искусственный интеллект бывает слабый и сильный. Слабый – для решения задачи, на которую вычислительных способностей человека недостаточно. Сильный – это система, способная сама принимать решение в большом диапазоне ситуаций.
Человечество в основном пользуется слабым искусственным интеллектом. Но он слаб не сам по себе, а по отношению к сильному.
– Кто занимается сильным искусственным интеллектом?
А. Ф.:
– Ну пока это в основном епархия фантастов. Терминатор – самый яркий пример сильного искусственного интеллекта.
Игорь БУЖИНСКИЙ, магистрант кафедры:
– Ученые, конечно, тоже этим давно занимаются – в конце ХХ века стала популярна так называемая когнитивная архитектура: попытки создать модели, основанные на идеях психологии – использующие познание, память, обучение и так далее. Но эти решения довольно ограниченные.
А. Ф.:
– Есть и другой подход, он связан с выбором оптимального действия. Представьте себе, что алгоритм ничего не знает об окружающей среде, он должен учиться, получая информацию о ней, и на каждом этапе выбирать все более подходящие действия. Это называется «алгоритмический искусственный интеллект».
Владимир УЛЬЯНЦЕВ, аспирант:
– Максим и его подразделение стараются расширить наши знания о том, насколько применим эволюционный алгоритм в реальных задачах. Почему собственно работает генетический алгоритм, мы до конца не знаем: нет четких математических моделей.
М. Б.:
– Все, что сейчас доказано, касается простеньких задач, которые особого практического интереса не представляют.
Эволюционный процесс работает, потому что в него встроен такой «генератор случайностей» – и появляются все новые вопросы, которые не человек придумывает, а они появляются случайно. А случайные процессы, та же «теория хаоса», как правило, очень сложны.
Приключения муравьишек
– Лаборатория занимается еще и биоинженерией.
В. У.:
– Да, вопросы сборки генома, анализ экспрессии генов, белковые исследования... Тут мы плотно взаимодействуем с Университетом Вашингтона в Сент-Луисе, с московскими коллегами из НИИ физико-химической медицины. Аспирант Сергей Казаков с казанскими коллегами с помощью наших разработок собрал геном редкой бактерии.
Наши разработки в открытом доступе, наука должна быть открытой.
Еще одно направление лаборатории – более прикладное: искусственный интеллект в управляющих системах. Это применимо на самолетах, космических аппаратах, подлодках. Игорь Бужинский выступал на конференции с докладом как раз на эту тему – он применил алгоритм, основанный на поведении муравьев, для генерации модели автопилота самолета.
Игорь БУЖИНСКИЙ:
– Это так называемый муравьиный алгоритм. Его подсказала природа, муравьиная колония. Допустим, если муравей нашел короткий путь к еде, он помечает путь феромонами, и с каждым разом все больше и больше муравьев будут добираться до еды коротким путем.
Есть классическое применение муравьиного алгоритма: составить для коммивояжера оптимальный маршрут между несколькими городами. А я использовал муравьиный алгоритм для построения автоматов, управляющих самолетом.
В. У.:
– Игорь многократно записывал программу поведения самолета в мертвой петле, чтобы обучить систему управления разным фигурам пилотажа... Конечно, у нее пока много оговорок: скажем, при значительной силе ветра система самолет не посадит. Но дело как раз в том, чтобы «на входе» задать алгоритму все то, что хочешь получить. Алгоритм слеп, он знает только то, что от него хотят, и задача человека – максимально понятно это объяснить. Допустим: хочу, чтобы самолет приземлялся при такой-то силе ветра.
Это и есть слабый искусственный интеллект: сам не способен додумать. Мы, люди, слабы в вопросах вычисления, но мы сильны в формулировании того, что нам нужно. Это то, что нас от машин будет отличать еще очень долго.
Как говорил доктор Хаус...
– Поэтому пилоту дяде Пете пока не нужно беспокоиться: компьютером его не заменят.
В. У.:
– Если дядя Петя умеет только формальные вещи, машина его заменит.
М. Б.:
– Сейчас в бортовой компьютер любой иномарки заложена программа, которая оптимизирует потребление топлива. Раньше для этого нужен был автомеханик, а сейчас машина на первых километрах движения сама обучается ехать наиболее экономично – с учетом скорости, двигателя, топлива. И объем знаний машины с каждым поколением автомобилей растет существенно. Но все равно система пока может учиться только значительно более простым вещам, чем человек.
А. Ф.:
– Еще один пример. Есть такая технология, сложная вероятностная модель. На ее основе в США создали медицинскую диагностическую модель, которая позволяет по симптомам ставить диагноз с той же точностью, что и врач с 10-летним стажем. Более опытный врач, конечно, поставит диагноз точнее, но машина справится лучше менее опытного доктора. Такая система в принципе способна заменить фельдшера.
Но тут есть условие: пациент должен сообщать все симптомы. А как говорилось в сериале «Доктор Хаус» – «пациент всегда лжет». Следовательно, системе надо бы не только ставить диагноз, но и распознавать, а не врет ли пациент. Таково положение дел: на каждую решенную задачу появляются нерешенные, и нужно переформулировать задачу для слабого искусственного интеллекта.
– Кто-то заказывает лаборатории работы? Или сами ставите перед собой научные задачи?
В. У.:
– Лаборатория держится в основном за счет программы «5 в 100» (отдельное госфинансирование университетов, способных попасть в первую сотню вузов мира. – Ред.), а мы отчитываемся статьями в журналах, индексируемых в мировых базах данных. Кроме того, нас поддерживает бизнес – благодаря инициативе нашего профессора Анатолия Абрамовича Шалыто «Сохраним в университетах лучших!» (профессор предложил компаниям «спонсировать» молодых ученых, чтобы те оставались в науке и готовили больше кадров. – Ред.). Это Mail.ru, «Яндекс», «Транзас», JetBrains, Devino Telecom и другие.
А. Ф.:
– Вот, например, нам заказали работу, связанную с вычленением существенных и несущественных признаков. Допустим, люди выбирают мобильные телефоны, но какие признаки в этом выборе существенные, а какие – нет? Для одних покупателей важен размер экрана, для других – объем памяти, для третьих – дизайн. Можно по поведению человека в Сети вычислить его покупательские предпочтения...
– На Большого брата работаете? Отслеживаете пристрастия?
А. Ф.:
– Все отслеживают. Информация о пользователях собирается даже про запас, без определенной цели. В нашем случае – чтобы более адресно давать рекламу.
И эти предсказания делаются очень точно. Известный случай, происшедший в США, – в одну компанию ворвался разъяренный отец семейства: его юной дочери постоянно присылали рекламу товаров для новорожденных. Возмущался, ногами топал. А оказалось, что по поисковым запросам девушки в Интернете система «раскусила», что та беременна, и стала направлять ей рекламу товаров для младенцев.
В. У.:
– В «Яндексе» целый научный отдел занимается разработкой алгоритмов машинного обучения. Забудьте про интернет-безопасность. Ее нет. Видно все, происходящее в Сети. Каждый для себя решает, как к этому относиться, исходя из уровня собственной паранойи.
А. Ф.:
– Ну все-таки того, чтобы все персонально следили за всеми, – нет. Это потребовало бы огромных ресурсов.
Следственный комитет России очень заинтересован в том, чтобы появилась программа, позволяющая выявлять потенциальных правонарушителей, но эффективность таких систем сомнительна. Одно дело – по вашим поискам в Сети определить, что вы хотите купить; другое – вычислить, что вы планируете преступление. Велик риск ошибки.
– Может, я детектив пишу и выясняю в Сети лучшие способы отравления. Возвращаясь к теме: я правильно поняла – Терминатора бояться рано?
М. Б.:
– Было много шуток на тему «что будет, если завтра вся ваша бытовая техника на вас ополчится»...
– Помру от страха. В комнату въезжает взбунтовавшийся пылесос.
М. Б.:
– Не бойтесь. Взбунтовавшийся пылесос просто не сможет пересечь порог вашей комнаты. Потому что это уже следующая задача, а слабый искусственный интеллект ее себе не поставит. Терминатор придет очень не скоро.
В. У.:
– Но давайте уточним. Мы говорим только о том, что находится в открытом доступе. Кто знает, какие ведутся секретные разработки...
Эту и другие статьи вы можете обсудить и прокомментировать в нашей группе ВКонтакте
Материал опубликован в газете «Санкт-Петербургские ведомости» № 027 (5400) от 17.02.2015.
Комментарии