Как революция искусственного интеллекта помогает нам ответить на самые фундаментальные вопросы философии? (Часть 1)

Кто я? Для чего я был рожден? Как мне жить? Было создано множество статей, множество книг и множество философских школ, призванных решить важнейшие вопросы человеческого существования. В этой статье мы хотели бы представить читателям глубокие размышления по этим основным философским вопросам с точки зрения ведущего мирового экспета в области технологий в серии статей, представленных ниже.

Серия статей является переводом статьи о The Edge автора Кай-фу Ли, основателя технологической инвестиционной компании Sinovation Ventures, занимающей первое место в Китае по версии Forbes. Ли занимал исследовательские должности в Apple и отвечал за операции в Microsoft и Google China. Ли также является ученым-компьютерщиком, создавшим первую в мире систему распознавания голоса. Система Ли в настоящее время используется в продуктах Apple Siri, Microsoft и многих других компаний.

Автор Кай-фу Ли, основатель китайской технологической инвестиционной компании № 1 Sinovation Ventures (Фото: China Daily)

ЧАСТЬ 1: ПЕРВАЯ И ВТОРАЯ ВОЛНА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Первая волна искусственного интеллекта

Как и все остальные, я всегда задаю себе вопросы: кто я и почему я существую? Кто мы, люди, почему мы существуем? Когда я учился в колледже, у меня был гораздо более невинный взгляд на жизнь. Я был очень увлечен компьютерами, искусственным интеллектом, и я думал, что мне суждено работать с компьютерными алгоритмами и вместе со своими коллегами представлять, как работает мозг, как компьютеры могут быть такими же умными, как мозг, и даже заменять мозг. мозг, и это то, что называется искусственным интеллектом.

Это была моя простая точка зрения на тот момент. Я занимался этим во время учебы в колледже, в годы магистратуры. Я поступил в Карнеги-Милон и получил докторскую степень по распознаванию речи , затем присоединился к Apple, SGI, затем к Microsoft и Google. В этих компаниях я продолжал заниматься искусственным интеллектом. Я думаю, что наше изучение того, как работает интеллект, и наше понимание искусственного интеллекта вернутся к нам и скажут: «Ах, вот как работает мозг». Мы моделируем это, и это определение интеллекта. Это должно быть самым важным в нашей жизни: наш IQ, наша способность думать, анализировать, предсказывать, понимать – все это можно развить с помощью моделирования на компьютере.

Мне посчастливилось встретиться с Марвином Мински, Алленом Ньюэллом, Хербом Саймоном (трое ученых считаются пионерами в области искусственного интеллекта) и моим наставником Раджем Редди (Даббала Раджагопал «Радж» Редди, индийско-американский ученый-компьютерщик, также пионер искусственного интеллекта). Все эти люди оказали глубокое влияние на мое мышление. Гармонично, что они также стремятся к пониманию интеллекта. В то время считалось, что мы реализуем человеческий интеллект как правила с человеческими способами действий, если обеспечим процесс осуществления нашего мышления в виде конкретных шагов.

Например, если я голоден, мне хочется пойти и поесть. Я случайно потратил много денег в этом месяце, пойду в более дешевое место. Подразумевается, что самым дешевым местом является Макдональдс. В Макдональдсе я избегаю жареной еды и беру только гамбургер. Эти «если, тогда, иначе» — это то, как мы думаем (как мы думаем), и именно так работает генерация экспертных систем или символического ИИ. Я понимаю, что это очень ограничивает, потому что, когда мы записываем правила, их слишком много.

В MCC (Консорциуме микроэлектронных компьютерных компаний) был профессор по имени Дуг Ленат, один из самых умных людей, которых я знаю. Он нанял сотни людей, чтобы они записали все правила, которые мы могли придумать, думая, что однажды мы это сделаем, и это будет мозг. Его исследование спонсируют Apple и Microsoft. Я до сих пор помню, как когда я навещал его, он показывал мне все эти разные виды цветов, делясь своими знаниями о том, что представляет собой каждый тип цветка, сколько лепестков у каждого цветка и какого цвета он имеет. Оказывается, в мире слишком много знаний, чтобы мы могли их усвоить, а их взаимодействия слишком сложны. Этот механизм, системы, основанные на правилах, мы не знаем, как его построить.

Это была первая волна. Люди начали волноваться, думая, что мы сможем написать правила, но это был полный провал. Результатом этой неудачи является то, что в некотором смысле полезных приложений осталось всего несколько. Это заставляет людей верить, что ИИ потерпел неудачу и его не стоит развивать.

Ученые-новаторы в области искусственного интеллекта, на которых Кай-фу Ли оказал глубокое влияние: Марвин Мински, Аллен Ньюэлл, Херб Саймон, Даббала Раджагопал «Радж» Редди (Фото: Slideplayer, Wikipedia)

Вторая волна искусственного интеллекта

Мне посчастливилось присоединиться ко второй волне, которая совпала с моей докторской работой в Карнеги-Меллоне. В этой работе я задавался вопросом, можем ли мы использовать какую-то статистику или машинное обучение. Что, если мы соберем образцы со всех вещей и обучим системы? Это могли быть образцы голоса для тренировки различных звуков на английском языке, образцы собак и кошек для тренировки распознавания животных и т. д. На тот момент они давали хорошие результаты. Тип технологии, которую я разработал и использовал в своей докторской диссертации, называется «Скрытые модели Маркова» и является первым примером автономной акустической системы распознавания речи. Эта система использовалась и до сих пор используется во многих продуктах, таких как Siri, система распознавания голоса Microsoft и другие технологии, используемые в компьютерной речи и компьютерном зрении. Я работал в Карнеги-Меллоне в 1980-х годах, защитил диссертацию в 1988 году и в 1990–1996 годах работал в Apple, а затем примерно в 2000 году в Microsoft Research.

Мы были уверены в том, что расчет этой работы окажется эффективным, поскольку мы видели улучшение результатов. Но после десятилетия работы мы видим, что критические улучшения достигают своего предела. Дальше они подняться не могли, поэтому мы испугались. Опять же, многие люди говорят: «Вы можете распознать 1000 слов, 100 объектов, но не более. Люди могут понимать бесконечный словарный запас, включая вновь образованные слова. Это неразумно. Это не ИИ». Второй крах искусственного интеллекта произошел потому, что ему не удалось доказать, что машины могут делать то, что могут делать люди.

По данным VnReview. Подробнее:

• Бесплатный онлайн-курс по искусственному интеллекту (ИИ) от финских университетов
• 6 шагов, чтобы начать изучать программирование искусственного интеллекта (ИИ)
• Онлайн-курсы по искусственному интеллекту (ИИ), сертификация