​​В последнее время тема искусственного интеллекта стала предметом обсуждения широкого круга специалистов, в том числе и не связанных напрямую с искусственным интеллектом или даже IT-отраслью в целом. Важность данной темы подчеркивается и на федеральном уровне. Указом Президента Российской федерации от 10.10.2019г. №490 утверждена Национальная стратегия развития искусственного интеллекта до 2030 года в Российской Федерации.

Еще в 2017 году президент Сбербанка Герман Греф посоветовал юристам начать осваивать нейросетевые технологии и отметил, что с подготовкой исковых заявлений нейронные сети стали справляться лучше людей. Летом 2020 года Сбербанк организовал летнюю цифровую школу по искусственному интеллекту для преподавателей вузов.

В новостях появляются яркие статьи об очередной победе искусственного интеллекта, темпы роста рынка технологий искусственного интеллекта кратные, объемы оцениваются в триллионы долларов. К сожалению, все это приводит к домыслам и спекуляциям, создающим магический образ таинственной силы, способной вознести человека на вершины Олимпа или, наоборот, поработить его по всем законам рабовладельческого строя. Дорогой читатель! Не будем судить строго доверчивых обывателей и недобросовестных журналистов, подогревающих слухи, а попробуем самостоятельно разобраться с тем, что такое искусственный интеллект.

Сложно представить себе современную научную область, в которой история играла бы такую же важную роль, как в области искусственного интеллекта. Несмотря на то, что история эта коротка, она стоит того, чтобы изучить ее подробно, тем более что это история о романтических надеждах и грандиозных свершениях.

Весь технический прогресс, с момента появления первых механизмов, был направлен на то, чтобы переложить на машину функции человека. Механизация позволила человеку освободиться от тяжелого физического труда. Автоматизация дала возможность управлять сложными механизмами без участия человека. Появление вычислительных и программируемых устройств переложило на машину все более интеллектуальные задачи.

Исследователи задумались: может ли машина мыслить подобно человеку? Для того, чтобы ответить на этот вопрос, нужно понять, в чем его суть: что означает мыслить? Как понять, что машина мыслит?

Наиболее удачной попыткой ответить на этот вопрос был тест, предложенный Аланом Тьюрингом в 1950 году. Суть теста состоит в том, что человек взаимодействует с компьютером и другим человеком, задавая вопросы и получая ответы. Не видя своего собеседника, человек должен определить, с кем он разговаривает, с компьютером или человеком.

Возможно, этот тест определил будущее искусственного интеллекта. Конкретизировав вопрос о мышлении машины, Алан Тьюринг задал вектор развития целого научного направления, которое на тот момент еще только зарождалось. Разные исследователи пытались разработать системы, способные мыслить и пройти тест Тьюринга.

Ключевым моментом в развитии искусственного интеллекта стал двухмесячный научный семинар, проведенный в 1956 году в Дартмутском колледже (г. Ганновер, штат Нью-Гэмпшир, США). Целью семинара было рассмотрение вопроса: можно ли моделировать рассуждения, интеллект и творческие процессы с помощью компьютера.

Организаторы семинара полагали, что если крупнейшие ученые соберутся в одном месте и сконцентрируют свое внимание на ряде важнейших вопросов в области мышления машин, то удастся существенно продвинуться в достижении главной цели семинара. Однако этот семинар не стал местом крупнейших открытий. Многие вопросы, которые планировалось разрешить тогда в течение двух месяцев, не решены до сих пор. Важным итогом этого семинара стало понятие «искусственный интеллект» («Artificial Intelligence»). Множество исследований, посвященных возможностям машины, были объединены единым названием.

Корнями искусственного интеллекта являются три фундаментальные идеи.

Первая идея. Человек является интеллектуальным. Если нам удастся смоделировать рассуждения человека, то мы сможем научить машину мыслить подобно человеку. Эта идея породила целое направление комбинаторно-логического поиска. К этому направлению относятся математическая логика, комбинаторный поиск, теория графов и т.д.

Вторая идея. Человек мыслит мозгом. Мозг способен решать сложнейшие задачи. Если мы смоделируем работу человеческого мозга в виде активности взаимосвязанных нейронов, то сможем создать по-настоящему интеллектуальную систему. Это направление получило название нейронных сетей.

Третья идея. Человек стал интеллектуальным не мгновенно. Это результат долгой эволюции. А что, если мы попробуем получить интеллект не сразу, а вырастим его — подобно тому, как эволюция создавала человека? Это направление получило название эволюционных алгоритмов.

Три эти идеи легли в основу научных разработок по искусственному интеллекту. Это была золотая эра искусственного интеллекта. Колоссальный оптимизм, колоссальные инвестиции, грандиозные успехи. Одним из таких успехов стала программа ELIZA, разработанная исследователем Джозефом Вайценбаумом (Joseph Weizenbaum) в 1966 году. Этой программе практически удалось пройти Тест Тьюринга. Многие доверчивые обыватели верили, что разговаривали с человеком, а не программой: десять лет назад было только название, и вот, компьютеры уже разговаривают!..

Золотая эра искусственного интеллекта относится к 1956-1976 годам. Искусственный интеллект занимал умы не только математиков, кибернетиков, программистов. Философы и фантасты задавались вопросом, «как искусственный интеллект» изменит нашу жизнь. В 1950 году был опубликован сборник научно-фантастических рассказов Айзека Азимова, где были впервые сформулированы три закона робототехники. Люди верили в возможности искусственного интеллекта, стремились приблизить будущее и одновременно его опасались.

На фоне этого оптимизма и колоссального исследовательского подъема «зима», пришедшая в область искусственного интеллекта, выглядит громом среди ясного неба.
И первой «зима» пришла к нейронным сетям. Марвин Ли Минский (Marvin Lee Minsky) и Сеймур Пейперт (Seymeour Papert) опубликовали в 1969 году книгу «Perceptrons: an introduction to computational geometry», где нейронные сети были подвергнуты жестокой критике. Были показаны существенные ограничения нейронных сетей, например, неспособность восстанавливать простейшую логическую функцию «исключающее или».
Позже «зима» пришла и к остальным подходам. Было сформулировано понятие комбинаторного взрыва — резкое возрастание вычислительной сложности задачи при незначительном увеличении размерности. Было показано, что многие задачи не могут быть решены в принципе. Колоссальные инвестиции не получили возврата, а за первыми грандиозными успехами новых значимых успехов так и не появилось. Зима в искусственном интеллекте продлилась до 1980 года.

Британское королевское научное общество было обеспокоено положением дел в области искусственного интеллекта и поручило сэру Майклу Джеймсу Лайтхиллу (Michael James Lighthill) разобраться с тем, что происходит в этой области.

В 1973 году Лайтхилл опубликовал результаты своего исследования Artificial intelligence: A General Survey, в котором все исследования в области искусственного интеллекта были разбиты на три группы.

Группа A – полезные прикладные исследования.
Группа C – теоретические исследования, посвященные интеллектуальной деятельности человека.
Группа B – исследования, посвященные созданию искусственной личности (искусственного разума).

М.Лайтхилл предположил, что с течением времени останутся только группы A и С, а группа B распадется на A и С. Позже так и получилось. В искусственном интеллекте были сформулированы понятия сильного и слабого искусственного интеллекта.

Когда мы сегодня говорим об искусственном интеллекте, мы имеем в виду исследования из группы A, или слабый искусственный интеллект. Для того, чтобы искусственный интеллект стал разумом (сильным искусственным интеллектом), его необходимо дополнить — самосознанием, органами чувств и эмоциями.

Возможно, подобно тому, как в термодинамике сформулировано доказательство того, что вечный двигатель создать нельзя, в области искусственного интеллекта будет приведено доказательство того, что нельзя создать искусственную личность.

Первая «зима» сменилась «краткой оттепелью», которая связана с появлением экспертных систем. В отличие от других подходов в искусственном интеллекте, экспертные системы смогли дать возврат промышленным инвестициям и смогли решать промышленные задачи. Это породило волну нового оптимизма, однако экспертные системы очень быстро вышли на свой «пик». Ограничения, связанные с представлением и дополнением знаний в экспертных системах, явились непреодолимыми. Так в искусственный интеллект пришла вторая «зима».

Сегодня экспертные системы являются одной из полезных технологий искусственного интеллекта, имеющей ограниченное применение. В целом, область искусственного интеллекта больше не связывается с романтическими идеями о мыслящих разумных машинах. Скорее, это область конкретных прикладных алгоритмов, способных решать сложные интеллектуальные задачи.

Почему же искусственный интеллект так популярен сегодня? Возрождение колоссального оптимизма и ожиданий связано с рядом успехов нейронных сетей и других методов машинного обучения (подобласть искусственного интеллекта) в распознавании образов, речи, естественного языка.

Уже более 10 лет известна база данных ImageNet. Это проект по созданию и сопровождению массива аннотированных изображений, он предназначен для отработки и тестирования методов распознавания образов и машинного зрения.

С 2010 года ведётся проект Image Net Large Scale Visual Recognition Challenge, ILSVRC).

В 2012 году на конкурсе ILSVRC по классификации изображений впервые победила нейронная сеть AlexNet. В 2015 году нейронная сеть Альфа Зеро победила сильнейшую шахматную программу Стокфиш, выиграв 25 партий из 100. Остальные партии закончились вничью. Интересно то, что программа Стокфиш была написана профессионалами шахматной игры, и ее поведение моделировало поведение опытного шахматиста. Альфа Зеро училась играть сама против себя. Многие ее ходы были контринтуитивными, не соответствующими «шахматной науке», но приводили к успеху.
Ключевым отличием методов искусственного интеллекта от остальных подходов является то, что эти методы способны обучаться. Разработчики избавлены от необходимости формального описания алгоритма решения.

Попробуйте предложить несколько правил, по которым программа смогла бы отличить одно лицо от другого, и представьте их в виде алгоритма. Это очень трудоемкая и длительная процедура. Вместо этого мы показываем нейронной сети, какие бывают изображения лица, и она самостоятельно подбирает алгоритм распознавания.

Ряд факторов оказал положительное влияние на развитие области искусственного интеллекта.

Первым фактором является то, что к 2012 году были накоплены и структурированы огромные базы всевозможных изображений и других данных, полезных при обучении методов искусственного интеллекта.

Второй фактор — эффективные оптимизационные процедуры, лежащие в основе обучения.

Третий — доступ к огромным вычислительным ресурсам после появления облачных вычислений.

Четвертым фактором является предъявление промышленных задач, в которых методы искусственного интеллекта оказываются эффективнее других подходов.

Способность обучаться дает колоссальный потенциал методам искусственного интеллекта. Россия стала одной из стран, где развитие искусственного интеллекта является приоритетной задачей государства. При этом локомотивами отрасли выступают не только учебные и научные центры. Сегодня мы можем наблюдать интеграцию различных игроков в области развития и практического освоения технологий искусственного интеллекта.

Так, крупные IT-компании приходят в образование со своими образовательными платформами, принципиально новыми курсами (онлайн-университет от Mail.ru Group «GeekBrains», школа анализа данных от компании «Яндекс», академия искусственного интеллекта при поддержке ПАО «Сбербанк»), образовательные учреждения осуществляют поддержку стартапов и формируют центры компетенций (МФТИ является центром компетенций НТИ «Искусственный интеллект»), предлагают стратегические программы развития (комплексная научно-техническая программа «Искусственный интеллект как драйвер цифровой трансформации экономики России», ФИЦ ИУ РАН).

resh-1.png

Odoo изображение и текстовый блок 
Odoo изображение и текстовый блок 

Университет Решетнева является одним из важнейших научных и образовательных центров по искусственному интеллекту. В этом году проект Сибирского института прикладного системного анализа им. А.Н. Антамошкина «Молодежь, наука, искусственный интеллект: Ульм — Красноярск, 30 лет вместе» вошел в число победителей в конкурсе «Россия и Германия: научно-образовательные мосты».
Odoo изображение и текстовый блок 
Тесные международные связи и совместные проекты являются неотъемлемым атрибутом современной науки и образования. Научным ядром таких проектов выступает разработка уникальных алгоритмов автоматизации формирования интеллектуальных информационных технологий. Темпы роста задач, технологических решений, интеллектуальных систем делают «ручное» проектирование и настройку таких систем непозволительной роскошью. В сфере искусственного интеллекта и машинного обучения не только в России, но и в мире огромный дефицит специалистов. Автоматизированные, самоадаптивные интеллектуальные технологии, способные настраиваться, обучаться и работать без участия человека, способны существенно расширить и ускорить практическое освоение технологий искусственного интеллекта.

resh-2.jfif

И будущее становится настоящим – прямо сейчас!

resh-3.png

Липинский Леонид Витальевич, канд.техн.наук, доцент кафедры системного анализа и исследования операций института информатики и телекоммуникаций. В 2006 году окончил Сибирский государственный аэрокосмический университет им. академика М.Ф. Решетнева, получив степень магистра по направлению подготовки «Системный анализ и управление». В 2007 г. присуждена ученая степень кандидата технических наук по специальности «Информатика и вычислительная техника». Тема диссертации: «Алгоритмы генетического программирования для формирования интеллектуальных информационных технологий» (научный руководитель – проф. Е.С.Семенкин).
Области исследований: методы искусственного интеллекта и машинного обучения, ансамбли интеллектуальных систем, алгоритмы и модели обработки естественного языка, оптимизация и автоматизация формирования интеллектуальных систем.
Л.В. Липинский – автор более 50 научных публикаций, в том числе 16 статей в научных изданиях перечня ВАК, 5 статей в изданиях, индексируемых в Web of Science и Scopus, 10 зарегистрированных программных систем. Автор и соавтор 6 учебно-методических изданий.​​​​​

Источники

Искусственный интеллект: будущее стало настоящим!
СибГУ им. М.Ф. Решетнева (sibsau.ru), 06/11/2020

Похожие новости

  • 20/11/2020

    Гаджеты для спорта и самоконтроль: учёные объяснили, как сделать фитнес-тренировки эффективнее

    ​Учёные Сибирского федерального университета приняли участие в разработке рекомендаций, направленных на непрерывный самомониторинг и контроль выполняемых аэробных упражнений у молодых людей, регулярно занимающихся фитнесом.
    538
  • 29/10/2018

    Электронные клоны: красноярские ученые нашли новый способ диагностики техники

    ​Ученые Сибирского федерального университета (СФУ) предложили использовать "электронных клонов" для online оценки состояния техники и представили соответствующую модель нейрокомпьютерной диагностики, сообщила РИА Новости пресс-служба университета.
    770
  • 25/12/2019

    Цифровые «муравьи» повысят надёжность систем программного обеспечения

    ​Группа учёных Сибирского федерального университета и Сибирского государственный университета науки и технологий имени академика М. Ф. Решетнёва предложила оптимизировать состав мультиверсионных программных комплексов, используя для этого алгоритм муравьиной колонии.
    394
  • 25/02/2020

    Ученые — о ближайшем будущем технологий

    ​Ученые из российских вузов Проекта 5–100 рассказали о том, каких прорывов и открытий в сфере своих научных интересов они ждут в ближайшее десятилетие. Мы отобрали прогнозы о развитии технологий, к которым стоит присмотреться бизнесу.
    1018
  • 29/01/2020

    Учёные СФУ превратят «спящую» информацию в уникальную базу данных

    ​Доценты Гуманитарного института и Института космических и информационных технологий Сибирского федерального университета Павел Полуян и Дмитрий Личаргин стали победителями конкурса «Старт — Цифровые платформы» по разработке цифровых платформ и технологий, направленных на развитие информационной инфраструктуры.
    613
  • 25/06/2020

    И предупрежден, и вооружен: в вузах Проекта 5-100 разрабатывают методы мониторинга и очистки окружающей среды

    Вузы – участники Проекта 5-100 наряду с другими российскими университетами сегодня активно работают над устранением последствий разлива дизельного топлива в Норильске. Так, экологи Сибирского федерального университета (СФУ) ​совместно с представителями региональных властей оценили масштаб загрязнения воды и почвы.
    469
  • 06/12/2019

    Красноярские ученые научили «цифровых муравьев» оптимизировать программные комплексы

    ​Программные мультиверсионные комплексы широко используются в системах, где надежность и бесперебойная работа оборудования являются главными требованиями, а вероятность ошибок должна быть сведена к минимуму – в атомной, энергетической и космической отраслях.
    447
  • 27/09/2017

    Красноярских инноваторов научат разрабатывать и выводить свой продукт на рынок

    25 сентября 2017 года начался прием заявок на акселерационную программу "Инновационный прорыв", в ходе которой разработчики и специалисты за 30 дней смогут освоить необходимые знания и компетенции для коммерциализации собственного проекта, создать команду и вывести разработку на рынок.
    1094
  • 07/05/2019

    Платформу для защиты авторского права IPUniversity протестируют в ведущих вузах России

    ​Стартовал очередной этап реализации проекта по созданию и запуску цифровой платформы обмена знаниями и управления авторскими правами — к тестированию IPUniversity приступили в вузах, входящих в Ассоциацию ведущих университетов России.
    640
  • 20/08/2018

    Красноярские ученые предложили использовать технологию блокчейн для создания честной очереди в детский сад

    ​Существующие технологии, применяемые при формировании очереди в детсады и мониторинге, не обеспечивают полной защищенности от изменения и искажения информации об очередности, времени записи в очередь и прочее.
    834