Технології, що імітують природу, змінюють наше життя, від штучного інтелекту до бетону, що самовідновлюється. Як ці інновації вплинуть на наше майбутнє?
Не буде перебільшенням сказати, що зручності людської цивілізації в усьому світі стали можливими завдяки прогресу техніки, але деякі з цих інженерних досягнень стали можливими завдяки наслідуванню природи. Те, як літаки використовують підйомну силу для польоту, імітує спосіб польоту птахів, а те, як підводні човни використовують звукові хвилі для дослідження дна океану, схоже на те, як кажани використовують ультразвук, щоб уникнути перешкод. Приклади цієї природної мімікрії можна знайти навколо нас. Наприклад, роботи-прибиральники імітують колективну поведінку мурах для ефективного очищення простору, а бетон, що самовідновлюється, був розроблений, щоб імітувати процес загоєння шкіри людини. Насправді, методи, які організми обрали для виживання, — це ті, які за сотні мільйонів років еволюції об’єдналися в найоптимальніший спосіб зробити це, тому це дуже ефективний спосіб для інженерів запозичувати ідеї з них. У сфері комп’ютерів є сфера, яка імітує деякі з тих самих характеристик життя: штучний інтелект, який імітує людський інтелект.
Насправді вивчення штучного інтелекту в традиційному розумінні бере свій початок від народження комп’ютера. Після народження Аніака в 1947 році стрімкий розвиток обчислювальної техніки змусив комп’ютерників уявити райдужне майбутнє для штучного інтелекту, передбачивши, що через 10-20 років мислячі машини зможуть допомогти людям. Однак, всупереч їхнім сподіванням, коли вчені намагалися вирішити такі проблеми, як обробка природної мови (мови, які використовують люди для спілкування, такі як корейська та англійська) і розпізнавання об’єктів за допомогою комп’ютерів, вони зрозуміли, що практично неможливо дати комп’ютерам базові навички самостійного мислення дитини. Зіштовхнувшись із цими обмеженнями, галузь штучного інтелекту залишалася в стагнації без будь-яких значних досягнень до 90-х років, коли вона знову почала розвиватися і нещодавно продемонструвала низку досягнень. Siri для iPhone і система мовного перекладу Google, якими ми часто користуємося, стали можливими завдяки останнім розробкам штучного інтелекту.
Отже, у чому причина відродження ШІ після періоду застою? Щоб зрозуміти це, важливо визнати різницю між традиційними комп’ютерними технологіями та нещодавнім підходом до проблем ШІ. Комп’ютер — це фізична реалізація абстрактної машини під назвою машина Тьюрінга, яку винайшов у 1936 році математик Алан Тьюринг. Машина Тьюрінга була запропонована як машина, яка, отримавши вхідне значення, працює згідно з математичним алгоритмом, визначеним людиною, яка визначає правила та процеси один за одним, і виводить відповідний результат. Таким чином, з точки зору комп’ютера, який є фізичною реалізацією машини Тьюрінга, штучний інтелект — це просто обробка алгоритмів: коли потрібно розв’язати проблему, комп’ютер не проходить процес розуміння проблеми, а просто намагається її вирішити, дослівно виконуючи алгоритм за допомогою збережених алгоритмів. Цей підхід називається системою, заснованою на правилах, і весь ранній штучний інтелект використовував його.
Однак системи, засновані на правилах, страждають від двох ключових проблем. Перший полягає в тому, що комп’ютер не має можливості обробляти нові типи проблем, яких немає в алгоритмі, тому щоразу, коли представляється новий тип проблеми, алгоритм потрібно розширювати, щоб він міг добре працювати на нових тип проблеми. Однак ця проблема не є фатальною, оскільки мета розробки системи штучного інтелекту полягає в тому, щоб допомогти вирішити певні заздалегідь визначені проблеми (переклад мови, розпізнавання об’єктів тощо), а не мати можливість вирішувати всі проблеми, як людина. Швидше, друга проблема є головною слабкістю систем, заснованих на правилах. Друга проблема полягає в тому, що навіть якщо проблему дуже просто розв’язати людині, для того, щоб перетворити її на алгоритм у формі системи на основі правил, вам потрібно перерахувати всі правила для проблеми. Наприклад, скажімо, ми хочемо написати алгоритм, щоб комп’ютер дивився на об’єкт і визначав, яблуко це чи ні. Спочатку ми шукали б багато ознак, які визначають яблуко (воно червоне, воно кругле, воно має верхівку, воно має особливий смак), а потім алгоритм порівнює кожну з цих ознак з об’єктом, який спостерігав комп’ютер, який було б дуже неефективним за часом і не обов’язково точним.
З іншого боку, підхід, який використовують сучасні системи штучного інтелекту, є новим способом вирішення проблем систем, заснованих на правилах: він імітує те, як люди думають і розуміють своїм мозком. Люди не роблять суджень у повсякденних ситуаціях, застосовуючи правила до всього, за винятком особливих ситуацій, які вимагають логічної послідовності, наприклад, математики. Щоб зрозуміти, як люди думають, візьмемо приклад із книги Джеффа Хокінса «Про інтелект» («Мислячий мозок, мисляча машина»). Розглянемо процес, за допомогою якого ми бачимо цуценя і впізнаємо його як собаку: по-перше, коли ми бачимо цуценя, наші зорові нервові волокна розпізнають певний патерн, який запускає певні клітини нашого мозку, які зберігають абстрактне поняття цуценя, і у нас виникає думка про собаку. Клітини мозку, які зберігають цю концепцію собаки, також спрацьовують, коли ми чуємо собачий гавкіт або торкаємося собаки. Це відбувається тому, що шаблони, які ми сприймаємо через слух, нюх, зір тощо, пов’язані з цими нейронами. Іншими словами, наш процес мислення базується на тому факті, що ми стикалися з багатьма шаблонами з дитинства та вивчили поняття, пов’язані з цими шаблонами, і коли ми стикаємося з новим шаблоном, ми шукаємо шаблон, який найбільше схожий на шаблон, який ми вже вивчили, і розпізнаємо концепцію, пов’язану з ним. Цей навчальний процес стосується не лише візуальних моделей, а й емоційних реакцій, сприйняття соціальних ситуацій тощо. Наприклад, процес, за допомогою якого дитина вивчає емоції, спостерігаючи за виразом обличчя своїх батьків, передбачає розпізнавання образів. Системи ШІ, реалізовані таким чином, можуть вирішувати проблеми за набагато коротший час, ніж системи, засновані на правилах, і мають перевагу в тому, що не потрібно розробляти алгоритм, а лише готують дані для навчання комп’ютера. Продуктивність алгоритмів також набагато краща, ніж у систем на основі правил.
Приблизно в цей час минулого року система під назвою «Watson», створена IBM, потрапила в заголовки газет, коли перемогла Дженнінгса та Ріттера, двох постійних переможців Jeopardy, у популярній американській вікторині. «Watson» — це велика система, заснована на правилах, яку команда IBM витратила на створення років і яка насправді не розуміє жодних концепцій. Незважаючи на те, що Watson використовував неефективну систему на основі правил, згадану в тексті, він зміг перемогти людей завдяки зброї комп’ютера: високій швидкості обробки. Штучний інтелект, який імітує людський мозок, все ще знаходиться в зародковому стані, але яким буде майбутнє, коли він буде розвиватися далі та поєднуватися з високою швидкістю обробки комп’ютерів. Наприклад, штучний інтелект зможе стежити за здоров’ям людини в режимі реального часу, щоб запобігти захворюванням і запропонувати індивідуальне лікування. ШІ також може революціонізувати освіту. Він зможе аналізувати моделі навчання учнів і надавати їм персоналізовані навчальні плани, щоб максимізувати їх навчання. Можливо, ми житимемо в епоху, коли ми тісно співпрацюватимемо з комп’ютерами для вирішення більш креативних і складних завдань.
