ИИ: имитация интеллекта, обман и реальные достижения
С каких пор программы научились выдавать себя за людей? Каким образом понять, искусная ли перед нами обманка или по-настоящему сильный ИИ? Когда программа справится с машинным переводом или напишет свой первый роман? Сергей oulenspiegel Марков, автор материала «Играть на уровне бога: как ИИ научился побеждать человека», возвращается к теме умных машин в нашей новой нейронной статье.
В конце 30-х годов прошлого века, когда еще не были созданы первые электронные вычислительные машины, вопросами «разумности» машин стали задаваться специалисты по computer science. Если нечто выглядит как кошка, мяукает как кошка, ведет себя как кошка, в любом эксперименте проявляет себя как кошка, то, наверное, это кошка. Эту идею сформулировал Альфред Айер — английский философ-неопозитивист, представитель аналитической философии. Всеми нами любимый Алан Тьюринг был более социализирован, чем Айер. Тьюринг любил ходить на вечеринки, а в то время среди интеллектуальной публики была распространена интересная забава — «Игра в имитацию». Заключалась игра в том, что девушку и парня запирали в две разные комнаты, оставляя под дверью широкую щель, в которую участники игры могли просовывать записки с вопросами. Человек, который находился в комнате, писал на вопросы какие-то ответы. Задачей игры было угадать, в какой комнате находится парень, а в какой — девушка. Тьюринг предположил следующее: «А давайте мы будем похожую процедуру использовать для того, чтобы понять, создали ли мы тот самый универсальный ИИ».
Первая программа, которая могла общаться с человеком путем определенной переписки — это ELIZA, созданная в 1966 году. Программа пыталась выдать себя в эксперименте не просто за человека, а за психиатра. Ее стиль общения носит пародийный характер.
То есть она говорит на специфическом психиатрическом жаргоне, задает соответствующие типовые вопросы. В принципе, эта программа представляет собой большой набор правил, по которому она находила определенные паттерны в речи человека.
В ответ на наличие соответствующего паттерна входной информации, ELIZA определенным образом трансформировала его и выдавала информацию на выход.
Программа могла в некоторых ситуациях людей одурачить. Был проведен эксперимент «AOLiza», когда программа общалась через сеть America Online со случайно выбранными пользователями, и многие из них не догадывались, что в данном случае с ними общалась машина.
Понятно, что этот эксперимент нельзя считать хоть каким-то серьезным приближением к прохождению теста Тьюринга.
Cамо название программы ELIZA произошло от имени героини Бернарда Шоу из пьесы «Пигмалион», повествующей о том, как лондонский профессор фонетики Генри Хиггинс пытается из девушки, представительницы общественных низов, сделать настоящую леди, обучая ее правилам поведения и языку высшего общества.
Интересно, что вторая программа такого рода (чат-бот), созданная в 1972 году Кеннетом Колбаем из Стэнфордского университета, была в своем роде шуточной дискуссией с авторами программы ELIZA. Она называлась PARRY. Если ELIZA пыталась выдать себя за врача, то программа PARRY пыталась выдать себя за пациента. PARRY считала себя параноидальным шизофреником.
Интересно, что программа хорошо обманывала профессиональных психиатров. В экспериментах оказалось, что 48% психиатров не в состоянии понять, имеют ли они дело с человеком или с программой. Но здесь, опять же, никакой чистоты эксперимента не было.
Если у человека существуют определенные дисфункции, то его поведение может в некоторых ситуациях быть достаточно автоматическим.Интересная разработка тех времен, которая произвела очень большое впечатление – это программа SHRDLU.
Название SHRDLU образовано от ETAOIN SHRDLU — так расположены алфавитные клавиши на линотипах (в соответствии с убыванием частоты появления букв в английском языке). Как, к примеру, сейчас ЙЦУКЕН и ФЫВАПРОЛДЖ. У SHRDLU был небольшой мир, в котором было представлено ограниченное количество объектов. Это были пирамидки, различные кубики, коробка. И SHRDLU умела общаться на естественном языке с человеком, обсуждая то, что происходит в этом мире, и умела выполнять команды, которые отдавал на естественном языке человек. При этом лексика никак не была ограничена, то есть человек говорить что угодно, а программа могла достаточно свободно отвечать. Вот пример работы SHRDLU:
Человек: Что лежит в коробке?
Компьютер: Синяя пирамидка и синий блок.
Человек: На чем лежит пирамидка?
Компьютер: На коробке.
Человек: Как много блоков находится не в коробке?
Компьютер: Четыре.
Человек: Хотя бы один из них более тонкий, чем тот, про который я тебе говорил? На чем-то он стоит?
Компьютер: Да, стоит на столе.
Человек: Может ли стол собирать блоки?
Компьютер: Нет.
Человек: Может ли пирамидка стоять на блоке?
Компьютер: Да.
Человек: Может ли пирамидка стоять на пирамидке?
Компьютер: Не знаю.
Человек: Хорошо. Поставь пирамидку одну на другую.
Компьютер: Не получается.
Человек: Поставь, пожалуйста, два красных блока друг на друга. Либо зеленый куб, либо пирамидку. Сможешь?» И SHRDLU берет эти блоки, начинает ими оперировать.
Даже сейчас такого рода демонстрация выглядит впечатляющей. Интересно, что исходники SHRDLU можно скачать, программа написана на LISP, есть даже какой-то современный визуализатор под Windows. Если вы откроете ее исходники, то вы увидите, что программа состоит из огромного количества хитроумных правил.
Когда читаешь эти правила, то понимаешь, насколько изощренная логика заложена в программу.
Терри Виноград, по всей видимости, проводил много экспериментов, давая возможность разным людям общаться с этой системой. Мирок SHRDLU очень маленький: он может быть описан примерно 50 разными словами.
И в рамках такого маленького пространства можно создать впечатление интеллектуального поведения у системы.
Что программы умеют сейчас
Однажды Тьюринга приперли к стене и прямо спросили: «Когда программы пройдут тесты?». Тьюринг предположил, что в 2000 году появятся машины, использующие 109 бит памяти, способные обманывать человека в 30% случаев.
Интересно проверить, сбылся ли прогноз Тьюринга в 2016 году.
Программа «Eugene Goostman» изображает из себя мальчика из Одессы. В первом тесте, состоявшемся в 2012 году, программа смогла обмануть судей в 20,2% случаев. В 2014 году в тесте эта же программа, уже модернизированная, в тестах, организованных Университетом Рединга, смогла обмануть судей в 33% случаев.
Грубо говоря, с ошибкой плюс-минус 10 лет Тьюринг примерно попал в прогноз.
Потом появилась программа «Соня Гусева», и она в 2015 году смогла обмануть судей в 47% случаев.
Стоит отметить, что процедура тестирования предполагает ограничение времени общения экспертов с программой (обычно около 5 минут), и в свете данного ограничения результаты уже не выглядят столь однозначными.
Однако для решения многих практических задач, скажем, в области автоматизации SMM, этого более чем достаточно. Отличить продвинутого рекламного бота от человека на практике, скорее всего, не сможет большинство пользователей социальных сетей.
Наверное, самым известным и серьезным возражением на эти успехи является ответ философа Джона Сёрля, который предложил умственный эксперимент, названный «Китайская комната». Представим себе, что есть закрытая комната, в ней сидит человек. Мы знаем, что человек не понимает китайского языка, не сможет прочитать то, что написано китайскими иероглифами на бумаге.
Но у нашего подопытного есть книга с правилами, в которой записано следующее: «Если у тебя на входе такие-то иероглифы, то ты должен взять вот такие иероглифы, и составить их в таком порядке». Он открывает эту книгу, она написана на английском, смотрит, что ему подали на вход, а дальше в соответствии с этими правилами формирует ответ, и скидывает его на выход.
В определенной ситуации может показаться, что внутри комнаты находится человек, на самом деле понимающай китайский язык. Но ведь индивид внутри комнаты не знает китайского языка по постановке задачи. Получается, что когда эксперимент поставлен по канонам Тьюринга, он, на самом деле, не свидетельствует о том, что внутри сидит некто, понимающий китайский язык.
Вокруг этого аргумента развернулась большая полемика. На него есть типовые возражения. Например, аргумент, что если сам Джон не понимает китайский язык, то вся система в целом, составленная из Джона и набора правил, уже обладает этим самым пониманием. До сих пор пишутся статьи в научной прессе на эту тему.
Однако бо?льшая часть специалистов по computer science считают, что эксперимент Тьюринга достаточен для того, чтобы сделать определенные выводы.
Машинный перевод
От машин, которые лишь притворяются ИИ, перейдем к программам, реально превосходящим возможности человека. Одна из задач, напрямую связанная с созданием ИИ — это задача автоматизированного перевода. В принципе, автоматизированный перевод появился задолго до появления первых электронных машин.
Уже в 1920-е годы были построены первые механические машины, основанные на фототехнике и причудливой электромеханике, которые были предназначены для ускорения поиска слов в словарях. Мысль использовать ЭВМ для перевода была высказана в 1946 году, сразу после появления первых подобных машин.
Первая публичная демонстрация машинного перевода (так называемый Джорджтаунский эксперимент) состоялась в 1954 году. Первый серьезный заход с серьезными деньгами под решение этой задачи был осуществлен в начале 1960-х годов, когда в США были созданы системы, предназначенные для перевода с русского языка на английский. Это были программы MARK и GAT.
И в 1966 году был опубликован интересный документ, посвященный оценке существующих технологий машинного перевода и перспектив. Содержание этого документа можно свести к следующему: всё очень-очень-очень плохо. Но, тем не менее, бросать не надо, надо продолжать гранит грызть.
В Советском Союзе тоже были такие исследования, например группа «Статистика речи», возглавляемая Раймундом Пиотровским. Сотрудниками его лаборатории была основана известная фирма ПРОМТ, разработавшая первую отечественную коммерческую программу машинного перевода, базирующуюся в том числе на идеях Пиотровского.
Еще где-то к 1989 году была выведена оценка, что система автоматизированного перевода позволяет примерно в 8 раз ускорить работу переводчика. Сейчас эти показатели, наверное, еще немножко улучшились. Конечно, сравниться с переводчиком ни одна система не может, но многократно ускорить его работу в состоянии. И с каждым годом показатель влияния на работу переводчиков растет.
Названо время замены человека искусственным интеллектом
Искусственному интеллекту потребуется 10-15 лет для того, чтобы полностью заменить человека. Ученые уверены, что за это время он сможет освоить профессию оператора, который обрабатывает информацию, используя жизненный опыт. Об этом заявил РИА «Новости» заместитель генерального директора, глава отдела информационных исследований Фонда перспективных исследований (ФПИ) Сергей Гарбук.
«Решая задачи создания прикладного искусственного интеллекта, мы говорим, прежде всего, о замене на техническую систему человека-оператора, обеспечивающего обработку информации с использованием своих естественных способностей, сформировавшихся в процессе эволюции и продолжающих развиваться на протяжении человеческой жизни. Системы искусственного интеллекта могут заменить человека в течение 10-15 лет», — сказал Гарбук.
Искусственный интеллект догоняет людей
Также глава отдела информационных исследований отметил, что скорость обучения роботов зависит от сложности решаемых задач. К слову, уже сегодня искусственный интеллект может так же, как и человек, распознавать лица, разговорную речь, находить объекты на изображениях со сложным фоном и т. п. Однако решать проблемы, основываясь при этом на жизненном опыте, роботы пока не могут.
«Мозг человека обладает явными преимуществами перед искусственным интеллектом. Еще до обучения человек-оператор обладает способностями, сформировавшимися, во-первых, эволюционно и полученными по наследству, а во-вторых, эти способности усовершенствуются также на протяжении его предшествующей жизни. Этот интеллектуальный опыт дает возможность человеку обучаться быстрее», — добавил Гарбук.
доктор технических наук, профессор Санкт-Петербургского политехнического университета Петра Великого
Могут ли вытеснить людей живые киборги и роботы? Ответ: могут, а может, и нет. Что будет в будущем, никто не знает. Мы стремимся сделать свою жизнь намного проще, но насколько это реально — пока неизвестно.
Даже великие предсказатели в области искусственного интеллекта и технических новшеств расходятся во мнениях.
Некоторые ученые считают, что точка сингулярности (имеется в виду, превзойдет ли робот человека) будет, некоторые считают, что нет.
Однако люди без дела все равно не останутся. Когда-то крестьянин работал мотыгой, а потом появился трактор. Человек научился управлять этой машиной, работать стало легче, но без дела он не остался.
И даже с современными технологиями все равно нужен человеческий труд.
Несмотря на то что беспилотные автомобили при помощи датчиков знают, когда остановиться и где необходимо повернуть, они не могут сами себя починить.
Считаю, что с помощью искусственного интеллекта люди могут более детально изучать неизведанные способности своего организма. Развитие науки в этой области только положительно скажется на человеке.
Ваш доктор не будет человеком. Как искусственный интеллект меняет медицину
Автор: Анастасия Дорогова | 9 июня, 09:15
Роботы проникают во все сферы жизни, в том числе и в медицину. Что будет в будущем и как уже меняется индустрия – в статье сайта Futurism.
Перевод публикуется с сокращениями. Вот оригинал.
У таких врачей нет имен и лиц. Искусственный интеллект захватывает больницы по всему миру. Бояться нечего, это никак не связано с восстанием машин против людей. ИИ нужен в смотровой, чтобы расширить и заострить внимание врача на проблемах. А иногда берет утилитарные задачи на себя, чтобы доктор мог сосредоточиться на пациенте.
Но ИИ в медицине выходит далеко за рамки административной работы. От мощных диагностических алгоритмов до тонко настроенных хирургически роботов, технологии присутствуют во всех медицинских дисциплинах.
Чтобы представить, как робот изменит будущее, нужно понять, насколько ИИ соответствует живым врачам. Кто из них точнее? Где робот поможет, а где навредит?
Робот против человека
Роботы все еще находятся на ранней стадии развития, но уже могут работать с пациентами, иногда не хуже врачей. Исследователи из больницы в Оксфорде разработали систему диагностики, которая в 80% случаев точнее, чем врач определяет сердечные заболевания.
В Гарвардском университете создали «умный» микроскоп, способный обнаруживать потенциально смертельные инфекции крови. Система искусственного интеллекта может выявлять бактерии с 95% точностью.
Исследование японского университета Шова показывает, что новая компьютерная эндоскопическая система выявляет раковую опухоль в толстой кишке с точностью в 86%. А еще есть суперкомпьютер IBM Watson: за 10 минут он дал тот же результат по опухолевым клеткам, на который эксперты потратили 160 часов.
Искусственный интеллект полезен для работы с большим объемом данных. Именно это и нужно в растущей области точной медицины. Пробел может заполнить проект диагностики человека Human Dx, который сочетает машинное обучение с реальным опытом врачей.
Организация собирает данные от 7500 врачей и 500 медицинских учреждений в 80 странах, чтобы разработать систему принятия клинических решений. Получить доступ к системе может любой человек: пациент, врач, организация, разработчик устройства или ученый.
Нейросеть вместо психолога
«Ценность ИИ в приумножении, а не замене людей», – говорит Скайлер Плейс, сотрудник Cogito. Для медицинской индустрии компания делает приложение по анализу психического здоровья пациентов.
Оно собирает данные о местоположении и общении человека, а команда по уходу за пациентом на основе этих отчетов замечает изменения общего психического здоровья пациента. Компания утверждает, что приложение знает только, использовал ли пациент телефон для звонков и чатов, и не знает их содержания.
Чаще всего, Cogito работает с ветеранами. Они подвергаются высокому риску социальной изоляции и неохотно взаимодействуют с системой здравоохранения. Приложение – один из способов повысить доверие и улучшить психическое здоровье человека.
Заменит ли искусственный интеллект доктора? — Будущее на vc.ru
Рынок машинного обучения в медицине препарирует Илья Ларченко, директор по инновациям мобильной клиники DOC+.
Системы искусственного интеллекта (ИИ) и технологии машинного обучения постепенно проникают во все сферы нашей жизни. Где-то, например, в поисковых сервисах или рекомендательных системах интернет-магазинов, их присутствие стало для нас незаметным. Где-то, скажем, в области беспилотных автомобилей, мы ждем, пока технология выйдет из R&D-центров и «попадет» на дороги.
Не исключение и одна из самых консервативных сфер — медицина. Первые попытки внедрить искусственный интеллект в медицинские системы предпринимались еще 40 лет назад, но по-настоящему массовым этот процесс стал недавно.
Внедрение любых новых технологий всегда вызывает много вопросов и шквал критики со стороны консерваторов. В медицине это особенно актуально, так как решения, принимаемые машиной, могут повлиять на жизнь и здоровье людей. Чтобы внести ясность в эту область, далее я отвечу на ряд популярных вопросов о применении систем искусственного интеллекта в медицине.
Что могут системы ИИ в медицине
Термин «искусственный интеллект» зачастую понимается людьми не совсем корректно.
Под влиянием массовой культуры, люди, не знакомые с этой областью науки, считают, что ИИ — это суперсложный и умный компьютер, способный мыслить как человек и решать любые задачи, в том числе творческие.
Для описания такого искусственного интеллекта обычно использую термин «сильный ИИ», но пока он существует лишь в фантастических фильмах и книгах. При этом нет 100% гарантии, что он действительно будет когда-либо создан.
Поэтому обычно под «искусственным интеллектом» подразумевают «слабый ИИ» — алгоритм который не имеет «разума», но решает одну узкоспециализированную задачу, например, находит котиков на картинках или предсказывает изменение курса акций.
Термин искусственный интеллект стал часто «мелькать» в научных статьях и в прессе несколько лет назад. Но самой науке уже десятки лет, и в разные годы популярность приобретали различные синонимы ИИ: машинное обучение (Machine Learning), интеллектуальный анализ данных (Data Mining), наука о данных (Data Science), но по сути, все эти термины взаимозаменяемы и обозначают одну область.
На практике задачи машинного обучения обычно сводятся к автоматическому нахождению неизвестных и неочевидных зависимостей в данных.
Популярный пример — задача классификации: есть обучающая выборка, для которой известны входные (например, КТ снимок легких человека) и выходные данные (информация, есть ли у человека рак легких), на основании этих пар система должна определять наличие известной информации на ранее неизвестных ей снимках.
Разработчик не задает правила поиска рака на снимках, он задает правила обучения системы, а критерии наличия раковой опухоли алгоритм формирует для себя сам. Именно в этом и заключается его «интеллектуальность».
Машинное обучение может показывать хорошие результаты на любых задачах с большим объемом структурированных (или хотя бы структурируемых) данных. В медицине машинное обучение чаще всего применяется для:
- Распознавания изображений (КТ, рентген, МРТ, снимки сетчатки, фотографии кожи). Например, в этой области работает стартап Behold.ai. Решение компании определяет заболевания легких на рентгеновских снимках с вероятностью, близкой к 85%.
- Оценки риска осложнений заболеваний. Компания RxPREDiCT использует машинное обучение для определения «групп риска» среди больных. RxPREDiCT предоставляет специальные инструменты, которые учитывают заболевания пациентов и помогают людям поддерживать здоровый образ жизни. Например, система подбирает индивидуальную диету и отслеживает потребляемые калории.
- Предпервичной медицнинской помощи и маршрутизации пациентов. Различные симптом-чекеры на базе ИИ (например, ADA, Babylon, Your.MD, WebMD и др.) анализируют жалобы пациента, дают ему информацию о возможных заболеваниях и при необходимости направляют к нужному специалисту. Точность постановки диагноза по одним только жалобам далека от 100%, и в большинстве случаев система так или иначе направляет пациента к доктору, однако такие решения покрывают широкий спектр «популярных» заболеваний, выявляют осложнения ОРВИ, борются с «самолечением» и существенно снижают нагрузку на врачей первичного звена.
- Помощи в постановке диагнозов и назначении лечения. Решения Bay Labs, в основе которых лежат системы искусственного интеллекта, позволяют врачам быстро оценить эхокардиограмму пациента и получить важную информацию о состоянии его сердца: размеры, форму, объемы перекачиваемой крови, а также определить повреждение тканей.
- Оценки качества медицинской помощи. Например, мы в DOC+ используем систему на базе машинного обучения, которая оценивает качество заполнения электронных медицинских карт врачами, правильность постановки диагноза и назначения лечения. Это помогает поддерживать стандарты лечения, основанные на доказательной медицине, и «вооружать» ими всех наших врачей.
- Анализа данных носимых устройств и медицинских девайсов. Американская компания PhysIQ создает продукт VitaLink для мониторинга состояния тяжелобольных пациентов. Платформа фиксирует показатели здоровья: частоту сердцебиения, активность, дыхание. Все эти измерения производятся с помощью носимых устройств в домашних условиях.
Пока что речи о замене врачей «роботами» не идет, наоборот, все новые технологии призваны помогать докторам: повышать качество их работы и эффективность за счет умных подсказок и автоматизации рутинных процедур. Однако в отдельных задачах точность постановки диагноза алгоритмом уже превышает человеческую, а это значит, что роль врачей в этих сферах может измениться.
Словами специалиста: вся правда об искусственном интеллекте
В этом году компания «Яндекс» запустила голосового помощника «Алиса». Новый сервис позволяет пользователю прослушивать новости и погоду, получать ответы на вопросы и просто общаться с ботом. «Алиса» иногда дерзит, порой кажется почти разумной и по-человечески саркастичной, но часто не может разобраться, о чём её спрашивают, и садится в лужу.
Всё это породило не только волну шуток, но и новый виток дискуссий о развитии искусственного интеллекта. Новости о том, чего добились умные алгоритмы, сегодня приходят чуть ли не каждый день, а машинное обучение называют одним из самых перспективных направлений, которому можно себя посвятить.
Чтобы прояснить главные вопросы об искусственном интеллекте, мы побеседовали с Сергеем Марковым, специалистом по искусственному интеллекту и методам машинного обучения, автором одной из самых сильных отечественных шахматных программ SmarThink и создателем проекта «XXII век».
Сергей Марков,
специалист по искусственному интеллекту
Развенчивая мифы об ИИ
так что же такое «искусственный интеллект»?
Боты и люди: кто есть кто?
Понятию «искусственный интеллект» в какой-то мере не повезло. Возникшее изначально в научной среде, оно со временем проникло в фантастическую литературу, а через неё — в поп-культуру, где претерпело целый ряд изменений, обросло множеством интерпретаций и в конце-концов было совершенно мистифицировано.
Именно поэтому мы часто слышим от неспециалистов примерно такие заявления: «ИИ не существует», «ИИ невозможно создать». Непонимание сути исследований, ведущихся в сфере ИИ, легко приводит людей и к другим крайностям — например, современным системам ИИ приписывают наличие сознания, свободной воли и секретных мотивов.
Давайте попробуем отделить мух от котлет.
В науке искусственным интеллектом называют системы, предназначенные для решения интеллектуальных задач.
В свою очередь, интеллектуальная задача — это задача, которую люди решают при помощи собственного интеллекта.
Заметим, что в данном случае специалисты сознательно уходят от определения понятия «интеллект», поскольку до появления систем ИИ единственным примером интеллекта был интеллект человеческий, и определить понятие интеллекта на основе единственного примера — то же самое, что пытаться провести прямую через единственную точку. Таких прямых может оказаться сколько угодно много, а значит, спор о понятии интеллекта можно было бы вести столетиями.
Персональный помощник с голосом Скарлетт Йохансон из фильма «Она» достиг сингулярности и стал непостижим для своего «хозяина». Но это пока что только фантастика (или метафора того, как люди отдаляются друг от друга).
«сильный» и «слабый» искусственный интеллект
Системы ИИ делятся на две большие группы.
Прикладной искусственный интеллект (также используют термин «слабый ИИ» или «узкий ИИ», в английской традиции — weak/applied/narrow AI) — это ИИ, предназначенный для решения какой-либо одной интеллектуальной задачи или их небольшого множества. К этому классу относятся системы для игры в шахматы, го, распознавания образов, речи, принятия решения о выдаче или невыдаче банковского кредита и так далее.
В противоположность прикладному ИИ вводят понятие универсального искусственного интеллекта (также «сильный ИИ», по-английски — strong AI/Artificial General Intelligence) — то есть, гипотетического (пока что) ИИ, способного решать любые интеллектуальные задачи.
Часто люди, не зная терминологии, отождествляют ИИ с сильным ИИ, из-за этого и возникают суждения в духе «ИИ не существует».
Сильного ИИ действительно пока не существует. Практически все успехи, которые мы наблюдаем в последнее десятилетие в области ИИ, — это успехи прикладных систем. Эти успехи нельзя недооценивать, так как прикладные системы в ряде случаев способны решать интеллектуальные задачи лучше, чем это делает универсальный человеческий интеллект.
Я думаю, вы заметили, что понятие ИИ — довольно широкое. Скажем, устный счёт — это тоже интеллектуальная задача, и это значит, что любая счётная машина будет считаться системой ИИ.
А как насчёт счётов? Абака? Антикитерского механизма? Действительно, всё это формально хотя и примитивные, но системы ИИ.
Однако обычно, называя какую-то систему системой ИИ, мы тем самым подчёркиваем сложность решаемой этой системой задачи.
Совершенно очевидно, что разделение интеллектуальных задач на простые и сложные — весьма искусственное, и наши представления о сложности тех или иных задач постепенно меняются.
Механическая счётная машина была чудом техники в XVII веке, но сегодня людей, с детства сталкивающихся с куда более сложными механизмами, она уже не способна впечатлить.
Когда игра машин в го или автомобильные автопилоты уже перестанут удивлять публику, наверняка найдутся люди, которые будут морщиться из-за того, что кто-то будет относить такие системы к ИИ.
Абак — старинное счётное приспособление и прапрадед современных электронных устройств.
«Роботы-отличники»: о способностях ИИ к обучению
Люди и роботы: о чём стоит задуматься уже сегодня
Ещё одно забавное заблуждение — всенепременное наличие у систем ИИ способности к самообучению.
С одной стороны, это совсем не обязательное свойство систем ИИ: есть множество удивительных систем, не способных самообучаться, но, тем не менее, решающих многие задачи лучше человеческого мозга.
С другой стороны, некоторые люди просто не знают того, что самообучение — свойство, которые многие системы ИИ обрели ещё более полусотни лет назад.
Когда в 1999 году я писал свою первую шахматную программу, самообучение уже было совершенно общим местом в этой области — программы умели запоминать опасные позиции, подстраивать под себя дебютные варианты, регулировать стиль игры, подстраиваясь под соперника. Конечно, тем программам было ещё очень далеко до Alpha Zero.
Тем не менее, даже системы, обучающиеся поведению на основе взаимодействия с другими системами в ходе экспериментов по так называемому «обучению с подкреплением», уже существовали. Однако по необъяснимой причине некоторые люди до сих пор думают, что способность к самообучению — это прерогатива человеческого интеллекта.
Машинное обучение, целая научная дисциплина, занимается процессами обучения машин решению тех или иных задач.
Существует два больших полюса машинного обучения — обучение с учителем и обучение без учителя.
При обучении с учителем у машины уже есть некоторое количество условно правильных решений для некоторого набора случаев. Задача обучения в таком случае заключается в том, чтобы научить машину на основе имеющихся примеров принимать правильные решения в других, неизвестных ситуациях.
Другая крайность — обучение без учителя. То есть машину ставят в ситуацию, когда правильные решения неизвестны, имеются только данные в сыром, неразмеченном виде. Оказывается, и в таких случаях можно добиться некоторого успеха. Например, можно научить машину выявлению семантических отношений между словами языка на основе анализа очень большого набора текстов.
Одна из разновидностей обучения с учителем — это обучение с подкреплением (reinforcement learning).
Идея заключается в том, что система ИИ выступает в роли агента, помещённого в некоторую модельную среду, в которой она может взаимодействовать с другими агентами, например, с собственными копиями, и получать от среды некоторую обратную связь через функцию вознаграждения. Например, шахматная программа, которая играет сама с собой, постепенно подстраивая свои параметры и тем самым постепенно усиливая собственную игру.
Обучение с подкреплением — довольно широкая область, в ней применяют множество интересных методов, начиная от эволюционных алгоритмов и заканчивая байесовской оптимизацией. Последние достижения в области ИИ для игр как раз связаны с усилением ИИ в ходе обучения с подкреплением.
Риски развития технологий: стоит ли бояться «Судного дня»?
Всем срочно паниковать: что такое моральная паника
Я не отношусь к числу ИИ-алармистов, и в этом смысле я отнюдь не одинок. Например, создатель стэнфордского курса по машинному обучению Эндрю Ын сравнивает проблему опасности ИИ с проблемой перенаселения Марса.
Действительно, в будущем вполне вероятно, что люди колонизируют Марс.
Также вероятно, что рано или поздно на Марсе может возникнуть проблема перенаселения, но не совсем понятно, почему мы должны заниматься этой проблемой уже сейчас? Согласны с Ыном и Ян ЛеКун — создатель свёрточных нейронный сетей, и его шеф Марк Цукерберг, и Йошуа Беньо — человек, во многом благодаря исследованиям которого современные нейронные сети способны решать сложные задачи в области обработки текстов.
Чтобы изложить мои взгляды на эту проблему, потребуется, вероятно, несколько часов, поэтому остановлюсь только на основных тезисах.
1. НЕЛЬЗЯ ОГРАНИЧИВАТЬ РАЗВИТИЕ ИИ
Алармисты рассматривают риски, связанные с потенциальным разрушительным воздействием ИИ, при этом игнорируя риски, связанные с попыткой ограничить или даже остановить прогресс в этой области. Технологическое могущество человечества возрастает чрезвычайно быстрыми темпами, что приводит к эффекту, который я называю «удешевлением апокалипсиса».
150 лет назад при всём желании человечество не могло нанести невосполнимого урона ни биосфере, ни себе как виду. Для реализации катастрофического сценария 50 лет назад необходимо было бы сконцентрировать всю технологическую мощь ядерных держав. Завтра для воплощения в жизнь глобальной техногенной катастрофы может хватить и небольшой горстки фанатиков.
Наша технологическая мощь растёт куда быстрее, чем способность человеческого интеллекта эту мощь контролировать.
Если на смену человеческому интеллекту с его предрассудками, агрессией, заблуждениями и ограниченностью не придёт система, способная принимать более взвешенные решения (будь то ИИ или, что я считаю более вероятным, технологически улучшенный и объединённый с машинами в единую систему человеческий интеллект), нас может ждать глобальная катастрофа.
«Скайнет» или «Красная королева» — менее вероятные враги, чем человеческие разногласия и опрометчивые решения.
2. создание сверхинтеллекта принципиально невозможно
Существует идея о том, что ИИ будущего всенепременно будет сверхинтеллектом, превосходящим людей даже сильнее, чем люди превосходят муравьёв. Боюсь в данном случае разочаровать и технологических оптимистов — наша Вселенная содержит целый ряд фундаментальных физических ограничений, которые, по всей видимости, сделают создание сверхинтеллекта невозможным.
Например, скорость передачи сигнала ограничена скоростью света, а на планковских масштабах появляется неопределённость Гейзенберга. Отсюда вытекает первый фундаментальный предел — предел Бремерманна, вводящий ограничения на максимальную скорость вычислений для автономной системы заданной массы m.
Другой предел связан с принципом Ландауэра, в соответствии с которым существует минимальное количество теплоты, выделяемое при обработке 1 бита информации. Слишком быстрые вычисления вызовут недопустимый разогрев и разрушение системы. В действительности, современные процессоры от лимита Ландауэра отделяет менее чем тысячекратное отставание.
Казалось бы, 1000 — это довольно много, однако ещё одна проблема заключается в том, что многие интеллектуальные задачи относятся к классу сложности EXPTIME. Это означает, что время, необходимое для их решения, является экспоненциальной функцией от размерности задачи. Ускорение системы в несколько раз даёт лишь константный прирост «интеллекта».
В общем, есть очень серьёзные основания полагать, что сверхинтеллектуального сильного ИИ не получится, хотя, конечно, уровень человеческого интеллекта вполне может быть превзойдён. Насколько это опасно? Скорее всего, не очень.
Представьте себе, что вы внезапно начали думать в 100 раз быстрее остальных людей. Значит ли это, что вы легко будете способны уговорить любого прохожего отдать вам свой кошелёк?
3. мы беспокоимся совсем не о том
К сожалению, в результате спекуляций алармистов на страхах публики, воспитанной на «Терминаторе» и знаменитом HAL 9000 Кларка и Кубрика, происходит смещение акцентов в сфере безопасности ИИ в сторону анализа маловероятных, но эффектных сценариев. При этом реальные опасности ускользают из виду.
Любая достаточно сложная технология, претендующая на то, чтобы занять важное место в нашем технологическом ландшафте, безусловно приносит с собой специфические риски. Множество жизней было погублено паровыми машинами — на производстве, на транспорте и так далее — прежде чем были выработаны эффективные правила и меры по обеспечению безопасности.
Если говорить о прогрессе в области прикладного ИИ, можно обратить внимание на связанную с ним проблему так называемого «Цифрового тайного суда».
Всё больше и больше прикладных систем ИИ принимает решения по вопросам, затрагивающим жизнь и здоровье людей.
Сюда относятся и медицинские диагностические системы, и, например, системы, принимающие в банках решения о выдаче или невыдаче кредита клиенту.
В то же время структура используемых моделей, наборы используемых факторов и другие детали процедуры принятия решения скрыты коммерческой тайной от человека, чья судьба находится на кону.
Используемые модели могут основывать свои решения на мнениях учителей-экспертов, допускавших систематические ошибки или имевших те или иные предрассудки — расовые, гендерные.
ИИ, обученный на решениях таких экспертов, будет добросовестно воспроизводить эти предрассудки в своих решениях. В конце концов эти модели могут содержать в себе специфические дефекты.
Этими проблемами сейчас мало кто занимается, поскольку, конечно, SkyNet, развязывающий ядерную войну, это, безусловно, куда более зрелищно.
После суток обучения в Твиттере безобидный робот Тау стал грубияном и расистом.
Нейросети как «горячий тренд»
Искусственный интеллект — от слова «искусство»
С одной стороны, нейронные сети — это одна из самых старинных моделей, применяющихся для создания систем ИИ.
Появившиеся изначально в результате применения бионического подхода, они довольно быстро убежали от своих биологических прототипов.
Исключением тут являются только импульсные нейронные сети (впрочем, пока не нашедшие широкого применения в индустрии).
Прогресс последних десятилетий связан с развитием технологий глубокого обучения — подхода, при котором нейронные сети собирают из большого количество слоёв, каждый из которых построен на основе определённых регулярных паттернов.
Это отдалённо напоминает конструктор Лего, в котором вы собираете большую нейронную сеть из множества небольших типовых кирпичиков.
Помимо создания новых нейросетевых моделей важный прогресс был также достигнут в области технологий обучения.
Сегодня нейронные сети учат уже не при помощи центральных процессоров компьютеров, а с использованием специализированных процессоров, способных быстро производить матричные и тензорные вычисления.
Наиболее распространённый на сегодняшний день вид таких устройств — видеокарты. Впрочем, активно ведётся разработка ещё более специализированных устройств для обучения нейросетей.
В целом, безусловно, нейронные сети на сегодняшний день, — это одна из основных технологий в области машинного обучения, которой мы обязаны решению многих задач, ранее решавшихся неудовлетворительно. С другой стороны, конечно, нужно понимать, что нейронные сети не являются панацеей. Для некоторых задач они — далеко не самый эффективный инструмент.
А вот с созданием психоделических картинок нейросеть справляется отлично.
Так насколько умны нынешние роботы на самом деле?
Всё познаётся в сравнении. На фоне технологий 2000-го года нынешние достижения выглядят настоящим чудом. Всегда найдутся люди, любящие побрюзжать. 5 лет назад они вовсю трындели о том, что машины никогда не выиграют у людей в го (ну или, по крайней мере, выиграют очень нескоро).
Говорили о том, что машина никогда не сможет нарисовать с нуля картину, в то время как сегодня люди практически неспособны отличать картины, созданные машинами, от картин неизвестных им художников.
В конце прошлого года машины научились синтезировать речь, практически неотличимую от человеческой, а в последние годы от музыки, создаваемой машинами, не вянут уши.
Посмотрим, что будет завтра. Я смотрю на эти области применения ИИ с большим оптимизмом.
Перспективные направления: где начать погружение в сферу ИИ?
О чём сплетничают машины
Я бы посоветовал постараться на хорошем уровне освоить один из популярных нейросетевых фреймворков и один из популярных в области машинного обучения языков программирования (наиболее популярна на сегодняшний день связка TensorFlow + Python).
Овладев этими инструментами и имея в идеале крепкую базу в области математической статистики и теории вероятностей, следует направить свои усилия в ту сферу, которая будет наиболее интересна лично вам.
Интерес к предмету работы — один из самых важных ваших помощников.
Потребность в специалистах по машинному обучению существует в самых разных областях — в медицине, в банковском деле, в науке, на производстве, поэтому сегодня хорошему специалисту предоставлен как никогда широкий выбор. Потенциальные преимущества любой из этих отраслей мне представляются несущественными по сравнению с тем, что работа будет приносить вам удовольствие.
Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.
Разное
01 Ноября 2018
Россия отстает от других развитых стран в плане реализации современных биотехнологий в производстве продуктов питания.
читать30 Октября 2018
Если бы все на планете захотели соблюдать здоровую диету, то нам бы попросту не хватило фруктов и овощей.
читать23 Октября 2018
На помощь исследователям приходят обычные энтузиасты. Когда их действительно много, они способны на невероятные открытия.
читать22 Октября 2018
Девять основных лауреатов разделят между собой $22 млн. Кроме того, будет вручена дополнительная премия и премия «Новые горизонты».
читать16 Октября 2018
Ткани печени, созданные на 4D-биопринтере, обнаружат побочные эффекты препаратов на стадии доклинических испытаний.
читать12 Октября 2018
Добрые и порядочные люди крайне редко встречаются среди успешных бизнесменов – им не хватает жадности и эгоизма.
читать03 Октября 2018
«Биомолекула» открывает краудфандинг, цель которого – напечатать и распространить календарь «12 биологических методов в картинках» на 2019 г.
читать02 Октября 2018
Сеть анархистов, опирающихся на технологии, бросает вызов гигантам фарминдустрии при помощи самостоятельно изготовленных лекарств.
читать28 Сентября 2018
Руководители американских больниц учредили собственную компанию по производству препаратов – некоммерческую организацию Civica Rx.
читать25 Сентября 2018
Через десять лет специалисты по геронтологии будут цениться очень высоко, и готовить их нужно уже сейчас.
читать18 Сентября 2018
Биохакеры могут разрушить фарминдустрию, предложив способы дешевого производства лекарств на дому.
читать14 Сентября 2018
Управляющий партнер фонда Deep Knowledge Ventures считает, что миллиард пенсионеров – невероятная возможность для роста бизнеса.
читать13 Сентября 2018
Апелляционный суд США признал две конкурирующих группы ученых равноправными создателями технологии CRISPR.
читать06 Сентября 2018
Интервью одного из основателей «Диссернета», биоинформатика, доктора биологических наук Михаила Гельфанда.
читать26 Июля 2018
Нео-стоики – люди, которые считают, что продолжительность жизни – лишь еще одно препятствие, которое нужно преодолеть.
читать17 Июля 2018
Использование простагландинов либо препаратов, блокирующих их, является новой и экспериментальной формой лечения в борьбе с облысением.
читать28 Июня 2018
Около 3500 шведов имплантировали под кожу микрочипы, заменяющие кредитные карточки, ключи и проездные билеты.
читать28 Июня 2018
Ученые не первое десятилетие пытаются ответить на вопрос, когда нужно уходить на заслуженный отдых.
читать09 Июня 2018
Премиями в области науки и технологий за 2017 г. отмечены работы в разных областях, имеющие большое практическое значение.
читать31 Мая 2018
Точнее, не лечения, т.к. средства для этого еще нет. Речь идет об остановке развития и возврате утраченных волос.
читать
Искусственный интеллект научился читать лучше человека. Фото | Технологии
В первую очередь важно обратить внимание на то, что тест проводился на текстах из Википедии. Очевидно, почему. Во-первых, данные Википедии доступны для обучения.
Во-вторых, они энциклопедичны, в них отсутствует эмоциональная окраска, и это упрощает задачу искусственному интеллекту и усложняют ее человеку — люди быстрее запоминают тексты и события, которые имеют эмоциональную окраску.
Здесь кроется ответ на вопрос, почему на людях, участвующих в тесте, не был получен 100%-й или близкий к 100%-му результат: если проводить тесты на текстах другого стиля, например, на художественных произведениях, возможно, ИИ справился бы с ними хуже человека. Попробуйте спросить машину: «Опиши чувства Наташи Ростовой на первом балу», и она не ответит.
Также важно помнить, что приведена средняя цифра, а человеку свойственно забывание части информации, особенно если она однообразна и поступает интенсивно (мозг притупляется, взгляд замыливается), ведь далеко не каждый из нас тренирует память для запоминания сухих текстов, цифр и связей между статьями. То есть, результат человека со специально натренированной памятью, очевидно, будет выше показанного в тесте.
Бизнес-применение
И все же, результаты, которых ИИ удалось достичь на сегодняшний день, впечатляют и уже могут быть использованы для решения ряда бизнес-задач! Уже представили, что через год-другой искусственный интеллект будет объяснять вашим детям, почему у них пригорел пирог? Об этом поговорим чуть позже.
Если говорить о технической стороне вопроса, возникает логичный вопрос: почему ИИ раньше не обогнал человека и почему это произошло сейчас? Если углубляться в терминологию, то общество называет искусственным интеллектом последовательность матричных вычислений с оптимизацией функций ошибки и, несмотря на то, что теории нейросетей скоро исполнится 80 лет, никто до сих пор не знает, почему нейросеть обучается, почему всего два слоя нейросети ускоряют процесс приближения к целевой функции и минимизируют ошибку.
В математических моделях слои разного типа нейросетей можно совмещать друг с другом (в зависимости от задачи), подавая выход одного слоя на вход другого. При этом всю эту структуру нужно обучить на тестовых выборках и, чем сложнее структура нейростети, тем нужно больше времени и компьютерных ресурсов. А разработчикам необходимо удерживать в голове всю описательную сложность модели.
Также важно, чтобы модель могла хорошо распараллеливаться для работы на большом количестве процессоров и видеокарт. С появлением более мощных вычислительных устройств, а также больших наборов данных для обучения стало возможным натренировать нейросети с тысячами слоев за приемлемое время до того уровня, чтобы они могли обогнать человеческий мозг по ряду функций. Это и произошло 11 января.
Заменит ли искусственный интеллект человека
Исследователи, работающие над созданием искусственного интеллекта, признаются в том, что нейросети для них являются черным ящиком, который при этом работает, и вполне успешно.
Они прекрасно обрабатывают информацию и даже могут генерировать совершенно новую, но всегда в рамках только одной понятийной области или одной задачи. Какую нейросеть создать под какие задачи, все еще каждый раз придумывает человек.
Разум позволяет нам создавать новое, ранее не существовавшую информацию, предметы, способен на базе накопленных знаний создавать принципиально новые. На это нейросети пока не способны.
Также важно понимать, что у человека нет простого интеллекта, у него интеллект эмоциональный (он понимает, например, радостная или печальная картина), что дает ему возможность решать более сложные задачи, чем те, которые решает ИИ.
Результаты, которые показали программы Alibaba и Microsoft, говорят о том, что уже появились программные продукты, способные полностью заменить человека при выполнении простых функций.
Показанный уровень понимания смысла текста дает компаниям, работающим с клиентами, возможность экономить миллионы долларов, снижать операционные издержки и минимизировать количество ошибок, допускаемых людьми. Они найдут применение в чат-ботах, колл-центрах, справочных, в системах обработки писем и обращений.
Все это можно будет поручить искусственному интеллекту, высвободив естественный (то есть нас с вами) для более сложных, нетипичных, критических обращений или решения уникальных вопросов, с которыми нейросети не справятся.
Например, Alibaba использует участвующую в конкурсе технологию на своем сайте Singles Day в качестве бота, помогающего покупателям. В результате и сам учился на реальных примерах, общаясь с пользователями. Это, к слову, также ограниченная область применения и заведомо ограниченный смысл общения.
О вкусе сгоревшего пирога
В будущем искусственный интеллект призван забрать на себя те функции, которые скучны творческому человеку: сидеть на охране, смотреть целый день на картинки, читать весь день одни и те же тексты, целый день водить машину.
Возвращаясь к вопросу о сгоревшем пироге: как скоро ИИ сможет отвечать на подобные вопросы и появится ли по-настоящему интеллектуальный помощник? Если сделать нейросеть, которая будет обучена на рецептах и процессах приготовления пищи, а в качестве параметра выступит степень пригорания пирога, то решение этой задачи возможно в обозримом будущем. Может быть пара инвесторов в Долине уже вложили свой капитал в подобные разработки. А вот вкус эта нейросеть вряд ли сможет оценить.
редакция рекомендует
Искусственный интеллект как средство усиления естественного
«Компьютер можно считать разумным – если он способен заставить нас поверить, что мы имеем дело не с машиной, а с человеком»
Алан Тьюринг
Искусственный интеллект (ИИ) сегодня одна из передовых областей исследований ученых. Причем рассматриваются как системы, созданные с его частичным использованием до возможности замены творческого труда человека искусственным.
Сегодня в самых различных областях науки и техники требуется выполнение машинами тех задач, которые под силу были только человеку. На помощь тогда приходит искусственный интеллект, который может заменить человека в какой либо рутинной деятельности.
Сегодня системы, как программные, так и аппаратные, созданные на основе искусственного интеллекта, находят все большее применение в технике.
Цель создания полного ИИ, т.е. такого, которой мог бы выполнять действия по обработке информации наравне с человеком или лучше, – это прежде всего улучшение жизни человека и дальнейшее увеличение степени автоматизации производства.
Но на современном этапе развития этой области до создания таких систем полного ИИ довольно далеко, и пока нам приходится ограничиваться лишь частичным вмешательством ИИ в другие интеллектуальные системы. Это, прежде всего, программные средства.
Их относят к системам ИИ, так как они способны выполнять свои, пока очень узко ограниченные задачи, которые раньше не могли выполнять компьютеры, и результаты их работы схожи с результатами аналогичной интеллектуальной работы человека.
В период становления ИИ его разработчики обещали достичь очень многого, но добились несравненно меньшего. В то время создание разумных систем казалось очень простой задачей, которая так и не была решена. В наше время цели создания ИИ стали намного практичнее. ИИ был разделен на несколько частей, имеющих различные цели и средства их достижения.
Неоценимо применение компьютерной техники в медицине, что отражено в приоритетном национальном проекте «Здоровье». Чтобы подготовить высококвалифицированного востребованного специалиста, в медицинском колледже большое внимание отводится подготовке студентов к использованию информационных технологий. Это послужило стимулом для выбора темы моей работы.
Настоящее исследование не ставит перед собой цели полностью осветить роль искусственного интеллекта вмедицине. Это скорее попытка осмыслить ряд положений, связанных с ИИ.
Проблема существует и требует изучения.С системами ИИ будущие специалисты-медики столкнутся в своей профессиональной деятельности.
Учитывая актуальность данной темы, целью нашего исследования явилось привлечение внимания студентов Амурского медицинского колледжа (АМК) к проблемеискусственного интеллекта.
Основными задачамирешаемыми в ходе исследования являются:
-теоретический анализ существующих исследований обискусственном интеллекте;
-изучение вопроса о применении ИИ в медицине;
-диагностика мнения студентов АМК о возможностиприменения ИИ;
Гипотеза: можно предположить, что студенты колледжа недостаточно осведомлены в вопросах искусственного интеллекта и возможностях его применения в профессиональной деятельности.
Объект исследования: студенты АМК.
Предмет исследования: отношение студентов АМК к проблеме применения ИИв профессиональной деятельности.
Методы исследования:
- изучение и анализ литературы и источников сети Интернет;;
- опрос -анкетирование студентов;
- анализ полученных данных.
Практическая значимость работы заключается в том, что:
1)информационная часть работы может быть использована для привлечения внимания студентов к проблеме ИИ на занятиях по учебной дисциплине«Информационные технологии в профессиональной деятельности», повышения образовательного уровняобучающихся;
2)полученные данные могут быть использованы в качестве мотивации студентов АМК к изучению исследуемого вопроса.
Теоретические аспекты изучения искусственного интеллекта
Искусственный интеллект (от лат. intellectus — познание, понимание, рассудок) – направление исследований в современной компьютерной науке, целью которого является имитация и усиление интеллектуальной деятельности человека посредством компьютерных систем.
В научной и научно-популярной литературе термин «Искусственный интеллект»употребляется для обозначения «искусственного разума» – устройства, способного выполнить нетривиальные мыслительные действия, не только сравнимые с человеческими, но и превосходящие их.
Данное направление исследований в компьютерной науке разрабатывает методы представления знаний, автоматизированных рассуждений и восприятия информации (напр.
, компьютерное зрение и восприятие речи, понимание текста), а также способы общения человека и компьютера (диалог на естественном языке и средства научения работе с компьютерной системой) [9].
Можно выделить два направления развития ИИ:
- решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека;
- создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.
В настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла.[2]
Бесспорно то, что компьютеры стали необходимостью в любой сфере деятельности человека. Необходимо отметить некоторые причины, побудившие развитие исследований в области искусственного интеллекта.
- Приблизить компьютеры к непрограммирующему пользователю, сделать общение с ним столь несложным, чтобы научиться этому при желании мог каждый человек без особых усилий.
- Мы нуждаемся в средствах передачи информации, живя в информационном обществе. Рождаются новые информационные технологии, в создании которых имеют значение не только результаты развития вычислительной техники и сетей связи, но и достижения искусственного интеллекта. Без них невозможна формализация и передача, манипулирование знаниями и доступ к ним.
- Появление роботизированной техники способно избавить от многих лишних производственных затрат. Однако, для того чтобы полностью заменить человека, машина должна обладать достаточно высоким уровнем интеллекта, для того чтобы иметь возможность решать сложные производственные задачи. Прежде всего, это задачи зрительного восприятия, планирования целесообразного поведения, овладение навыками[8].
Искусственный интеллект в медицине уже давно используется и помогает врачам выявлять заболевания и сохранять жизни. К примеру, медицинский центр в Синае использует специальную систему, которая анализирует состояние сердца и говорит о возможности сердечных приступов до их появления.
Корпорация IBM совместно с Кливлендской клиникой создала две инновационные программы искусственного интеллекта, которые будут использоваться врачами для постановки диагноза и лечения пациентов. Новые интерфейсы ИИ получили название Watson EMR Assistant и WatsonPaths.
WatsonPaths – программа, созданная как анализатор сложных данных, которые нужно принять во внимание прежде, чем сделать заключение. Она генерирует вопросы, которые врачу стоит задать пациенту, чтобы конкретизировать симптомы и сузить круг вероятных заболеваний.
Важно также, что WatsonPaths использует информацию по последним клиническим испытаниям. Таким образом, доктор будет оказывать помощь, применяя новейшие медицинские достижения.
Искусственный интеллект способен генерировать диаграммы, инфографики и графики: врачам будет легче воспринимать информацию, которая предоставляется искусственным помощником.
WatsonPaths используется как основное вспомогательное средство в постановке диагноза и принятии решения, последнее слово остается за врачом, и он вполне может быть не согласен с ИИ [3].
Перспективным приложением ИИ является создание интеллектуальных роботов — роботов, в которых средством принятия решений являются интеллектуальные системы.
Сегодня медицинские роботы способны проводить сложные хирургические операции, помогают ставить точные диагнозы, ухаживают за больными и этим список их возможностей не ограничиваются.
В реальности медицинские роботы развиваются по следующим направлениям:
Медицинский ИИ позволит компьютерам «думать» о болезнях и лечении, как люди, только быстрее, лучше и масштабнее.
Нельзя забывать о создании единой информационной базы, которая позволяет врачам получать все необходимые данные о пациенте, используя специальные гаджеты с ИИ.
Обычный терапевт сможет использовать искусственный разум, поскольку программное обеспечение в состоянии отслеживать происходящие изменения в записях медицинских книжек пациентов, или же предупреждать о возникновении проблем с получением лекарств.
Последние разработки по интеллектуальным устройствам позволяют отличить жизненно-необходимые лекарственные препараты от поддельных таблеток.
Изучение мнения студентов Амурского медицинского колледжао возможности применения ИИ
Исследование проводилось на базе Амурского медицинского колледжа. В ходе опроса приняли участие 54 человека в возрасте от 15 до 18 лет (студенты 1 курса).
Для исследования мнения студентов нами использовались анкета, направленная на выявление степени осведомлённости студентов колледжа об искусственном интеллекте и его применении в современной медицине. (Приложение 1).
В ходе обработки результатов анкетирования мы выяснили, что персональный компьютер используют 92% опрошенных.
На вопрос: «Зачем человеку нужен компьютер?» ответили: облегчает работу и учёбу – 42% студентов; для игр и развлечений – 29% студентов; для использования ресурсов Интернет – 12% студентов, для всего вышеперечисленного – 17% студентов(Приложение 2, Диаграмма 1).
Большинство респондентов Амурского медицинского колледжа (85%) считают, что применение ИИ возможно в различных областях человеческой деятельности(Приложение 2 Диаграмма 2).Но все опрошенные считают, что компьютер может использоваться как инструмент, а не как самостоятельный объект, способный принимать решения. Т. е., студенты АМК не доверились бы полному ИИ.
На вопрос «Может ли заменить ИИ человеческий интеллект?» 59% ответили отрицательно, 18% – положительно, и 23% не уверены.(Приложение 2 Диаграмма 3).
В медицине допустимо использование ИИ, но он может выступать лишь как помощник специалиста, а не как самостоятельный объект лечебного процесса (100% опрошенных).
В ходе исследования нами было выявлены следующие моменты и сделаны следующие выводы.
В ходе планирования и реализации нашего исследования мы ставили перед собой в качестве основной рабочей цели – привлечение внимания студентов Амурского медицинского колледжа к проблеме искусственного интеллекта.
По данным проведенного нами исследования и в соответствии с полученными результатами мы подтвердили гипотезу о том, что студенты колледжа недостаточно осведомлены в вопросах искусственного интеллекта и возможностей его применения в профессиональной деятельности.
Можно сказать, что большая часть студентов колледжа знает об искусственном интеллекте, но лишь поверхностно, не вдаваясь в глубину вопроса.
Мы хотим предложить следующий путь решения этой проблемы –изучение вопроса об ИИ в рамках самостоятельной работы на занятиях по учебной дисциплине «Информационные технологии в профессиональной деятельности», подготовка проекта по исследуемой теме и т.п.
Маловероятно, что в недалеком будущем лечение больного можно будет полностью доверить ИИ. Главная причина трудностей – в сложности и самоорганизации объектов, большом количестве обратных связей.
Тем более, что собирание физиологической, психологической и социологической информации трудно автоматизировать, переложив на компьютеры. Это, однако, не исключает их использования в качестве советчиков и справочников для управляющих.
Подсказки в диагностике, прогнозировании и выборе оптимальной тактики могут стать очень полезными, поскольку машина может манипулировать большими массивами информации, а в ее оценке можно исключить субъективность.
Однако при конструировании новых машин мы всегда должны сознавать, какие возможны последствия от их применения. Программы для этих машин должны быть всегда точно определены, в противном случае могут быть не только положительные, но и вредные последствия.
Библиографический список
