ENG
Добавить в избранное
Интервью, Технологии

Будущее искусственного интеллекта

Об эволюции искусственного интеллекта и его дальнейшем развитии беседуем с Дмитрием Фроловым, Senior Software Engineer, Grid.AI Ph.D. in Computer Science (кандидат компьютерных наук), экспертом в области искусственного интеллекта и разработки сервисов на его основе.

Дмитрий Фролов, Senior Software Engineer, Grid.AI Ph.D. in Computer Science (кандидат компьютерных наук), эксперт в области искусственного интеллекта и разработки сервисов на его основе. Член Российской Ассоциации Искусственного Интеллекта (РАИИ). Автор более 10 научных публикаций, член экспертных советов и докладчик нескольких международных конференций
Дмитрий Фролов, Senior Software Engineer, Grid.AI Ph.D. in Computer Science (кандидат компьютерных наук), эксперт в области искусственного интеллекта и разработки сервисов на его основе, член Российской Ассоциации Искусственного Интеллекта (РАИИ), автор более 10 научных публикаций, член экспертных советов и докладчик нескольких международных конференций

Какие особенности характерны для эволюции искусственного интеллекта (ИИ) как для очень молодой науки?

— В первую очередь нужно отметить, что наука не такая молодая, как принято считать, и ее история уже внушительная. Большинство расхожих представлений о «новизне» многих областей, обычно причисляемых к «искусственному интеллекту» в широком смысле, ложны. Возьмем, к примеру, анализ данных. Его основы, статистические методы, были заложены еще выдающимися математиками XVIII–XIX веков — Байесом, Гауссом, Лапласом. Я люблю приводить очень показательный пример, который является типичным даже с точки зрения самых современных представлений. В середине XIX века английский врач Сноу во время эпидемии холеры в Лондоне провел статистический анализ случаев заражения, располагая их на карте — и таким образом установил источники распространения инфекции. Анализ данных? Классический! Конечно, появление вычислительной техники преобразовало все ранние представления, с этих пор принято говорить о современном понимании ИИ, но надо осознавать, что это понятие возникло не на пустом месте.

А особенность я отмечу одну — это скорость развития области ИИ. Последние полтора десятилетия она просто фантастическая. Я думаю, эти слова не нуждаются в подкреплении, отличным индикатором служит количество технологических решений, основой которых является применение моделей на основе ИИ. И исследователям, и разработчикам необходимо быть в курсе трендов области, что критически важно. Это накладывает свою специфику на распространение знаний: поскольку скорость публикации очень важна, часто исследователи считают достаточным заявлять о своих результатах путем публикации препринта, вместо того чтобы написать полноценную статью в какой-нибудь престижный рецензируемый журнал. Последнее может занять от нескольких месяцев до нескольких лет (журнальная бюрократия, несколько раундов рецензирования, очередь на печать), что абсолютно неприемлемо в реалиях области. Буквально каждая неделя имеет значение!

Каким вы видите глобальное будущее искусственного интеллекта?

— Я бы разбил этот вопрос на несколько — с разных перспектив зрения. Во-первых, математическая база ИИ имеет множество нерешенных фундаментальных вопросов. Часто бывает: что-то придумано, вроде бы работает, это подтверждается экспериментально, но вот теоретической базы нет. Здесь мы ждем обоснований методов, теоретического анализа применимости подходов. Можно задать вопрос — а разве экспериментальных результатов недостаточно? Эмпирические данные, тесты — это хорошо, но только математика способна дать абсолютную степень уверенности. Можно провести аналогию с фундаментом дома. Имея прочную математическую базу, мы сможем строить новые предположения, разрабатывать новые методы.

Очевидно, мы будем видеть новые архитектуры нейронных сетей. Я ожидаю, что в скором будущем мы увидим иные подходы не только к самим архитектурам, но и к гиперпараметрам моделей, то есть таким параметрам моделей, которые устанавливаются перед запуском процесса обучения. Сейчас этот шаг если и автоматизируется, то самым примитивным образом, как правило, путем поиска и перебора. Сюда же отнесу сам выбор архитектуры нейронных сетей — этот этап тоже будет поручен искусственному интеллекту.

Также я здесь отмечу и другое — рост возможностей переиспользования результатов. Это очень важно уметь делать: обучать модели с нуля долго и сложно, а еще нужны большие тренировочные наборы. Уже сейчас обученные модели часто успешно адаптируются и используются для решения специфических задач. Мы будем наблюдать рост количества таких моделей, а также всеобщее применение принципа модульности при решении задач.

— Поясните, пожалуйста.

— Решая крупную задачу, вы можете декомпозировать ее — и для части подзадач зачастую уже имеете решение. Эта идея может звучать довольно банально (особенно для людей с опытом разработки программного обеспечения), но в настоящее время чаще всего даже крупная задача искусственного интеллекта решается как единое целое.

Продолжу: кроме того, я предполагаю, в скором будущем мы увидим симбиозы детерминированных алгоритмов и методов машинного обучения. Отдельные подзадачи могут быть значительно проще и эффективнее решены с помощью формального алгоритма. Например, при разработке моделей для игры в шахматы, го, а также компьютерных игр зачастую важным элементом является включение шагов, описанных в виде формального алгоритма (в противоположность моделям целиком на основе эмпирического опыта).

Безусловно, мы увидим автоматизацию этапов разработки моделей машинного обучения. Это уже хорошо ощутимый тренд, мы будем наблюдать его эволюционное развитие. И в завершение отмечу рост аппаратных возможностей: это, очевидно, дает шанс более эффективно решать более сложные задачи.

— Вы имеете в виду квантовые компьютеры?

— В том числе. Квантовые вычисления расширят возможности машинного обучения. Квантовые компьютеры обеспечат лучшую производительность — что непременно скажется на результатах. Остается дождаться первых коммерчески готовых таких компьютеров.

— Будет ли создан некий общий искусственный интеллект, способный решать любые задачи?

— Не хотелось бы вдаваться в пространные рассуждения, скажу лишь, что здесь очень далеко не только до решения, но и до формальной постановки такой задачи. Она выглядит слишком абстрактной.

— Какие области применения ИИ вы считаете наиболее перспективными на данный момент?

— Я бы отметил здесь применение машинного обучения в медицине — очень важное направление. Здесь человечеству еще предстоит сделать огромный объем работы. Сейчас мы наблюдаем рост интереса исследователей к данной области — отмечу применение машинного обучения к разработке методов диагностики, поиску лекарств, стратегий лечения. На мой взгляд, это самая актуальная область сейчас — и мы видим огромное количество стартапов, новых научных коллективов здесь.

— Сможет ли в ближайшей перспективе ИИ заменить труд программиста?

— Современный уровень технологий дает нам магазины без кассиров, беспилотные автомобили, дроны-курьеры. Многие профессии постепенно канут в лету. Но пока речь идет о профессиях, где работа описывается совершенно определенным и понятным алгоритмом действий. Задачи же программиста — писать код, проектировать архитектуру приложений, работать с программными инструментариями — видятся пока слишком «творческими» для ИИ в ближайшей перспективе. Это слишком далекая экстраполяция. Я не имею в виду отдельные этапы, такие как решение подмножества задач, например из области спортивного программирования, где даны четкие условия и описан желаемый результат. Я говорю о профессии в целом. Часть программистов, но не всех, могут заменить, например, комбинации моделей на основе эмпирического опыта и формальных подходов. Но очень рано и даже наивно полагать, что это случится в обозримой перспективе.


Подписывайтесь на канал «Инвест-Форсайта» в «Яндекс.Дзене»
Наши телеграм-каналы:
Стартапы и технологии
Новые бизнес-тренды
Загрузка...
Предыдущая статьяСледующая статья