Люси Хокинг: Джордж и корабль времени

А теперь представьте, если бы у нас были ещё и умные машины, с помощью которых мы могли бы сделать ещё больше открытий и ответить на ещё больше вопросов! Как раз в этом и состоит цель ИИ – искусственного интеллекта.

Долгое время компьютеры прекрасно выполняли конкретные задачи, в частности в области математики и логики, но никак не дотягивали до гибкости человеческого ума. То, что кажется нам очень простым, например различать разных животных или поддерживать беседу, поначалу было чрезвычайно трудно автоматизировать. Однако по мере того, как компьютеры ускорялись и люди изобретали новые способы программирования, постепенно начали решаться и эти задачи. В наши дни лучшие в мире учёные трудятся над разработкой новых программ (или алгоритмов ), благодаря которым компьютеры, подобно людям, смогут применять интеллект для достижения целей в самых разных обстоятельствах. Это и есть ИИ.

Самая потрясающая сфера исследований ИИ в наши дни называется «машинное обучение». В машинном обучении применяется подход, отличный от обычного компьютерного программирования: вместо того чтобы давать компьютеру точные пошаговые инструкции, специалисты по машинному обучению пишут обучающие алгоритмы, которые позволят компьютерам делать наблюдения за окружающим миром и самим находить ответы. Например, вместо того чтобы писать программу, которая сообщит компьютеру, что у кошки два глаза, четыре лапы и усы, можно написать обучающий алгоритм и затем просто показывать ему множество разнообразных изображений кошек. Со временем алгоритм на этих примерах научится самостоятельно определять кошек. Это очень похоже на то, как мы учим детей: можно просто сказать ребёнку: «Это кошка» или «Это собака», а он уж сам определит, чем отличаются кошки от собак.

Одна из самых удивительных особенностей машинного обучения состоит в том, что оно гораздо лучше, чем обычное программирование, приспосабливается к новым задачам. Например, можно взять тот же алгоритм, который мы использовали для распознавания кошек, – и научить компьютер распознавать любых других животных. Можно использовать его же для распознавания лиц, автомобилей, зданий, деревьев и вообще чего угодно. Это экономит нам целую гору усилий, потому что не нужно писать отдельный алгоритм для каждой задачи! Поскольку эти алгоритмы универсальны, их можно применять в каких угодно ситуациях.

Ещё одно преимущество алгоритмов машинного обучения состоит в том, что они, в отличие от обычных компьютерных программ, умеют находить новые факты и стратегии, которых мы не знали, когда разрабатывали эти алгоритмы. Например, совсем недавно программа ИИ под названием AlphaGo обыграла лучшего в мире игрока в древнюю китайскую настольную игру го. Го отчасти похоже на шахматы, но только гораздо, гораздо сложнее: в этой игре больше возможных комбинаций, чем атомов во всей Вселенной! Поэтому играть в неё очень трудно, и лучшие игроки мира тратят целую жизнь на оттачивание навыков игры и изучение новых тактик. AlphaGo – это программа машинного обучения, которая, почти как люди – игроки в го, научилась играть в эту игру так: в течение долгого времени она делала множество разных ходов и выясняла, какие из них дают лучший результат. Это значит, что программа сама открыла некоторые новые стратегии, которыми никогда не пользовались игроки-люди; так что она не только выиграла, но ещё и научила игроков всего мира новым высокоэффективным приёмам игры в го – а этого никогда бы не произошло с алгоритмом, который был бы запрограммирован традиционно, с пошаговыми инструкциями. AlphaGo стала очень важной вехой для ИИ: она продемонстрировала, что алгоритмы машинного обучения способны делать самостоятельные открытия в чрезвычайно сложных областях.

Конечно, мы пока ещё не создали ничего столь же гибкого и многогранно талантливого, как человеческий разум; есть ещё много задач, которые нам, людям, кажутся простыми, но алгоритмы ИИ, даже самые совершенные, их пока решить не могут. Однако за последние несколько лет машинное обучение шагнуло невероятно далеко. Помимо игры в го и умения идентифицировать людей и животных, программы машинного обучения научились переводить с одних языков на другие и оптимизировать потребление электроэнергии, внесли большой вклад в развитие медицины – и это лишь немногие из примеров потрясающего прогресса ИИ.