Уже несколько поколений люди фантазируют, что вот-вот всю сложную и рутинную работу можно будет поручить роботам. Или, наоборот, опасаются восстания машин как в кино. Но насколько мы на самом деле близки к любому из этих сценариев? На что сегодня способен искусственный интеллект? И как он вообще работает?

Искусственный интеллект — это технология создания систем, способных решать интеллектуальные задачи, с которыми, как казалось раньше, может справиться только человек. Например, играть в компьютерные игры, писать музыку или распознавать лица людей на камерах видеонаблюдения. У таких задач нет конкретного пошагового алгоритма решения. Нельзя однозначно описать машине, как выглядит кошка: они отличаются породой, размерами, фотография может быть с необычного ракурса. Но можно показать ей миллион фотографий кошек, чтобы она сама научилась их определять.

Искусственный интеллект используют уже во многих сферах. В медицине он помогает поставить диагноз. На производстве — управлять линиями и контролировать качество. В сельском хозяйстве — улучшать урожай. В банках и страховых компаниях — выявлять мошенников. Умные маски в инстаграме — тоже его рук… хм, его строк кода дело.

Ещё с помощью искусственного интеллекта можно синтезировать человеческую речь и мимику. Не верите? В Сбербанке это уже сделали. Скажите «Привет» виртуальной ведущей Елене: «Здравствуйте. Я Елена, цифровой двойник телеведущей. Я полностью автоматизирую работу настоящего ведущего и рассказываю сотрудникам и клиентам банка о важных событиях. При этом я не запинаюсь, не устаю и не опаздываю на работу. Моя мимика и речь – результат работы искусственного интеллекта. Его создали в Лаборатории Робототехники Сбербанка вместе со специалистами из Центра Речевых Технологий и компании SberDevices. В его основе — сложные нейросетевые модели для непрерывной генерации речи и изображения. Нейросети постоянно обучаются. С каждым новым видео я становлюсь совершеннее. Вероятно, со временем я стану максимально похожей на человека, а Сбербанк сможет использовать похожие модели в качестве консультантов в отделениях. Но это в будущем, а пока возвращаю слово Кириллу».

- Спасибо, Елена! Как видите, искусственный интеллект широкими шагами выходит во всё новые направления и уже примеряет на себя роль ведущего новостей.

Почему искусственный интеллект такой умный, как учёные создают его? Один из самых популярных способов — машинное обучение. Компьютеру дают большую выборку обучающих данных, у которых есть определенные признаки. И на их основе он много раз решает однообразную задачу, пока не научится делать это в совершенстве. Есть несколько ключевых способов машинного обучения: обучение с учителем, обучение без учителя, обучение с подкреплением, ансамблевые методы и нейронные сети.

Обучение с учителем подразумевает, что алгоритм сначала получает данные, для которых указана характеристика, которую ему нужно научиться предсказывать. Например, список транзакций, для которых известно, какие из них корректные, а какие — мошеннические. После этого алгоритму предлагают новую транзакцию и он пытается угадать, все ли с ней в порядке.

При обучении без учителя данные не разделены. Задача машины — найти последовательность, зависимости или закономерность для величин. Например, компьютер получает информацию о покупателях в интернет-магазине и учится их сегментировать. Он изучает выборку, ищет взаимосвязи и сам выбирает, по каким критериям их разделить.

Обучение с подкреплением — это обучение на практике, когда алгоритм в ответ на свои действия получает обратную связь от окружающей среды. Так разрабатывают автопилот: алгоритм в безопасных условиях учится распознавать объекты и принимать решения на дороге. Иногда он ошибается: сталкивается с ограждением или неудачно входит в поворот, получает мгновенную обратную связь и накапливает опыт. После многочисленных поездок он начинает управлять автомобилем с высоким уровнем безопасности.

Ансамблевые методы обучения состоят из нескольких слабых алгоритмов, которые объединяются для решения большой задачи. То есть, сначала задачу решают с помощью одного инструмента, затем — с помощью другого, потом — с помощью третьего. И так далее, пока не будет достигнута высокая точность. Так обучают поисковые системы или модели, которые предсказывают погоду.

Мы поговорили об обучении с учителем и без, обучении с подкреплением и ансамблевых методах. Теперь — о самом популярном в последнее время методе — нейронных сетях. Их так называют, потому что они построены и функционируют по принципу биологических нейронных сетей. Иногда говорят, что компьютерная нейронная сеть — это попытка смоделировать то, как работает человеческий мозг.

Нейронные сети состоят из нескольких слоев вычислительных узлов — нейронов — и связей между ними. Каждый узел получает на входе много информации, считает определённую функцию и передаёт её значение следующему слою. Например, получает информацию о нескольких пикселях и пытается понять, есть ли на них что-то, похожее на часть кота.

Нейронные сети используют в системах видеонаблюдения, голосовых помощниках, автоматизированных колл-центрах. Они помогают выявлять аномалии и предотвращать киберугрозы, ставить диагнозы больным, контролировать качество продукции на заводах.

Так сможет ли искусственный интеллект в ближайшем будущем заменить человека? На самом деле нет. Пока что мы говорим о слабом ИИ: он способен решать узкие, специализированные задачи, но все еще далек от человеческих способностей. Он не может придумать себе новую задачу, не может испытывать эмоции или сопереживать.

Так что, даже если ваш тостер обыграет вас в шашки, он не сможет проявить эмпатию и поддаться вам в следующий раз, чтобы вы не расстраивались. Но не переживайте — тосты всё равно пожарит.