Архитекторы интеллекта. Вся правда об искусственном интеллекте от его создателей

Когда я получил работу на полставки в качестве программиста в ИИ-лаборатории MIT, я был на седьмом небе от счастья. И решил пойти в аспирантуру, чтобы изучать ИИ. Я поступил в Университет Карнеги – Меллона, где работал с одним из отцов-основателей машинного обучения Томом Митчеллом.

Затем я преподавал в Университете штата Вашингтон и участвовал во многих стартапах, связанных с ИИ, так как меня крайне интересовала эта тема. А в 2013 г. ко мне обратились из команды Пола Аллена, предложив создать Институт ИИ. Что и было сделано в январе 2014 г.

М. Ф.: Вы общаетесь с Полом Алленом. Расскажите о его мотивации и видении Института ИИ.

О. Э.: Мне действительно повезло общаться с Полом на протяжении многих лет. Когда я размышлял над предложением возглавить институт, я прочел книгу Пола «Миллиардер из Кремниевой долины»[25]. Она позволила мне ощутить и мощь его интеллекта, и суть его видения. Я понял, что Пол действует в традициях Медичи. Как научный филантроп, он подписал Клятву дарения, публично отдав большую часть своего богатства на благотворительность. Его всегда завораживали идеи ИИ. С 1970-х гг. он задавался вопросом, как добавить машинам семантику и понимание текста.

Пол до сих пор помогает мне формировать видение института, не только оказывая финансовую поддержку, но и давая советы по поводу выбора проектов и направления деятельности института.

М. Ф.: Пол также основал Институт наук о мозге. Вы с ним сотрудничаете?

О. Э.: Да, этот институт был основан еще в 2003 г. Мы называем себя «AI2» потому, что наш институт основан позже. Так как стратегия Пола состояла именно в создании серии институтов, мы очень тесно обмениваемся информацией. Но наши методологии отличаются. В Институте наук о мозге изучается физическая структура мозга, в то время как мы применяем классическую ИИ-методологию для создания программного обеспечения.

М. Ф.: То есть вы в AI2 не занимаетесь обратным проектированием мозга, а предпочитаете проектировать архитектуру, опираясь на человеческий интеллект?

О. Э.: Совершенно верно. Вспомните, что, пытаясь выяснить, каким образом происходит полет, люди спроектировали самолеты. А теперь у нас есть большие, тяжелые и вместительные пассажирские авиалайнеры Boeing 747, которые совсем не похожи на птиц. Я допускаю, что, когда ИИ будет реализован, он будет работать совсем не так, как человеческий интеллект.

М. Ф.: Как вы относитесь к столь популярным сейчас глубокому обучению и нейронным сетям?

О. Э.: Глубокое обучение обеспечило нам впечатляющие достижения в области машинного перевода, распознавания речи, объектов и лиц. Оно дает прекрасные результаты, когда у нас много маркированных данных и вычислительных мощностей. Но на мой взгляд, люди, считающие, что глубокое обучение – это дорога к сильному ИИ, преувеличивают. Особенно, когда утверждают, что он вот-вот будет создан. Это прекрасный инструмент из имеющегося у нас набора, но он не поможет в моделировании рассуждений, базовых знаний, здравого смысла и многого другого.

М. Ф.: Некоторые утверждают, что при достаточном количестве данных появится возможность усовершенствовать обучение – особенно обучение без учителя, – и мышление с опорой на здравый смысл возникнет органически.

О. Э.: Понятие «развивающийся интеллект» (emergent intelligence) употреблял еще когнитивист Дуглас Хофштадтер. Сейчас его применяют в разных контекстах, когда речь заходит о сознании и здравом смысле. Но какие бы предположения о будущем ИИ мы ни строили, хотелось бы, чтобы они основывались на конкретных наблюдаемых данных. Пока что мы видим, что глубокое обучение применяется как статистические модели высокой емкости, которые улучшаются путем увеличения количества данных. Они представляют собой матрицы чисел, которые умножаются, суммируются, вычитаются и т. д., что никак не способствует появлению здравого смысла или сознания. По крайней мере, я подобного не видел.

М. Ф.: Какие проекты в сфере ИИ можно считать передовыми разработками? Где можно ожидать следующего впечатляющего прорыва?

О. Э.: Мне кажется, что самые захватывающие вещи сейчас делает компания DeepMind.

Меня восхитили успехи программы AlphaZero, потому что ее отличной производительности удалось добиться без множества маркированных примеров. В то же время настольные игры – это очень ограниченная сфера. Мне хотелось бы увидеть достижения в сфере робототехники, обработки естественного языка и переноса обучения.

Интересны и работы Джеффри Хинтона, который пытается искать другие подходы к глубокому обучению. Захватывающие вещи происходят и у нас в AI2: мы хотим добавить к парадигме глубокого обучения символические подходы.