В других областях, где правила ясны, а сценарии относительно просты, таких как распознавание изображений и речи, искусственный интеллект добился значительного прогресса. Можно сказать, что в решении этих задач машины уже превзошли людей, поскольку точность машинного распознавания может быть выше, чем у человека. Но искусственный интеллект также может допускать неожиданные ошибки.
Например, если вы приложите ко лбу лист бумаги со специальными полосками, люди все равно смогут легко идентифицировать лицо, а искусственный интеллект – нет. Это также доказывает, что, хотя искусственный интеллект распознает лица, изучив достаточное количество изображений, метод, который он использует, вовсе не соответствует человеческому. Причина может заключаться в том, что до сегодняшнего дня алгоритмы нейросетей представляли собой лишь грубую симуляцию биологических процессов. Но я считаю, что с дальнейшим развитием науки о мозге будут разрабатываться и более сложные алгоритмы, так что некоторые недостатки искусственного интеллекта могут быть восполнены.
Конечно, также возможно, что они кроются не в самом алгоритме, а в методе обучения.
Взглянем на то, как развивалось биологическое распознавание образов. Существа сталкивались с суровой средой обитания, на карту были поставлены жизнь и смерть. В естественном отборе побеждали те, кто умел ориентироваться в окружающем пространстве. Наиболее действенный способ идентификации передавался следующим поколениям через генетический код. Со временем биологическое распознавание образов достигло чрезвычайной эффективности. Но, пожалуйста, обратите внимание, что разные существа применяли разные стратегии. Наиболее очевидна разница между глазами, содержащими одну линзу, и фасеточными. Первые позволяют идентифицировать различные объекты во внешней среде, однако одни типы таких глаз чувствительны к цвету, другие – к форме; существа же с фасеточными глазами воспринимают движение через разницу в изображении между омматидиями, но они, вероятно, не до конца понимают форму объектов. Итак, в природе есть множество способов распознавания образов, но независимо от того, в чем они заключаются, они связаны со средой обитания и являются продуктом эволюции. Способность к биометрическому распознаванию должна развиться до соответствующего уровня, иначе вид не сможет выжить. Условно говоря, метод обучения искусственного интеллекта намного проще. Люди «скармливают» ИИ множество картинок, на основе которых он развивает конкретные алгоритмы распознавания. Однако, сколько бы фотографий ни пошло в дело, этот метод обучения не универсален – как только ситуация поменяется, интеллект может и не приспособиться. Таким образом, если искусственный интеллект должен адаптироваться к сложной среде, то необходимо обучать его именно в такой. А это требует времени и хорошего механизма отбора, который эксперты по искусственному интеллекту должны дополнительно исследовать.
То, о чем шла речь выше, касается только конкретных областей. Безграничные возможности искусственного интеллекта скрыты в более общих сценариях применения. Искусственный интеллект, которого с нетерпением ждут люди, – не просто машина, что может только слушать или только говорить. Настоящий искусственный интеллект должен обладать целым комплексом умений.
Будь то игра в го, распознавание лиц или речи – это все одно измерение. Нейронные сети, развившиеся в процессе обучения, могут выполнять только соответствующие функции, их нельзя сопоставить с человеческим мозгом. Реальный мир – сложный, и если мы тщательно разделим его, то, вероятно, сможем найти в нем десятки или даже сотни измерений. Точно так же на Олимпийских играх есть разделение на дисциплины: легкую атлетику, плавание, гимнастику и т. д. Несмотря на то, что мы называем все это видами спорта, для каждого необходима особенная физическая подготовка. Даже один вид можно разделить на подвиды – например, плавание, которое бывает на 3000 метров, 1500 метров и 800 метров…