Хто створив основні роботи в галузі штучного інтелекту

Сьогодні штучний інтелект є одним з найпопулярніших термінів у світі. За деякими прогнозами до 2035 року ШІ принесе світовій економіці 15,7 трильйона доларів. Він вже створює купу цифрового контенту ― тексти, картинки, музику, відео тощо. Основи його функціонування варто знати хоча б для того, щоб не втратити бізнес чи роботу.

Що таке штучний інтелект

Штучний інтелект (artificial intelligence, AI) ― це метод змусити комп’ютер чи програмне забезпечення «мислити» як людський мозок. Це досягається шляхом вивчення закономірностей роботи людського мозку та аналізу когнітивних процесів. Результатом цих досліджень є розробка інтелектуального програмного забезпечення та систем.

Якщо ви коли-небудь користувалися сканером відбитків пальців, Face ID у телефоні та додатку Дія, друкували текст з допомогою Т9, спілкувалися із чат-ботом у якомусь онлайн-магазині ― ви взаємодіяли з artificial intelligence. Ще приклади штучного інтелекту: ChatGPT, голосові помічники Siri чи Alexa, система «Розумний будинок», автопілоти в машинах тощо.

Джозеф Вайценбаум розробив першого чат-бота ― ELIZA

Історія розвитку штучного інтелекту

Народження (1952-1956)

• 1955 ― Аллен Ньюелл та Герберт Саймон створили першу програму штучного інтелекту ― Logic Theorist. Вона довела 38 із 52 математичних теорем, а також знайшла нові доведення для деяких інших.
• 1956 ― термін «штучний інтелект» вперше вжив американський інформатик Джон Маккарті на Дартмутській конференції.

Золоті роки (1956-1974)

• 1966 ― Джозеф Вайценбаум розробив першого чат-бота ― ELIZA. Його назвали на честь Елізи Дулітл, героїні п’єси «Пігмаліон» Бернарда Шоу, яку навчали мові «вищого класу людей». ELIZA імітував діалог з психотерапевтом.
• 1972 ― в Японії створено першого інтелектуального людиноподібного робота, який отримав назву WABOT-1.

Перша «зима штучного інтелекту» (1974-1980)

У цей період комп’ютерні науковці стикнулися з гострою нестачею фінансування.

Бум AI (1980-1987)

У 1980 році в Стенфордському університеті відбулася перша національна конференція Американської асоціації штучного інтелекту.

Друга «зима AI» (1987-1993)

Інвестори та уряди знову припинили фінансування досліджень у галузі artificial intelligence через високу вартість та неефективний результат.

Гаррі Каспаров проти IBM Deep Blue

Поява інтелектуальних агентів (1993-2011)

• 1997 ― комп’ютер IBM Deep Blue обіграв чемпіона світу з шахів Гаррі Каспарова.
• 2002 ― вперше AI увійшов у дім у вигляді пилососа Roomba.
• 2006 ― бізнес почав використовувати технологію, зокрема компанії Facebook, Twitter та Netflix.

Deep learning, Big Data та artificial general intelligence (2011-дотепер)

• 2011 рік ― Watson від IBM переміг у вікторині Jeopardy, де йому довелося вирішувати складні загадки. Стало зрозуміло: він розуміє природну мову, швидко вирішує непрості питання.
• 2012 ― Google запустив функцію Google Now в додатку для Android, яка могла надавати користувачеві інформацію у вигляді прогнозу.
• 2020 ― Baidu випустив алгоритм LinearFold AI для медичних і науково-медичних команд, які розробляють вакцину на ранніх стадіях пандемії SARS-CoV-2 (COVID-19).

Алгоритм може передбачити послідовність РНК вірусу всього за 27 секунд. Це в 120 разів швидше, ніж інші методи.

Нейронні мережі допомагають комп’ютерам ухвалювати розумні рішення

Складові AI

Системи штучного інтелекту працюють, поєднуючи великі обсяги даних з інтелектуальними ітеративними алгоритмами обробки. Таке поєднання дозволяє йому вчитися на основі шаблонів і особливостей аналізованих даних. Щоразу, коли система виконує цикл обробки інформації, тестує та вимірює свою продуктивність, використовує результати для розвитку додаткової експертизи.

Без чого ШІ не існує:

• Машинне навчання (Machine learning, ML). Дає ШІ можливість навчатися. Це відбувається за допомогою алгоритмів, які виявляють закономірності та генерують інсайти на основі інформації, із якими вони стикаються.
• Глибоке навчання. Це підкатегорія machine learning, дозволяє AI імітувати нейронну мережу людського мозку. Він розпізнає закономірності, шуми та джерела плутанини в даних.
• Нейронні мережі. Deep learning часто стає можливим завдяки штучним нейронним мережам, які імітують нейрони або клітини мозку. Моделі використовують принципи математики та комп’ютерних наук, аби імітувати процеси людського мозку, що дозволяє більш загальне навчання. Нейронні мережі складаються з трьох шарів: вхідного, прихованого та вихідного. Вони містять тисячі чи мільйони вузлів. Інформація подається у вхідний шар. Вхідні дані мають певну вагу, а з’єднані між собою вузли множать вагу зв’язку, коли вони рухаються. Для того, щоб вчитися на власному досвіді, машини порівнюють результати роботи мережі, а потім змінюють зв’язки, ваги та пороги на основі відмінностей між ними.

Види штучного інтелекту

• Чисто реактивні. Ці машини не мають пам’яті чи даних для роботи, спеціалізуються лише на одній сфері діяльності. Наприклад, у шаховій грі машина спостерігає за ходами та приймає найкраще рішення, щоб перемогти.
• Обмежена пам’ять. Такі системи збирають попередні дані та продовжують додавати їх у свою пам’ять. Мають достатньо пам’яті або досвіду, аби приймати правильні рішення, при цьому їхня пам’ять мінімальна. Наприклад, така машина може запропонувати ресторан на основі зібраних відомостей про місцезнаходження людини.
• Теорія розуму. Цей тип ШІ розуміє думки та емоції, а також соціально взаємодіє.
• Самосвідомий. Самосвідомі машини ― це майбутнє покоління нових технологій. Вони будуть розумними, чутливими, свідомими.

Біонічний протез руки на основі технологій artificial intelligence — Esper Hand

Де його застосовують

Наразі технологія використовується в багатьох галузях, включаючи транспорт, виробництво, фінанси, охорону здоров’я, освіту, промисловість тощо.

Наприклад, системи на кшталт Google Maps, можуть аналізувати швидкість руху транспорту в будь-який момент часу, включаючи повідомлення з місця подій про дорожні інциденти: будівельні роботи або аварії.

Системи прогнозування та профілактичного обслуговування у виробничій галузі допомагають виробникам продукції уникнути дорогих простоїв, а впровадження ШІ в механізми контролю якості підвищує ефективність виробництва.

Машинне навчання допомагає фінансовим організаціям виявляти шахрайство. AI та ML також відіграють певну роль в обробці платежів, депонуванні мобільних чеків, страхуванні та наданні рекомендацій щодо варіантів інвестування.

Штучний інтелект в медицині змінює спосіб взаємодії людей та лікарів. Він допомагає швидше та точніше ставити діагнози, прискорювати, спрощувати пошук ліків, контролювати пацієнтів за допомогою віртуальних помічників-медсестер.

Український стартап Esper Bionics розробив біонічний протез руки на основі технологій artificial intelligence — Esper Hand. Він робить все те, що робить справжня рука, а людина може займатися спортом та побутовими справами, працювати за комп’ютером, користуватися телефоном тощо.

ШІ в освіті змінить спосіб навчання людей різного віку. Використання artificial intelligence для ML, обробки природної мови та розпізнавання облич допомагає оцифровувати підручники, виявляти плагіат, оцінювати емоції студентів, аби визначити, кому важко, а кому нудно.

Робота штучного інтелекту потребує великих потужностей. Без хмарних технологій він би не зміг існувати.

Більше про використання технології читайте у статті штучний інтелект для бізнесу.

Майбутнє штучного інтелекту

Від самого початку AI перебуває під пильною увагою науковців та громадськості. Одна з поширених тем ― машини стануть високорозвиненими, а люди не зможуть за ними встигати, і ті почнуть розвиватися самі по собі.

Інша думка полягає в тому, що машини можуть втручатися в приватне життя людей і навіть бути використані як зброя. Інші аргументи стосуються етики AI та чи слід надавати інтелектуальним системам такі самі права, як людям.

Ще одне спірне питання ― чи вплине технологія на зайнятість людей. Оскільки багато галузей прагнуть автоматизувати певні види робіт за допомогою інтелектуальних машин, існує побоювання, що 300 мільйонів людей будуть витіснені з ринку праці. Самокеровані автомобілі можуть усунути потребу в таксі та програмах спільного користування автомобілями, а виробники можуть легко замінити людську працю роботами. Але не треба сприймати технології як загрозу. Протягом сторіч різні професії зникали, але завжди з’являлися нові.

Також технологія може впливати на зміну клімату та екологію. В ідеалі, завдяки використанню складних датчиків, міста стануть менш перевантаженими, менш забрудненими та загалом більш придатними для життя.

Штучний інтелект. Простий путівник, який допоможе зрозуміти ШІ

Протягом останніх пів року такі чатботи, як ChatGPT, і генератори зображень на кшталт Midjourney швидко стали культурним феноменом.

Але моделі штучного інтелекту (ШІ) або “машинного навчання” існують вже досить давно.

У цьому посібнику для початківців ми вийдемо за межі чатботів і розглянемо різні типи штучного інтелекту – і побачимо, яку роль він уже відіграє у нашому житті.

Як навчається ШІ?

Ключем до всього машинного навчання є процес, який називається тренуванням, під час якого комп’ютерна програма отримує велику кількість даних (іноді з поясненнями, що це за дані), і набір інструкцій.

Інструкція може бути, приміром, такою: “знайти всі зображення, що містять обличчя” або “розподілити ці звуки за категоріями”.

Потім програма шукатиме закономірності у наданих їй даних, щоб досягти поставлених цілей.

Можливо, на цьому шляху їй знадобляться деякі підказки – на кшталт “це не обличчя” або “ці два звуки різні” – але те, що програма вивчає за допомогою цих даних і наданих підказок, стає моделлю ШІ, і цей тренувальний матеріал у підсумку визначає її здібності.

Щоб зрозуміти, як цей тренувальний процес може створити різні типи ШІ, уявімо різних тварин.

Протягом мільйонів років природне середовище існування змусило тварин розвивали певні здібності – так само мільйони разів, які ШІ переглядає наданий йому тренувальний матеріал, формують спосіб його розвитку та створюють спеціалізовані моделі штучного інтелекту.

Тож які є приклади того, як ми навчили ШІ розвивати різні навички?

Що таке чатботи?

Уявіть, що чатбот – це папуга. Він може повторювати почуті слова, певним чином розуміє їхній контекст, але не розуміє повного значення.

Чатботи роблять те саме – хоча й на більш складному рівні – і перебувають на порозі зміни наших стосунків із письмом.

Але звідки ці чатботи знають, як писати?

Вони є різновидом штучного інтелекту, відомого як великі мовні моделі (ВММ), і тренуються на величезних обсягах тексту.

ВММ здатні враховувати не лише окремі слова, а й цілі речення, та порівнювати використання слів і фраз в уривку з іншими прикладами в усьому масиві тренувальних даних.

За допомогою цих мільярдів порівнянь слів та фраз, ВММ може прочитати запитання та згенерувати відповідь – як предиктивне введення тексту у вас на телефоні, але у значно більшому масштабі.

Дивовижна річ великих мовних моделей полягає в тому, що вони можуть вивчати правила граматики та розуміти значення слів самостійно, без допомоги людини.

Думка експерта: “Майбутнє за чатботами”

“Я думаю, що за десять років у нас будуть чатботи, які працюватимуть як експерти в будь-якій галузі. Тож ви зможете запитати лікаря-експерта, викладача-експерта, юриста-експерта про все, що вам потрібно, і змусити ці системи робити необхідні вам речі”.

Сем Альтман – генеральний директор компанії OpenAI, розробниці ChatGPT

Чи можна поговорити зі штучним інтелектом?

Якщо ви користувалися Alexa, Siri або будь-якою іншою системою розпізнавання голосу – то ви користувалися ШІ.

Уявіть кролика з великими вухами, пристосованими вловлювати найменші коливання звуку.

ШІ записує звуки, коли ви говорите, видаляє фоновий шум, розділяє вашу мову на фонетичні одиниці – окремі звуки, які складають вимовлене слово – і потім зіставляє їх із бібліотекою звуків мови.

Потім ваше мовлення перетворюється на текст, у якому будь-які потенційні помилки сприйняття на слух можна виправити до того, як ШІ дасть відповідь.

Цей тип штучного інтелекту називається обробка природної мови.

Цю технологію використувають у багатьох ситуаціях – від того, як ви говорите “так”, щоб підтвердити транзакцію у мобільному банкінгу, до того, як цікавитеся у свого смартфона про погоду на наступні кілька днів у місті, куди зібралися поїхати.

Чи розуміє ШІ зображення?

Помічали, як ваш телефон створює альбоми фотографій з назвами на кшталт “На пляжі” або “Вечірки”?

Значить, ви користувалися ШІ, не усвідомлюючи цього. Алгоритм ШІ виявив закономірності у ваших фото і згрупував їх для вас.

Такі програми тренували шляхом перегляду купи зображень, які супроводжував простий опис.

Якщо ви надасте такому типу ШІ достатньо зображень із позначкою “велосипед”, зрештою він почне розпізнавати, як виглядає велосипед і чим він відрізняється від човна чи автомобіля.

Іноді штучний інтелект тренують виявляти крихітні відмінності в подібних зображеннях.

Так працює технологія розпізнавання обличчя, яка виявляє найменші дрібниці рис вашого обличчя, які роблять його унікальним у порівнянні з будь-яким іншим обличчям на планеті.

Такі ж алгоритми навчалися виявляти небезпечні для життя пухлини на рентгенівських знімках чи томографіях – вони можуть опрацювати тисячі знімків за той час, за який людина перегляне лише один.

Як ШІ створює нові зображення?

Нещодавно розпізнавання зображень адаптували до моделей ШІ, які навчилися, майже як хамелеони, маніпулювати візерунками та кольорами.

Такі генератори зображень можуть за допомогою складних візуальних шаблонів, які вони збирають із мільйонів фотографій і малюнків, створювати абсолютно нові зображення.

Ви можете попросити штучний інтелект створити фотографічне зображення чогось, чого насправді ніколи не було – наприклад, фотографію людини, яка йде поверхнею Марса.

Або ж ви можете проявити творчість і вказати стиль майбутнього зображення: “Зроби портрет тренера збірної Англії з футболу, намальований у стилі Пікассо”.

Найновіші ШІ починають процес генерації цього нового зображення з набору пікселів довільного кольору.

Вони шукають у цих випадкових крапках будь-який натяк на візерунок, який вони вивчили під час тренування – шаблони для створення різних об’єктів.

Ці шаблони поступово удосконалюються шляхом додавання подальших шарів випадкових крапок, аж поки нарешті не виникне подібність.

Зберіть разом усі необхідні шаблони, як-от “поверхня Марса”, “астронавт” і “ходіння” – і ви отримаєте нове зображення.

Оскільки нове зображення складається з шарів випадкових пікселів, у результаті ми отримуємо дещо нове, чого ніколи раніше не існувало – але водночас воно базується на мільярдах шаблонів, яких ШІ навчився з масиву тренувальних зображень.

Тепер суспільство постає перед викликом – як узгодити такі новотвори з авторським правом та етикою, враховуючи, що ШІ вчиться на результатах наполегливої праці справжніх художників, дизайнерів і фотографів.

А як щодо безпілотних автомобілів?

Безпілотні автомобілі протягом десятиліть були в центрі розмов довкола штучного інтелекту, а наукова фантастика міцно закріпила їх у нашій уяві.

Цей тип ШІ називають автономним керуванням, а безпілотні авто оснащені камерами, радаром і лазерами для вимірювання відстані.

Уявіть бабку, яка має зір на 360 градусів й датчики на крилах, які допомагають їй маневрувати та коригувати рухи під час польоту.

Схожим чином модель штучного інтелекту використовує дані зі своїх датчиків, щоб ідентифікувати об’єкти та з’ясувати, чи рухаються вони, і якщо так, то який це рухомий об’єкт – інша машина, велосипед, пішохід чи щось інше.

Тисячі годин тренування, спрямованого на те, щоб зрозуміти, як виглядає правильне керування автомобілем, дозволили ШІ керувати автомобілем і уникати зіткнень в реальному світі.

Алгоритми прогнозування багато років намагалися упоратися з часто непередбачуваною поведінкою реальних водіїв, однак тепер безпілотні автомобілі вже зібрали мільйони кілометрів даних на реальних дорогах. У Сан-Франциско такі авто вже возять пасажирів за гроші.

Автономне керування також є яскравим прикладом того, як новим технологіям доводиться долати не тільки технічні перешкоди.

Різне законодавство та правила безпеки, а також глибоко вкорінене відчуття тривоги з приводу того, що станеться, коли ми передаємо керування машинам, досі є потенційними перешкодами для повністю автоматизованого майбутнього на наших дорогах.

Думка експерта: “Безпечніші, ніж люди”

“Думаю, усі погоджуються, що ми хочемо безпечніших доріг. І зараз дуже цікаво говорити про це, коли люди та роботи відносно схожі у своєму керуванні. Але протягом наступних кількох років, враховуючи швидкість удосконалення цих систем, я думаю, що ці розмови будуть уже в минулому. Тому що вони будуть набагато кращими за людей, і ми взагалі вже не будемо вести такі дебати”.

Кайл Фогт – генеральний директор компанії Cruise, що створює автономні авто

Що ШІ знає про мене?

Деякі ШІ просто мають справу з числами, збираючи та поєднуючи їх, щоб створити рій інформації, що може мати дуже цінні результати.

Ймовірно, у світовому павутинні вже є кілька профілів щодо вашої фінансової та соціальної активності, які можна використовувати для прогнозування вашої поведінки.

Ваша картка лояльності в супермаркеті відстежує ваші звички та смаки через ваші щотижневі закупи. Кредитні агенції відстежують, скільки грошей ви маєте в банку та боргів за кредитними картками.

Netflix і Amazon відстежують, скільки годин відео ви переглянули минулого вечора. Ваші акаунти в соціальних мережах знають, скільки відео ви прокоментували сьогодні.

І йдеться не лише про вас – ці цифри існують щодо всіх, що дозволяє моделям штучного інтелекту працювати з ними, шукаючи соціальні тенденції.

Ці моделі штучного інтелекту вже формують ваше життя: від вирішення того, чи можете ви отримати позику чи іпотеку, до впливу на те, що ви купуєте, шляхом підбору реклами для вас в інтернеті.

Чи зможе ШІ робити все?

Чи можливо було б об’єднати ці навички у єдину гібридну модель ШІ?

Саме це робить одне з останніх досягнень у сфері штучного інтелекту.

Воно називається мультимодальним ШІ та дозволяє моделі переглядати різні типи даних, такі як зображення, текст, аудіо чи відео, і виявляти нові зв’язки між ними.

Цей мультимодальний підхід став однією з причин величезного стрибка в можливостях ChatGPT після оновлення з версії ChatGPT3.5, яка тренувалася лише на текстах, до версії ChatGPT4, яка навчалася також і на зображеннях.

Ідея єдиної моделі штучного інтелекту, здатної обробляти будь-які дані і, отже, виконувати будь-які завдання, від перекладу між мовами до розробки нових ліків, відома як штучний загальний інтелект (ШЗІ).

Для одних це – кінцева мета всіх досліджень штучного інтелекту; для інших – шлях до тих науково-фантастичних антиутопій, у яких ми вивільняємо інтелект настільки далеко за межі нашого розуміння, що більше не в змозі його контролювати.

Як тренується ШІ?

Донедавна ключовий процес тренування більшості ШІ був відомий як “контрольоване навчання”, або навчання з учителем.

Люди давали ярлики з поясненням величезним наборам навчальних даних, а ШІ мав знайти закономірності у цих даних.

Потім штучний інтелект просили застосувати віднайдені закономірності до нових даних і дати коментар щодо їхньої точності.

Уявіть, що ви даєте ШІ 12 фотографій – шість із ярликом “автомобіль”, а шість – “фургон”.

Потім просите штучний інтелект розробити візуальний шаблон, який сортує автомобілі та фургони на дві групи.

Як ви думаєте, що станеться, коли ви попросите його класифікувати це фото?

На жаль, здається, ШІ вважає, що це фургон – не такий вже він і розумний.

Тепер ви показуєте ось це.

І він говорить вам, що це автомобіль.

Зрозуміло, в чому проблема, чи не так?

З огляду на обмежену кількість зображень, на яких він тренувався, ШІ вирішив, що головним способом розрізнення автомобілів і фургонів є колір.

Але найдивовижніше в програмі штучного інтелекту те, що вона дійшла до цього висновку сама – і ми можемо допомогти їй цей висновок скоригувати.

Ми можемо сказати їй, що вона неправильно визначила два нових об’єкти – і це змусить її знайти нові закономірності на зображеннях.

Але найважливіше те, що ми можемо виправити хибу в наших тренувальних даних – надати ШІ більш різноманітні зображення.

Ці дві прості дії разом – і у величезних масштабах – навчили більшість систем ШІ ухвалювати надзвичайно складні рішення.

Як ШІ навчається сам?

Контрольоване навчання – неймовірно потужниф метод, однак багато з останніх проривів у ШІ стали можливими завдяки спонтанному навчанню, або навчанню без учителя.

Простіше кажучи, завдяки використанню складних алгоритмів і величезних наборів даних штучний інтелект може навчатися без будь-якої допомоги людини.

Найвідоміший приклад – ChatGPT.

Обсяги тексту в інтернеті та оцифрованих книгах настільки величезні, що за багато місяців ChatGPT зміг навчитися самостійно поєднувати слова в осмислений спосіб, а люди потім допомагали точніше налаштувати його відповіді.

Уявіть, що у вас є велика купа книг іноземною мовою, можливо, деякі з них – з ілюстраціями.

Зрештою ви побачите, що щоразу, коли ви бачите у книзі зображення дерева, на сторінці поряд із ним з’являється одне й те саме слово, а коли фото будинку – то слово інше.

Поступово ви виявите й інші закономірності.

ChatGPT провів такий ретельний аналіз зв’язків між словами, щоб створити величезну статистичну модель, яку потім можна використовувати для прогнозування та створення нових речень.

Вона покладається на величезну обчислювальну потужність, яка дозволяє ШІ запам’ятовувати величезну кількість слів – поодинці, групами, реченнями – а потім читати та порівнювати, як вони вживаються, і робити це знову і знову лише за частку секунди.

Швидкий прогрес, якого досягли моделі глибинного навчання за останній рік, викликав нову хвилю ентузіазму та занепокоєння щодо потенціалу штучного інтелекту – і наразі немає жодних ознак його сповільнення.

Обіцянки та застереження наукової фантастики, здається, раптово підкралися до нас вже у реальному житті – і ми виявили, що живемо у світі, де штучний інтелект починає виявляти свої дивні нелюдські здібності.

Думка експерта: “Уявіть, що це діти”

“Відповідь на питання, як ми можемо підготувати машини до цього світу зі складною етикою, криється у тому, як ми виховуємо власних дітей і готуємо їх до зустрічі з нашим складним світом. Коли ми виховуємо дітей, ми не знаємо, з якими саме ситуаціями вони зіткнуться. Ми не даємо їм відповіді на всі можливі запитання. Скоріше ми вчимо їх, як знайти відповідь самостійно”.