Siri и "Алиса" — искусственный интеллект? А чат-бот на сайте? Что входит в это понятие?

Искусственный интеллект (ИИ) — это способность компьютера выполнять задачи, которые считаются прерогативой ума и способностей человека. 

Управлять автомобилем (как алгоритм автомобиля-беспилотника), анализировать медицинские снимки и предлагать диагноз (существуют и такие разработки), писать картины и музыку (про искусство ИИ читайте здесь).

Но это определение в том виде, как его понимают потребители — то есть мы с вами. Специалисты понимают термин шире. "Мне нравится определять ИИ как область науки, которая изучает интеллектуальных агентов — устройства, постигающие окружающий мир и принимающие решения, которые приближают их к решению требуемых задач. Область включает машинное обучение и создание всевозможных алгоритмов", — говорит Павел Калайдин, директор по исследованиям в области искусственного интеллекта "ВКонтакте". 

Нейросеть — это интеллектуальная система, принцип работы которой напоминает мозг человека. У нас есть нейроны — клетки нервной системы, которые обрабатывают, хранят и передают информацию с помощью электрических и химических сигналов. У нейронной сети нейроны формализованы, как программы, выполняющие разные функции. Они также принимают сигналы (информацию) на вход и выдают измененный сигнал (то есть информацию) на выходе.

Нейросети могут решать многие полезные задачи — как в примерах выше. Но изначально любая из них не умеет ничего, ее надо научить. 

Так, как вы учите детей. 

Как ребенок учится отличать кота от собаки, а стол от стула? Взрослые показывают ему на них и называют словами. В какой-то момент ребенок накапливает достаточно данных для понимания, где кот, где собака, где стул. Десятки котов, которых он увидел прежде, чем показал на кота на улице и безошибочно назвал его, — это данные, на которых он научился. 

Нейросеть тоже учат на данных. Чтобы научить ее узнавать котов, надо загрузить в нее гигабайты фото и видео с котами. Вначале нейросеть будет ошибаться — путать котов и собак. В этом случае разработчики поправляют ее и корректируют способы обучения.

В этом и состоит работа ее создателей — спроектировать нейронную сеть для определенной задачи (а там много разных подходов, архитектур, функций) и обучить ее (для этого нужно подбирать параметры обучения) до момента, когда она перестанет ошибаться (или станет ошибаться редко).

Можно научить нейросеть не просто распознавать объекты, а понимать ситуацию в целом. В петербургском метро камеры подключены к системе, которая умеет распознавать падение человека на рельсы. А изначально этот алгоритм тренировали для контроля за школами — он должен был сообщать охране, например, о драках школьников.

Нет, алгоритмы — это последовательный набор команд для исполнителя, созданный для решения какой-то задачи. Исполнителем может быть программа, если речь идет о компьютерном алгоритме. 

Нейросеть относится к алгоритмам как яблоки относятся к фруктам. Это одна из разновидностей. Есть и другие алгоритмы, но о них вы, скорее всего, ничего не слышали, если вы не программист.

Это группа задач, связанная с построением самообучающихся алгоритмов. Ученые пытаются создавать алгоритмы, которые бы выполняли задачу, опираясь на вводные данные, совершенствовались бы в процессе работы и — в идеале — могли корректно восстанавливать неизвестную информацию по известным входным данным.

В машинном обучении есть четыре основные задачи:

1. Классификация (научить ИИ определять, скажем, пол или возраст человека).
2. Регрессия (предсказание числовых значений, например выручки в следующем месяце на основании известных данных за прошлые десять лет).
3. Кластеризация (разделение множества объектов на классы, например потребителей на различные группы по уровню доходов).
4. Поиск аномалий (объектов или действий, которые выбиваются из привычного ряда. Например, системы кибербезопасности с ИИ умеют замечать непривычную активность с аккаунта сотрудника компании, делать вывод, что его взломали мошенники, и блокировать его действия).

Да, но есть нюансы. 

"Искусственный интеллект — расплывчатое понятие, иногда под ним понимается просто экспертная система, которая отвечает по развесистому набору правил в духе "если А, то Б". Однако ни о каком машинном обучении речи тут нет. Чтобы такую систему улучшить, программист должен руками прописать новое правило", — говорит Иван Ямщиков, научный сотрудник Института Макса Планка, AI-евангелист ABBYY, автор и ведущий подкаста "Проветримся!".

Нейросети стали частью повседневной жизни. Мы не задумываемся об их существовании, а они везде. Это, пожалуй, самая интересная и быстроразвивающаяся область ИИ. Разные нейронки под разные задачи создают как корпорации, так и техноэнтузиасты (почитайте здесь, например, как программисты обучили нейросеть генерации текстов под Егора Летова). 

"Перевод Google Translate, поиск "Яндекса", любые рекомендательные сервисы вроде онлайн-кинотеатров — это тоже нейросетевые сервисы. Во "ВКонтакте" нейросети используются, чтобы понять, о чем пост и будет ли он интересен пользователям. На этих технологиях основана лента новостей VK. Еще в историях "ВКонтакте" (Instagram, "Тик-Ток" и любых приложениях, где есть маски) нейросети определяют расположение основных точек на лице — глаз, рта, носа — тем самым помогая подогнать маску под конкретного пользователя", — приводит пример Павел Калайдин. Также в соцсетях нейросети умеют определять спам, мошеннический и противозаконный контент.

На улицах Москвы есть биометрические камеры — они подключены к системе распознавания лиц по базе МВД. С помощью алгоритма машинного обучения они находят на видео лица, с помощью нейросети считывают отпечаток лица (как пальцев) и по этому цифровому отпечатку ищут в базе.

В некоторых сферах разработчики добились впечатляющих результатов. Алгоритм от Google обыграл в Go чемпиона. "Кстати, в шахматы компьютер обыграл человека давно и без нейросетей. Считалось, что Go слишком сложна для искусственного интеллекта, но оказалось, что нет", — продолжает Павел Калайдин.

Но алгоритмы, которые должны взять на себя сложную работу с физическими объектами — водить авто и помогать врачам принимать решения, — в стадии разработки или тестирования.

Алгоритмы, если все пойдет так, как предсказывают футурологи, вытеснят людей из самых популярных профессий. Без работы останутся миллионы водителей, продавцов, операторов колл-центров (кстати, последних уже повсеместно оптимизируют с помощью технологий). Но подвинуть людей могут и разработки без ИИ.

Роботы на заводах  — это не искусственный интеллект, а станки, запрограммированные на монотонные действия, но они заменяют людей на своих участках. 

Автоматизированные терминалы (вроде тех, что в сетевых фастфудах) оптимизируют работников общепита. Чат-боты на сайтах интернет-магазинов уже заменяют операторов на телефоне.

Бывает по-разному. Можно сделать бота с ИИ, который будет способен сам обучаться. Но бот в мессенджере, через которого вы заказываете пиццу, с большой вероятностью устроен очень просто. Вы отвечаете на вопросы, а на той стороне они записываются и отправляются в ресторан.

Голосовые помощники, как Siri, "Алиса", Google Assistant и другие, — это системы, которые состоят из разных алгоритмов, в том числе и нейросетей. Нейронки в них используются, например, для распознавания вашего голоса и собственно команды. 

Разработчики таких систем надеются, что со временем у них получится создать "сильный" искусственный интеллект. Это термин. Вы могли встречать словосочетания "сильный ИИ" и "слабый ИИ". "Сильный ИИ" — машина, способная решить любую задачу, которая в силах человека. Обычно в пример приводят дворецкого Джарвиса из "Железного человека" или помощницу Хоакина Феникса из фильма "Она". Сильного искусственного интеллекта сейчас не существует.

"Сильный интеллект — это мы с вами. Если вы первый раз увидите человека на уницикле, вы не подумаете, что это гибрид человека и колеса. Мы можем самостоятельно учиться, догадываться, как решить определенные задачи, не решая их до этого", — объясняет Павел Калайдин.

Футуролог и технический директор Google Рэй Курцвейл считает, что искусственный интеллект сможет превзойти человеческий и стать "сильным" примерно в 2029 году. А к 2045 году алгоритмы будут способны на самосознание и создание себе подобных.

Вообще-то, у Promobot’a есть искусственный интеллект. Робот умеет запоминать лица людей, различает прохожих по полу и возрасту. Эти и некоторые другие его способности реализованы благодаря ИИ.

Но большая часть его архитектуры — это база данных с готовыми ответами на прописанные вопросы. Вот вы видите робота в поликлинике. Подходите и задаете вопрос: "Как записаться к врачу?" Если ему прописали сценарий записи пациентов, он готов к такому вопросу и продолжит диалог вместе с выполнением действий. Если же он стоит там, чтобы распечатывать больничные листы, а сценария записи к доктору у него нет, он вам не поможет.

"Такие системы называются называется rule-based или knowledge base. Алиса от "Яндекса" тоже частично так устроена", — уточняет Павел Калайдин.

"Папа-техногик" из рекламы, который надеется, что "у робота будет искусственный интеллект", вероятно, ведет речь о том, что в будущем робот получит "сильный ИИ". И станет чем-то вроде дворецкого Джарвиса. Сможет сам принимать решения, когда ему надо обновляться, и выполнять это тоже сам.

Есть разные метрики.

Точность алгоритма — процент правильных ответов. Так соревнуются разработчики систем распознавания лиц. Хорошая точность для алгоритмов, которые распознают лица в толпе на улицах, — 90% и больше. Но такая точность считается плохой для систем распознавания лиц на контроле в аэропорту, где человек смотрит прямо в видеокамеру в светлой комнате.

Процент результатов, не хуже реальных или похожих на реальные, — это если речь идет про автоматический языковой перевод.

Процент ложных срабатываний (чем меньше, тем лучше). Это важная метрика для систем распознавания забытых предметов в метро. Чем реже алгоритм путает оставленную сумку с тенью, тем реже дергает охрану попусту. 

Еще вы, наверное, слышали про тест Тьюринга. Испытуемый переписывается в чате с одной программой и другим человеком. Он задает им вопросы и определяет, с кем разговаривает: с человеком или программой. Задача программы — заставить поверить в то, что он общается с живым собеседником. 

Большинство программ быстро "выдают" себя. Почитайте, как в Москве проходил "антитест Тьюринга", где люди так испытывали программы. Тест Тьюринга  (и похожие эксперименты) занятный, но сегодня его не используют всерьез для определения качества ИИ. Потому что интеллект человека, к которому стремится искусственный интеллект, не определяется только способностью поддерживать связную беседу.