Обробка природної мови та інші форми машинного інтелекту

Над створенням штучного інтелекту вчені працюють більше півстоліття, а останніми роками досягли чималого прогресу. Для вирішення практичних завдань формуються системи на кшталт людських нейронних зв'язків, які так і називаються «нейронні мережі». Досягнуті результати дозволяють впроваджувати технологію штучного інтелекту в різні сфери людського життя: юриспруденція, медицина і т.д. Хоча, звичайно, потреба штучного інтелекту в правовому полі можна піддати сумніву, оскільки юридичні завдання легко вирішуються за допомогою лінійного програмування. Але щодо медичних досліджень та завдань, що стосуються продовження життя людини, то сильний ШІ здатний прискорити прогрес.

На даному етапі розвитку технологій штучного інтелекту можна стверджувати про прагнення вчених до створення машини, яка стане за розумовими здібностями рівна людському розуму. Процес навчання відбувається таким чином, що машині дається безліч рішень однієї і тієї ж задачі, після аналізу і виведення деякого середнього значення з безліччю варіацій і відхилень, машина надалі може впоратися з таким типом завдань. Наприклад, система розпізнавання облич. Щоб дізнатися чиє обличчя програма звертається до своєї бази, куди вона записувала координати розташування очей, носа, губ та інших особливостей особи конкретної людини під різними кутами зору. У цьому випадку, машина навчається на певній вибірці, тим самим програмується правильний варіант відповіді.

Такий спосіб навчання машини імовірно призведе до дуже освіченої системи, яка за розумовими характеристиками вбере максимум від своїх вчителів. Тобто. така машина матиме «розум» рівний людському і лише через прагматичність перевершуватиме окрему людину, яка підвладна емоціями і забудькуватості. Але справжня мета, яку має творець сильного ШІ — це штучна система, яка зможе виконувати розумові операції, при цьому мати розумовий потенціал всього людства. Таким чином автоматизоване мислення, що саморозвивається, зможе за лічені дні виконувати таку кількість завдань і створювати стільки технологій, як усе людство згенерувало за всю свою історію.

Щоб прийти від нейронних мереж, які розпізнають квіти фотографії до штучного інтелекту, який стане інструментом для вирішення нагальних завдань науки, необхідно вникнути в процес самого мислення і відтворити його штучний аналог. Вчені дійшли ідеї відтворити спосіб мислення людини, заглиблюючись у розбір мовного аспекту. Навчіть машину розуміти людську мову, і вона почне мислити як людину.

У своєму інтерв'ю Головний вчений мовних обчислень у лабораторії Huawei's Noah's Ark Lab — Лю Кан розкриває думку про три типи машинного інтелекту: перцептивний, моторний і когнітивний. Перший відноситься до функцій, які вже освоєно машинним мисленням – це вивчення, обробка та генерація аудіовізуальних матеріалів. За останні роки дійсно спостерігається суттєвий прогрес у покращенні розпізнавання мови та розпізнавання облич. Другий тип інтелекту — також використовується в робототехніці. Всі ми бачили ролики компанії Boston Dynamics, де машини долають різні ступені фізичних перешкод. І третій тип інтелекту — когнітивний, він же найскладніший і досі не освоєний на достатньому рівні, щоб машина могла мислити і творити, як людина.

Ми з командою розробки сильного штучного інтелекту Eon.plus також схильні до підходу пана Лю Кана, адже за мовою стоїть спосіб мислення. Вербальне втілення думки демонструє нам те, як насправді будується мислення людини. Тільки проблема в тому, що не потрібно копатися в дрібницях, піднімати структуру думки, починаючи з атомів та нейронних зв'язків. І не потрібно переносити проблеми мови у площину штучного інтелекту, а необхідно зрозуміти суть мислення.

Якщо чітко визначити, що являє собою процес мислення, його досить відтворити на високому рівні — лише на рівні ідей і функцій, що вони виконують. Будинок можна побудувати з маленьких цеглин, а можна звести з бетонних блоків. У тому та в іншому випадку досягнуто основну ідею — спорудження будівлі. Але в першому випадку потрібно буде витратити більше часу, якщо вважати, наприклад, в людино-годинах.

Така сама ситуація з побудовою штучного мислення. Не варто будувати із дрібних частин, які вимагають більше витраченого часу та обчислювальних потужностей. Достатньо взяти дві складові мислення: аналіз та синтез та грамотно втілити їх у програмному коді. Насправді ж машина оперуватиме безпосередньо мовою високого рівня, тобто. людською. Саме тому, варто приділяти увагу лінгвістиці, як способу відображення думки людини та практичного застосування принципів аналізу та синтезу Автори статті "The Next Big Breakthrough in AI Will Be Around Language Х" Джеймс Вілсон і Пол Даугерті з консалтингової компанії Accenture пояснюють важливість становлення штучного інтелекту і наводять приклад небувалого хайпа навколо алгоритму обробки природної мови GPT-3 у різних сферах життя.

Їхні приклади вже існуючих аналогів обробників природної мови вкотре підтверджує наше припущення про важливість лінгвістики у процесі становлення сильного машинного інтелекту. Але недолік існуючих систем полягає в тому, що їм доводиться задіяти величезні обчислювальні потужності, щоби довести свою придатність.

Як ми вже говорили, справа у способі застосування цих обчислювальних потужностей. Не маючи чіткого розуміння процесу мислення, розробники віддають на суд нейронної мережі цей аспект. По суті відбувається завантаження великого масиву інформації в програму на основі нейронної мережі, яка функціонує завдяки запрограмованій математичній моделі обробки і видає результат, схожий на мислення. Такий спосіб має право на існування, але передбачає відточування цієї самої мат моделі до такого рівня, щоб мислення машини нарешті збігалося з людським. На це звичайно потрібні величезні ресурси, з нестачею яких стикаються розробники.

Якщо піти іншим шляхом і вже на вищому рівні побудови пропозицій, які є втіленням ідей, застосовувати дві складові мислення: аналіз та синтез, то вдасться знизити навантаження на апаратну частину машини. В цьому випадку ШІ - це функціональний обробник ідей, який може розщепити готові ідеї та синтезувати нові. Для цілісності такого підходу не вистачає ще однієї складової — програмного комплексу, який дозволить проводити перевірку релевантності нової ідеї таким чином, щоб машина не генерувала нісенітниці, як, наприклад, ідею синього звуку. Такий штучний інтелект призначений для створення чогось нового. Завданням сильного ШІ є допомога у вирішенні проблем, на які окремі вчені витрачають більше часу, ніж могли б. Якщо прикласти до такої генеруючої ідеї машини апаратну частину, яка зможе в реальних умовах проводити досліди, то ми отримаємо універсального вченого для вирішення завдань практично будь-якої сфери діяльності людини.

P.S. Трохи про страхи щодо скорочення робочих місць у зв'язку з розвитком ШІ. Складно спростувати факт того, що машина може виконувати деякі роботи краще і швидше за людину. Але ніхто не говорить про кількість професій, де людина виконує лише функцію, рутинну та щоденну. Варто зазначити, що з розвитком технологій з'являються нові професії, які сприяють розвитку і самої людини.

Для тих самих розрахунків деякий час тому потрібно було кілька співробітників з калькуляторами, зараз цю роботу може виконати один оператор ПК. Інші стали вільні від рутинних функцій, а у зв'язку з цим з'являються більш творчі професії, які дозволяють людям реалізувати себе і стати щасливішими.