Academicus Alexander Kuleshov vertelde Rusnano over hoe dicht de mensheid is bij het creëren van zelfverbeterende machines, waar hun creatie toe zal leiden en of Stephen Hawking gelijk had toen hij bang was voor de problemen die intelligente machines opleveren.
Alexander Kuleshov is een van de toonaangevende Russische specialisten in het creëren van neurale netwerken, kunstmatige intelligentie en complexe informatieverwerkingssystemen. Nu leidt hij het Skolkovo Institute of Science and Technology, en tot februari van dit jaar leidde hij het Institute for Information Transmission Problems van de Russian Academy of Sciences.
Deze vrijdag hield academicus Kuleshov een lezing binnen de muren van het staatsbedrijf "Rusnano", waarop hij het publiek, waaronder Anatoly Borisovich Chubais, vertelde over de vooruitgang op het gebied van het creëren van kunstmatige intelligentie in de afgelopen jaren en hoe AI-technologieën onze samenleving zullen veranderen door enkele jaren.
"Alien" of menselijke intelligentie?
“Waarom krijgen kunstmatige intelligentie en slimme gegevensverwerking tegenwoordig zoveel aandacht? Wat is er gebeurd? In feite zijn de gegevens altijd verwerkt. Sinds de tijd van Galileo worden de resultaten van wetenschappelijke experimenten (wiskundig) verwerkt. Wat is er vandaag gebeurd dat dit probleem naar voren heeft gebracht?”, Begon de Skoltech-rector zijn verhaal.
Zoals academicus Kuleshov opmerkt, is de hoeveelheid gegevens waarmee mensen en computers tegenwoordig werken veranderd - nu verzamelen, bewaren en verwerken computerprogramma's terabytes en petabytes aan gegevens, waarvan de verwerking met traditionele informatieanalysesystemen buitengewoon moeilijk is.
Mensen, bijvoorbeeld exploitanten van kerncentrales of vliegtuigpiloten, hebben toegang tot tientallen of zelfs honderden schermen met verschillende diagnostische informatie, die elk op zichzelf bijna niets betekenen, en niet zullen helpen om een fout in de werking van apparatuur te vinden, maar de combinatie daarvan met bijna 100 % stelt u waarschijnlijk in staat het probleem op te lossen, zelfs voordat het een kritiek stadium bereikt.
Natuurlijk, zo vervolgt de wetenschapper, is een persoon niet in staat om tegelijkertijd 50 schermen te bewaken, wat aanleiding geeft tot de noodzaak om systemen te creëren die deze gegevens analyseren en op één scherm alleen weergeven wat echt belangrijk is voor het nemen van beslissingen en het volgen van de situatie.
Promotie video:
“Absoluut nieuwe wiskundige systemen die zijn verschenen voor de analyse van dergelijke 'big data' zijn verder gegroeid en ze zijn toepasbaar op de analyse van alle informatie met behulp van technische middelen. In feite zouden ze nieuw zijn geweest in de 17e eeuw en zouden ze nuttig zijn geweest voor wetenschappers van die tijd. Maar ik benadruk dat dit allemaal precies op de golf van nieuwe technologieën verscheen”, vervolgt Kuleshov.
De meeste discussies over deze technologieën komen, zoals de academicus opmerkt, voort uit het feit dat er een verschil is tussen het Russische woord 'intellect' en het Engelse woord intelligentie, waardoor veel deelnemers aan deze geschillen geloven dat kunstmatige intelligentie een soort antropomorfe constructie moet zijn die lijkt op en imiteert eigenschappen van menselijke intelligentie. Volgens Kuleshov toont de laatste 25-30 jaar van onderzoek aan dat een dergelijke benadering onjuist is en niet leidt tot zinvolle resultaten die in de praktijk kunnen worden toegepast.
“Antropomorfisme en gelijkenis met de natuur zijn populaire termen, maar niets is ooit gelukt in de afgelopen eeuwen. Leonardo da Vinci tekende bijvoorbeeld mechanische paarden, Daedalus en Icarus probeerden te vliegen als vogels, maar niets is ooit gelukt - tegenwoordig zijn er geen mechanische paarden die door onze straten rennen en we vliegen anders. Hetzelfde geldt voor de hersenen - die pogingen om te begrijpen hoe de hersenen werken, en om hetzelfde te doen in de computer, zijn volledig mislukt”, voegt de docent eraan toe.
Al deze mislukte pogingen om met de hand gemaakte analogen van neuronen te maken en ze in een soort hersenen te verbinden, evenals andere benaderingen die het werk van het menselijk zenuwstelsel imiteren en de manier waarop we beslissingen nemen en informatie analyseren, leidden ertoe dat in de jaren 90 van de vorige eeuw de uitdrukking "Kunstmatige intelligentie" onder wiskundigen is een vies woord geworden vanwege die onredelijke verwachtingen, die antropomorfe ideeën over neurale netwerken en kunstmatige intelligentie met zich meebrachten.
Diepten van intelligentie
In feite begon de renaissance van de ontwikkeling van "kunstmatige intelligentie" zeer recent, eind jaren 2000, toen een aantal Amerikaanse en Russische wiskundigen en programmeurs AI-algoritmen voorstelden en implementeerden, die later bekend werden als methoden voor "diep leren" en "op diversiteit gebaseerd leren".
“Uiteindelijk begonnen mensen neurale netwerken te vergeten, het werd duidelijk dat er niets mee werkte, en iedereen miste op de een of andere manier de publicatie in 2005 van het artikel van Hinton en Krizhevsky, dat nu onze toekomst bepaalt. Ik heb ook deelgenomen aan deze "begrafenissen", maar het bleek niet zo eenvoudig te zijn ", legt de wetenschapper uit.
Het bleek dat eenvoudige neurale netwerken gecombineerd in cascades en complexe systemen van verschillend gerangschikte netwerken zich niet gedragen zoals wetenschappers hadden verwacht. En, zoals de praktijk heeft aangetoond, zijn ze in staat om die taken op te lossen die voorheen buiten de kracht van kunstmatige intelligentie lagen, waaronder spraakherkenning, foto's van mensen, verschillende objecten en zelfs het voorspellen van storingen en rampen.
“Er is een totaal unieke situatie ontstaan - niemand kan vandaag de dag zeggen hoe diepe neurale netwerken werken. Het Amerikaanse defensieagentschap DARPA is bereid een prijs van een miljoen dollar uit te reiken om uit te leggen hoe ze werken, maar ik denk dat deze prijs de komende 30-40 jaar niet zal worden opgeëist. Ik ken zeer serieuze wiskundigen die zonder het minste succes met dit probleem worstelen. We kunnen zeggen dat we zijn teruggekeerd naar de dagen van de natuurfilosofie - er is een bepaalde methode die fantastisch goed werkt, maar we kunnen niet uitleggen waarom ', zegt Kuleshov.
Diepe neurale netwerken, zegt de wetenschapper, hebben mensen lang ingehaald en ingehaald op veel kennisgebieden, waardoor ze dingen kunnen identificeren en onderscheiden die een gewoon, ongetraind persoon eenvoudigweg niet kan doen. De meest recente versies van dergelijke neurale netwerken maken minder fouten dan mensen die zijn opgeleid om de problemen op te lossen waarvoor dergelijke AI-systemen in de toekomst verantwoordelijk zullen zijn.
Wetenschappers hebben bijvoorbeeld al neurale netwerken gecreëerd die kunnen beschrijven wat er op foto's en video's gebeurt, niet slechter dan een persoon. Dergelijke algoritmen kunnen blinde of dove mensen helpen begrijpen wat er om hen heen gebeurt en wat ze niet kunnen horen of zien, en speciale diensten kunnen dergelijke netwerken gebruiken om te zoeken naar terroristen of verdachten in archieven met videobewaking of tijdens operationele werkzaamheden op luchthavens en andere drukke plaatsen.
“Er zijn momenteel ongeveer 70 miljoen ontwerpingenieurs in de wereld, en statistieken tonen aan dat slechts 20% van hun producten een soort nieuwe ontwikkeling is. De overige 80% zijn ofwel al gemaakt door andere ingenieurs, of zijn kleine aanpassingen aan bestaande modellen. Het bouwen van een AI-systeem dat kan vinden wat u nodig heeft, zal de tijd en middelen die gewoonlijk worden besteed aan het ontwikkelen ervan drastisch verminderen. Dergelijke systemen zijn er nog niet, maar over 1 à 2 jaar zullen ze verschijnen”, vervolgt de academicus.
Volgens hem is een ander voorbeeld van dergelijke systemen een programma dat is ontwikkeld door afgestudeerde studenten van Kuleshov, dat het mogelijk maakt om te bepalen of iemand de ziekte van Alzheimer heeft of niet door foto's van zijn hersenen te bestuderen die zijn verkregen met een magnetische resonantiecamera.
Slechts 200 MRI-beelden van mensen die aan deze ziekte leden, waren voldoende voor Russische wetenschappers om kunstmatige intelligentie te "leren" om met 90% nauwkeurigheid onderscheid te maken tussen gezonde en zieke hersenen. Op een vergelijkbare manier hebben Russische wiskundigen geleerd om zweren in de maag van een persoon te vinden door middel van zijn elektrocardiogram.
In samenwerking en in opdracht van RSC Energia hebben Kuleshov en zijn collega's een revolutionair nieuw algoritme ontwikkeld voor het besturen van de ISS-motoren, dat de brandstofkosten voor het handhaven van de hoogte van het station ongeveer 40 keer zal verlagen in vergelijking met het huidige programma dat is gemaakt door Amerikaanse wetenschappers om het oude Russische systeem te vervangen., en vijf keer beter dan het aankomende programma van NASA.
Het nieuwe systeem, gebaseerd op Diversity Learning-technologieën, zal volgend jaar aan boord van het station worden getest. Een ander AI-systeem, gemaakt door Russische wiskundigen en programmeurs, werkt al bij de Russische Spoorwegen en helpt bepalen welke storingen in de eerste plaats moeten worden gerepareerd om de kosten van middelen te minimaliseren.
Vergelijkbare programma's worden volgens de wetenschapper soms voor de meest onverwachte doeleinden gebruikt - bijvoorbeeld AI, gemaakt om vliegtuigvleugels weer te geven, wordt door Louis Vuitton gebruikt om huidbleekcrèmes te maken.
“Verdere ontwikkeling van deze technologieën zal het menselijk leven ingrijpend veranderen. Stel je voor, je verlaat een buitenlands hotel, je wordt per ongeluk door toeristen gefotografeerd, deze foto komt in een zoekmachine terecht, het 'berekent' je op deze foto's en binnen vijf minuten komt je baas erachter. Als gevolg hiervan zal het erg moeilijk voor je zijn om hem ervan te overtuigen dat je op 'lokale' zakenreis bent geweest”, legt Kuleshov uit.
Verhoogde archaïsche realiteit
De eerste voorbeelden van deze "nieuwe, wonderlijke wereld" bestaan vandaag - het is het AI-systeem AlphaGo, dat dit jaar de wereldkampioen Go versloeg. Zoals Kuleshov uitlegt, is het het eerste voorbeeld van een unieke klasse van machines die in staat zijn onberekenbare problemen op te lossen en zichzelf te verbeteren.
“Go verschilt van schaken doordat het simpelweg onmogelijk is om dit spel wiskundig te berekenen. Het aantal mogelijke zetten in Go is groter dan het aantal atomen in het heelal, het is onmogelijk om de bewegingen daarin dom te tellen. Als je bij het schaken een krachtige computer hebt, versla je iedereen, zowel Kasparov als Karjakin. Dit is onmogelijk in Go, omdat geen enkele computer het kan. En het neurale netwerk heeft dit probleem kunnen oplossen ', zegt de wetenschapper.
Het belangrijkste onderscheidende kenmerk van AlphaGo van alle andere AI-systemen is dat dit programma met zichzelf kan spelen en zichzelf kan verbeteren, zich kan aanpassen aan de tegenstander en absoluut niet-triviale en onverwachte manieren kan vinden waarop iemand hem kan verslaan.
“Waarom stop ik hiermee - dit is de eerste stap naar een volledig mysterieuze toekomst. Hoe is AlphaGo geboren? Ten eerste verzamelden de makers een database met 30 miljoen verschillende spelposities en trainden ze het primaire neurale netwerk erop. Daarna dupliceerden ze het en het tweede netwerk begon vanaf het eerste te spelen. En als resultaat, na enkele miljarden iteraties, ontstond er iets derde dat een persoon niet langer controleert. Het is onduidelijk waar het vandaan kwam - dit is het resultaat van enige zelfconstructie. Niemand weet hoe het gebeurt”, benadrukt Kuleshov.
De geboorte van AlphaGo en zijn overwinning, volgens de academicus, opent de deur naar een compleet nieuwe ruimte, waarin de mensheid zeer snel zal binnentreden. En niet alles in deze wereld zal nuttig en plezierig zijn voor de mensheid in het algemeen en voor individuen in het bijzonder.
“Het is duidelijk dat de sociale verschuivingen hiervan enorm zullen zijn. Het aantal halfgeschoolde arbeiders neemt nu al af als roggehuid, en de opkomst van AI die deze problemen kan oplossen, zal hen hun baan ontnemen. Al deze ingenieurs, taxichauffeurs, piloten, verpleegsters, arbeiders - miljoenen mensen - zullen moeten verdwijnen, en slechts 1% kan zich, zoals uit huidige studies blijkt, aanpassen aan nieuwe realiteiten en omscholen , aldus de wetenschapper.
Volgens hem “staan we aan de vooravond van absoluut monsterlijke sociale gevolgen van de ontwikkeling van kunstmatige intelligentiesystemen. We kunnen hun schaal nu niet inschatten, zoals mensen midden in een orkaan of op het hoogtepunt van een revolutie. Er moet nu dringend geld worden geïnvesteerd in onderwijs, aangezien mensen met een gemiddelde kwalificatie volledig overbodig worden."
Zoals de rector van Skoltech opmerkt, is de wereld van vandaag in staat om de hele mensheid te voeden, maar niet om haar te bezetten. Deze werkloosheid en het gebrek aan een doel in het leven kunnen al het leven van Europa en andere ontwikkelde landen beïnvloeden en aanleiding geven tot verschillende radicale bewegingen zoals IS en andere verboden extremistische en religieuze groeperingen.
“Dit is een bewuste archaisering van het leven, het creëren van een situatie waarin ik me nodig zal voelen. Verdomme met hem dat ik erger leef, maar ik leef niet zoals iedereen. Het gevoel dat je constant gratis fastfood wordt gestuurd en elke zes maanden sneakers krijgt, maar tegelijkertijd nergens voor nodig bent, is eigenlijk verschrikkelijk. En dit gevoel zal alleen maar groeien met de ontwikkeling van AI en robotica”, vervolgt Kuleshov.
Een opvallend deel van dit probleem houdt verband met het feit dat een persoon simpelweg geen tijd heeft om te "evolueren" na AI - generaties mensen veranderen elke 25 jaar, en technologische revoluties vinden plaats met een interval van 5-6 jaar. Daarom, zoals de rector opmerkt, zal het aantal "onnodige" mensen constant groeien, en alleen massa-educatie kan een sociale explosie en de opkomst van een nieuwe golf Luddieten helpen voorkomen.
"Wat we op het punt staan heeft nog geen naam, en ik weet niet eens hoe ik het moet noemen. Misschien kunnen ze "onbeheerde intelligente systemen" worden genoemd. Dit zijn fundamenteel nieuwe systemen die zichzelf genereren, en we zijn niet ver verwijderd van het moment waarop ze in ons leven beginnen door te dringen”, besluit de wetenschapper.
