На конференция за дълбоко машинно обучение в Лондон миналия месец една тема беше повдигната няколко пъти: важността да разберем какво всъщност правим. Докато компании като Google продължават да твърдят, че всички ние живеем в „първия век на AI“, когато машинното обучение тепърва започва да открива нови области на дейност (като разпознаване на реч и изображения), тези, които наистина стоят на преден план в изследванията на ИИ, се стремете да подчертаете, че има още много предизвикателства, които трябва да се справят, преди да настъпи истинската епоха на ИИ. Дори ако вече имаме дигитални асистенти, които могат да говорят като компютри в научнофантастични филми, това не означава, че сме сериозно близо до създаването на истински изкуствен интелект.
В крайна сметка всички проблеми, които стоят пред пътя на създаването на истински ИИ, са следните: в количеството информация, която ще трябва да бъде инвестирана в тях; в нашата неспособност да създадем AI, който да може да се справи еднакво добре с няколко задачи наведнъж; добре, всъщност нямаме идея как всъщност трябва да работят такива системи. Технологиите за машинно обучение вече са способни да правят прекрасни неща през 2016 г., но понякога тези неща могат да бъдат трудни за обяснение, дори за самите създатели. Да не говорим колко пари струва всичко това. Нека разгледаме по-подробно сложността, пред която са изправени инженерите на AI днес.
Информация първо, после AI
Всички отлично разбираме, че AI трябва да има достъп до информация, за да изучава света около нас, но не разбираме точно колко информация е необходима. Според Нийл Лорънс, професор в катедрата за машинно обучение в Шефилдския университет и член на екипа за разработка на AI технологии в Amazon, тези системи ще се нуждаят от стотици и хиляди пъти повече информация от човека, за да се научат да разбират света и да разпознават определени обекти.
„Ако погледнете всички индустрии и области, в които инженерите са постигнали известен успех в машинното дълбоко обучение, веднага можете да видите колко информация е използвана за решаването на всички тези проблеми“, казва Лорънс, позовавайки се на пример същите технологии за разпознаване на реч и образ.
Компании като Google и Facebook имат достъп до планина информация, което, разбира се, улеснява създаването на различни полезни инструменти (същите технологии за гласово търсене например за Android).
За Лорънс сега е информация каква е била въглищата в първите години на индустриалната революция. Като пример Лорънс посочва Томас Нюкомен, англичанин, създал през 1712 г. (всъщност 60 години преди създаването на такава машина от Джеймс Уат) примитивна версия на парен двигател, задвижван от въглища. Изобретението на Newcomen не беше перфектно. В сравнение с машината на Уат се оказа неефективна и твърде скъпа за използване. В по-голямата си част той може да се използва само във въглищни мини, където необходимото количество гориво компенсира недостатъците на машината.
Пример за технологията на Facebook за разпознаване на отворени изображения
Промоционално видео:
Лорънс вярва, че може да има стотици от тези новодошли по света, разработващи свои собствени модели за машинно обучение. Може би сред тях има наистина революционни идеи, но без достъп до техните технологии до огромни бази данни с информация за тях, най-вероятно, никой никога няма да разбере. Големи компании като Google, Facebook и Microsoft - те са много модерните „миньори на въглища“. Те имат достъп до неограничен обем информация, така че могат да създадат неефективни системи за машинно обучение и след това да ги подобрят. Малките стартиращи компании наистина могат да имат страхотни идеи, но те никога няма да постигнат нещо стойностно без достъп до информационни бази.
Този проблем става още по-ясен, когато разгледате области, в които получаването на необходимата информация става още по-трудно. Вземете например здравната система, където AI може да се използва за изпълнение на задачи, свързани с машинно зрение - намиране и разпознаване на злокачествени тумори например на рентгенови лъчи. Но достъпът до такива данни обикновено е много ограничен. Основният ограничаващ фактор тук, според Лорънс, е сегашното схващане на хората, че е неетично трети страни да имат достъп до този вид информация. Според Лорънс основният проблем се състои не в намирането на начини за разпространение на информация, а в това как да направят системите за машинно обучение по-ефективни и да учат да работят с по-малко информация. И тези подобрения в ефективността според учения биха могли да отнемат същите 60 години.както беше с колата на Уат.
Специализацията е задънена улица. AI трябва да може да поставя многозадачност
Друго ключово предизвикателство пред развитието на наистина дълбоки модели на машинно обучение е фактът, че всички наши настоящи AI системи всъщност са много тъпи. Според Rya Hudsell, изследовател в DeepMind на Google, тези системи всъщност могат да бъдат научени да изпълняват задачи за разпознаване на котки, да си играят и в същото време да бъдат много ефективни при изпълнението на тези задачи. Но "в момента в света няма нито една пълноценна невронна мрежа и методи, които биха я обучили да разпознава изображения, да играе Space Invaders и да обмисля музика". От своя страна, невронните мрежи са основната основа за създаване на системи за дълбоко обучение за машини.
И този проблем е много по-значим, отколкото може да изглежда на пръв поглед. Когато DeepMind обяви миналия февруари, че е изградил система, която може да играе 49 игри Atari, това наистина може да се разглежда като голямо постижение. Но в крайна сметка се оказа, че след като системата завърши преминаването на една игра, всеки път трябва да се преквалифицира, за да играе друга. Хъдсел отбелязва, че не можем да научим системата да играе всички игри наведнъж, тъй като правилата на всяка от тях ще се смесват помежду си и в крайна сметка ще пречат на задачата. Всеки път, когато трябва да научите отново машината и всеки път системата забравя как да играете предишната игра.
„За да създадем общ изкуствен интелект, се нуждаем от нещо, което ще ни помогне да научим машина да изпълнява няколко задачи наведнъж. Сега дори не можем да ги обучим да играят игри “, казва Хадел.
Решението може да бъде скрито в така наречените прогресивни невронни мрежи - комбиниране на независими системи за дълбоко обучение в едно цяло за по-ефективна работа с информация. В публикувана научна книга, посветена на този въпрос, Хадсел и нейният екип от изследователи говориха за това как тяхната прогресивна невронна мрежа е била в състояние да се адаптира в играта Pong, в която условията всеки път бяха малко по-различни (в единия случай цветовете бяха променени; в другия - те бяха объркани контрол), много по-бърз от "обикновената" невронна мрежа, която трябваше да се обучава отново всеки път.
Основният принцип на прогресивната невронна мрежа
Методът се оказа много обещаващ и наскоро се използва за настройване на роботизирани оръжия, ускорявайки процеса на обучение от седмица до само един ден. За съжаление, този метод има и своите ограничения. Хъдсел отбелязва, че в случай на прогресивни невронни мрежи, процесът на обучение не може да бъде сведен до просто добавяне на нови задачи към тяхната памет. Ако продължите да комбинирате такива системи заедно, рано или късно ще стигнете до "твърде сложен модел, който ще бъде невъзможно да се проследи". В този случай ще говорим за различно ниво. Нивото, на което най-общо се изпълняват различни задачи по един и същи начин. Изграждането на AI, способно да проектира столове и да създава AI от нивото на човешкия интелект, способно да пише стихове и да решава диференциални уравнения, не е едно и също нещо.
AI може да се нарече AI, ако можем да покажем как работи
Друга страшна пречка е разбирането как изкуственият интелект ще стигне до своите заключения при решаване на проблеми. Невронните мрежи обикновено са непроницаеми за наблюдателя. Въпреки факта, че знаем как се събират и как информацията протича през тях, решенията, които вземат, обикновено остават извън обяснението.
Отличен пример за този проблем е експериментът Virginia Tech. Изследователите са създали система за проследяване на невронната мрежа, която записва кои пиксели в цифрово изображение, от което компютърът започва да анализира. Изследователите показаха изображенията на невронната мрежа на спалнята и му зададоха въпроса: "Какво виси на прозорците?" Машината, вместо да гледа директно в прозорците, започна да анализира изображенията, започвайки от пода. В нейното зрително поле влезе легло и колата отговори: „На прозорците има завеси“. Отговорът се оказа правилен, но само защото системата беше „научена” да работи с ограничено количество данни. Въз основа на показаната снимка, невронната мрежа заключи, че ако снимката показва спалня, тогава най-вероятно трябва да има завеси на прозорците. Така че, когато подробност влезе в нейното зрително поле,която обикновено се намира във всяка спалня (в случая легло), тя не анализира допълнително изображението. Може дори да не е виждала това легло, видяла е завесите. Логично е, но много повърхностно и привлечено. Освен това много спални нямат завеси!
Технологията за проследяване е само един инструмент, който може да ни помогне да разберем какво подтиква машина да вземе конкретно решение, но има по-добри методи, които могат да добавят повече логика и задълбочен анализ към системите за машинно обучение. Мъри Шанахан, професор по когнитивна роботика в Imperial College London, смята, че най-доброто решение на проблема е да се преосмисли старомодната парадигма на AI - символичен AI или GOFAI (Good Old-Fashioned Artificial Intelligence, „добър стар изкуствен интелект“). Неговата парадигма се свежда до факта, че абсолютно всяка задача може да бъде разбита на основни логически елементи, където всяка дума е просто сложен набор от прости символи. Чрез комбиниране на тези символи - в действия, събития, предмети и т.н., може да се синтезира мисленето. Помислете само, че подобни разработки са били извършвани още в дните, когато компютрите са били гигантски кутии с размерите на стая, работещи с магнитна лента (работата започва в средата на 50-те години и продължава до края на 80-те години на миналия век).
Предложението на Шанахан е да комбинира символичните описания на GOFAI и технологиите за задълбочено обучение. Това ще позволи не просто да се захранва с такава система нова информация и да се изчаква те да изведат определени модели на поведение и решаване на проблеми въз основа на тази информация, подходът на Shanahan е предназначен да даде такива системи с отправни точки за разбиране на света. Това според него ще реши не само проблема с прозрачността на ИИ, но и проблема с преносимото обучение, описан от Хасел.
„Може да се каже, че Breakout е много подобен на Pong, защото и в двата случая се използват„ платформи “и„ топчета “, но от гледна точка на човешкото възприятие и логика, това са две напълно различни игри. И на практика е невъзможно да се направят паралели между тях. Все едно се опитвате да комбинирате структурата на атома и структурата на цялата Слънчева система."
В момента Шанахан и неговите колеги от Imperial College London работят по нов метод на машинно обучение (който наричат дълбоко символично стимулирано обучение) и вече са публикували резултатите от някои малки експерименти. Методът все още е в начален стадий и следователно е трудно да се каже дали той ще обхване по-големи системи, работещи с различни видове данни. Въпреки това все още има шансове този метод да прерасне в нещо повече. В края на краищата, дълбокото обучение винаги е било най-скучната и скучна част от развитието на ИИ, докато изследователите не намериха начин за бърз достъп до данни и придобиха масивна обработваща мощ. Доста възможно,време е да се върнем към старите AI парадигми и да ги изпробваме в нова среда.
НИКОЛАЙ ХИЖНЯК