Урок №1: Что такое Искусственный Интеллект
и его две зимы
Текст видео:


Что такое ИИ?



Итак, начинаем. У нас первое занятие, я сосредоточен и настроен на чуткое отношение к вашим запросам. Очень надеюсь на ваш живой отклик, поэтому сейчас прошу вас внимательно слушать, затем выполнять проверочную работу и с нетерпением ждать следующего занятия, которое будет уже завтра. Ну и все подписчики могут без стеснения и смущения обращаться ко мне лично по Телеграму.

Сегодня мы детально изучим, что такое этот самый Искусственный Интеллект, откуда пошёл термин, что под ним подразумевается и почему русский термин не равнозначен английскому «Artificial Intelligence», и что может из этого следовать. Во второй половине сегодняшнего видео я расскажу про две так называемых «зимы» искусственного интеллекта, каковы были их причины и почему, несмотря на них, сегодня мы видим невообразимый хайп. Итак, поехали.

Термин «Искусственный Интеллект» был введён на Дартмутском семинаре в 1956 году известным специалистом по компьютерным наукам Джоном МакКарти, который, к слову, разработал язык программирования ЛИСП. Джон МакКарти использовал английский термин «Artificial Intelligence» для обозначения набора новых информационных и компьютерных технологий, которые должны были бы решать сложноалгоритмизируемые задачи примерно так же, как это делает человек. В те времена, а это были 50-ые годы XX века, учёные свяывали много надежд с развитием компьютерной техники, и два корифея Искусственного Интеллекта — уже упомянутый Джон МакКарти и его товарищ Марвин Минский основали первую лабораторию на базе Массачусетского Технологического Института, в которой запустили исследования. Тогда все были настроены очень романтично и оптимистично, и кто-то даже сказал, что будет достаточным провести летнюю школу длительностью в пару месяцев, где несколько десятков учёных и аспирантов подготовят программу и реализуют искусственную интеллектуальную систему. Этого не случилось.

Лаборатория искусственного интеллекта в МИТ первым делом накинулась на задачу распознавания визуальных образов, поскольку она считалась наиболее важной для жизнедеятельности в объективной реальности, и через некоторое время учёные и разработчики поняли, что силами одного аспиранта, которому была поставлена задача реализовать программу для симуляции человеческого глаза и всей лежащий за ним системы, задачу не решить. Хотя бы в силу отсутствия знаний о физиологии зрения. К слову, мы до сих пор в целом не понимаем, как человеческий мозг воспринимает информацию, хотя с тех далёких пор было сделано много открытий. Тем не менее, новое направление получило мощнейшее развитие, наступил первый хайп искусственного интеллекта. Напоминаю, это были 50-ые годы прошлого века. Наши деды и отцы уже умели в искусственный интеллект.

Что же такое «Artificial Intelligence»? Действительно, этот термин можно дословно перевести как «искусственный интеллект», однако Джон МакКарти, который предложил этот термин, предполагал определённые вычислительные алгоритмы для симулирования различных свойств человеческой интеллектуальной деятельности, но вряд ли думал про интеллект в том смысле, в котором мы понимаем слово «интеллект» в применении к человеку. Для англоязычного человека слово «intelligence» не несёт столько же антропоморфного налёта, сколько слово «интеллект» для русскоязычного в применении к человеку. Разумно рассуждать могут, например, искусственные объекты и организационные системы. В русском языке мы чаще склонны вносить антропоморфные нотки и коннотации, и, на мой взгляд именно отсюда идёт столько алармизма именно в русскоязычном сообществе — когда мы говорим «искусственный интеллект», мы представляем себе искусственное существо с самоосознанием, хотя, конечно, англоязычные люди тоже так делают, особенно в связи с накачкой темы в массовой культуре.

Я думаю, что это может привести к тому, что именно в нашей среде, то есть нашими программистами будет дано рождение тому, что называется «сильный искусственный интеллект» — именно такое самоосознающее существо. Дело не за горами, это произойдёт при нашей жизни, так что посмотрим…



Две зимы ИИ

Переходим ко второй части и быстро рассматриваем две «зимы» искусственного интеллекта и причины современного хайпа вокруг него. Что такое «зима»? После первых неудач на фоне радужного настроения, произошло уныние. Массового внедрения искусственных нейронных сетей не произошло из-за слишком слабых вычислительных мощностей, которые были в распоряжении у первых исследователей. И хотя теория нейросетей была проработана к тому времени довольно хорошо, а я продолжаю говорить о 50-ых годах прошлого столетия, реализация подкачала. И первая зима наступила после того, как всё финансирование исследований по искусственному интеллекту было урезано. На два десятка лет направление погрузилось во тьму, и только стойкие энтузиасты продолжали его двигать.

Второй хайп вокруг технологий искусственного интеллекта произошёл в 80-ых годах XX века с появлением новой парадигмы — экспертных систем. Тогда на этот класс информационных и поисковых систем, которые манипулировали символьной информацией и осуществляли объяснимый вывод на экспертных знаниях, ставили очень много. Открылись огромные потоки финансирования, отрасль ожила, были созданы отличные примеры экспертных систем, были разработаны специальные наборы инструментов для их быстрого создания, ну и фундаментальная наука тоже не отставала — многочисленные методы принятия решений в условиях неопределённости были разработаны именно тогда именно в связи с этим вторым хайпом. Но восторженные разработчики систем искусственного интеллекта натолкнулись на молчание экспертов, которые выступили в роли, скорее, неолуддитов. Никто не хотел делиться своими экспертными знаниями и, более того, никто не хотел заниматься самостоятельной их формализацией. Несмотря на то, что теория экспертных систем была проработана очень хорошо, практика подкачала. Наступила вторая зима искусственного интеллекта — всё финансирование было закрыто из-за отсутствия каких-либо значимых результатов.

И вот во втором десятилетии XXI века наступает третий хайп вокруг искусственного интеллекта, который мы наблюдаем сегодня. Какой стартап ни возьми — заявляется об использовании различных методов искусственного интеллекта, глубокого обучения, анализа больших данных и вот этого вот всего. Почему? В своём понимании я вывел два тезиса. Во-первых, постепенно уходят старые мэтры, которые могут предупредить молодёжь от чрезмерного романтичного настроения. Новые умы слишком восторженно смотрят на технологии. Но почему бы и нет, ведь, во-вторых, развитие компьютерной техники привело к тому, что сегодня на простом ноутбуке можно запустить искусственную нейронную сеть с тысячами слоёв, в то время как во время первого хайпа на мощнейшем сервере того времени можно было погонять простейшую реализацию нейронной сети с несколькими сотными нейронов, пытающейся моделировать функцию распознавания образов человеком. Всё-таки, вычислительные мощности взлетели, и это даёт основание полагать, что третий хайп будет последним, и именно он приведёт к появлению настоящего искусственного интеллекта. Ну и, всё-таки, развитие также получили и многочисленные математические модели, так что сегодня мы располагаем намного большим пониманием алгоритмов и методов, которые могут лежать в основе разумности человека.

Итак, что мы узнали? Краткая история термина «искусственный интеллект», откуда он пошёл, кто был его автором и что он обозначает. Мы выяснили про две зимы искусственного интеллекта и пофантазировали на тему того, почему третий хайп, который мы сегодня наблюдаем, может стать последним. Через некоторое время в канале появится ссылка на тест, прошу его проходить. Ну и жду обращений с вопросами. Всем удачи. Пока.


Популярные вопросы студентов
(Орфография и пунктуация студентов сохранены в большинстве случаев)
Роман, в лекции вы использовали термин слой нейронной сети, что он означает?
Искусственная нейронная сеть (ИНС) — это математический формализм, моделирующий отдельные аспекты деятельности естественных нейронных сетей, которые располагаются у нас в нервной системе. Ключевым элементом формализма является искусственный нейрон — фактически, это функция, которая получает на вход N значений, суммирует их с весами и выдаёт на свой единственный выход 1, если взвешенная сумма превысила некоторый порог. Это очень упрощённое объяснение, есть много разных вариантов искусственных нейронов, но в основном все они действуют так.

Так вот для решения каких-либо задач искусственные нейроны собираются в сети, которые обычно организованы слоями — слой входных нейронов, скрытые слои, слой выходных нейронов.

На изображении типовая ИНС. Жёлтые — это нейроны входного слоя. Зелёные — скрытые слои. Оранжевые — выходной слой.

Большинство архитектур ИНС предполагают, что все нейроны слоя N передают сигнал во все нейроны слоя N+1. И, соответственно, получают сигнал из всех нейронов слоя N–1.

Входные нейроны фильтруют входную информацию, скрытые её перерабатывают, выходные — формируют ответ ИНС как целого
.
Можешь пожалуйста объяснить суть работы экспертных систем. Суть в том что эксперты говорили что правильно а что нет и на этом строилось обучение?
Суть на пальцах. Экспертная система (ЭС) состоит из трёх частей:
1) База знаний (БЗ)
2) Универсальная машина вывода (решатель)
3) Факты
Эксперт наполняет базу знаний своими знаниями в виде формального предоставления. Например, в виде правил «Если ... То ...». Если на улице пасмурно, То возьми с собой зонтик. Если петух кричит, То солнце всходит на востоке. Если в огороде бузина, То в Киеве дядька.
Обучение ЭС заключается в наполнении БЗ такими формальными штуки (это не обязательно подобные правила, мы ещё будем говорить о методах представления знаний). А потом решатель получает на вход некоторые факты и при помощи логических рассуждений (в основном это метод резолюций и правила Модус Поненс и Модус Толленс) делает определённые выводы. Например. Факт: дядьки в Киеве нет. Вывод: бузины в огороде нет.

Я не совсем понял как связано системы принятия решений в условиях неопределенности и ИИ?
ЭС и Системы поддержки принятия решений (СППР) — это один из методов ИИ.
По сути, задача создания Ai : на основе накопленных фактов / знаний научить принимать лишенное эмоций решение, не ограничиваясь заранее прописанными скриптами?
Да. Это одна из задач ИИ. Если подняться на довольно высокий уровень абстракции, то да — нам надо научить ИИ рационально принимать взвешенное решение, имея в наличии все накопленные знания и те или иные факты, доступные здесь и сейчас. Проблема в том, что знания сами по себе объективно обладают определёнными свойствами, которые не дают возможности всегда рационально решить задачу. Знания бывают неполны. Знания бывают неточны. Знания бывают даже противоречивы. То же самое можно сказать и о фактах, относительно которых надо принять решение. Всё это ИИ должен уметь обрабатывать. Проблема в том, что мы пока сами не очень-то и знаем, как человек поступает в подобных ситуациях, поэтому и возникают разного рода эвристики, техники машинного обучения, неструктурированный поиск.
Но разве глобальные знания м.б. не точны? Знания индивидуума - да, но условного глобального мозга - нет, вопрос тогда будет как к нему подключиться.
Да, могут. Например, в силу неопределённости Гейзенберга. Любые знания неточны и неполны. Наука как раз и направлена на уточнение и повышение степени полноты нашего знания. Но чем больше мы получаем знаний, тем больше появляется неполноты и неточности. Это подметили ещё древние греки.
Вы можете спросить, обладает ли такими же неприятными свойствами «чистое знание» — например, математические формальные системы? Да, и они тоже. Хотя бы в силу теоремы о неполноте Гёделя. Но об этом мы поговорим на одном из следующих занятий.

Я упомянул про принцип неопределённости Гейзенберга. Он говорит о том, что мы не можем точно измерить местоположение и скорость частицы или квантовой системы. Чем точнее мы измеряем местоположение, тем ниже точность у скорости, и наоборот. Почему? Просто в процессе измерения мы воздействуем на измеряемый объект. И чем точнее требуется измерить один параметр, тем сильнее мы самим фактом изменения воздействуем на второй и делаем его менее точным. Другой такой же парой параметров-антагонистов являются время и энергия. В общем, как итог — мы (или ИскИн) никогда не сможем измерить что-либо со стопроцентной точностью, всегда будет некоторый уровень неточности. Неточность измерений влечёт неточность знаний. И эта неточность лежит в фундаменте нашей реальности на самом базовом уровне. Превозмочь её невозможно.

Что касается «чистых знаний», типа абстрактной математики, то тут я апеллировал к теореме Гёделя о неполноте. Она гласит, что любая достаточно выразительная формальная система, в которой есть возможность выразить базовую арифметику (числа и операцию сложения) либо противоречива, либо неполна. Противоречивость обозначает то, что в системе можно доказать некую теорему и её отрицание. Неполнота обозначает невозможность в системе доказать некую теорему, которая истинна и действительно является теоремой. В общем, следствие этой теоремы в том, что наша обычная арифметика является неполной системой, и наполнить её невозможно (это тоже доказано Гёделем).

1. Как понимаю, мы говорим об ИИ - в контексте западного понятия Artificial Intellegence и об ИксИне как о разумном и человечном понятии
Да. ИИ — это Слабый Искусственный Интеллект в терминологии Джона Сёрля. ИскИн — это Сильный, искусственное разумное существо. Но только я бы не стал называть его «человечным». Чем меньше антропоморфизма, тем меньше иллюзий относительно его этики, морали, действий и т. д.
2. Тогда инструментами ИИ сейчас являются в основном нейросети? Или я не прав?
2.1. Экспертные системы тогда также должны переживать подъем. Из-за обилия BigData, в которую входят, в том числе и экспертные мнения?
Сегодня — да. ИНС заполонили всё. Но другие направления тоже не отставлены в сторону. ЭС развиваются не так сильно, но развиваются. Когнитивистика сделала много новых открытий, и вместе с нейрофизиологией и клинической психологией эти науки сейчас объединены и строят гипотезы о природе сознания. Когда найдут, прорыв будет именно в рамках ЭС, но, скорее всего, интеллект будет гибридным — об этом на одном из следующих занятий.
Какие еще инструменты ИИ есть (возможно будут в дальнейшем разбираться) кроме нейросетей и экспертных сетей
Вы назвали два самых широко распространённых инструмента для грязной (ИНС) и чистой (ЭС) парадигмы ИИ (об этом на следующих занятиях). Остальные методы — либо их развитие (например, СППР как развитие ЭС), либо что-то достаточно близкое (как, к примеру, методы машинного обучения статистической природы по отношению к ИНС). Также в состав методов ИИ обычно включают обработку естественного языка, межсистемное взаимодействие в роевом интеллекте и мультиагентных системах, а также разные прикладные направления, типа робототехники, бионики, прямого нейроинтерфейса и др.
Может ли перейти колличество (ИИ) в качество (ИксИн)
мне кажется, что нет. Но хочется экспертного совета :)
Сомневаюсь.
1. Здравствуйте, можете более менее простыми словами объяснить метод имитации отжига?
Представьте метод градиентного спуска, который в классическом варианте часто залипает в локальных экстремумах, но теперь следующая точка выбирается случайно в некоторой окрестности текущей точки, а переход в неё осуществляется в соответствии с некоторой условной вероятностью.
2. а для чего в принципе используется метод имитации отжига? для поиска экстремумов тоже?
Да, это метод оптимизации. Но он тоже, конечно, не гарантирует попадания в глобальный.
1. Вопрос - какие экспертные системы используются сейчас?
Сегодня используются тысячи разных экспертных систем. В основном в рамках систем поддержки принятия решений (СППР) в различных ведомствах. В качестве примера могу привести СППР, которую разрабатывал сам для МЧС России. В её составе есть экспертная система (ЭС), которая предназначена для распознавания неизвестных веществ вне лаборатории. Даже более, сегодня всё ещё используются ЭС, разработанные в 1980-х годах XX века. Ну та же DENDRAL, самая первая в истории ЭС, она до сих пор используется.
2. Переводчики Abby & google это ai?
Что касается переводчиков. Да, это технологии ИИ. Просто есть такая парадоксальная штука — когда технологии плотно входят в жизнь и становятся обыденными, люди не склонны видеть в них что-то необычное или очень научное. Автоматические переводчики стали обыденностью, но то, что лежит у них под капотом, — это, вне всяких сомнений, технологии Искусственного Интеллекта.
Как в физическом виде выглядит сейчас ИИ? Как его можно пощупать, посмотреть? Что он из себя представляет?
В физическом мире Искусственный Интеллект проявляется через любые устройства, на которых могут исполняться его алгоритмы: обычные компьютеры, суперкомпьютеры, бортовые компьютеры автономных автомобилей, одноранговые сети различных устройств с автономным поведением, роботы и роботизированные линии.
По первому видео интересует следующее: насколько корректно говорить, что искусственный интеллект бывает 2-х типов: реализованный в виде нейронной сети, и реализованный в виде экспертной Системы? Или есть более подходящие термины?
Фактически, да. Нейросети и Экспертные системы — это две наиболее ярких технологии для двух парадигм ИИ: восходящей и нисходящей соответственно. Поэтому их часто олицетворяют. Хотя в рамках и нисходящей, и восходящей парадигмы ИИ есть и другие технологии. Но о них мы поговорим на следующих занятиях — дождитесь, пожалуйста, послезавтра, когда мы будем эти две парадигмы разбирать более подробно.
Вы в одном ответе говорите: ИИ слабый искусственный интеллект, искин - сильный искусственный интеллект, как-то так. А в другом ответе: в общем, как итог — мы (или ИскИн) никогда не сможем .... Как расшифровывается ИскИн? И это мы (естественный интеллект) или же ИИ?
Немного терминологии:
* ИИ = Слабый Искусственный Интеллект (алгоритм, решающий задачи)
* ИскИн = Сильный Искусственный Интеллект (самоосознающее существо)
* Мы = Естественный Интеллект (люди)

Самостоятельная работа
Задание 1

Прочесть все материалы по ссылкам выше

Задание 2

Сдать проверочный тест