Почему ИИ всех путает, а разработчики вообще не пользуются этим термином
Искусственный интеллект понимают по-разному даже разработчики в этой сфере, хотя официальное определение дано в Национальной стратегии развития ИИ до 2030 года. Возможно, из-за расхождений в понимании разработчики не любят и стараются не использовать этот термин.
ICT.Moscow спросил у представителей различных компаний, как они понимают искусственный интеллект, и постарался собрать панорамный взгляд на трендовую технологию.
Кого мы опросили:
- стартапы и компании, активно применяющие ИИ (18 компаний);
- разработчики в других областях (4 компании);
- консалтинг (2 компании);
- интеграторы (5 компаний);
- ассоциации (3 компании);
- образование (3 компании);
- бизнес без фокуса на ИТ-разработку и ИИ (3 компании).
Всего 38 мнений.
К каким выводам мы пришли
- Искусственный интеллект в широком понимании — не только ряд технологических решений, но также свойства цифровых систем, которые ранее считались присущими только человеку.
- Четыре таких свойства, которые помогут бизнесу отделить реальный ИИ от маркетинговой уловки, — это способности цифровых систем воспринимать информацию, понимать ее, обучаться и совершать самостоятельные действия.
- Определение ИИ как имитации человеческого интеллекта верно в широком понимании. Но по факту ИИ выполняет только несколько функций, присущих человеку и не присущих классическим программам: обучается, строит прогнозы, принимает решения.
- Для разработчиков термин «искусственный интеллект» не имеет смысла. Они работают с «машинным обучением» и более узкими терминами, к которым чаще других относят компьютерное зрение (CV) и обработку естественного языка (NLP).
Технологическое решение по имитации человека
В 2019 году была утверждена Национальная стратегия развития искусственного интеллекта до 2030 года. В документе дается соответствующее определение:
Искусственный интеллект — комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека.
С одной стороны, определение вполне конкретное, в нем сказано, что должны делать технологии, которые называются ИИ, и что в итоге должно получаться. С другой стороны, под «технологическими решениями» можно подразумевать очень широкий набор явлений. Технология появилась сравнительно недавно, поэтому среди отраслевых экспертов и нет единого определения.
У искусственного интеллекта нет (и не было) единственного определения. Исторически его определяли по-разному: через сравнение с человеческим интеллектом, через функции, которые он должен выполнять, и т.д. Сложность в определении связана в том числе с тем, что и в психологии нет четкого определения (человеческого) интеллекта.
Генеральный директор компании – разработчика решений по распознаванию изображений SmartEngines Владимир Арлазаров уточняет, что искусственный интеллект вообще не является технологией. Это свойство системы, которое позволяет заменять человека в области обработки информации.
На помощь вновь приходит принятое в Стратегии определение: ИИ должен уметь самообучаться и принимать решения на основе полученных данных. Обучение — ключевая функция искусственного интеллекта. В контексте компьютерных систем она означает, что такие системы (нейросети) после получения каких-либо внешних данных учатся делать то, что не закладывалось в них напрямую программистами. Умение обучаться упоминают 12 из 20 экспертов от компаний-разработчиков, причем зачастую особо выделяют именно это свойство. Этот процесс называется машинным обучением.
Чему и зачем учится машина
Разработчики не употребляют термин «искусственный интеллект» практически никогда. Максимум — «машинное обучение». Выделяются три отдельных направления: процессинг языка, компьютерное зрение и data science, который переходит в big data.
Такое мнение мы услышали на ICT.Moscow: Public Talks, когда обсуждали основные технотренды на 2020 год, среди которых в большинстве прогнозов фигурирует ИИ. Оно подтвердилось словами представителей других компаний, с которыми мы общались позже, при подготовке данного материала.
Создатель проекта «Робот Вера» Владимир Свешников также отметил, что определение ИИ довольно расплывчато, зачастую специалисты смотрят на него по-разному, а его компания старается оперировать термином «машинное обучение». И тоже упомянул компьютерное зрение, NLP «и другие алгоритмы».
Того же мнения придерживается и ведущий аналитик и специалист по машинному обучению компании «Учи.Ру» Денис Власов:
Когда мы говорим об искусственном интеллекте, мы используем синонимичный термин «машинное обучение». Машинное обучение — это набор методов извлечения закономерностей из данных.
Это позволяет понять, что для разработчиков сам по себе термин «искусственный интеллект» фактически не несет никакой смысловой нагрузки. Они работают над машинным обучением и конкретными направлениями:
- компьютерным зрением (computer vision, CV);
- обработкой естественного языка (процессинг языка, natural language processing, NLP).
Эти два пункта упоминаются в половине собранных нами мнений разработчиков. Пять человек отдельно подчеркнули работу с данными (data science, big data). Но тут нужно отметить, что сбор, структурирование и анализ больших данных является ключевым фактором для всего машинного обучения в целом — чем больше выборка, тем точнее будут работать алгоритмы. То есть data science и big data можно вынести в отдельную категорию работы с ИИ, но CV и NLP также подразумевают наличие большой выборки информации — визуальной и текстовой или голосовой.
Некоторые разработчики отдельно упомянули свойства, которые должны быть присущи искусственному интеллекту. Трое экспертов, включая представителя VisionLabs, назвали способность к прогнозированию (например, дорожных пробок) характерной чертой ИИ. Четверо — способность принимать решения.
Общепринятого определения искусственного интеллекта я не знаю. В своей практике использую следующее: искусственный интеллект — это объект, который способен принимать решения в условиях реальной неопределенности.
Ярким примером таких условий может служить управление автомобилем, где дорожная обстановка меняется постоянно, и реагировать приходится на много факторов одновременно. Руководитель Центра робототехники ПАО «Сбербанк» Альберт Ефимов на конференции AI Journey 2019 по этому поводу сказал, что ИИ пока не обладает достаточной надежностью по сравнению с человеком. Беспилотные автомобили, даже самые надежные, все равно уступают человеку.
Где маркетинг, а где интеллект
Столь широкое и многогранное описание «искусственного интеллекта» неизбежно ведет к тому, что под ним могут понимать технологии, которые им не являются. В том числе этого опасается бизнес, напрямую с ИИ не связанный. Например, генеральный директор представительства компании Mankiewicz в России и СНГ (производитель лакокрасочных покрытий, который применяет ИИ в своих бизнес-процессах) Владимир Трофименко считает термин «искусственный интеллект» несколько запутанным:
Под ИИ понимается не совсем то, что обычно вкладывается в понятие «интеллект» в широком смысле. Это красивый термин, который рождает непонимание, фантазии и опасения. На данном этапе ИИ – это все-таки база данных с алгоритмами, которая позволяет выполнять достаточно типовые и простые задачи. Да, алгоритмы становятся «самообучаемыми», но пока ни о какой полноценной замене работы человеческого мозга речи быть не может.
Директор по стратегическому развитию компании Cleverbots Адам Тураев заметил, что сам по себе «искусственный интеллект» – это скорее маркетинговый термин, популизм, форсируемый компаниями. Он же попытался отделить понимание самой технологии от маркетингового представления о ней:
NLP, CV и data science — направления, которые сейчас более всего подходят под определение технологий рынка искусственного интеллекта. Однако зачастую под соусом того же машинного обучения подают линейные логики и алгоритмы, которые не стоит относить к категории «искусственный интеллект».
Приведенные выше высказывания на первый взгляд друг другу противоречат. С одной стороны, Владимир Трофименко в контексте ИИ упомянул алгоритмы, которые выполняют типовые и простые задачи. С другой стороны, Адам Тураев призвал не относить к ИИ алгоритмы, работающие по линейной логике. Тонкую грань, отделяющую «прямолинейную логику» и искусственный интеллект, попытался нащупать Сергей Ширкин, декан факультетов искусственного интеллекта и аналитики Big Data в GeekUniversity:
Однозначно нельзя отнести к ИИ автоматизацию в чистом виде, то есть технологии, действующие в качестве автоматов, запрограммированных на однообразные повторяющиеся действия (например, простые автоматы на конвейере, действующие строго по программе, без сложного анализа окружающей среды). Если же технология включает в себя компьютерное зрение или обработку естественного языка и при этом автоматизирует хотя бы часть физической или умственной деятельности человека, то это можно назвать искусственным интеллектом.
Получается, чтобы не спутать ИИ с маркетинговой уловкой, нужно разбираться в том, как устроена программа? Не обязательно. Представитель консалтинга, управляющий директор практики Applied Intellligence Accenture в России Лариса Малькова назвала четыре простых и понятных критерия, которые позволяют идентифицировать ИИ без глубокого понимания механизмов его работы:
- способность к восприятию (осознание окружающего мира);
- способность к пониманию (понимание естественного языка, построение корректных логических цепочек);
- способность к обучению (самообучению, основанное на получении обратной связи или дополнительных данных);
- способность к самостоятельному действию на основе «опыта» и полученной информации.
И это возвращает нас к технологиям, которые относят к искусственному интеллекту. Компьютерное зрение позволяет программе воспринимать визуальную информацию, обработка естественного языка — понимать его, работа с большими данными — строить логические цепочки, обучаться и предпринимать какие-либо действия. В качестве примера можно привести те же беспилотные автомобили, которые обрабатывают данные с камер и датчиков и принимают соответствующее решение — куда перестраиваться, с какой скоростью ехать и так далее.
Если программа не соответствует хотя бы трем приведенным выше критериям, она искусственным интеллектом не является. Соответствовать всем четырем не обязательно, поскольку ИИ может, например, воспринимать только визуальную (как беспилотники) или только текстовую информацию (первая или вторая способность соответственно). Или может воспринимать и тот и другой тип информации, а также обучаться, но не принимать решения, а только строить более точные логические цепочки, оставляя все решения человеку.
Все собранные нами цитаты представителей 38 компаний можно найти здесь. Свое мнение о том, что такое искусственный интеллект, пишите в комментариях.
Комментарий недоступен
В андроиде пишешь "чтоли", предлагает заменить на "что-ли" - это все, что надо знать об ИИ в 2020-м году.
"и data science, который переходит в big data" - звучит как "и биология, которая переходит в жировые запасы"
Что куда переходит?
Люди вообще понимают, о чём говорят?
data science - "наука об обработке данных"
big data - набор подходов и технологий, используемых для работы с большими объёмами данных.
data science может отлично использоваться и без big data технологий. Да, чем больше данных - тем лучше, но это не является ключевой особенностью data science.
Фразы сформулированы просто по-дебильному.
Комментарий недоступен
непредсказуемо - то есть но по ранее заданному алгоритму?