AI - всего лишь мимолетное увлечение?

Снова рубрика #чтопочитать и статья, которую перевели специалисты Sociaro. Разберем самые популярные жалобы и почему люди думают, что искусственный интеллект лишь временно популярен.

Каждый раз, когда какой-нибудь гений решает использовать ИИ в ситуациях, где он совершенно не нужен, весь мир закатывает глаза и всё больше убеждается, что ИИ — это мимолетное увлечение.

Если какой-либо словарь определяет ИИ как волшебство или робота (или волшебного робота), естественно, вы будете разочарованы, узнав, что он не может решить все ваши проблемы. Давайте на простых примерах рассмотрим три главные жалобы людей.

Один уважаемый инженер программного обеспечения однажды с серьезным видом спросил меня: "Может ли ИИ знать, что Канада — это страна?"

Придержи коней, ковбой. Давай сначала разберемся, откуда ты знаешь о том, что Канада — это страна. Кто-то в твоем детстве рассказал тебе данный факт, и ты его запомнил.

Мы можем написать код, который будет это делать без ИИ — фиксируем данные в таблице, затем, когда кто-то спрашивает, является ли Канада страной, программа находит это слово и выдает ответ. Зачем же здесь тогда нужен ИИ?

Абсолютно незачем.

Если вы думаете, что ИИ — это магия, то вы будете пытаться использовать его повсюду. Вашему начальнику точно не понравится то, что вы потратили кучу времени и усилий на нахождения сложного решения для простой задачи. И после этого будет тяжело винить его за то, что он считают ИИ тратой времени и бессмыслицей.

Если вы можете решить задачу без ИИ, не используйте его. Серьезно. Даже несмотря на то, что могут сказать ваши коллеги.

Не используйте ИИ для изучения вещей, которые вы и так знаете, особенно если они были созданы человеком. Примеры: как перевести доллары в центы? Туалет с картинкой человека в плаще супермена — мужской или женский? Как использовать отступы в C++? Какой налог с продаж на Гавайях? К какой весовой категории в боксе я отношусь? Стоит ли мне идти в банк в маске?

Перед началом сбора данных или приглашением профессионалов, определите и тщательно обдумайте, для чего вы используете ИИ. Если вы чувствуете обязанность использовать ИИ повсюду, только потому что ваши друзья так делают, вы обрекаете себя на провал.

Вместо этого, начните с определения важной для вас задачи и используйте ИИ только в случае, если он на самом деле необходим.

Канада, я все еще не закончила с тобой.

В попытках узнать может ли ИИ определить, что Канада является страной, мы уже поняли, что компьютер может фиксировать и выдавать такую информацию без всякого ИИ. Но теперь наш друг-инженер задает следующий вопрос: "А может ли машина выучить это сама?"

Ну-ка погоди. Что ты имеешь в виду, говоря "выучить" и "сама"? Разные люди поймут эти слова по-разному. Давайте переформулируем данный вопрос и ответим на него: "Можем ли мы ожидать, что компьютер будет со 100% надежностью делать вывод, что Канада является страной, если раньше он никогда не имел доступа к слову Канада?"

А теперь давайте спросим людей, которые не умеют читать по-китайски: 香蕉 — это страна? А как насчет 英国? И не идите искать ответ, это против правил. Вы ведь должны выучить это сами, помните?

Если у вас нет дополнительной информации, то как вы можете узнать ответ? Аналогично, здравый смысл подтолкнет вас на мысль о том, что ИИ не может выучить что-либо, не имея доступа к информации для обучения. Именно так и есть.

Вся суть ИИ заключается в извлечении шаблонов из информации и использовании их для автоматизированного создания "рецептов" для последующей обработки вашего ввода (Канада) в вывод (страна). Теперь давайте зададим вопрос: какие релевантные шаблоны наш компьютер может использовать, если он никогда раньше не видел данное слово?

Даже если у нас есть данные, наш алгоритм все еще может извлечь ложные шаблоны и создать глупые рецепты. Представим, что у нас есть следующий учебный набор данных: Южная Африка — страна, бегемот — животное, лягушка — животное, Российская Федерация — страна, кошка — животное, Северная Ирландия — страна, енот — животное, Южная Корея — страна, Новая Зеландия — страна, бабочка — животное, жираф — животное.

Еще не закончив первую пару слов, ваш алгоритм ИИ уже обработал весь набор. Теперь он довольно ждет, пока вы введете новое существительное. Как вы думаете, что алгоритм будет делать, когда вы введете "Канада"?

В данном наборе данных преобладают два шаблона. Первый — все страны начинаются с заглавных букв. В случае, если данный шаблон станет основой для рецепта ИИ, слово "Канада" будет определено верно, а "канада" — нет.

Что если рецепт был основан на другом шаблоне?

Заметили ли вы, что все названия стран состоят из двух слов, в то время как названия животных - из одного? В любом случае, алгоритм это заметил. И теперь он утверждает, что Канада — это животное.

Да, машинное обучение не работает... если ему не на чем учиться. ИИ не подходит людям, которые не могут собрать релевантные данные. Если вы хотите, чтобы ваш алгоритм работал для всех стран, убедитесь, что ваш учебный набор данных включает в себя названия стран, состоящих не только из двух слов.

Здесь важно не терять здравый смысл — основы обучения, относящиеся к людям, относятся и к ИИ. Наборы данных — это учебники, а вы — учитель. Если вы даете своим ученикам плохие учебники, то и обучатся они плохо.

Если ИИ не волшебный робот, то что он собой представляет? ИИ — это всего лишь инструмент, который помогает вам писать код для задач, инструкции для которых вам самим выразить тяжело.

Почему хорошему программисту тяжело дать компьютеру инструкции? Не в этом ли заключается его работа? Да, в этом, но некоторые задачи требуют невероятно сложных инструкций. Если они слишком трудны для человеческого понимания, то вы не сможете их выразить... если только не сможете решить задачу по-другому.

ИИ позволяет вам воплощать ваши цели в реальность с помощью примеров (данных) вместо прямых инструкций. Это означает, что у вас есть шанс автоматизировать задачи, инструкции к которым вы сами написать не можете.

Это также означает, что в результате перевода шаблонов в код для решения одной из таких тяжелых задач, алгоритм создает запутанный клубок сложных инструкций. Вы можете попытаться прочесть созданный алгоритмом рецепт... но сделать это скорее всего не получится.

Многим людям это не нравится, и они кричат: "Уберите это от меня! Либо задача легкая, либо я этим не занимаюсь! Я не могу доверять искусственному интеллекту."

Кажется, что у вас осталось два неприятных выхода: прожить всю жизнь, решая только самые простые задачи, или развиваться, отказавшись от доверия. Но к счастью, есть другой выход.

Представьте, что вам надо сделать выбор между двумя космическими кораблями. Первый корабль предоставляет все точные математические выражения, которые описывают его работу, но на нем никто никогда не летал. Как летает второй корабль никто не знает, но он был интенсивно протестирован, и на его счету уже много лет успешных полетов, включая полёт, на который собираетесь вы. Какой корабль выберете вы?

Попытки прочесть то, что прочитать невозможно, не создают доверия. Нам нужна хорошая причина доверять компьютеру. И в этом нам помогает тестирование.

Надлежащее тестирование - задача не из легких, но оно легче, чем попытки понимания чего-то невероятно сложного. В жизни мы часто используем данный принцип, например, при принятии лекарств. Знаете ли вы, как работает таблетка от головной боли? Наука тоже не знает. Мы доверяем таблетке благодаря осторожным проверкам её действия.

Проблемы будущего будут становиться все более трудными. Автоматизировав простые задачи, вы сможете перейти к более сложным. Дойдя до них, вы столкнетесь с проблемой, решение которой будет требовать нечто большее, чем ваши старые умения и простое воображение. Вы поймете, что для её решения вы можете выражаться с помощью примеров, а не инструкций...

Добро пожаловать в мир искусственного интеллекта.

Продолжение следует.

Оригинальная статья