Санкт-Петербург

ОБЗОРЫ И ИНТЕРВЬЮ

Скорость ума

 
 

Недавний проигрыш одного из сильнейших игроков в го Ли Седоля компьютерной программе AlphaGo по значимости сравнивают с поражением Гарри Каспарова в матче с суперкомпьютером Deep Blue. Го считалась последним и надежным оплотом человеческого разума в интеллектуальных играх.

Появившаяся в Древнем Китае около трех тысяч лет назад, го — самая сложная из существующих логических игр с полной информацией, то есть тех, в которых участники имеют четкое представление о состоянии игры, совершают дискретные ходы и теоретически могут просчитать все потенциальные маневры противника. По сравнению с шахматами в го возможных позиций в 10¹°° раз больше, а в силу огромного количества тактических вариаций борьбы значительно выше и роль интуиции. Компьютерными программами, играющими в го, занимаются уже давно, но ни одна из них до недавнего времени не могла конкурировать с профессиональными игроками, даже начального уровня.

Внезапно в октябре прошлого года программа AlphaGo всухую выиграла у многократного чемпиона Европы, обладателя второго профессионального дана Фань Хуэя. Правда, и тогда мало кто верил, что за пару месяцев AlphaGo сможет “поумнеть” настолько, что одолеет профессионала девятого дана, входящего в пятерку лучших игроков планеты. В своей победе над программой не сомневался и сам Ли Седоль, а после матча ему пришлось раскаиваться за излишнюю самоуверенность, бить челом перед корейской нацией и мировым сообществом игроков в го.

ГЛУБОКО ОБУЧАЕМЫЕ

Особенность AlphaGo в том, что это не просто сверхпроизводительный компьютер, который просчитывает возможные комбинации и выбирает оптимальный ход (этого, например, было достаточно тому же Deep Blue). У AlphaGo все сложно. Во-первых, это настоящий монстр из нескольких рабочих станций, содержащих в общей сложности около 1200 процессоров и 180 видеоускорителей. Во-вторых, монстр этот чрезвычайно натренированный: алгоритм оценки позиции и принятия решений основан на так называемом глубинном обучении — комбинации метода Монте-Карло с применением нейронных сетей двух типов: сети политики (policy networks) и сети оценки (value networks). Нейросети AlphaGo специалисты Google тренировали с помощью прогона 160 тыс. реальных партий профессионалов с шестого по девятый даны, а потом заставляли программу играть против своей копии. Нейросети в AlphaGo относят к типу сверхточных сетей — технологиям, благодаря которым прямо сейчас происходит бесшумная революция в сфере программных разработок, имеющих прямое отношение к развитию искусственного интеллекта (ИИ).

Нейронные сверточные сети — из всех существующих алгоритмов — наиболее точно копируют работу человеческого мозга. Грубо говоря, их можно обучать, показывая картинки, — как ребенка, только очень способного. Принцип несложный: через нейросеть показывают серии тематических фотографий — “свертки”; после этого, уже на тестируемых изображениях, сеть находит закономерности, характерные для искомых фрагментов или объектов — от человеческих лиц до мелкой живности. Условно процесс распознавания демонстрирует, например, популярный визуализатор DeepDream, который, правда, скорее веселит, нежели дает ответ на главный вопрос: “Зачем?” Если кратко, то нейросети в первую очередь полезны там, где нужно минимизировать влияние человеческого фактора — не только тормозящего те или иные процессы, а часто играющего фатальную роль, например на дорогах. Так, представленная недавно демоверсия нейросети SegNet анализирует в реальном времени видеопоток регистратора автомобиля и определяет, где на видео зебра, где пешеход, где знак и так далее. В плане технической реализации SegNet куда проще и намного дешевле, чем, скажем, автопилот в Tesla, представляющий собой сложный программно-аппаратный комплекс с несколькими камерами, ультразвуковыми сенсорами, радарами и системой навигации.

КАК КАРТА ЛЯЖЕТ

На самом деле для нейросетей обучение по картинке — лишь один из инструментов освоения какого-либо навыка или группы навыков. Это значит, что под “угрозой” необратимой компьютеризации — не только профессии, непосредственно связанные с обработкой изображений, например врач-рентгенолог, но и многие из тех, которые требуют постоянного обращения к большому массиву данных, — юристы, программисты, всевозможные аналитики, редакторы новостей и другой конвейерной информации. Сложно спрогнозировать, как быстро будут происходить подобные кадровые рокировки. Но лучше рассчитывать на то, что быстро — по крайней мере, стремительнее, чем процесс капитуляции людей перед искусственным интеллектом в играх, растянувшийся более чем на 30 лет (началось все, кстати, с нард: в 1979 году программа BKG 9.8 обыграла чемпиона мира Луиджи Виллу).

Что до темпа, то есть еще один важный момент, если не самый важный: бюджет. В 2014 году Google купила небольшую британскую компанию DeepMind Technologies, занимавшуюся разработками в сфере ИИ, в том числе AlphaGo, а уже через два года программа победила Ли Седоля — это к вопросу о стимулирующих разработчиков факторах. Однако у крупных корпораций есть и менее абстрактные, чем игры, задачи — например, оптимизация трудозатрат. Та же Google, помимо AlphaGo, усиленно развивает ИИ сразу по нескольким прикладным направлениям — от когнитивных алгоритмов в поисковике до беспилотных автомобилей.

Если же вернуться к играм, то нельзя не вспомнить еще об одном виде интеллектуально-развлекательного досуга, где человеческий разум до сих пор вне конкуренции перед ИИ. Это сложные карточные игры — покер и бридж, иначе говоря, игры с неполной информацией, в которых одинаково важны интеллект, психология, интуиция и везение. Несмотря на то, что компьютерными программами, играющими в карты, занимаются уже не один десяток лет, до уровня шахматных компьютеров кибербриджу и киберпокеру еще расти и расти. С другой стороны, осталось вроде бы совсем немного: нужно научить искусственный интеллект блефовать, разоблачать и, пожалуй, быть чуть более азартным. Впрочем, это все еще неблагодарная тема из области спекуляций и футурологической мифологии. Реальность же такова, что все более конкретные очертания приобретает проблема вполне прозаическая: кому-то — в первую очередь, наверное, власть имущим — пора призадуматься над тем, куда пристроить будущую армию потенциально неликвидной рабочей силы, обладающей пусть и несовершенным, но все же ценным даром: естественным интеллектом.

Текст: Олег Зиновьев

Популярные события

  • Выставки
  • Концерты
  • Спектакли
  • Вечеринки
  • Фестивали
  • Спорт
Выходные в городе

Свежий номер
Where St.Petersburg

апрель 2018



Лучшие заведения по версии Where

Новости

 
 
Сезонное лакомство
 
 
Женские тайны
 
 
Сезон корюшки в “Географии”
 
 
Весенние новинки от Артема Гуля
 
 
“БеспринцЫпные чтения” в классическом составе






© 2016, ООО «Рекламотив»
БАЗА ДАННЫХ САЙТА И ВСЕХ ЕГО ПОДДОМЕНОВ ЯВЛЯЕТСЯ ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТЬЮ ООО «РЕКЛАМОТИВ» И ОХРАНЯЕТСЯ ЗАКОНОМ.
САЙТ МОЖЕТ СОДЕРЖАТЬ КОНТЕНТ, НЕ ПРЕДНАЗНАЧЕННЫЙ ДЛЯ ЛИЦ МЛАДШЕ 16 ЛЕТ (16+).