Руководитель службы функционального поиска Яндекса Андрей Плахов всю жизнь занимается работой, связанной с искусственным интеллектом: он разрабатывал роботов, которые умеют играть в футбол, пятых «Героев меча и магии» и голосовой помощник Алису. На фестивале наук «Кстати» Андрей рассказал о том, какие технологические изменения ждут нас в ближайшие 10-20 лет.
Фантасты обещали нам красивые человекоподобные машины, которые ведут себя как люди. Считалось, что самые умные роботы будут заниматься философией, высшей математикой и вести интеллектуальные беседы. А если мы не осилим таких сложных роботов, то создадим хотя бы тех, которые будут делать рутинную работу - ведь для многих профессий не требуется сложных действий. Взять коробку и положить на другое место. Понять, какой предмет является шваброй, а какой - ведром. Ходить и не падать. Поскольку это действия просты для людей, то казалось, что они будут лёгкими и для роботов. Мы быстро с этим справимся – а дальше высшая математика и философия. Оказалось совсем наоборот.
Реальность
Вычислительные мощности
Вещи, которые казались сложными для роботов, оказались для них простыми. Сейчас даже телефон в вашем кармане занимается высшей математикой, но официантами и продавцами продолжают работать люди. Из-за этого некоторые немного разочаровались в робототехнике: казалось, что будущее никак не наступало. На самом деле – это лишь затишье перед бурей.
Вычислительные мощности возросли настолько, что сейчас ваш телефон мощнее супер-компьютера, управлявшего ракетой в первом полёте человека на луну. А ведь это - одно из высших достижений человечества.
Кроме того, каждый из нас за неделю использует более тысячи компьютеров. Даже обычный поисковый запрос в интернете обрабатывают от сотен до десятков тысяч умных машин.
Творческие способности и интуиция
Есть предубеждение, что компьютеры работают по чёткому алгоритму и на творчество неспособны: это не совсем так. Хоть машины ещё не думают как люди, в некоторых областях они нас превосходят.
В 2016 году компьютер впервые обыграл действующего чемпиона в го. Эта игра считается очень сложной для компьютера – она требует особого видения красоты и интуиции, умения заглядывать в будущее на десятки ходов. Но есть малоизвестный факт: программа, выигравшая в го, немного знала про эту игру. Элементы её алгоритма те же, что занимаются распознаванием лиц или управлением беспилотным автомобилем. Эти функции – универсальны. А значит, что многие вещи, в которых люди опережали машины за счет интуиции и творчества, проявятся и у современных компьютеров.
Те же нейронные сети умеют перерисовывать фотографии в стиле известных художников. Люди, занимающиеся декоративным прикладным искусством, уже могут заволноваться.
Мобильные роботы
Типичный пример того, что мы в скором времени увидим на дорогах – это беспилотные автомобили. Беспилотник Яндекса проехал 800 км из Москвы в Казань и теперь работает в наукограде Иннополисе беспилотным такси. Еще 5-10 лет назад это было фантастикой. А сейчас десятки компаний способны сделать себе беспилотный автомобиль по отработанной технологии.
Интересно, что беспилотные автомобили водят лучше, чем люди. Беспилотник способен заранее выучить множество опасных ситуаций в симуляциях. Они не бывают уставшими и сонными и никогда не нарушают правила.
Диалоги с машиной
Алиса – первый диалоговый ассистент, который умеет вести диалог в свободном стиле. На этой фундаментальной основе мы учим её более полезным навыкам, хотя поболтать с ней тоже любят.
Кроме того, мы открыли платформу, на которой любой человек с навыками программирования может на основе алисиных технологий сделать свой кусочек диалогового помощника.
Как мы к этому пришли
Все кто приходят в область машинного обучения – математики, программисты – ещё в школе задумываются над философскими вопросами: «Как люди вообще думают? Узнают новое? Как они превращают свой персональный опыт в общие правила?» Эти вопросы задавались ещё во времена Сократа и Платона. Есть даже область философии, которая этим занимается – гносеология. Машинное обучение можно считать прикладной гносеологией.
Многие гении прошлого, которые не связаны с обучением машин, фактически в нём поучаствовали. Работы математика Томаса Байеса, математическая статистика Пирсона, метод наименьших квадратов Гаусса: все научные достижения будут применяться, возможно, самым неожиданным образом. Не бывает бесполезной научной работы и слишком абстрактного знания
Когда в ХХ веке закончились мировые войны, люди оптимистично смотрели в будущее. Казалось, что вот-вот все тайны природы будут раскрыты. Считалось, что если мы разгадали структуру ДНК и нервную систему примитивных существ, то сможем проделать то же с человеком.
Однако искусственные нейронные сети, которые придумали ещё в 50-х годах, работали не очень хорошо. Их было сложно обучать, да и результаты не очень впечатляли. Стало понятно, что сделать модель искусственного мозга человека гораздо сложнее. К тому же - это было бы неэтично. Тем не менее, из искусственных нейронных сетей в XXI веке получилось нечто новое и необычное.
Контуры будущего
Большой брат
Мир перенасыщен видеокамерами. Мы часто попадаем на какие-нибудь изображения, но пока что за видеокамерами следят только специальные люди, разыскивающие нарушителей.
Однако можно сфотографировать себя в той же Алисе и с удивлением обнаружить, что если ваше фото есть в интернете, то среди миллиарда фотографий она чётко вас найдёт. Эту систему сложно обмануть даже при помощи бороды.
Это значит, что в ближайшие годы такие системы будут активно внедряться, что приведёт одновременно к полезным и неприятным изменениям. С одной стороны – преступникам и террористам будет тяжело скрыться, с другой – если Большой Брат захочет следить за вами, то ему очень просто будет это сделать.
Сейчас есть способы обмануть такие системы слежения, но, думаю, очень скоро они перестанут работать.
Беспилотные автомобили
Кажется, сейчас не хватает только особого законодательства, чтобы активно выпустить на улицы беспилотники. Как только это случится, мы будем переживать интересную ситуацию: постепенно водить автомобиль самостоятельно станет немного неприлично (примерно как ездить без ремня безопасности), а потом, вполне возможно, окажется вовсе запрещено.
Из-за этого наши города начнут работать по-другому. Если мы твердо будем знать, что все участники дорожного движения ведут себя хорошо и никогда не сталкиваются, а дороги совершенно безопасны, будет меньше пробок и инцидентов. Город станет эффективнее, а мы станем меньше времени проводить в дороге.
Реалистичные подделки
Ещё одна технология, которая начинает применяться – это генеративные сети, создающие по шаблону изображения с некоторыми изменениями. Например – меняют выражения лиц на фото.
Другие роботы такого типа могут взять фотографию известного человека и породить видео, на котором он будет уверенно рассказывать то, чего не говорил. Сейчас это мало вошло в нашу жизнь, но довольно скоро, если вы увидите на YouTube видео, на котором политик долго и страстно о чём-то рассказывает – это может не значить ничего.
Всё это приведет к серьезным изменениям в доверии. Более того, генерация изображений станет возможна в режиме реального времени. В сочетании с диалоговыми системами это может привести к интересным ситуациям, когда вы будете говорить по Skype и не знать – с человеком или машиной вы общаетесь.
Возможность притворяться человеком можно использовать и во благо: бронировать столик в ресторане, заказывать авиабилеты. Только от людей зависит, как это будет происходить.
Войны роботов
Многие армии мира тренируются создавать боевых роботов. Алгоритмы, способные ими управлять, уже есть, их нужно только внедрить. К счастью, это не так быстро происходит. С одной стороны, военные – очень консервативные люди. С другой – мало кому из разработчиков комфортно создавать военные технологии.
Возможно, через 10-20 лет военные превратятся в технологичных людей, управляющих грудами непонятного железа. Здесь тоже есть два взгляда на ситуацию. Оптимистичный: «Хорошо, что люди не будут друг друга убивать в войнах». Пессимистичный – мало радости, если армия роботов будет управляться злым человеком.
Исчезающие профессии
Сейчас человек, у которого нет особых научных или творческих амбиций, всегда может пойти по пути наименьшего сопротивления – выбрать себе рутинную работу, на которую будет ходить раз в день, что-то делать, получать небольшую зарплату и как-то жить. Чем дальше, тем быстрее эти профессии начнут вымирать. Спрос на такую деятельность будет передаваться роботам.
Чем займутся все эти люди? Неужели они будут сидеть дома и смотреть сериалы? Как это ни странно, все они займутся машинным обучением.
Обучение роботов
Как обучаются люди – великая загадка. Многие вещи, нам доступные, с точки зрения алгоритмов выглядят магией. Когда ребёнок учится говорить – он способен понять значения слов буквально с одного раза.
Единственная ситуация, когда обучение людей похоже на машинное, случается в школе. Ребёнок учится делить и умножать в столбик на примерах. Их, к его неудовольствию, приходится решать много. Чтобы научиться тому, что умеет человек, машине тоже нужно как можно больше обучающих примеров.
Беспилотный автомобиль видит людей, машины. Но если в беспилотной разметке, по которой он обучался, не было статуй, то он может принять её за человека. Чем больше обучающих примеров из разных ситуаций – тем грамотнее будет вести себя обученная машина.
Все эти примеры создают люди – просто сидя за компьютером в свободное время, в качестве подработки. Никаких особых знаний и навыков здесь не нужно, поэтому с годами таких людей становится больше. Десять лет назад для Яндекса готовили разметку меньше ста человек, а в 2018 году число людей, которые хоть раз что-то для нас разметили, превысило 2 млн. Это сравнимо со взрослым населением небольшой страны.
Если так пойдет дальше, то все те, кто не занят более интересной профессией, будут обучать машины.
Выбор за вами
Можно предположить, что когда машин станет больше, и они начнут брать на себя рутину, у нас освободится больше времени на то, чтобы придумывать новое. Мы сможем лучше понимать, что мы хотим от машин и от этого будущего. Сейчас ученые и философы скорее занимаются вопросами «Как?», а вопрос «Чего мы на самом деле хотим?» до сих пор до конца не изучен.
У человека, который сейчас выбирает, чем ему заниматься – выбор довольно понятный. Он может делать простую рутинную работу, которая в будущем, скорее всего, будет связана с машинным обучением. А может изучить математику, или философию, или гуманитарные науки, и быть тем человеком, который задает стратегию. Который решает, как всё это влияет на наше будущее и какой мир у нас случится.
«Я очень рад, что рассказываю это в Новосибирске, - отметил в конце выступления Андрей. - Мне кажется, у людей из Новосибирска есть вся база, чтобы выбрать второй путь. Здесь замечательная научная школа с огромной традицией и множеством вузов, в том числе имеющих мировую известность. А если захотите заниматься машинным обучением, здесь есть целых два офиса Яндекса».
Записала: Надежда Уколова