28 августа 4 минуты чтения #Технологии

Что такое общий искусственный интеллект

Иллюстрация материала

Специалисты различают два типа ИИ: общий и узкий. Последний уже сейчас активно используют для автоматизации конкретных задач. Например, чтобы распознать изображение на видео или фото, достроить картинку, написать текст после анализа существующих образцов. Общий ИИ — сущность более сложная и пока только умозрительная. Разбираемся, что собой представляет этот концепт.

Что такое общий искусственный интеллект

Часто такой тип ИИ называют сильным. Его пока не создали, и ученые не называют точных прогнозов, когда это может произойти. Предполагается, что такой интеллект будет обладать несколькими ключевыми особенностями.

  • Универсальность — система сможет решать все задачи, с которыми справляется человеческий разум, а не только какие-то конкретные.
  • Осмысленность — ИИ не будет предлагать статистически вероятностный ответ, исходя из анализа данных, а начнет творчески перерабатывать информацию.
  • Связь с реальным миром — новый интеллект научится удерживать «в памяти» не только контекст, на котором он обучался. У него получится самостоятельно добывать неочевидные разрозненные знания о мире, человечестве, культуре. В том числе использовать для этого различные сенсоры.
  • Эмпатия — ИИ научится понимать мотивы людей и осознавать свои собственные. А главное — предпринимать конкретные действия на основе этой информации.

В чем разница между общим и узким ИИ

Очень упрощенно и образно (зато наглядно) расхождения между двумя типами интеллекта можно показать на таком примере. Представим, что ИИ поставили задачу нарисовать новый логотип для компании.

Узкий искусственный интеллект проанализирует запрос, сравнит различные варианты имеющихся логотипов в базе, разберет их на составляющие, найдет наиболее частотные сочетания. Опираясь на данные, он сгенерирует статистически вероятностное изображение под конкретный введенный запрос.

Общий искусственный интеллект тоже проанализирует поставленную задачу, но процесс рисования пойдет по другому пути. Компьютер «вспомнит», что три наклоненные полосы разной длины могут быть символом нескольких понятий. Например, это метафора препятствий, которые преодолевает спортсмен. Или аналогия со статистическими шкалами в приложении для бегунов. А еще они отдаленно напоминают кроссовок, если смотреть на него сбоку. В итоге ИИ предложит не буквальную иллюстрацию в ответ на запрос, а продуманную картинку, где будет заложено несколько смыслов, отсылающих к специфике бренда. В частности, в нашем примере он сделает логотип бренда Adidas.

Но это еще не все. Искусственный интеллект осознанно не использует в картинке фиолетовый цвет, потому что «понимает»: главе компании он категорически не нравится и никакие рациональные аргументы его не переубедят. А еще отправит логотип на согласование не сразу после генерации: он подождет начала следующего рабочего дня, когда руководитель более спокоен, вдумчив и готов подробно обсудить предложенное решение.

Почему общий ИИ так сложно создать

Если рассматривать общий ИИ как полный аналог человеческого разума, но более мощный, сразу возникает несколько серьезных препятствий для его воплощения.

Трудная проблема сознания

Процессор компьютера создан по аналогии с мозгом, но не является его полной копией. Теоретически можно воспроизвести архитектуру этого органа из отдельных процессоров, которые будут имитировать нейроны. Однако биологи утверждают: важны не столько сами нейроны, сколько их связи. Они уникальны у каждого человека и трансформируются в течение жизни под влиянием различных обстоятельств. Как воссоздать настолько переменчивую структуру, ученые пока не знают.

Но даже если исследователям удастся достичь полного формального параллелизма между человеческим и компьютерным мозгом, это не решит главную проблему на пути создания сильного ИИ. Сознание — в той форме, как человечество понимает и объясняет его — не может возникнуть в искусственной системе. У компьютера нет биохимии, гомеостаза, сенсорики, субъективного опыта, памяти предков, а главное — свободы воли. Последняя обусловлена еще и социальным конструктом: моралью, религией, правом и другими компонентами.

Проблема «сознание — тело»

Сознание — это не только результат работы мозга как набора процессоров. Его важная составляющая — сенсорный опыт. Поэтому применительно к ИИ ученые говорят о проблеме «сознание — тело».

Существует несколько путей познания мира. Логическое позволяет формировать понятия, суждения, умозаключения. Детально имитировать такую деятельность сложно, но эта задача не кажется совершенно недостижимой. Труднее с познанием чувственным. Мы составляем представление о мире на основании ощущений, восприятия, впечатлений, эмоций. В формировании всех этих сторон жизни человека важную роль играет не только мозг, но и другие органы и системы: зрительная, слуховая, обонятельная, осязательная, даже ЖКТ. Чтобы приблизиться к созданию искусственного интеллекта, нужно сконструировать и соответствующие сенсорные структуры.

Несовершенство нейронных сетей

Пока именно это направление считается самым перспективным на пути к общему искусственному интеллекту. Но у нейросетей есть несколько фундаментальных проблем.

  1. Хотя создатели выстроили логику их работы по определенным моделям, не до конца понятно, как именно происходит обучение «под капотом». Можно ли дообучить нейросеть в определенной области и при этом не нарушить всю ее архитектуру? Какие именно данные она «помнит», а какие — просто очень быстро находит в загруженных массивах информации? На эти вопросы ответов пока нет.

  2. Большое количество информации человеческий мозг обрабатывает, основываясь на субъективной картине мира и личном опыте. Формализовать эти знания для компьютерных алгоритмов невозможно.

  3. Нейросети — во многом «вещь в себе». Они учатся на ограниченном (хотя и очень большом) массиве данных и не могут его проверить. Например, они не способны физически «убедиться», является ли огонь горячим или холодным. Они лишь сравнивают статистические закономерности: каким огонь чаще всего называют в текстах. Точек непосредственного соприкосновения с физическим миром у них нет.

Ресурсов людей не хватает

Обучение нейросетей требует больших вложений в «железо», работу инженеров, которые производят процессоры, программистов, которые создают сложные алгоритмы.

Но самое главное — люди пока не сделали достаточно мощный компьютер, способный одномоментно обрабатывать разные массивы данных: текстовых, иллюстративных, видео.