Михаил Зеков - Цифра на марше, или 50 историй об образовании в XXI веке

В любом случае данная перспектива – это отдаленное будущее. Более приземленные угрозы и возможности человечеству стоит ждать от слабого искусственного интеллекта. О нем – следующая история.

Рутину – машинам, идеям – респект!

Не станет творцом цифровой интеллект!

В предыдущей истории мы заглянули в будущее достаточно далеко. Сильный ИИ, сравнимый с человеческим интеллектом, это очень круто, волнительно и опасно. Но пока где-то там, за горизонтом. Есть исследователи, пусть они занимаются своим делом. Здесь и сейчас происходят более прозаичные вещи, которые по своим последствиям для обычных людей опережают многие инновации.

В международных отчетах последних лет, описывающих рынок труда, утверждается, что в ближайшие 20 лет будут автоматизированы до 50% всех рабочих мест. И все это благодаря слабому искусственному интеллекту и нейронным сетям.

Исследованиям в области искусственного интеллекта уже более 50 лет. Очень долгое время они оставались на периферии общественной жизни. Исследователи с завидным постоянством собирались на свои симпозиумы, которые мало кого интересовали. Широкую общественность интересовал один вопрос – когда компьютер обыграет в шахматы чемпиона мира. Когда в 1997 году компьютер Deep Blue в шести партиях победил Гарри Каспарова, интерес снова угас.

В те годы более-менее широкое практическое применение получили экспертные системы, компьютерные системы распознавания естественного языка и перевода с одного языка на другой. Системы распознавания образов, построенные на сложнейшем математическом аппарате, давали слишком много ошибок. Разработка прикладных программных продуктов, способных делать логические выводы и решать задачи в рамках некоторой системы аксиом и правил вывода, оказалось чрезвычайно сложным и затратным делом.

В начале 2000-х я участвовал в попытке создания на языке Prolog автоматизированной системы, способной доказывать теоремы и решать задачи школьного курса планиметрии. Мы просто утонули в сложности задачи и от проекта отказались.

В традиционную классификацию систем искусственного интеллекта входят еще и гипертекстовые системы, базы знаний, системы контекстной помощи и некоторые другие. Хотя более точно их называть «интеллектуальные информационные системы» или «системы с интеллектуальным интерфейсом». Они широко применяются в современном цифровом мире. Тот же интернет – это огромная гипертекстовая распределенная система. Но даже к слабому искусственному интеллекту их можно отнести с очень большой натяжкой.

Вернемся к ходу событий. Равнодушие широкой общественности к тематике искусственного интеллекта наблюдалось до второго десятилетия XXI века. Потом оно вдруг сменилось взрывообразным ростом интереса. Все вокруг заговорили о том, что искусственный интеллект и нейронные сети не просто тренд. Это революция на рынке труда, это страшная угроза для многих профессий, это возможность наконец построить общество изобилия.

Что же это – реальная революция или очередной хайп, который любят и умеют создавать современные СМИ? Для ответа на этот вопрос нужно понять причины, почему интерес к теме возник именно сейчас. Что такого произошло около 10 лет назад, позволяющее сегодня трубить об эпохе искусственного интеллекта и нейронных сетей?

Произошло несколько событий.

Во-первых, к 2010 году ученые сделали прорыв в математическом обеспечении для обучения нейронных сетей. Они научились обучать все их слои, а не только последние. Это существенно повысило надежность принимаемых решений.

Во-вторых, в 2010 году появилась база данных ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превысила объем существовавших до этого баз данных изображений и стала доступна для любого исследователя. Распознавание и классификация изображений – одна из наиболее популярных задач для нейросетей. Появление ImageNet облегчило обучение нейросетей данного типа, позволило существенно улучшить качество распознавания. Путать кошку с собакой хорошо обученные нейросети перестали.

В-третьих, новые вычислительные мощности, облачные хранилища данных и наработанные типовые программные модули сделали работу с нейросетями доступными самым разным энтузиастам. Относительно несложный математический аппарат, вполне доступный студентам мехматов первых курсов, позволил привлечь значительные интеллектуальные ресурсы.

В проектирование и обучение новых нейросетей в самых разных отраслях оказалось втянуто достаточно много людей. Вот для примера несколько результатов, взятых из открытых источников.

Искусственный интеллект определяет риск кардиологических заболеваний эффективнее реальных врачей.

Искусственный интеллект хорошо помогает распознавать потенциальные случаи мошенничества в различных сферах жизни.

Искусственный интеллект, анализирующий естественный язык, используется для создания чат-ботов.

Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах.

Искусственный интеллект отвечает за распознавание окружающих объектов в беспилотных автомобилях.

Искусственный интеллект победил в соревновании по толкованию и анализу заключенных договоров лучших юристов США.

Искусственный интеллект наконец выиграл в Го у чемпиона мира из Кореи (игра Го считается намного сложнее шахмат).

Во всех примерах задействованы специальным образом обученные нейронные сети. Примеры их применения можно растянуть на несколько книг, даже если каждому уделять один абзац.

И здесь первый вывод для сферы образования, про которую мы немного подзабыли. Интеллектуальные навыки, которые ценились у работников во второй половине XX веке, стремительного устаревают. Найти им применение через 10 лет будет очень сложно.

О каких навыках идет речь? Подумаем, что объединяет хороших юриста, медика-диагноста, специалиста-консультанта по подбору товара. Личная база знаний, заботливо уложенная в голову интенсивной зубрежкой. Умение быстро извлекать из нее нужные сведения при самых сложных параметрах запроса. Пожалуй, и все.

На формирование подобных навыков практически полностью заточена традиционная система образования. Трудолюбиво усвоить заложенные в учебнике сведения и научиться их применять в оговоренных учебной программой рамках. Кто такой круглый отличник? Тот, кто научился это делать в совершенстве. Почему среди победителей предметных олимпиад редко можно встретить круглых отличников? Потому что для победы нужно учиться совершенно по-другому.