Искусственный интеллект: помощник или конкурент?

ИИ — это компьютерные программы, которые могут находить взаимосвязи в данных и подсказывать оптимальные пути решения каких-либо задач. В этом главное отличие таких программ от обычных систем автоматизации, которые действуют по жестко заданному алгоритму. 

ИИ применяют во многих сферах: в банке на нем основаны алгоритмы, которые определяют кредитоспособность заемщика. На транспорте его используют для прокладки маршрутов с учетом загрузки дорог, содержимого каждой конкретной фуры и очередности погрузки и загрузки. В медицине алгоритмы ИИ подсказывают, насколько эффективным окажется то или иное вещество против какой-либо болезни. На производстве системы ИИ используют, чтобы следить за загрузкой и износом оборудования, что уменьшает расходы на обслуживание. 

ИИ используют и в добывающей промышленности. Например «Газпром нефть» создает систему, которая будет оценивать уровень запасов ископаемых, рентабельность участка и давать рекомендации по его разработке. Похожая система используется и в «Норникеле»: система на Кольской ГМК анализирует расход воды и реагентов, качество сырья и другие параметры и дает подсказки оператору, которые позволяют более эффективно вести добычу. 

Создание модели ИИ, которая будет решать какую-либо задачу, — трудозатратный процесс. В начале нужно собрать максимальное количество данных, относящихся к проблеме. Затем очистить их, то есть убрать из набора данных те, которые сильно выбиваются из общей картины. Эту задачу нельзя доверить машине, ей должен заниматься человек. От качества исходных данных во многом будет зависеть полезность и точность получившейся модели. И только после тщательной подготовки можно начинать обучение: запускать алгоритмы, которые будут искать в данных закономерности. Обучение требует больших вычислительных мощностей. Например, языковая модель GPT-3, которая способна создавать тексты практически неотличимые от написанных человеком, потребовала не только несколько десятков терабайт исходных данных, но и объемов вычислений, которые на обычном ПК заняли бы десятки тысяч лет.  

Однако результат часто оправдывает такую трату времени и сил: например, системы компьютерного зрения — один из видов ИИ — широко используются на производствах «Норникеля». Одна из них определяет, пользуются ли работники средствами индивидуальной защиты (респираторами, касками и спецодеждой) и предупреждает мастера цеха или участка, если кто-то нарушает правила безопасности. Эта система ИИ снижает риск производственных травм и помогает сберечь жизнь и здоровье сотрудников. Другая система компьютерного зрения помогает искать посторонние предметы (куски металла, дерева, арматуры и т.д.) в руде. Она снижает вероятность того, что в дробильное оборудование могут попасть предметы, которые могут его сломать. Преимущество ИИ в том, что такие системы, в отличие от человека, не устают и не отвлекаются. 

Часто можно можно услышать опасения, что системы ИИ вот-вот вытеснят человека с работы. Но этот момент вряд ли наступит в обозримом будущем. Конечно, некоторые сферы деятельности, которые можно строго формализовать, быстрее поддаются автоматизации. Например, сбор и анализ бухгалтерской информации. Или та же игра в шахматы, где правила четко прописаны и нарушать их нельзя. Но в большинстве сфер деятельности человеческий интеллект ещё долго будет лидировать: окружающий мир слишком сложный даже для самых продвинутых систем ИИ. 

Например, в 2020 году сеть супермаркетов Walmart отказалась от роботов с ИИ, которые должны были расставлять товары по полкам. Компания закупила 500 умных машин, эффективность которых оказалась гораздо хуже, чем у людей. Они плохо определяли наличие и тип товаров при смене освещенности, не справлялись с неровностями напольных покрытий, медленно перекладывали товары. То есть, хоть и ИИ можно научить играть в шахматы на уровне чемпиона мира, он пока не может уверенно передвигаться и отличать предметы от их тени — задачи, с которыми справляется и ребенок. 

Дело в том, что у систем ИИ есть несколько фундаментальных ограничений. Первое — их можно создавать только под какую-то единственную задачу.  Полученный в одной сфере опыт ИИ чаще всего не получается перенести на другую область. Например, ИИ, который научили точно предсказывать биологическую активность препаратов по их химической формуле, не сможет выписывать правильные рецепты пациентам. А для доктора связать между собой эффект лекарства и болезнь, от которой оно сможет помочь, не составляет особого труда.

Второе — у систем ИИ нет представления об окружающем мире. Для компьютера всё происходящее вокруг — лишь набор двоичных данных. В отличие от человека он не представляет физические свойства предметов вокруг себя. ИИ, который попытались использовать для авто-слежения за мячом во время футбольных матчей, постоянно находился на любые круглые предметы в поле зрения камеры. Он не мог себе представить, что мяч не может мгновенно телепортироваться в разные углы поля. 

Третье — большинство систем ИИ с трудом адаптируют свою модель к меняющимся условиям. Алгоритмы машинного обучения по своей структуре устроены так, чтобы вычленять в данных взаимосвязи, которые, предположительно, являются постоянными и неизменными. Например, Amazon отказалась от систем ИИ при найме сотрудников: для их обучения использовались исторические данные, которые показывали, что большинство программистов — мужчины. И система начала отбраковывать очень много сильных программистов из-за того, что появлялось всё больше программистов-женщин.

Объем рынка систем с искусственным интеллектом (ИИ), по оценкам IDC, в 2020 году превысил 40 миллиардов долларов и растет на 40% в год. Уже сейчас ИИ способен справляться со многими задачами лучше человека, например, играть в шахматы, го или в «StarCraft». Но его мощь ограничена: в некоторых сферах он ещё долго будет показывать результаты хуже, чем ребенок. 

ИИ и человек — не конкуренты, а, скорее, союзники: на компьютерные плечи можно переложить большой объем рутинной, узкоспециализированной работы и высвободить людей для решения сложных, неоднозначных задач, которые требуют творческого подхода и учета неочевидных взаимосвязей.