Лаборатория Google сделала важный шаг к общему искусственному интеллекту

То, что ИИ обыгрывает мировых чемпионов в шахматы, го, и даже в популярную компьютерную стратегию StarCraft 2 — ни для кого уже давно не секрет. Однако главной проблемой остаются действия за пределами узкоспециализированной компетенции: даже двухлетний ребёнок может понять, что шахматы — это игра, и несмотря на высочайшую сложность дальнейшей партии правильно сделать ход пешкой. Компьютер, имеющий опыт исключительно в азиатской го, на такое физически не способен.

Соответственно, польза от таких ИИ в реальном мире пока минимальна: сделать новостные заголовки, обыграв чемпионов из плоти и крови, тем самым создав в СМИ дополнительные упоминания Alphabet (материнская компания Google). Если подобному искусственному интеллекту дать задачу, например, построить маршрут для нескольких контейнеровозов, он, грубо говоря, не поймёт, что от него требуют. В лаборатории DeepMind (принадлежит Alphabet) сделали первые шаги к решению этой ключевой проблемы в сфере развития ИИ.

Специалисты DeepMind создали виртуальную среду XLand с реалистичной физикой, и научили несколько разных ИИ играть друг с другом в игры, характерные для детворы — прятки, царь горы, салочки, захват флага и так далее. Правила у этих развлечений для дошкольников простейшие — о шахматах тут и речи не идёт — но следует понимать, в чём ключевая разница со всеми предыдущими экспериментами Google. В случае StarCraft 2 или тех же шахмат в компьютер загружали миллиарды комбинаций решений и их последствий, а также миллионы реальных сыгранных партий. Таким образом, ИИ занимался в основном лишь статистическим сопоставлением, каждый раз выбирая оптимальное из готовых решений.

В XLand совсем другие вводные данные. Оппонент-человек отсутствует, специалисты DeepMind лишь обучают «агентов» (отдельные сущности ИИ) правилам игры, после чего те соревнуются друг с другом и приобретают опыт. Причём агенту, который уже умеет играть в прятки в виртуальной среде XLand, не нужно «объяснять» с нуля, что такое салочки, так как эти развлечения чем-то похожи, и искусственный интеллект может провести соответствующие параллели.

Такое самообучение — самый настоящий прорыв для Google, да и для изучения ИИ в целом. Искусственный интеллект, одержавший верх над чемпионом в StarCraft 2, не умеет играть в WarCraft 3, хотя это очень похожая компьютерная стратегия — с той лишь разницей, что в бой идёт не космодесант со штурмовыми винтовками, а лучники. Предыдущее поколение ИИ просто анализирует статистику и не способно понять, что в обоих случаях речь идёт об одной сущности — «стрелок», новое — вскоре будет способно.

Здесь крайне важно отметить, что прямо завтра мы не увидим общий искусственный интеллект, совершенную версию человеческого сознания с идеальными математическими способностями, способную решить все проблемы современного общества (или пойти по сценарию фильма «Терминатор»). Для того, чтобы сыграть в банальные детские игры в простейшем 3D-окружении, сущностям ИИ потребовалось предварительно выполнить около 3-х с половиной миллионов уникальных заданий, разбитых на 200 миллиардов тренировочных шагов. Проще говоря, начало положено, однако без «костылей» пока не обойтись, и мыслящий компьютер ещё какое-то время будет оставаться прерогативой писателей-фантастов.

Однако не стоит впадать и в другую крайность, то есть недооценивать всю значимость прорыва. Виртуальная среда XLand выглядит крайне примитивно, как первые опыты в создании 3D-игр в самом начале 90-х годов, но дело здесь не во внешнем виде, а в сочетании статичной топологии, движимых объектов и реалистичной физики. Одну и ту же планку можно использовать в качестве мостика для себя — или же как препятствие для оппонента. В ходе партии ИИ принимают все эти решения самостоятельно — уже без вмешательства человека. Как известно, животные (в том числе и человек) сформировали интеллект в ходе бесконечного взаимодействия с окружающей средой.

В DeepMind считают, что их новая технология обучения в конечном итоге позволит совершить очередной виток эволюции — от ИИ к ОИИ, то есть к общему искусственному интеллекту, о котором в научном сообществе мечтают уже более 60-ти лет. Эксперты лаборатории утверждают, что их агенты — то есть сущности ИИ — уже демонстрируют эвристическое поведение. Они прибегают к когнитивным шорткатам, то есть самостоятельно разбивают одну сложную задачу на несколько простых, которые уже успешно решали ранее. До этого на такое был способен только человек.

Такие когнитивные «лазейки» могут сыграть огромную роль во многих современных областях применения высоких технологий. Например, сегодня беспилотный автомобиль может, грубо говоря, «впасть в ступор» в случае с проблемами с дорожной разметкой. ИИ нового поколения в таком сценарии мог бы руководствоваться логикой взаимного расположения объектов и накопленным опытом, а не бить по тормозам из-за того, что в этом штате не хватило муниципальных средств на белую линию на дороге.

Руководство DeepMind полагает, что обучение с закреплением и вознаграждением — ключевой элемент в достижении ОИИ. Скептикам эта мысль может показаться чересчур смелой, но человечество именно так и пришло к своему высокоорганизованному сознанию. Огонь может обжечь руку, но и помогает в приготовлении пищи, те ягоды опасны, эти коренья полезны — и в результате человек как вид сегодня осваивает квантовые компьютеры. В лаборатории Google считают, что искусственный интеллект должен развиваться примерно таким же образом — то есть методом проб и ошибок, а также цифрового «пряника»: аналог «вознаграждения» должен быть прописан в коде.